引言
随着电力市场的发展和新能源比例的提高[1]，商业负荷集群在需求侧响应和负荷调度中的作用愈发重要。然而，由于商业负荷具有较强的随机性和时变性，传统的静态负荷分类方法难以有效应对实际电力系统需求。Valero等人利用自组织映射神经网络无监督、高效率的特性，对大规模用户的多种负荷类型进行识别并分类聚合，从而在电力价格变化的情况下，实现了对大规模用户响应的预测，有助于帮助制定需求响应调控策略以降低用电成本[2]。之后，Bashash等人利用偏微分方程描述了一定温度范围内负荷数量在单位时间的变化，建立了一阶ETP的负荷聚合模型，并以这种偏微分方程模型为基础，设计了一种针对空调系统的需求响应控制器。实验表明这种控制器拥有良好的鲁棒性，在系统含高比例波动性风力发电的条件下可以达到良好的节能效果[3]，结果表明，研究如何根据不同的负荷特性进行动态聚合，以提高负荷资源的可调度性和响应效率，是当前电力系统负荷管理的重要课题。本文研究了一种基于数据驱动的方法，通过关联系列分析 (CCA) 选取负荷特征，并结合先进的聚类算法[4]对商业负荷进行分类，进而提出不同的聚合标准，以适应不同的应用场景。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006556
作者信息：
徐玉婷1，柏晶晶2，朱道华3，刘畅1，许森1，张政1
（1.电网安全全国重点实验室（中国电力科学院有限公司），北京100192；
2.国网江苏省电力有限公司盐城供电分公司，江苏 盐城224001；
3.国网江苏省电力有限公司，江苏 南京210024）
