文摘

电力销售公司电力交易市场是一个重要的组成部分。不仅可以使用身体作为主要的购买力市场交易也作为主要的身体将力量转移到市场和消费者,改变分销网络的功率流分布和有重大影响配电网的供电能力。电力销售公司的根本目标是最大化的好处通过调整电力负荷分布以响应用户的能耗的变化。基于考虑用户的灵活的电力消耗,本文研究了荷载组合优化建模方法的电力销售公司。建筑用户作为研究对象和灵活的能耗类型是基于各种功率值决定的。需求响应数据提取负荷特性指标和能耗指标,和灵活的功耗法是预测的一个标准化矩阵。此外,利用汉森阈值理论,计算负荷率和分级改变,和三组荷载组合方案得到的仿真测试。用户03年的结果表明,该荷载组合,用户05、07年和用户优化方案C和电力电力销售公司的销售利润高于26.31%和22%的计划和方案B,分别。该方法可以减少电力购买成本和增加收入的电力公司通过增加销售收入的权力。

1。介绍

电子元件的电力系统是一个集用于生成、分配和消费电能。一个电网电力系统由发电机发电,以及输电和配电网络,将电力从生产中心负荷中心。电力系统对一个国家的长期增长至关重要,因为它是能源工业的重要基础设施在一个文明。维护一个国家或地区的社会稳定需要一个可靠的和安全的电力基础设施(1]。电网、电力批发市场消费者和企业与电厂都归类为市场主体与消费的责任,和电网公司负责将载荷转化为行动的责任。消费负担,主要能源,电力技术对电力公司都有影响,这是一个整个能源系统的关键子系统。一般来说,挑战主要是涉及电力系统电力系统优化设计、操作和控制(2]。目前,有很多研究进一步深化改革的力量。根据城市电网的日常工作需求,学者们将电力改革分为四部分基于城市电网的日常工作要求:电网城市服务的连续性,电网购买和销售业务的连续性,功耗的连续性计划,和功率分配的连续性3,4]。

发现,尽管这些公司有不同的投资者和不同的操作权限,它们都有一个共同特征;也就是说,他们需要优化荷载组合。目前,分布式能源和可调负载分销网络中的节点存在于不同的任务。当用户需求发生变化时,负载可以通过相应的任务分配节点(5]。然而,如果分配方案是不合理的,它可能会增加电力销售公司的销售成本,影响整体收入。为了解决这个问题,窦等。6)选择电力市场的开放的环境为研究前提和调度安全为基本原则,有效整合各种资源安排分销网络中的节点,以提高销售收入的权力。该方法以可视化虚拟环境为研究背景和实现任务调度通过修改节点连接的电力系统。虽然电力销售公司的收入增加了,数据是不可靠的;也就是说,收入数据已经扣除所有开支后改变了。

京et al。7)使用了消费者需求为研究前提,计算的最大回报率电力销售公司通过目标函数,通过解决方案的结果和验证它市场趋势博弈决策模型,以确保电力销售收入数据的真实性。然而,这项研究并不能改善电力销售公司的收入在一定程度上。μet al。8]权力的交易收入相比销售企业在电力市场中,绿色证书市场,市场和可转让的负载。他们研究了电力销售公司生产的经营策略最利润和使用它作为一个参考电力市场交易决策的销售公司。作者在9)提出了一种多目标配电网配置模型为分布式发电和负荷的不确定性。模型优化的几个重要目标分销网络和有效降低配电网的功率损耗。节能改造投资计划模型,约束的支出和评分标准,成立于(10)通过整合分销网络的微观研究和宏观统计数据。Sarica et al。11)使用一个集成的优化方法来开发一个小时日前电力市场模型。可替换主体模拟技术是用来描述不同的市场参与者之间的交互(例如,系统运营商、电力发射器和电力生产商)。集成优化模型控制发电机的电力和部署。

Ringler et al。12)检查几个组件的电力市场结构的影响福利和代充足率在欧洲。因此,PowerACE被使用,这是一个自下而上的基于代理模型批发电力市场。PowerACE模型重要的市场参与者软件实体,实现市场出清的线性最大化程序。随着新能源技术的引入,重要的是要考虑能源生成和分布对电网的影响。传统的电力系统规划模式基于单目标规划方法并不是有效的新环境。本文研究了荷载组合优化建模方法的销售公司。负荷特性指标和能耗指标是用于提取需求响应数据,和一个标准化矩阵是用来估计灵活功耗规则。此外,使用汉森的阈值理论,计算负荷率和分级改变,和三组荷载组合方案产生的仿真测试。该方法有效地减少了电力购买成本和提高电力公司的收入。

手稿的其余部分组织如下。部分2概述了负载优化建模方法的电力销售公司。部分3说明了仿真过程,分析不同的结果。最后,结论部分给出了4。

2。荷载组合优化建模方法的电力销售公司

2.1。灵活的分类能耗类型

灵活的电力消耗是一个电力消耗的现象,转移或减少根据用户的能耗的变化行为。建筑起着关键作用在电力系统和电力需求响应的功能,因为他们携带的对象是各种灵活的电力消耗。因此,灵活的建筑能耗分为照明设备和制冷设备,建筑作为持票人的响应消费者的需求。作为一个重要的可控电力资源,照明功率灵活的电力消耗是一个重要的组成部分。加上散热制冷设备带来的压力,这种能耗直接影响合并后的电力销售公司优化负载(5]。目前,常见的建筑照明设备包括白炽灯、节能灯、荧光灯。其中,最广泛使用的白炽灯,及其负载可以通过以下公式:

在上面的公式中,和代表有功功率和额定有功功率,和代表正常电压和额定电压和代表了散光照明指数。有许多类型的除了白炽灯照明设备。为了便于计算,照明设备分为相同类型,及其电力数据通过以下公式:

在上面的公式中,和代表了散光指数相关照明设备的类型(6]。照明能耗可以被描述为上述两组公式。当上述能耗高,建筑物的内部温度上升,制冷设备的能源消耗的增长,和它的功耗是由下列公式描述:

在上面的公式中,代表制冷设备的能力; , , ,和 ,分别代表了鼓风机的运行功率,冰箱,冷却塔,冷水泵。根据电力销售公司的统计数据,冷却塔和冷水泵功率占总功率的相对少量的;因此这两个参数作为已知的常数。因此,最后,制冷设备的能耗率在控制房间温度和减少室内温度是描述由以下公式:

在上面的公式中,代表制冷功率;和代表实际的室内温度和温度控制目标;代表了风扇流动比率;代表了风扇的工作压力;代表空气密度(7]。通过以上两个方面的内容分析,划分类型的用户实现灵活的电力消耗。

2.2。提取响应数据和预测的需求灵活的功耗

假设的综合负荷特性用户的随机用户层建筑平均每日的总功耗 ,根据上面的灵活的能耗类型划分结果,得到如下:

在上面的公式中, 代表灵活的电负载的功率抽样结果; 代表了需求响应负载;代表用户能耗[的采样周期8]。用户需求响应数据提取使用上面的方法,和偏最小二乘方法是利用预测用户的灵活的功耗规则。有效地预测变化规律的客户想要的,偏最小二乘法可以利用主成分分析和线性回归分析的多重共线性问题。首先,假设矩阵的方法形成的独立变量和因变量和和用户的全面需求响应数据是前提,并使用以下算法标准化矩阵得到标准化矩阵处理和 。

在上面的公式中,和代表矩阵参数的平均值的独立变量和因变量;和代表相应的标准差。标准化矩阵和根据上述算法处理后获得的

上述两组矩阵的主成分提取。流程如下:

在上面的公式中,和代表了提取结果;和表示矩阵的特征向量和 。上述处理后,cross-validity测试进行。测试方程是

上述结果cross-validity测试的结果。当 ,认为主成分提取的结果是可靠的。根据上述过程重复提取,对提取结果进行回归分析 和 得到以下方程:

在上面的公式中, 代表了回归分析系数。根据上述过程,用户未来的灵活的电力负荷预测提供预测数据负载组合优化(9,10]。

2.3。计算负载率及其分类

每个电压级别的用户可以分为2 - 5类负载率的基础上,根据荷载组合优化技术的销售公司,坚持正义的基本原则和便于操作。结合灵活的电力消耗的预测结果,计算的公式可以提高这个值如下:

进行分级根据上述公式的计算结果。特定的负载率分级过程如图1(11]。

根据上述过程,分类过程首先使用实际的能耗数据的用户在建筑部门的前提,然后使用综合需求反应数据提取和灵活的功耗法预测在前一节中在未来吸引用户电力负荷曲线固定周期,然后消除了冗余和错误数据。根据电力负荷的波动曲线,用户负载率的分布特征进行了统计分析。将区间数设置为0.1,将负载率分为20齿轮根据这个值,设置每个齿轮的电价,总结20电价为密度聚类数据集,将数据与一个类似的电能值,然后更新数据集。第三,计算用户的比例每个齿轮价格,修改设置,最后合并成绩实现负载率的数量和水平分工的成绩。完成上述分级使用汉森的相关理论的阈值。假设参数估计由一个阈值 ,通过搜索获得的参数是通过以下公式:

在上面的公式中,和代表了固定阈值和变化值; 代表了搜索功能。当阈值成为双阈值,修正的计算结果和搜索参数 。根据上述两组参数,汉森的双重分析函数阈值描述负荷的波动率,和公式

在上面的公式中,代表了控制变量的向量;表示控制变量; , ,和代表不同的阈值解释变量的向量; , ,和代表解释变量不同的阈值;代表指数函数;代表变量阈值;表示随机干扰项。负荷率分级实现上述过程(12,13]。

2.4。建立负载组合优化模型

后用户的能耗类型分级加载率是清晰的。这时,季节和环境的影响下,如果用户的能耗负载突然变化,有必要重新计算能耗负载率。这个公式是

在上面的公式中,模型调整后代表用户电力负荷速率;表明发生时期;代表负载率的峰值后监管(14]。当负荷率分级数据相结合,发现用户的负荷分级已经改变,这意味着负载组合优化模型应该使用用户的权力交接。设置指示函数反映了决策变量 ,用于描述用户执行权力交接在每个周期中,它代表了用户数据组进行权力交接;然后是

当用户传输电力,结果是1;否则,它是0。电力销售公司的总成本分为电力购买成本和发电成本,表示为和 ,分别。从公式(15),成本控制的前提是进行公式的结果(14)。控制是实现了以下算法:

在上面的公式中,电源的电力购买成本销售公司调整后转移负荷;代表的数量周期;表明电力购买的数量;代表了预测的电力消耗用户在周期;代表的负载用户在权力交接周期;代表了电力负荷转移价格的调整用户(15]。基于上述计算,荷载组合优化模型,建立了由目标函数,反映和公式

在上面的公式中,代表了总能耗成本;代表卖方能承受的最大负载极限(16,17]。通过上面的计算过程中,荷载组合优化建模的电力销售公司意识到,电力负荷是根据负载调整率分级水平基于预测用户需求的变化(18,19]。

3所示。模拟试验

在本节中,我们将讨论数据准备,组合方案,并详细确定最佳组合。

3.1。数据准备

构建实验测试环境:操作系统是Windows, 3.60 GHz处理器,i7处理器,2 TB的存储。配电公司的分销系统是模拟和分析基于通用代数建模系统(gam)和数学软件(MATLAB)。图2实验测试对象是基于原始分布仿真系统的网络结构。

节点1连接到主要的网络结构,可翻译的负载(TL)和最大容量2535千瓦的节点4,5,6,可控的分布式发电(DG)最大输出节点9和10的225千瓦和能源存储(ESS)的最大容量100千瓦/小时,充电和放电效率95%的节点16。分布式光伏装机容量150千瓦的连接节点18,150千瓦的可控DG最大输出节点19和20节点连接,可中断负荷(IL)与容量180千瓦的连接节点24,分布式光伏装机容量180千瓦的连接节点27和节点28日分别,最后,分布式光伏最大容量80千瓦的连接节点37和节点42岁与储能充放电效率为90%。本实验研究的目的是使用这个工作描述的建模方法来解决需求响应和电力销售公司的利润最大化。由于季节性电力消耗的变化,模拟测试使用的这个夏天为研究背景,选择8工业用户的能耗数据进行测试,并进行组合优化这些客户的电力负荷。假设在高峰时段电力销售的单位价格,槽时间,和正常时间是1.2714元/(千瓦/小时),0.4142元/(千瓦/小时),和0.7424元/(千瓦/小时),分别。默认情况下,电力销售公司能承受的最大负荷700千瓦,和所需的全面的负载率超过0.85和总电力销售收入超过3500元。

3.2。组合方案

灵活的能耗类型后选择8用户隔离,功耗法提取基于完整的响应用户的需求,和表中给出的三种荷载组合的发现1生成,根据本研究的建模方法。

上述三组选择,负载率计算和处理成绩。最后,所有用户数据更新通过汉森的调整阈值,和需求响应负载后调动用户需求变化的一天终于决定(20.,21]。结果如图所示3。

没有需要调整负载,因为图中值0表示不会改变在一个特定时期的需求。一个负值表明,用户必须减少初始载荷相比的负载;正值表明,用户必须提高负荷相比原来的负荷。收集和分类数据的三组荷载组合优化方案数据显示在图3,并比较三组之间的差异计划使用模型的总成本分析的结果。

3.3。确定最优组合

基于上述模拟试验的结果,在图结构的电力负荷2调整。完成后,进行统计分析需求反应负荷的总量,全面的负载率,和权力的利益出售公司的三组下计划,和不同的优化结果比较三组的计划,如表所示2(22,23]。

根据上述统计结果,计划一个整体功耗最高(1.88倍和1.64倍的方案B和C计划,分别)但综合负载率最低(77.69%和70.29%的方案B和C计划,分别)。的优势,也低于其他两个方案,证明不是最佳的组合方案。比较方案B和C计划,发现总功耗,全面的负载率,和电力销售的好处方案B不到计划的C,和差异是1.684 mwh、0.0899和700.8元,分别。基于上述结果,方案C的荷载组合是最好的,和电力销售公司的利润高于26.31%和22%的计划,计划b 0.88和3500元数据准备的全面数据,所以选择方案C作为荷载组合的最优方案。该方案应用于仿真环境图2模拟实时电力销售市场交易公司,结果如图4得到了。

图中的部分数据大于0代表的实时电力购买电力销售公司,和部分小于0代表实时电力销售的销售公司。根据上面的测试结果,在数据收集的DL和DG在图2根据方案C的组合模式,增加电力购买时电价较低,减少电力购买,出售多余电力电价时高。结果,方案C获得大部分收入通过降低采购成本和提高电力销售收入证明方案C的组合效果是最好的。

4所示。结论和未来的范围

电力负荷是一个重要的综合指标来衡量供电公司的技术和经营管理水平。由于电力负荷占很大一部分的系统的总功率,优化电力负荷一直是供电企业的一个关键任务提高他们的底线。在这项研究中,一个模型优化负载组合电力销售公司。负荷特性指标和能耗指标被用来获取需求响应数据,和灵活的功耗法预测了使用一个标准化矩阵。此外,汉森阈值理论是用来计算负载率,并使用三组评分调整负载组合方案,也就是说,A, B, C和C方案,用户03的荷载组合,用户05、07年和用户进行优化和电源电力销售公司的销售利润高于26.31%和22%的计划和方案B,分别。该荷载组合优化模型充分考虑了用户的需求,调整不同用户的能耗,实现电力负荷的最优分配。然而,该建模方法在本研究中涉及大量的计算,所以它相对困难和建模过程相对缓慢。在不久的将来,人工结果技术可以应用于模型荷载组合和更先进的技术可以用来优化建模的效率。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。