摘要：居民空调用电是夏季区域电力高峰不断刷新的主要原因之一，呈不断上升的趋势。江苏2016年电力需求响应运行已纳入了一定数量的居民用户。随着电改的深入，居民小区有规模地开展需求响应是削减区域夏季电力高峰负荷与参与辅助服务的必然趋势。南方电网居民用电数据采集关注点是每天上传一次的用电量表码数据，缺少居民小区15分钟连续采集用电量或负荷数据，因而无法相对准确、合理地确定居民小区需求响应基准、评估削减潜力及确定参与需求响应负荷削减量。本文以佛山供电局2015年禅城区31个居民小区(33,613户居民)用电数据为基础，通过对目前能采集数据的分析与挖掘，提出了基于居民小区总用电量、阶梯用电量、户型等因数的居民小区需求响应负荷基线响应响应潜力估算方法，并结合某个居民小区分户5分钟用电量数据采集进行验证。结果表明，本文提出的方法能较好地解决现有条件下居民小区需求响应负荷基线与削减潜力的估算问题，为需求响应居民小区的选择、削减潜力估算算及客户参与需求响应基线与削减量的确定提供了一种新的方法。
关键词：居民电力需求响应，需求响应基线、削减潜力、数据分析挖掘
Abstract: Residential air conditioning electricity is the summer region, the peak power of the main refresh one of the reasons, was on the rise. Jiangsu 2016 power demand response operation has been incorporated into a certain number of resident users. With the deepening of the electricity reform, the residential area to carry out demand response is to reduce the regional summer peak load and participate in supporting services, the inevitable trend. China Southern Power Grid residents data collection point of concern is a daily upload electricity meter data, the lack of residential area for 15 minutes continuous collection of electricity consumption or load data, which can not be relatively accurate and reasonable to determine the response needs of residential quarters, Cut the potential and determine the participation in response to load reductions. Based on the data of 31 residential areas (33,613 inhabitants) of Foshan Power Supply Bureau in 2015, this paper puts forward the analysis of the curren t data of residential area, , Residential units and other factors of residential demand response load response to the baseline response potential estimation method, combined with a residential area household 5 minutes of electricity consumption data collection to verify. The results show that the proposed method can solve the problem of estimating the load and the potential of the resettlement potential of the residential area under the existing conditions. The demand response, the reduction potential estimation and the customer participation demand response baseline and the reduction The determination provides a new way.
Key Words: Residential demand response，Demand response baseline, shed potential, data mining
1引言
电力需求响应是国际上广泛采用的一种以“互联网+”能源的系统解决方案，采用采用现代ICT、传感与控制技术、负荷精益管理方法，通过价格、补贴、市场交易机制，规模挖掘、调度对用户影响不大的柔性负荷资源，形成分布式电网平衡调节能力。电力需求响应的价值主要为：节约电网投资、增加电网调峰能力、提高配网资产利用率[1]。
居民空调是夏季电网高峰的主要原因，居民小区实施需求响应是缓解区域电力高峰的有效途径。另外，居民电力需求响应，由于数量大，每一户居民的贡献或影响比较小，但可以通过不同的需求响应项目激励让需求响应资源任意组合，比较容易构成电网条件的柔性资源，而且居民实施需求响应对社会经济影响最小[2]。国外居民电力需求响应开展的比较早，例如美国加州与纽约市，居民电力需求响应已形成规模，并实现了集成后电力市场交易。国内开展居民电力需求响应还处于起步阶段。江苏省2016年7月实施了国内最大规模的电力需求响应，包括1000多户居民用户，通过安装空调数据采集与控制装置，在需求响应期间调节空调温度，实现了一定的负荷削减，基本做法是基于电力需求响应的智能家电管理控制方案。与国外以居民实施需求响应情况相比，国内城市小区密集度、小区居民数量、房型、管理方法、用电习惯、绿色理念等方面有很大不同。国外居民需求响应以空调、热水器、游泳池水泵等为主，居民房屋保温性较好，空调大多24小时运行[3]。国内由于小区比较集中，人口多，小区由业委会、居民委员会协调、物业管理公司管理等，国内居民需求响应更适合以小区为单位进行，可以根据电网公司台区，按照小区管理动员、数据采集、合算等，这样做比较经济，能实现较好的组合效果。南方电网居民用电数据采集关注点是每天上传一次的用电量表码数据，缺少居民小区15分钟连续采集用电量或负荷数据，因而无法相对准确、合理地确定居民小区需求响应基准、评估削减潜力及确定参与需求响应负荷削减量。本文以佛山供电局2015年禅城区31个居民小区(33,613户居民)用电采集数据为基础，采用数据挖掘与分析技术，提出了符合区域特点的基于用电量、不同阶梯电量占比、户型的居民小区需求响应负荷基线及响应潜力估算方法，并利用一个1106户居民小区每户居民5分钟用电量采集数据对本文的方法进行了验证。
2居民用电负荷特性
南方电网典型城市佛山市居民小区夏季用电特性如图1.所示。居民用电的规律性比较突出，四个典型小区电力负荷双高峰负荷特性明显，尤其是晚高峰比较突出，出现在9点30分左右，在到达晚高峰后就用电负荷开始下降，但下降缓慢，一直要到第二天早上7点30左右达到低点。由于气温较高，室内空调基本是持续运行，在早上暂短停机后又开始运行，中午12点左右达到一个高峰，估计是居民午休到家后增加空调负荷所致。图2.、图3.给出了居民大、中、小户型夏日典型用电特性，其趋势与小区用电特性一致。国外居民用电负荷也呈现类似的特性[12]。
3居民小区现有用电数据与需求响应资源分类
3.1居民小区需求响应相关用电数据
在目前条件下，供电局在居民用电管理方面拥有的基本数据如表1. 所示，数据以年为基础，内容包括：居民小区的名称、区域、户数、全年用电量、不同阶梯电价居民户数、年度最高负荷以及典型月份小区用电量与最高负荷。
居民用电量分类能够揭示居民某些用电特征。阶梯电价是一个可以参考分析的依据。佛山市居民阶梯电价的电量分档划分标准为：
（1）夏季标准（5－10月）：
第一档电量为每户每月0－260千瓦时的用电量；
第二档电量为每户每月261－600千瓦时的用电量；
第三档电量为每户每月601千瓦时及以上的用电量。
（2）非夏季标准（1-4月、11-12月）：
第一档电量为每户每月0－200千瓦时的用电量；
第二档电量为每户每月201－400千瓦时的用电量；
第三档电量为每户每月401千瓦时及以上的用电量。
按照阶梯电价档位，根据佛山市禅城区有代表性的31个居民小区的用电数据，我们进行了分析挖掘。所分析的小区情况是：31个居民小区以高层密集型楼房为主，入住年限在5年左右，也包括一些15年左右的老小区。全部31个小区住户总数为33613户，2015年总用电量为1.43亿千瓦时，占全区居民用电总量的12%，最高用电负荷51.5MW，居民平均电费0.65元/kWh。图5. 给出了佛山市禅城区31个居民小区居民户数分布，图6. 给出了31个居民小区阶梯用电量户数分布，
3.2居民需求响应资源分类
对居民小区内居民用电特性的深入了解是制定需求响应策略、评估小区需要响应潜力及确定基准的基础[4]。美国劳伦斯伯克利实验室在进行“加州2025需求响应潜力研究”过程中，将居民客户需求响应资源分为：制冷、游泳池泵、插座负荷三类[8]。
国内居民需求响应工作才刚刚起步，国内居民居民用电负荷主要由空调、电热水器及插座负荷构成。根据佛山禅城区31个居民小区的用电数据，结合广东居民的实际用电情况，结合国外的经验，佛山居民需求响应资源可以按照以下几种方式进行：
1)按照居民阶梯电价付费档位划分
2)按照居民建筑面积大小划分
3)按照下降居民月平均用电量划分
按照阶梯用电数据，对31个居民小区33615户居民年用电数据分析得到的结果如图7.所示。可以看出，3万多户居民中，夏季一档阶梯、二档阶梯与三档阶梯用电客户百分比分别为19%、36%、45%。通过用电负荷分析，得出夏季平均每户用电负荷在1.65千瓦左右。
图8. 给出了根据阶梯电价居民按照居民小区为单位的电费分布，其中可以看出不同小区由于户型、业主等不同，阶梯点击用电量也不同。
华南地区夏季比较长，空调使用时间约有7个月。夏季居民平均用电量的多少预示着空调使用的频繁程度。因此，可以从下降居民月平均用电量的大小划分居民需求响应资源。在小区确定为居民需求响应合适的参与小区的情况下，可以根据居民夏季7个月月平均用电量判断小区内居民哪些适合与需求响应项目。表2. 给出了按照夏季7个月月平均用电量选择小区内参与需求响应的客户。
表2. 按照夏季7个月月平均用电量选择小区内参与需求响应的客户
根据常识，通常情况下，居民用电量与居住面积成正比，居住面积大，用电量约达，用电负荷也较高，需求响应资源也越多，主要原因是居住面积大时空调的台数多（目前广东情况，一般每个房间都安装独立的空调）。居民需求响应资源的分类可以根据居民居住面积进行。按照这一思想，我们对南海区某一居民小区（依云水岸3期）1106户客户进行了数据采样与分析，并调查了面积与户型。图9. 给出了典型小区不同户型分布分布。
依云水岸3期房型有4种，分别为：建筑面积为186-190平方的三房两厅三卫两厅院 A型；建筑面积为132-135平方的三房两厅一卫一厅院 D型；建筑面积为88-90平方的一房两厅一卫两厅院 B型；建筑面积为89-90平方的一房两厅一卫一厅院 E型。从建筑面积看可以归纳为大、中、小3种户型，可以按照面积分三类研究不同类型需求响应基线。
4居民小区需求响应基线与削减潜力算法
4.1数据挖掘与分析方法
电力需求响应是一个复杂的系统工程，涉及到电量、负荷、客户种类、客户用电模式、激励办法、市场交易等许多方面。相对国外其他国家，中国居民用电与供电局数据采集、用电管理等有自己的独特的地方。需要对可获得的数据采用各种方法进行有效的分析挖掘，包括统计分析、回归分析、相关性分析、聚类分析与深度机器学习等[5]。本研究的目的是收集供电局与需与居民小区需求响应相关的数据，通过数据分析挖掘方法，结合行业常识寻找在现有数据条件下选择合适的居民小区参与需求响应的理论与方法，确定基线以及居民小区及可参加需求响应居民的削减潜力[6]。采用的主要方法为相关性与关联度分析方法。
（一）相关性分析方法
常用的相关性分析方法有线性相关系数和Granger因果分析方法[7]。其中，Granger因果分析方法通常只能给出定性的结论，不能加以定量的描述，故本项目采用线性相关系数。
4.2居民小区需求响应基线
居民用电负荷主要由家用电器构成，包括空调、冰箱、电视机、洗衣机、微波炉、热水器等，其中空调的用电量及负荷占总量的50%左右。国外居民需求响应的负荷主要空调、插座负荷、游泳池泵等构成，采用的需求响应基线方法种类较多，例如在过去X天中选择Y天的负荷曲线，然后采用不同的平均方法，以及相似日方法[9]，也有采用各种复杂方法估算基线的实践，例如SVM回归估算的短期负荷预测[10]，以及季节性指数平滑法预测空调负荷基准[11] 。国内主要是空调负荷。国内的居民居民小区通常是有多栋高层建筑构成，居民小区的用电负荷是小区内每户居民用电负荷的叠加，叠加后的数据可以由供电局提供，包括每个小区月份总用电量、最高负荷、电费等。
重要的是如何将居民小区的空调负荷从总负荷中分离出来。根据国外实践，一种有效且实用的方法是将基本不使用空调的春季或秋季作为基础负荷，也就是居民小区级别的负荷基准，或需求响应基准[6]。基准月份的选取取决于所在地空调使用的情况，对于佛山来说3月与4月份可以做为基础负荷的基准，因为相对7月或8月份高月份，居民基本上在这个时段空调使用的较少。同样，居民在秋季一段时间，也基本不使用空调。为同时考虑春秋两个时段，本研究将居民小区的基准负荷确定为4月份与11月份最高负荷的平均值。图10. 给出了小区需求响应基准与削减潜力分布。
4.3居民小区需求响应削减潜力评估方法与因数分析
居民小区需求响应潜力的主要影响因素为夏季与春秋季节用电量、典型日负荷曲线、最高用电负荷、小区格挡阶梯用电分布等。需求响应潜力的获得首先是建立在对现有客户群各种数据及相互关联性分析与挖掘基础上的。对于整个小区的需求响应削减潜力，获取的原则是：求出每个居民月份最高负荷与春秋月份平均负荷差，作为该小区可能的需求响应的削减潜力，然后平均分摊到小区的每一个居民住房。图11. 给出了居民小区户均最高负荷，图12. 给出了小区户均需求响应削减潜力，图13. 给出了小区需求响应负荷削减总潜力，其中可以看到小区的户均需求响应削减潜力在0.25kW~2.0kW之间, 平均在0.75kW。这一结果的物理解释是：所研究小区居民居民基本都有两个以上空调，1.5匹机是主流机型，其额定制冷功率为1.08kW（例如格力俊越1.5匹定频空调）。在春秋季节（以4月与10月为代表），许多家庭仍然一定程度地使用空调，但强度比夏天小的多，最多有一台空调在运行，因此平均每个家庭需求响应能力在0.75kW是合理的。江苏2016年以空调控制为主的居民电力需求响应结果也进一步验证了本研究提出的居民需求响应潜力估算的合理性。江苏在2016年涉及居民需求响应的两次运行中，平均每户居民的负荷削减量为0.59kW，两者的数值基本接近，佛山居民的削减潜力数据略大一些，其中主要的原因是本研究涉及居民的全部用电，而非仅仅是空调，另外，佛山夏季有7个月，平均气温也高于江苏。
影响居民住宅电力需求响应的因数很多，本研究着重分析了户均总用电量与阶梯用电量的影响。图14. 给出了户均用电量与削减潜力相关性对比，31个小区数据表明户均用电量与削减潜力相关性为 0.622，具有一定的相关性。图15. 给出了削减潜力与三档阶梯用电客户相关性分析结果，相关系数为 0.334，总体上看影响不显著，但在剔除差异大的小区后，约60%的居民小区需求响应潜力与三档用电量的相关系数达到0.91，因此三档阶梯用电的客户的需求响应潜力较大，这为选择居民小区或客户参与需求响应提供了参考。
采用同样的数据分析方法，研究需求响应潜力与与二档、一档阶梯用电量之间的相关关系，相关系数分别为 -0.24、-0.083，说明相关性比较小。但在做过类似三档阶梯用电量类似处理后，约50% 的小区一档阶梯用电与削减潜力的相关性可达0.94，具体如图17. 。 而二档阶梯用电量与需求响应潜力的相关性比较小。
5小区内居民需求响应基线与潜力评估方法验证
居民的需求响应负荷属于气温强敏感性负荷。能够响应的用电设备主要是空调，这一点已经在以美国、英国与法国为代表的居民需求响应实践中得到证明[13]。由于居民需求响应在中国没有真正开始， 本文居民需求响应基线方法研究以一个1106户有代表性的居民小区为例，该小区于2012年实施了“智能小区”项目，能够采集每户家庭5分钟用电数据。关于基线的研究以2016年夏季与秋季采集数据为基础。图18. 为佛山典型居民大户型A1需求响应基线，图19. 为佛山典型居民大户型D1需求响应基线，图20. 为佛山典型居民大户型B1需求响应基线，
对采集的居民夏季与秋季用电负荷的分析，验证了空调负荷是主要可调节负荷[14]。通过数据分析，发现每户居民需求响应基线确定为秋季10月份的负荷曲线较为合适，因为在佛山10月份仍然需要部分空调，但使用强调比夏季高温日低许多。图18. 给出了典型居民大户型A1需求响应基线，图19. 给出了典型居民大户型D1需求响应基线，图20.给出了典型居民大户型B1需求响应基线，表4. 给出了各类户型需求响应能力统计。
6结论
本文结合佛山市电力需求响应试点实践，研究了南方电网有代表性的区域在无法获得5分钟或15分钟用电数据采集情况下，居民小区参与电力需求响应的潜与基线估算问题。通过数据分析挖掘，相关性分析等手段，提出了以供电局现有客户采集数据为基础，确定居民小区需求响应潜力与基线的估算方法，并结合一个典型小区5分钟用电数据采集对本文提出的方法进行验证。结果表明，本文提出的方法能较好地解决现有条件下居民小区需求响应负荷基线与削减潜力的估算问题，为需求响应居民小区的选择、削减潜力估算算及客户参与需求响应基线与削减量的确定提供了一种新的方法该方法。
参考文献：
[1] Eric Bonneville, Anne Rialhe, Demand Side Management for residential and commercial end-users, Energy Efficiency & Eco-Design, 2006,edition 5
[2] Agency for natural resources and energy, ministry of economy, trades and industry, Government of Japan, Economics of residential demand response in Japan - Case Study, Feb. 2016
[3] Karen Ehrhardt - Martinez, Kat A. Donnelly, Advanced metering initiatives and residential feedback programs：a meta-review for household electricity-saving opportunities, University of Colorado, Report Number #105, June 2010
[4] Marian Hayn, Valentin Bersch, Wolf Fichtner, Electricity load profiles in Europe: the importance of house household segmentation, Energy research and social science 3 (2014) 30-45
[5] Tri kurniawan Wijaya, Matteo Vasirani, When bias matters: an economic assessment of demand response baselines for residential, IEEE transactions on smart grid, Volume 37, pp 213-216
[6] Saehong Park, Seunghyoung Ryu, Data-Driven Baseline Estimation of Residential Buildings for Demand Response, Energies 2015, 8, 10239-10259
[7] Brian Arthur Smith, A simple way to use interval data to segment residential customers for energy efficiency and demand response program targeting, ACEEE Summer Study on Energy Efficiency in Buildings, ACEEE, 2012
[8] Zhai Qing，Kang Yan bing，Niu Bo．US energy-management feat ures and enlightenment to China[J]．Energy of China，2003，25(7)：7-13(in Chinese)．
[9]黎灿兵,李晓辉,赵瑞,等.电力短期负荷预测相似日选取算法[J].电力系统自动化,2008,32(9):69-73
[10]畅广辉,刘涤尘,熊浩.基于多分辨率SVM回归估计的短期负荷预测[J].电力系统自动化,2007,31(9):37-41.
[11]何大四,张旭.改进的季节性指数平滑法预测空调负荷分析[J].同济大学学报:自然科学版,2005,33(12):1672-1676
[12]刘惠萍．德国能源管理措施和经验[J]．上海节能，2010(12)：1-5．
[13] 丽贝卡•史密斯．美国减少能源消耗的十大举措[J]．惠宇明，译.电力需求侧管理，2007，9(2)：65-67．
[14]陈文凭,杨昌智,余院生,等. 基于冷水机组性能曲线的中央空调水系统优化控制[J].流体机械,2008,36( 8):73
[15]汤奕,鲁针针,宁佳,等.基于电力需求响应的智能家电管理控制方案[ J].电力系统自动化,2014,38( 9): 93 99
论文作者:谢文
论文发表刊物:《电力设备》2017年第17期
论文发表时间:2017/10/18
标签：居民论文; 需求论文; 小区论文; 用电量论文; 负荷论文; 基线论文; 潜力论文; 《电力设备》2017年第17期论文;