[发明专利]一种光伏用户基线负荷估计方法、装置和终端设备

说明书

本发明实施例涉及电力系统需求响应技术领域，公开了一种光伏用户基线负荷估计方法、装置和终端设备。上述光伏用户基线负荷估计方法包括：获取全体用户集群的净负荷功率和温度数据，以及部分光伏用户的全年可观测光伏出力数据；对可观测光伏出力数据进行聚类，得到每天的广义天气类型标签；根据天气类型标签将全体用户集群分为光伏用户集群和非光伏用户集群；根据多个光伏用户净负荷功率集确定光伏用户集群的第一基线负荷估计值；根据非光伏用户集群的净负荷功率和温度数据建立分段线性回归模型，并根据分段线性回归模型确定非光伏用户集群的第二基线负荷估计值；根据第一基线负荷估计值和第二基线负荷估计值，确定全体用户集群的基线负荷估计值。

技术领域

本发明涉及电力系统需求响应技术领域，具体涉及一种光伏用户基线负荷估计方法、装置和终端设备。

背景技术

需求响应利用价格和激励信号实现需求侧资源的海量聚合和快速响应，在提升系统供需平衡能力、削峰填谷、促进新能源消纳等方面发挥着重要作用。用户集群基线负荷是系统运营商和负荷聚合商之间需求响应效果认定的依据，对其估计值过高或者过低都会影响需求响应效果的认定，因此准确的用户集群基线负荷估计对于需求响应的实施十分重要。

近年来，分布式光伏产业发展迅猛，越来越多的居民用户开始安装分布式光伏发电系统。大多数小型分布式光伏系统(10kWp)安装在表后，用户电表测得的是净负荷，即用户负荷减去光伏出力，而系统运营商和负荷聚合商无法观测到光伏出力。这种具有不可观测性的光伏出力大大增加了基线负荷估计的难度。光伏出力在不同天气类型下存在明显差异，这会导致在不同的天气类型下，安装了分布式光伏的光伏用户净负荷曲线形态在不同天气类型存在较大差异，而未安装分布式光伏的非光伏用户净负荷曲线形态较为相似，即光伏用户净负荷相较于非光伏用户更容易受天气因素影响，如何区分这两类用户，准确估计基线负荷成为了分布式电源并网时代的一大难题。随着人工智能、机器学习等理论技术的发展，智能算法被应用在基线负荷估计领域，为保障分布式光伏电网需求响应的实施提供了保障。

发明内容

有鉴于此，本发明实施例提供了一种光伏用户基线负荷估计方法，以解决现有技术中基线负荷估计准确率低的问题。

为达到上述目的，本发明采用如下技术方案：

第一方面，本发明实施例提供了一种光伏用户基线负荷估计方法，包括：获取全体用户集群的净负荷功率和温度数据，以及部分光伏用户的全年可观测光伏出力数据；对所述全年可观测光伏出力数据进行聚类，得到多个光伏输出功率集，设置所述多个光伏输出功率集的广义天气类型标签，得到全年每天的广义天气类型标签；根据所述广义天气类型标签将所述全体用户集群分为光伏用户集群和非光伏用户集群；按照所述广义天气类型标签将光伏用户集群的净负荷功率分为多个净负荷功率集，根据所述多个净负荷功率集分别建立支持向量机回归模型，确定第一基线负荷估计值；根据非光伏用户集群的净负荷功率和温度数据建立分段线性回归模型，并根据分段线性回归模型确定第二基线负荷估计值；根据第一基线负荷估计值和第二基线负荷估计值，确定全体用户集群的基线负荷估计值。

本发明实施例中，提出了一种仅依靠光伏出力而不依靠外部天气状态的天气类型分类方法，通过该方法可以将全年天气按照广义天气类型分类，进而得到全年中每天的广义天气类型标签。通过得到的广义天气类型标签，在估计光伏用户集群的基线负荷时可以按照不同的广义天气类型分别建模，相较于直接估计基线负荷，本发明能够合理考虑天气因素对光伏出力以及净负荷的影响，分类建模的估计结果更具准确性。