Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System

KONG Xiangyu; MA Yuying; AI Qian; ZHANG Xiyuan; LI Chuang; XIAO Bai

doi:10.7500/AEPS20230312004

您当前的位置：

首页 >

文章列表页 >

Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System

Key Technologies of Load Characteristic Modeling and Forecasting for Diverse Users | 更新时间：2025-06-16

- Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System
- Automation of Electric Power Systems Vol. 47, Issue 13, Pages: 2-17(2023)
- 作者机构：
  
  1.天津大学电气自动化与信息工程学院，天津市300072
  2.上海交通大学电子信息与电气工程学院，上海市200240
  3.东北电力大学电气工程学院，吉林省吉林市132012
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2021YFB2401200)
- DOI：10.7500/AEPS20230312004
  CLC：
- Received：12 March 2023，
  
  Revised：2023-05-08，
  
  Published Online：27 June 2023，
  
  Published：10 July 2023
- 稿件说明：
移动端阅览
孔祥玉,马玉莹,艾芊等.新型电力系统多元用户的用电特征建模与用电负荷预测综述[J].电力系统自动化,2023,47(13):2-17.

KONG Xiangyu,MA Yuying,AI Qian,et al.Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System[J].Automation of Electric Power Systems,2023,47(13):2-17.
孔祥玉,马玉莹,艾芊等.新型电力系统多元用户的用电特征建模与用电负荷预测综述[J].电力系统自动化,2023,47(13):2-17. DOI： 10.7500/AEPS20230312004.

KONG Xiangyu,MA Yuying,AI Qian,et al.Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System[J].Automation of Electric Power Systems,2023,47(13):2-17. DOI： 10.7500/AEPS20230312004.

摘要

新型电力系统下，能源消费模式逐渐多样化，用户用电行为特征更加多元与复杂，增加了电力系统负荷精准预测的难度。聚焦新型电力系统环境下多元用户侧的柔性负荷资源，总结并分析了现有多元用户的用电特征建模技术和用电负荷预测技术。首先，从多源数据采集与预处理、用电特征提取、用户群体分类、关联因素分析4个环节对多元用户的用电特征建模技术进行归纳分析，总结了技术发展现状及存在问题。其次，分析了考虑需求响应的用电负荷预测发展趋势，并从多元用户侧的荷性可调资源和源性负荷资源两个方面对用电负荷预测技术进行了归纳分析，总结了多种类型用电负荷预测的研究思路。最后，讨论了新型电力系统下多元用户用电特征建模与用电负荷预测研究所面临的挑战，并结合新型电力系统和人工智能方法的特点，给出了参考性的建议与展望。

Abstract

In the new power system

energy consumption patterns are gradually diversified

and the characteristics of electricity consumption behaviors of users are more diverse and complex

which increases the difficulty of accurate load forecasting in the power system. This paper focuses on the flexible load resources on the diverse user side in the new power system environment

summarizes and analyzes the electricity consumption characteristic modeling technique and load forecasting technique of electricity consumption for diverse users. Firstly

the electricity consumption characteristic modeling technique for diverse users is analyzed from four aspects: diverse data collection and pre-processing

extraction of power consumption features

classification of user groups

and analysis of correlation factors

and the present situation of technical development and existing problems are summarized. Secondly

the development trend of load forecasting of electricity consumption considering demand response is analyzed

and the load forecasting techniques of electricity consumption are analyzed from two aspects: load-adjustable resources and source-load resources on the diverse user side

and the research ideas of various types of load forecasting of electricity consumption are summarized. Finally

the challenges faced by the research on electricity consumption characteristic modeling technique and load forecasting of electricity consumption for diverse users in the new power system are discussed

and reference suggestions and prospects are given considering the characteristics of the new power system and artificial intelligence methods.

关键词

Keywords

references

KUSTER C ， REZGUI Y ， MOURSHED M . Electrical load forecasting models： a critical systematic review ［J］. Sustainable Cities and Society ， 2017 ， 35 ： 257 - 270 .

GENSOLLEN N ， GAUTHIER V ， BECKER M ， et al . Stability and performance of coalitions of prosumers through diversification in the smart grid ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 2 ）： 963 - 970 .

HU T Y ， MA H M ， LIU H ， et al . Self-attention-based machine theory of mind for electric vehicle charging demand forecast ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 11 ）： 8191 - 8202 .

蒋浩然 . 面向负荷聚合商的需求响应资源调控策略研究［D］. 南京：东南大学， 2020 .

JIANG Haoran . Research on demand response resource regulation strategy for load aggregator ［D］. Nanjing ： Southeast University ， 2020 .

康重庆，陈启鑫，苏剑，等 . 新型电力系统规模化灵活资源虚拟电厂科学问题与研究框架［J］. 电力系统自动化， 2022 ， 46 （ 18 ）： 3 - 14 .

KANG Chongqing ， CHEN Qixin ， SU Jian ， et al . Scientific problems and research framework of virtual power plant with large-scale flexible resources in new power system ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 18 ）： 3 - 14 .

WANG Y ， JIA M S ， GAO N ， et al . Federated clustering for electricity consumption pattern extraction ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 3 ）： 2425 - 2439 .

蒋子规 . 面向电力大数据的用户用电行为挖掘方法［D］. 北京：北京邮电大学， 2019 .

JIANG Zigui . Mining method of users’ electricity consumption behavior for power big data ［D］. Beijing ： Beijing University of Posts and Telecommunications ， 2019 .

BIAN J H ， WANG L ， SCHERER R ， et al . Abnormal detection of electricity consumption of user based on particle swarm optimization and long short term memory with the attention mechanism ［J］. IEEE Access ， 2021 ， 9 ： 47252 - 47265 .

冉子晗 . 能源互联网视角下主动配电网规划模式研究［D］. 吉林：东北电力大学， 2022 .

RAN Zihan . Research on active distribution network planning mode from the perspective of Energy Internet ［D］. Jilin ： Northeast Dianli University ， 2022 .

AHMAD N ， GHADI Y ， ADNAN M ， et al . Load forecasting techniques for power system： research challenges and survey ［J］. IEEE Access ， 2022 ， 10 ： 71054 - 71090 .

董添 . 基于深度学习的电力负荷模式识别与预测方法研究［D］. 长春：吉林大学， 2022 .

DONG Tian . Research on electrical load pattern recognition and load forecasting based on deep learning ［D］. Changchun ： Jilin University ， 2022 .

RAFIEI M ， NIKNAM T ， AGHAEI J ， et al . Probabilistic load forecasting using an improved wavelet neural network trained by generalized extreme learning machine ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 6 ）： 6961 - 6971 .

JIANG H G ， ZHANG Y C ， MULJADI E ， et al . A short-term and high-resolution distribution system load forecasting approach using support vector regression with hybrid parameters optimization ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 3341 - 3350 .

李闯，孔祥玉，朱石剑，等 . 能源互联环境下考虑需求响应的区域电网短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 71 - 78 .

LI Chuang ， KONG Xiangyu ， ZHU Shijian ， et al . Short-term load forecasting of regional power grid considering demand response in energy interconnection environment ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 71 - 78 .

KONG W C ， DONG Z Y ， JIA Y W ， et al . Short-term residential load forecasting based on LSTM recurrent neural network ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 1 ）： 841 - 851 .

SELVI M V ， MISHRA S . Investigation of performance of electric load power forecasting in multiple time horizons with new architecture realized in multivariate linear regression and feed-forward neural network techniques ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 5 ）： 5603 - 5612 .

孔祥玉，郑锋，鄂志君，等 . 基于深度信念网络的短期负荷预测方法［J］. 电力系统自动化， 2018 ， 42 （ 5 ）： 133 - 139 .

KONG Xiangyu ， ZHENG Feng ， E Zhijun ， et al . Short-term load forecasting based on deep belief network ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 5 ）： 133 - 139 .

韩富佳，王晓辉，乔骥，史梦洁，蒲天骄 . 基于人工智能技术的新型电力系统负荷预测研究综述［J/OL］. 中国电机工程学报： 1 - 24 ［ 2023-04-08 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPRD1I9OI4AkehdW05NkeCyQTO_-K5yLxyhbT0ULrAhlD&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPRD1I9OI4AkehdW05NkeCyQTO_-K5yLxyhbT0ULrAhlD&uniplatform=NZKPT .

HAN Fujia ， WANG Xiaohui ， QIAO Ji ， et al .. A review of research on new power system load forecasting based on artificial intelligence technology ［J/OL］. Chinese Journal of Electrical Engineering ： 1 - 24 ［ 2023-04-08 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPRD1I9OI4AkehdW05NkeCyQTO_-K5yLxyhbT0ULrAhlD&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPRD1I9OI4AkehdW05NkeCyQTO_-K5yLxyhbT0ULrAhlD&uniplatform=NZKPT .

ELAHE M F ， JIN M ， ZENG P . Review of load data analytics using deep learning in smart grids： open load datasets， methodologies， and application challenges ［J］. International Journal of Energy Research ， 2021 ， 45 （ 10 ）： 14274 - 14305 .

梁宏涛，刘红菊，李静，等 . 基于机器学习的短期负荷预测算法综述［J］. 计算机系统应用， 2022 ， 31 （ 10 ）： 25 - 35 .

LIANG Hongtao ， LIU Hongju ， LI Jing ， et al . A survey of short-term load forecasting algorithms based on machine learning ［J］. Computer Systems & Applications ， 2022 ， 31 （ 10 ）： 25 - 35 .

SINGH J P ， ALAM O ， YASSINE A . Influence of geodemographic factors on electricity consumption and forecasting models ［J］. IEEE Access ， 2022 ， 10 ： 70456 - 70466 .

何宗泽 . 基于数据挖掘的用户用电行为分析研究［D］. 长春：吉林大学， 2022 .

HE Zongze . Analysis and research on user’s electricity consumption behavior based on data mining ［D］. Changchun ： Jilin University ， 2022 .

CHEN W ， ZHOU K L ， YANG S L ， et al . Data quality of electricity consumption data in a smart grid environment ［J］. Renewable and Sustainable Energy Reviews ， 2017 ， 75 ： 98 - 105 .

李冰 . 低压用电信息采集系统设计及应用［D］. 济南：山东大学， 2018 .

LI Bing . Design and application of low-voltage power consumption information acquisition system ［D］. Jinan ： Shandong University ， 2018 .

李映雪，陆俊，徐志强，等 . 多技术融合的智能配用电终端通信接入架构设计［J］. 电力系统自动化， 2018 ， 42 （ 10 ）： 163 - 169 .

LI Yingxue ， LU Jun ， XU Zhiqiang ， et al . Design of terminal communication access architecture for smart power distribution and utilization based on integration of multiple technologies ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 10 ）： 163 - 169 .

宋知润 . 新时期用电信息采集终端检测装置研究与应用［D］. 北京：华北电力大学， 2018 .

SONG Zhirun . Research and application of detection device for power consumption information acquisition terminal in the new period ［D］. Beijing ： North China Electric Power University ， 2018 .

ZHANG Y ， HUANG T ， BOMPARD E F . Big data analytics in smart grids： a review ［J］. Energy Informatics ， 2018 ， 1 （ 1 ）： 1 - 24 .

王庆贺 . 无线传感网气象信息采集与处理系统设计与实现［D］. 南京：东南大学， 2018 .

WANG Qinghe . Design and implementation of meteorological information collection and processing system in wireless sensor network ［D］. Nanjing ： Southeast University ， 2018 .

CHU K C ， SAIGAL R ， SAITOU K . Real-time traffic prediction and probing strategy for Lagrangian traffic data ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2019 ， 20 （ 2 ）： 497 - 506 .

LEE J ， SUN Y G ， SIM I ， et al . Non-technical loss detection using deep reinforcement learning for feature cost efficiency and imbalanced dataset ［J］. IEEE Access ， 2022 ， 10 ： 27084 - 27095 .

陈海文 . 配用电大数据处理与分析关键技术研究［D］. 天津：天津大学， 2021 .

CHEN Haiwen . Research on key technologies of data processing and analysis in TV university ［D］. Tianjin ： Tianjin University ， 2021 .

ZHENG K H ， LI P ， ZHOU S L ， et al . A multi-scale electricity consumption prediction algorithm based on time-frequency variational autoencoder ［J］. IEEE Access ， 2021 ， 9 ： 90937 - 90946 .

习伟，李鹏，李鹏，等 . 面向配电网边缘计算装置的两阶段PMU数据压缩方法［J/OL］. 电网技术： 1 - 9 ［ 2023-05-06 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD640BVEy1QDIKcaQCLLfae0F96xXHSYt5EJl2CCPYy1lpGFiC7Rg0aeA&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD640BVEy1QDIKcaQCLLfae0F96xXHSYt5EJl2CCPYy1lpGFiC7Rg0aeA&uniplatform=NZKPT .

XI Wei ， LI Peng ， LI Peng ， et al . A two-stage PMU data compression method for distribution network edge computing devices ［J/OL］. Power System Technology ： 1 - 9 ［ 2023-05-06 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD640BVEy1QDIKcaQCLLfae0F96xXHSYt5EJl2CCPYy1lpGFiC7Rg0aeA&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD640BVEy1QDIKcaQCLLfae0F96xXHSYt5EJl2CCPYy1lpGFiC7Rg0aeA&uniplatform=NZKPT .

WANG Y ， BENNANI I L ， LIU X F ， et al . Electricity consumer characteristics identification： a federated learning approach ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 4 ）： 3637 - 3647 .

AFZALAN M ， JAZIZADEH F ， ELDARDIRY H . Two-stage clustering of household electricity load shapes for improved temporal pattern representation ［J］. IEEE Access ， 2021 ， 9 ： 151667 - 151680 .

EL KABABJI S ， SRIKANTHA P . A data-driven approach for generating synthetic load patterns and usage habits ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 6 ）： 4984 - 4995 .

孔祥玉，刘超，陈宋宋，等 . 考虑动态过程的可调资源集群多时间节点响应潜力评估方法［J］. 电力系统自动化， 2022 ， 46 （ 18 ）： 55 - 64 .

KONG Xiangyu ， LIU Chao ， CHEN Songsong ， et al . Evaluation method of response potential of multi-time nodes in adjustable resource cluster considering dynamic process ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 18 ）： 55 - 64 .

KWAC J ， FLORA J ， RAJAGOPAL R . Lifestyle segmentation based on energy consumption data ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 2409 - 2418 .

BOTTACCIOLI L ， DI CATALDO S ， ACQUAVIVA A ， et al . Realistic multi-scale modeling of household electricity behaviors ［J］. IEEE Access ， 2018 ， 7 ： 2467 - 2489 .

ALONSO A M ， NOGALES F J ， RUIZ C . Hierarchical clustering for smart meter electricity loads based on quantile autocovariances ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 5 ）： 4522 - 4530 .

JHALA K ， NATARAJAN B ， PAHWA A . Prospect theory-based active consumer behavior under variable electricity pricing ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 2809 - 2819 .

DENG S ， CAI Q Y ， ZHANG Z ， et al . User behavior analysis based on stacked autoencoder and clustering in complex power grid environment ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2022 ， 23 （ 12 ）： 25521 - 25535 .

毛烨华 . 考虑用户用电行为多维影响因素的需求响应策略研究［D］. 北京：华北电力大学， 2022 .

MAO Yehua . Research on demand response strategy considering multi-dimensional influencing factors of users’ power consumption behavior ［D］. Beijing ： North China Electric Power University ， 2022 .

朱天怡，艾芊，贺兴，等 . 基于数据驱动的用电行为分析方法及应用综述［J］. 电网技术， 2020 ， 44 （ 9 ）： 3497 - 3507 .

ZHU Tianyi ， AI Qian ， HE Xing ， et al . An overview of data-driven electricity consumption behavior analysis method and application ［J］. Power System Technology ， 2020 ， 44 （ 9 ）： 3497 - 3507 .

LU X X ， GE X X ， LI K P ， et al . Optimal bidding strategy of demand response aggregator based on customers’ responsiveness behaviors modeling under different incentives ［J］. IEEE Transactions on Industry Applications ， 2021 ， 57 （ 4 ）： 3329 - 3340 .

BIROON R A ， BIRON Z A ， HADIDI R . Commercial load profile sensitivity analysis to electricity tariffs and battery characteristics ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 2 ）： 1021 - 1030 .

LUQUE J ， PERSONAL E ， GARCIA-DELGADO A ， et al . Monthly electricity demand patterns and their relationship with the economic sector and geographic location ［J］. IEEE Access ， 2021 ， 9 ： 86254 - 86267 .

ZHAO L ， YANG Z Y ， LEE W J . The impact of time-of-use （TOU） rate structure on consumption patterns of the residential customers ［J］. IEEE Transactions on Industry Applications ， 2017 ， 53 （ 6 ）： 5130 - 5138 .

王韵楚，张智，卢峰，等 . 考虑用户行为不确定性的阶梯式需求响应激励机制［J］. 电力系统自动化， 2022 ， 46 （ 20 ）： 64 - 73 .

WANG Yunchu ， ZHANG Zhi ， LU Feng ， et al . Stepped demand response incentive mechanism considering user behavior uncertainty ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 20 ）： 64 - 73 .

MUTHIRAYAN D ， KALATHIL D ， POOLLA K ， et al . Mechanism design for demand response programs ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 1 ）： 61 - 73 .

尹逊虎，丁一，惠红勋，等 . 初期现货市场下考虑用户响应行为的需求响应机制设计［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 94 - 103 .

YIN Xunhu ， DING Yi ， HUI Hongxun ， et al . Design of demand response mechanism considering response behaviors of customers in initial electricity spot market ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 94 - 103 .

KONG X Y ， LI C ， ZHENG F ， et al . Improved deep belief network for short-term load forecasting considering demand-side management ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 2 ）： 1531 - 1538 .

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 .

冯凯 . 基于大数据的居民用电行为分析与负荷预测［D］. 北京：华北电力大学， 2017 .

FENG Kai . Analysis of residential electricity consumption behavior and load forecasting based on big data ［D］. Beijing ： North China Electric Power University ， 2017 .

齐宁，程林，田立亭，等 . 考虑柔性负荷接入的配电网规划研究综述与展望［J］. 电力系统自动化， 2020 ， 44 （ 10 ）： 193 - 207 .

QI Ning ， CHENG Lin ， TIAN Liting ， et al . Review and prospect of distribution network planning research considering access of flexible load ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 10 ）： 193 - 207 .

YANG T ， REN M L ， ZHOU K L . Identifying household electricity consumption patterns： a case study of Kunshan， China ［J］. Renewable and Sustainable Energy Reviews ， 2018 ， 91 ： 861 - 868 .

XUAN Y ， SI W G ， ZHU J ， et al . Multi-model fusion short-term load forecasting based on random forest feature selection and hybrid neural network ［J］. IEEE Access ， 2021 ， 9 ： 69002 - 69009 .

APRILLIA H ， YANG H T ， HUANG C M . Statistical load forecasting using optimal quantile regression random forest and risk assessment index ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 2 ）： 1467 - 1480 .

ALQUTHAMI T ， ZULFIQAR M ， KAMRAN M ， et al . A performance comparison of machine learning algorithms for load forecasting in smart grid ［J］. IEEE Access ， 2022 ， 10 ： 48419 - 48433 .

CHENG L L ， ZANG H X ， XU Y ， et al . Probabilistic residential load forecasting based on micrometeorological data and customer consumption pattern ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 4 ）： 3762 - 3775 .

XIA Z ， MA H ， SAHA T K ， et al . Consumption scenario-based probabilistic load forecasting of single household ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 2 ）： 1075 - 1087 .

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 .

李力，董密，宋冬然，等 . 分布式的温控负荷集群负荷跟随控制［J/OL］. 中国电机工程学报： 1 - 13 ［ 2023-05-06 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPcy6A0TEtRGVMvozZRuZW7QYt_gjpaAl7jf-WxS9YTvI&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPcy6A0TEtRGVMvozZRuZW7QYt_gjpaAl7jf-WxS9YTvI&uniplatform=NZKPT .

LI Li ， DONG Mi ， SONG Dongran ， et al . Distributed load following control for temperature-controlled load clusters ［J/OL］. Chinese Journal of Electrical Engineering ： 1 - 13 ［ 2023-05-06 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPcy6A0TEtRGVMvozZRuZW7QYt_gjpaAl7jf-WxS9YTvI&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPcy6A0TEtRGVMvozZRuZW7QYt_gjpaAl7jf-WxS9YTvI&uniplatform=NZKPT .

张翔 . 考虑用户响应意愿的负荷聚合及其控制策略研究［D］. 南京：南京邮电大学， 2022 .

ZHANG Xiang . Research on load aggregation and its control strategy considering users' willingness to respond ［D］. Nanjing ： Nanjing University of Posts and Telecommunications ， 2022 .

SALEH S A ， PIJNENBURG P ， CASTILLO-GUERRA E . Load aggregation from generation-follows-load to load-follows-generation： residential loads ［J］. IEEE Transactions on Industry Applications ， 2017 ， 53 （ 2 ）： 833 - 842 .

WANG Y ， CHEN Q X ， SUN M Y ， et al . An ensemble forecasting method for the aggregated load with subprofiles ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 3906 - 3908 .

刘耀先 . 基于智能量测数据的非侵入式用户用电需求估计研究［D］. 北京：华北电力大学， 2020 .

LIU Yaoxian . Research on non-invasive power demand estimation of users based on intelligent measurement data ［D］. Beijing ： North China Electric Power University ， 2020 .

SUMAITI A ， KONDA S R ， PANWAR L ， et al . Aggregated demand response scheduling in competitive market considering load behavior through fuzzy intelligence ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 4 ）： 4236 - 4247 .

邢强，陈中，黄学良，等 . 基于数据驱动方式的电动汽车充电需求预测模型［J］. 中国电机工程学报， 2020 ， 40 （ 12 ）： 3796 - 3813 .

XING Qiang ， CHEN Zhong ， HUANG Xueliang ， et al . Electric vehicle charging demand forecasting model based on data-driven approach ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 12 ）： 3796 - 3813 .

LI Y P ， SU H ， ZHOU Y ， et al . Two-stage real-time optimal electricity dispatch strategy for urban residential quarter with electric vehicles’ charging load ［J］. Energy ， 2023 ， 268 ： 126702 .

周椿奇，向月，童话，等 . 轨迹数据驱动的电动汽车充电需求及V2G可调控容量估计［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 46 - 55 .

ZHOU Chunqi ， XIANG Yue ， TONG Hua ， et al . Trajectory-data-driven estimation of electric vehicle charging demand and vehicle-to-grid regulable capacity ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 46 - 55 .

ELAHE M F ， JIN M ， ZENG P . Knowledge-based systematic feature extraction for identifying households with plug-in electric vehicles ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 3 ）： 2259 - 2268 .

高爽，戴如鑫 . 电动汽车集群参与调频辅助服务市场的充电调控策略［J/OL］. 电力系统自动化： 1 - 11 ［ 2022-10-15 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67SbvYknw0U2Gjys1tmEDLUSgUyETE0idhwU0_6L29WiE2rEcr8FIBh&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67SbvYknw0U2Gjys1tmEDLUSgUyETE0idhwU0_6L29WiE2rEcr8FIBh&uniplatform=NZKPT .

GAO Shuang ， DAI Ruxin . Charging regulation strategy for electric vehicle cluster participation in FM auxiliary service market ［J/OL］. Power System Automation ： 1 - 11 ［ 2022-10-15 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67SbvYknw0U2Gjys1tmEDLUSgUyETE0idhwU0_6L29WiE2rEcr8FIBh&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD67SbvYknw0U2Gjys1tmEDLUSgUyETE0idhwU0_6L29WiE2rEcr8FIBh&uniplatform=NZKPT .

刘志强，张谦，朱熠，等 . 计及车-路-站-网融合的电动汽车充电负荷时空分布预测［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 36 - 45 .

LIU Zhiqiang ， ZHANG Qian ， ZHU Yi ， et al . Temporal and spatial distribution prediction of electric vehicle charging load considering vehicle-road-station-network integration ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 36 - 45 .

GONZÁLEZ S ， FEIJOO F ， BASSO F ， et al . Routing and charging facility location for EVs under nodal pricing of electricity： a bilevel model solved using special ordered set ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 4 ）： 3059 - 3068 .

严干贵，刘华南，韩凝晖，等 . 计及电动汽车时空分布状态的充电站选址定容优化方法［J］. 中国电机工程学报， 2021 ， 41 （ 18 ）： 6271 - 6284 .

YAN Gangui ， LIU Huanan ， HAN Ninghui ， et al . An optimization method for location and capacity determination of charging stations considering spatial and temporal distribution of electric vehicles ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 18 ）： 6271 - 6284 .

SOHET B ， HAYEL Y ， BEAUDE O ， et al . Hierarchical coupled driving-and-charging model of electric vehicles， stations and grid operators ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 6 ）： 5146 - 5157 .

LIU H C ， WANG C ， JU P ， et al . A bi-level coordinated dispatch strategy for enhancing resilience of electricity-gas system considering virtual power plants ［J］. International Journal of Electrical Power & Energy Systems ， 2023 ， 147 ： 108787 .

陈会来，张海波，王兆霖 . 不同类型虚拟电厂市场及调度特性参数聚合算法研究综述［J］. 中国电机工程学报， 2023 ， 43 （ 1 ）： 15 - 28 .

CHEN Huilai ， ZHANG Haibo ， WANG Zhaolin . Summary of research on aggregation algorithm of market and scheduling characteristics parameters of different types of virtual power plants ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 1 ）： 15 - 28 .

DU Z D ， WU D ， BAI H A ， et al . Short term Load Forecasting Considering Demand Response under virtual power plant mode ［J］. E3S Web of Conferences ， 2021 ， 256 ： 02006 .

DOGAN A ， CIDEM DOGAN D . A review on machine learning models in forecasting of virtual power plant uncertainties ［J］. Archives of Computational Methods in Engineering ， 2023 ， 30 （ 3 ）： 2081 - 2103 .

YU S Y ， FANG F ， LIU Y J ， et al . Uncertainties of virtual power plant： problems and countermeasures ［J］. Applied Energy ， 2019 ， 239 ： 454 - 470 .

ZAJC M ， KOLENC M ， SULJANOVIĆ N . Virtual power plant communication system architecture ［M］// Smart Power Distribution Systems . Amsterdam ： Elsevier ， 2019 ： 231 - 250 .

MAHMUD K ， KHAN B ， RAVISHANKAR J ， et al . An Internet of energy framework with distributed energy resources， prosumers and small-scale virtual power plants： an overview ［J］. Renewable and Sustainable Energy Reviews ， 2020 ， 127 ： 109840 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Marginal Carbon Emission Factors in Multiple Time Periods and Analysis of Their Uncertainties

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

Non-cooperative Game Based Strategy for Energy-Intensive Industrial Load Participating in Peak-regulation Demand

Charging Load Forecasting for Electric Vehicles in Urban Power Grid Considering Heteroscedasticity

Related Author

KONG Xiangyu

MA Yuying

AI Qian

ZHANG Xiyuan

LI Chuang

XIAO Bai

MA Mingchen

LI Yaowang

Related Institution

School of Electrical and Information Engineering, Tianjin University

School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University

School of Electrical Engineering, Northeast Electric Power University

Department of Electrical Engineering, Tsinghua University

Sichuan Energy Internet Research Institute, Tsinghua University

⁰