[发明专利]考虑爬坡特性与预测区间优化的电热水器集群功率短期区间预测方法

说明书

本发明公开了一种考虑爬坡特性与预测区间优化的电热水器集群功率短期区间预测方法。首先，针对EWHs负荷的不确定性，提出了一种考虑爬坡特性和样本分布多源异构特性的EEMD‑PCA‑MKRVM高精度组合点预测方法；然后，为获得期望预测覆盖率下宽度更窄的预测区间，提出了一种新的区间误差评价指标，结合区间平均宽度和区间预测覆盖率，设计了一种核密度估计法与多目标粒子群相结合的改进预测区间确定与多目标优化方法，优化了多核相关向量机核参数，并避免了参数选择的随意性。最后，求得EWHs聚合功率预测值和预测误差，得到EWHs聚合功率预测区间。本发明具有较高的预测精度和较好的清晰度，能够提供高质量的预测区间。

技术领域

本发明属于柔性负荷预测领域，尤其涉及一种考虑爬坡特性与预测区间优化的电热水器集群功率短期区间预测方法。

背景技术

需求响应(Demand Respond，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，尤其是在夏季用电高峰期或弃风、弃光期间，鼓励用户侧负荷参与电网运行，能够平抑负荷、消纳间歇式电源。随着智能电网的建设和国家电网泛在电力物联网的推进，配置了智能电表等高级量测体系的智能小区成为了用户参与DR的新实体，其中电热水器负荷(electric water heaters，EWHs)作为柔性负荷的一类参与电网互动具有独特优势：①占据了小区负荷功率的很高比例，②良好的储热性能使其具备了虚拟的储能容量，方便用于削峰填谷，③纯阻性让其能够快速响应功率指令。故EWHs参与DR调节的潜力巨大。对EWHs等家用电器进行DR调节的主要目的，是在保证用户舒适度的前提下，不断提高其参与电网互动运行的水平，并尽量减小用户的用电成本。为此，需事先合理分配EWHs的中断时刻以及时长。为达到这一目的，准确地预测以获取未来一定时间段内的EWHs集群功率极为关键。

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。业界已认识到EWHs集群功率研究的重要性，但相关研究集中于建模、仿真与控制上，对其进行预测的研究较为少见。用户使用EWHs具有一定的规律，而且EWHs集群参与DR运行一般是通过调整EWHs的温度限定值来实现的。因此，本发明研究发现，EWHs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，这给EWHs集群功率预测带来了巨大的挑战。

负荷功率的单点预测仅能提供确定的预测值，预测结果无法提供负荷波动的风险预测信息，一旦预测出现偏差，可能为电力系统运行调度带来一定的风险，而区间预测能够降低这一风险。故构建有效的区间预测模型对EWHs集群功率的不确定性进行度量十分必要。目前，区间预测主要有两类研究方法：①以点预测结果为基础，采用统计方法，如贝叶斯、平均方差估计和Bootstrap等建立预测区间(prediction interval，PI)，这类方法通常需对数据特征分布进行先验假设，Bootstrap在初期依赖大量的计算，并且其预测精度很大程度上取决于点预测的准确性。②若不依赖点预测或不对数据特征分布进行假设的情况下，可利用优化算法直接输出上下界。不过这类算法较为复杂，使用具有一定局限性。

此外，智能小区中柔性负荷数量巨大，样本呈现海量特征，且影响因素具有多源异构性，使用过多的样本将增加系统运算压力，因此，本方法采用具有小样本处理优势的相关向量机(Relevant Vector Machine，RVM)开展EWHs集群功率预测。但是针对EWHs集群功率的巨大波动特性，单一核函数的RVM鲁棒性较弱，当发生“爬坡”事件时，将可能导致较低的预测精度。为此，本发明引入多核相关向量机(multi-kernel RVM，MKRVM)来增强预测算法的鲁棒性，提高预测精度，同时有效处理样本多源异构问题。

发明内容