余 洋,权 丽,贾雨龙,米增强,范 辉
(1. 河北省分布式储能与微网重点实验室(华北电力大学),河北省保定市071003;2. 新能源电力系统国家重点实验室(华北电力大学),河北省保定市071003;3. 国网河北省电力有限公司,河北省石家庄市050000)
需求响应(demand response,DR)被认为是当下缓解电力供需矛盾、提高电网运行效率的有效措施之一[1]。作为柔性负荷重要一类的电热水器(electric water heater,EWH),在与电网互动时具有储能容量大、响应快速等独特优势[2]。为了让EWH更好地参与需求响应调节,需准确预测未来一定时间段内的EWH 集群功率,以合理确定EWH 集群的中断时刻以及时长。
当前,关于EWH 集群功率的研究主要集中于建模、仿真与控制上[3-5],对其进行预测的研究较为少见。研究发现[6-7],用户使用EWH 具有一定的规律,而且EWH 集群参与需求响应运行一般是通过调整EWH 的温度限定值来实现,因此,EWH 集群功率在一定时间范围内会产生较大的波动,出现类似于风电功率的“爬坡”特性[8],这给EWH 集群功率预测带来了巨大挑战。
传统电力负荷的点预测方法已较为成熟,预测精度不断提高[9]。负荷功率的单点预测仅能提供确定的预测值,而区间预测可进一步提供负荷波动风险预测信息[10],构建有效的区间预测模型对EWH集群功率的不确定性度量更为必要。按照是否以点预测为基础,区间预测方法可分为以下2 类[11-13]。
1)基于点预测结果,采用人工智能或统计学等方法建立预测区间(prediction interval,PI),此类方法区间预测精度在很大程度上取决于点预测的精度。……