基于径向基神经网络的需求侧响应用户基线负荷计算方法.docxVIP

曲大鹏,伍伟华,江 迪,陈广开（广州供电局有限公司）摘要 ：用户基线负荷是需求侧响应事件中用户响应性能的评估基础。用户基线负荷计算方法应当满足实时监测用户响应性能的要求。本文提出一种基于径向基人工神经网络的用户基线负荷计算方法。该方法考虑非工作日和可能的非正常用电日的影 响，选择工作日中的典型日和事件发生前用户的用电情况构成模型的输入向量，训练神经网络。用训练完成的神经网络对假设 的系统紧急情况发生时段的负荷进行预测，得到用户基线负荷曲线。实践表明，所提出模型具有一定的预测精度，满足实时性 要求。关键词 ：需求侧响应 ；用户基线负荷 ；性能评估 ；径向基神经网络Calculation method of radial basis function neural network basedon user demand side response baseline loadQu Dapeng,Wu Weihua,Jiang Di,Chen Guangkai(Guangzhou Power Supply Bureau Co. Ltd.)Abstract ：Customer base line load(CBL)is the basis of evaluationof customer responsive performance in a DRevent.CBL calculation methodscan beused to the monitor customer response performance inreal-time.This paper presents a CBL calculation methods based onradial basis artificial neural network.This method considers the impact of non-working days and some date with abnormal load,selects the load in some typical days and in several hours before the event to consist the model input vector, and trains the network. And then predict the load in an assumption emergency event.The prediction will be regard as CBL.It shows that the model proposed in this paperreacha satisfied accuracy,and meet real-time requirements.Keywords ：Demand-side response ；Customer Base lineNeural NetworkLoad ；Performance Evaluation ；Radial Basis Function0引言用户基线负荷 (Customer baseline load, CBL) 是根据同时，用户基线负荷方法还需要考虑周全，既要防止基线负荷被低估，又要防止用户出现投机行为。然而，国内还没有出现一种 既快速、准确，又能考虑周全的 CBL 计算方法。本研究将结合用户基线负荷的气象影响，考虑非工作日与 工作日的差别，剔除可能出现用户投机行为等因素，利用径向基 人工神经网络运算量小的优势，提出基于径向基人工神经网的 CBL 计算方法。实践证明该方法具有一定的使用性。用户的历史用电估算得到的一条负荷曲线，反映在事件发生时如果没有需求侧响应，用户本应该有的电力需求。在需求侧响 应项目中，CBL 是需求侧响应事件中用户响应性能 (Demand Response Performance，DRP) 的评价基础，CBL 的估算是否 得当关系到需求侧响应项目参与各方效益评价是否公平合理。 目前，国内关于用户基线负荷计算方法的相关研究较少。文献 [2] 讨论了用户基线负荷的计算原则和方法。文献 [3] 提出 利用基于模糊 C- 均值聚类算法的神经网络预测公共建筑的基 线负荷。外国文献 [4] 提出带有乘法天气调整的指数平滑模型 用户基线负荷计算方法。文献 [5] 论证了统计方法比回归方法 更适合用于用户基线负荷预测。用户基线负荷方法要利用用户 的历史数据，准确地评价用户在事件中的削减量大小。而为了能 够实时地监测响应性能，用户基线负荷的计算要求尽可能快速。1径向基神经网络1.1径向基神经网络的基本数学理论Cover 定理 ：低维空间线性不可分的模式通过非线性映射 到高维特征空间则有可能实现线