Ultra-short-term Load Forecasting Considering Demand Response in Load Aggregator Mode

Yizong GUO; Bin FENG; Boxiong YUE; Chuangxin GUO; Jun PAN; Yishun ZHU

doi:10.7500/AEPS20200330014

您当前的位置：

首页 >

文章列表页 >

Ultra-short-term Load Forecasting Considering Demand Response in Load Aggregator Mode

Special Topic on Forecasting Technology and Its Application in Power Systems with Renewable Energy Sources | 更新时间：2025-06-16

- Ultra-short-term Load Forecasting Considering Demand Response in Load Aggregator Mode
- Automation of Electric Power Systems Vol. 45, Issue 1, Pages: 79-87(2021)
- 作者机构：
  
  1.浙江大学电气工程学院，浙江省杭州市 310027
  2.广东电网有限责任公司广州供电局，广东省广州市 510600
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China
- DOI：10.7500/AEPS20200330014
  CLC：
- Received：30 March 2020，
  
  Revised：2020-08-15，
  
  Published Online：28 September 2020，
  
  Published：10 January 2021
- 稿件说明：
移动端阅览
郭亦宗,冯斌,岳铂雄等.负荷聚合商模式下考虑需求响应的超短期负荷预测[J].电力系统自动化,2021,45(1):79-87.

GUO Yizong,FENG Bin,YUE Boxiong,et al.Ultra-short-term Load Forecasting Considering Demand Response in Load Aggregator Mode[J].Automation of Electric Power Systems,2021,45(1):79-87.
郭亦宗,冯斌,岳铂雄等.负荷聚合商模式下考虑需求响应的超短期负荷预测[J].电力系统自动化,2021,45(1):79-87. DOI： 10.7500/AEPS20200330014.

GUO Yizong,FENG Bin,YUE Boxiong,et al.Ultra-short-term Load Forecasting Considering Demand Response in Load Aggregator Mode[J].Automation of Electric Power Systems,2021,45(1):79-87. DOI： 10.7500/AEPS20200330014.

摘要

为更好地管理用户侧需求响应资源，减小超短期负荷预测误差，提出了一种在负荷聚合商模式下考虑需求响应的超短期负荷预测方法。首先，分析负荷聚合商的需求响应机制，考虑用户用能习惯、自建光伏、储能行为以及电热耦合，分别对每一类需求响应资源建立优化模型，并通过模糊参数表达用户参与需求响应的不确定性，以改善优化模型；调用CPLEX求解器求解得到综合各类资源后的需求响应信号。然后，在考虑历史负荷数据的基础上引入该需求响应信号，建立迭代预测的长短期记忆网络模型。算例通过3种预测场景的对比，验证了计及需求响应信号能够有效减小预测误差，且考虑需求响应不确定性能够进一步提高预测精度。

Abstract

To better manage the demand response resources on user side and reduce ultra-short-term load forecasting error

an ultra-short-term load forecasting method considering the demand response in the load aggregator mode is proposed. Firstly

the demand response mechanism of load aggregator is analyzed. Considering the energy usage habits of users

self-built photovoltaics

energy storage behavior and electro-thermal coupling

the optimization model for each type of demand response resources is established. Also

the uncertainty of user participation in demand response is denoted by fuzzy parameters to improve the optimization model. The demand response signal after the integration of various resources is obtained by using CPLEX solver. Then

based on the historical load data

a long short-term memory network model for iterative prediction is established with the demand response signal. After the comparison of three prediction scenarios

the example verifies that the prediction error can be effectively reduced considering demand response signal

and the prediction accuracy can be further improved considering the uncertainty of demand response.

关键词

Keywords

references

杨挺，翟峰，赵英杰，等 . 泛在电力物联网释义与研究展望［J］. 电力系统自动化， 2019 ， 43 （ 13 ）： 9 - 20 .

YANG Ting ， ZHAI Feng ， ZHAO Yingjie ， et al . Explanation and prospect of ubiquitous electric power Internet of Things ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 13 ）： 9 - 20 .

王蓓蓓 . 面向智能电网的用户需求响应特性和能力研究综述［J］. 中国电机工程学报， 2014 ， 34 （ 22 ）： 3654 - 3663 .

WANG Beibei . Research on consumers’ response characteristics and ability under smart grid： a literatures survey ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 22 ）： 3654 - 3663 .

BAHRAMI S ， SHEIKHI A . From demand response in smart grid toward integrated demand response in smart energy hub ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 2 ）： 650 - 658 .

杨旭英，周明，李庚银 . 智能电网下需求响应机理分析与建模综述［J］. 电网技术， 2016 ， 40 （ 1 ）： 220 - 226 .

YANG Xuying ， ZHOU Ming ， LI Gengyin . Survey on demand response mechanism and modeling in smart grid ［J］. Power System Technology ， 2016 ， 40 （ 1 ）： 220 - 226 .

LI B ， SHEN J ， WANG X ， et al . From controllable loads to generalized demand-side resources： a review on developments of demand-side resources ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 53 ： 936 - 944 .

孙玲玲，高赐威，谈健，等 . 负荷聚合技术及其应用［J］. 电力系统自动化， 2017 ， 41 （ 6 ）： 159 - 167 .

SUN Lingling ， GAO Ciwei ， TAN Jian ， et al . Load aggregation technology and its applications ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 6 ）： 159 - 167 .

高赐威，李倩玉，李慧星，等 . 基于负荷聚合商业务的需求响应资源整合方法与运营机制［J］. 电力系统自动化， 2013 ， 37 （ 17 ）： 78 - 86 .

GAO Ciwei ， LI Qianyu ， LI Huixing ， et al . Methodology and operation mechanism demand response resources integrated on load aggregator ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 17 ）： 78 - 86 .

BRUNINX K ， PANDI H ， HELENE L C ， et al . On the interaction between aggregators， electricity markets and residential demand response providers ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 2 ）： 840 - 853 .

袁晓冬，费骏韬，胡波，等 . 资源聚合商模式下的分布式电源、储能与柔性负荷联合调度模型［J］. 电力系统保护与控制， 2019 ， 47 （ 22 ）： 17 - 26 .

YUAN Xiaodong ， FEI Juntao ， HU Bo ， et al . Joint scheduling model of distributed generation， energy storage and flexible load under resource aggregator mode ［J］. Power System Protection and Control ， 2019 ， 47 （ 22 ）： 17 - 26 .

袁桂丽，王琳博，王宝源 . 基于虚拟电厂“热电解耦”的负荷优化调度及经济效益分析［J］. 中国电机工程学报， 2017 ， 37 （ 17 ）： 4974 - 4985 .

YUAN Guili ， WANG Linbo ， WANG Baoyuan . Optimal dispatch of heat-power load and economy benefit analysis based on decoupling of heat and power of virtual power plant ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 17 ）： 4974 - 4985 .

廖旎焕，胡智宏，马莹莹，等 . 电力系统短期负荷预测方法综述［J］. 电力系统保护与控制， 2011 ， 39 （ 1 ）： 147 - 152 .

LIAO Nihuan ， HU Zhihong ， MA Yingying ， et al . Review of the short-term load forecasting methods of electric power system ［J］. Power System Protection and Control ， 2011 ， 39 （ 1 ）： 147 - 152 .

夏博，杨超，李冲 . 电力系统短期负荷预测方法研究综述［J］. 电力大数据， 2018 ， 21 （ 7 ）： 22 - 28 .

XIA Bo ， YANG Chao ， LI Chong . Review of the short-term load forecasting methods of electric power system ［J］. Power Systems and Big Data ， 2018 ， 21 （ 7 ）： 22 - 28 .

DUDEK G . Artificial immune system with local feature selection for short-term load forecasting ［J］. IEEE Transactions on Evolutionary Computation ， 2017 ， 21 （ 1 ）： 116 - 130 .

张智晟，于道林 . 考虑需求响应综合影响因素的RBF-NN短期负荷预测模型［J］. 中国电机工程学报， 2018 ， 38 （ 6 ）： 1631 - 1638 .

ZHANG Zhisheng ， YU Daolin . RBF-NN based short term load forecasting model considering comprehensive factors affecting demand response ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 6 ）： 1631 - 1638 .

陈丽娜，张智晟，于道林 . 基于广义需求侧资源聚合的电力系统短期负荷预测模型［J］. 电力系统保护与控制， 2018 ， 46 （ 15 ）： 45 - 51 .

CHEN Lina ， ZHANG Zhisheng ， YU Daolin . Short-term load forecasting model of power system based on generalized demand side resources aggregation ［J］. Power System Protection and Control ， 2018 ， 46 （ 15 ）： 45 - 51 .

李鹏，何帅，韩鹏飞，等 . 基于长短期记忆的实时电价条件下智能电网短期负荷预测［J］. 电网技术， 2018 ， 42 （ 12 ）： 4045 - 4052 .

LI Peng ， HE Shuai ， HAN Pengfei ， et al . Short term load forecasting of smart grid based on long short term memory recurrent neural networks in condition of real-time electricity price ［J］. Power System Technology ， 2018 ， 42 （ 12 ）： 4045 - 4052 .

陆继翔，张琪培，杨志宏，等 . 基于CNN-LSTM混合神经网络模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 8 ）： 131 - 137 .

LU Jixiang ， ZHANG Qipei ， YANG Zhihong ， et al . Short-term load forecasting method based on CNN-LSTM hybrid neural network model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 8 ）： 131 - 137 .

张宇帆，艾芊，林琳，等 . 基于深度长短时记忆网络的区域级超短期负荷预测方法［J］. 电网技术， 2019 ， 43 （ 6 ）： 1884 - 1892 .

ZHANG Yufan ， AI Qian ， LIN Lin ， et al . A very short-term load forecasting method based on deep LSTM RNN at zone level ［J］. Power System Technology ， 2019 ， 43 （ 6 ）： 1884 - 1892 .

彭文，王金睿，尹山青 . 电力市场中基于Attention-LSTM的短期负荷预测模型［J］. 电网技术， 2019 ， 43 （ 5 ）： 1745 - 1751 .

PENG Wen ， WANG Jinrui ， YIN Shanqing . Short-term load forecasting model based on Attention-LSTM in electricity market ［J］. Power System Technology ， 2019 ， 43 （ 5 ）： 1745 - 1751 .

宋巍，王佳伟，赵海波，等 . 考虑需求响应交易市场的虚拟电厂多阶段竞价策略研究［J］. 电力系统保护与控制， 2017 ， 45 （ 19 ）： 35 - 45 .

SONG Wei ， WANG Jiawei ， ZHAO Haibo ， et al . Research on multi-stage bidding strategy of virtual power plant considering demand response market ［J］. Power System Protection and Control ， 2017 ， 45 （ 19 ）： 35 - 45 .

沈运帷，李扬，高赐威，等 . 需求响应在电力辅助服务市场中的应用［J］. 电力系统自动化， 2017 ， 41 （ 22 ）： 151 - 161 .

SHEN Yunwei ， LI Yang ， GAO Ciwei ， et al . Application of demand response in ancillary service market ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 22 ）： 151 - 161 .

郭亦宗，王楚通，施云辉，等 . 区域综合能源系统电/热云储能综合优化配置［J］. 电网技术， 2020 ， 44 （ 5 ）： 1611 - 1621 .

GUO Yizong ， WANG Chutong ， SHI Yunhui ， et al . Comprehensive optimization configuration of electric and thermal cloud energy storage in regional integrated energy system ［J］. Power System Technology ， 2020 ， 44 （ 5 ）： 1611 - 1621 .

HE H ， SANANDAJI B M ， POLLA K ， et al . Aggregate flexibility of thermostatically controlled loads ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 1 ）： 189 - 198 .

王蓓蓓，孙宇军，李扬 . 不确定性需求响应建模在电力积分激励决策中的应用［J］. 电力系统自动化， 2015 ， 39 （ 10 ）： 93 - 99 .

WANG Beibei ， SUN Yujun ， LI Yang . Application of uncertain demand response modeling in power-score incentive decision ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 10 ）： 93 - 99 .

孙宇军，李扬，王蓓蓓，等 . 计及不确定性需求响应的日前调度计划模型［J］. 电网技术， 2014 ， 38 （ 10 ）： 2708 - 2714 .

SUN Yujun ， LI Yang ， WANG Beibei ， et al . A day-ahead scheduling model considering demand response and its uncertainty ［J］. Power System Technology ， 2014 ， 38 （ 10 ）： 2708 - 2714 .

孙宇军，王岩，王蓓蓓，等 . 考虑需求响应不确定性的多时间尺度源荷互动决策方法［J］. 电力系统自动化， 2018 ， 42 （ 2 ）： 106 - 113 .

SUN Yujun ， WANG Yan ， WANG Beibei ， et al . Multi-time scale decision method for source-load interaction considering demand response uncertainty ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 2 ）： 106 - 113 .

HOCHREITER S ， SCHMIDHUBER J . Long short-term memory ［J］. Neural Computation ， 1997 ， 9 （ 8 ）： 1735 - 1780 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Joint Bidding and Pricing Optimization Method for Aggregator Demand Response Considering Differences of User Response

Master-Slave Game Strategy for Electric Heating Load Cluster Considering Differences of Heterogeneous Household Types and Aggregation Structure

Regulation Potential Evaluation and Control Strategy of Air Conditioning Load Considering Multiple Rotation Regulation

Blockchain-based Multi-party Co-governance Transaction Mode for Load Aggregator and Residential Users

Related Author

LI Xiongfei

LI Kangping

HUANG Chunyi

AI Qian

HUAI Wenming

ZHANG Yuyang

YANG Mao

WANG Jinxin

Related Institution

College of Smart Energy, Shanghai Jiao Tong University

Shanghai Non-carbon Energy Conversion and Utilization Institute

School of Electrical Engineering, Shanghai Jiao Tong University

China Electric Power Equipment Co., Ltd.

Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education (Northeast Electric Power University)

⁰