發布日期：2022-04-20 點擊率：36
引言
電力負荷分配對于發電企業而言,在制定運行維護計劃、電網改造等方面發揮著重要作用。隨著電力用戶數量的逐漸增加,且用戶之間的用電模式各不相同,中長期電力負荷分配受到不同數量級、不同周期以及其他因素的影響而出現了一些問題。現有的電力負荷分配方法大多是在較低的粒度上進行分配,再綜合得出分配總量。電力負荷分解可以采用不同的標準,大致分為工業、農業、居民以及商業用電,但這種分配標準的匹配度較低。發電企業的電力負荷分配研究是目前專家學者討論的重點,本文提出了基于曲線匹配的中長期電力負荷分配方法。
1基于曲線匹配的中長期電力負荷分配方法設計
發電企業在與電力用戶簽訂中長期協議時,其電量和價格已經是雙方擬定好的。發電企業需要根據每一個電力用戶制定不同的發電計劃。因此,在面對不同類型的用戶時,分配到每日的中長期合約電量在當前各個階段中差距較大。在發電設備條件的制約下,發電企業會根據具體情況制定相應的發電計劃,但這樣會增加發電成本,降低發電企業的經濟效益。因此,在對中長期電力負荷進行分配前,要先提取中長期電力負荷分配曲線特征,再利用曲線匹配的方法得出具體的分配電量。
1.1中長期電力負荷分配曲線特征提取
在提取中長期電力負荷分配曲線特征時,要保證特征數據的準確性以及完整性,因此首先需要對獲取到的原始特征數據進行預處理。利用濾波技術,去除曲線特征數據中的異常、失真數據,并補齊真實的數據。
中長期電力負荷分配曲線特征的選擇方法較多,包括采用歐式距離作為特征分析、采用余弦相似度作為特征分析等。但這兩種方法作為特征判據的聚類方法在實際應用中,對海量的特征數據類型的聚類精準度不高。因此,本文選用一種曲線匹配的方法,利用曲線的形態趨勢提取電力負荷分配曲線中的特征數據,為后續電力負荷分配量計算提供基礎。
曲線匹配的形態中主要分配上升形態、下降形態以及平緩形態,在提取前先對這些形態特征進行模糊化處理,即利用差分算法分配負荷數據。
對類屬性特征數據進行分類,并利用上述方法完成對分配曲線特征數據的聚類。在計算過程中,每次的聚類中心都是發生改變的,通過記錄每一次類中心以及聚類的效果,找出最適值,再將其與相應的類中心作為初始條件,再次進行聚類,完成對電力負荷分配曲線特征的提取。
1.2基于曲線匹配的電力負荷分配量計算
對于中長期電力負荷分配量的計算,首先根據負荷的變化規律將其劃分為趨勢項、周期項和隨機項。分配量計算的基本思路:首先根據周期性數據特征進行分析,篩選符合周期特征的數據,并將這一部分數據用于之后的周期擬合中:再用線性擬合的方式分析剩余特征數據的方差,根據不同的方差大小,區分高位運行數據和無明顯周期數據,再與對應的發電曲線進行匹配。
曲線匹配的匹配度指標為:
式中,W表示兩條曲線的匹配度:d表示兩條曲線的關聯值,利用關聯值可以反映出兩條曲線的形態相似程度,關聯值越大,相似程度越高:丑表示兩條曲線的面積重合度,重合度數字越大,重合的面積越多。
將各匹配組合方案與曲線匹配指標進行比對,越接近指標的方案,越符合實際供電要求,從而得出相應的電力負荷分配量。
2對比實驗
為了驗證本文提出的基于曲線匹配的中長期電力負荷分配方法具有更高的應用價值,將其與傳統分配方法進行對比實驗。
2.1實驗準備
首選選取對比實驗的相關基礎數據,隨機選擇幾個不同行業的中長期用電企業,包括5個商業區、1個紡織企業、1個鋼鐵企業、3個中央商務區域,共10種不同類型的用電負荷,保證10種不同類型的負荷均包含兩個調度目標,再利用本文上述電力負荷分配曲線特征提取方法對數據進行聚類,分別利用傳統方法和本文方法對電力負荷進行分配。設置本文分配方法為實驗組,傳統分配方法為對照組,為了使實驗結果具有一定的可靠性,在保證其他干擾因素均相同的情況下,完成對比實驗。
2.2實驗結果及分析
通過上述實驗準備,完成對比實驗,并記錄實驗過程中產生的數據,利用上文提出的匹配度公式,計算出實驗組與對照組對10種不同類型的中長期用電企業提供的電力負荷分配方案的匹配度,表1為實驗組與對照組的實驗結果對比。
根據表1結果可知,實驗組對不同類型的中長期用電企業提供的電力負荷分配方案相較于對照組具有更高的匹配度。因此,本文提出的匹配方法更適用于實際的電力負荷分配中,并能夠在一定程度上減少電力資源的消耗,節約發電企業的供電成本。
3結語
本文提出的基于曲線匹配的中長期電力負荷分配方法,根據不同類型用電企業的負荷曲線特征對負荷進行分析,使其具有更強的規律性,從而有效提高了電力負荷分配的匹配度。后續我們還將深入研究中長期電力負荷的預測方法,找出更可靠、更穩定的負荷預測方法,以滿足發電企業的配電需求。
下一篇： PLC、DCS、FCS三大控
上一篇： 多軸直角坐標搬運機器
