蘇寧，李笑彤，梁惠施，貢曉旭，呂風(fēng)波，席嫣娜，齊步洋

(1.國網(wǎng)北京市電力公司經(jīng)濟技術(shù)研究院，北京市 100055；2.清華四川能源互聯(lián)網(wǎng)研究院，成都市 610213；3.清華大學(xué)電機工程與應(yīng)用電子技術(shù)系，北京市 100084)

0 引 言

近年來，電力大數(shù)據(jù)研究逐步深入，數(shù)據(jù)挖掘在優(yōu)化配電網(wǎng)投資成本、提高電網(wǎng)設(shè)施利用效率領(lǐng)域得到廣泛應(yīng)用[1]。在智能電表推廣普及條件下，用戶側(cè)具備海量的數(shù)據(jù)資源，其價值正逐步得到學(xué)術(shù)界及行業(yè)關(guān)注，在電力生產(chǎn)、傳輸、消費各環(huán)節(jié)領(lǐng)域得到了深入研究和應(yīng)用[2-3]。

柔性可控負(fù)荷占比逐步提高對配電網(wǎng)規(guī)劃影響越來越大，隨著生活水平不斷提高，夏季空調(diào)負(fù)荷占比越來越大，2020年北京電網(wǎng)夏季最大負(fù)荷時刻空調(diào)負(fù)荷占比達(dá)到41.96%。同時，空調(diào)類溫控負(fù)荷具有典型季節(jié)特性且與日常環(huán)境溫度變化有很強的相關(guān)性，能夠通過數(shù)據(jù)分析的方法挖掘其調(diào)節(jié)潛力，有效指導(dǎo)配電網(wǎng)規(guī)劃工作。配電網(wǎng)通常依據(jù)最大負(fù)荷開展規(guī)劃，但實際中空調(diào)負(fù)荷具備一定可調(diào)節(jié)潛力，可在規(guī)劃中挖掘空調(diào)負(fù)荷需求側(cè)響應(yīng)(demand response，DR)潛力，實現(xiàn)整體效益最優(yōu)。電力需求側(cè)響應(yīng)是指通過優(yōu)化用電方式，在完成用電功能的同時減少電量消耗和電力需求，實現(xiàn)低成本電力服務(wù)所進(jìn)行的用電管理活動[4-5]。負(fù)荷數(shù)據(jù)對需求響應(yīng)潛力挖掘具有重要意義[6]，文獻(xiàn)[7]提出融合多種算法的綜合聚類方法對用戶負(fù)荷特性及可調(diào)節(jié)潛力進(jìn)行分析，證明了通過用戶數(shù)據(jù)挖掘可調(diào)節(jié)潛力具有可行性；文獻(xiàn)[8]以用戶心理學(xué)原理為基礎(chǔ)，通過考慮峰谷分時電價調(diào)節(jié)構(gòu)建用戶調(diào)節(jié)潛力指標(biāo)，通過該指標(biāo)對負(fù)荷進(jìn)行聚類，為通過電價引導(dǎo)用戶用電行為奠定基礎(chǔ)。但目前大量文獻(xiàn)重點圍繞負(fù)荷聚類算法開展研究與優(yōu)化，較少通過融合負(fù)荷數(shù)據(jù)挖掘與用電設(shè)備物理特性開展響應(yīng)潛力研究。相關(guān)學(xué)術(shù)和實踐證明，通過對用戶側(cè)空調(diào)負(fù)荷進(jìn)行直接負(fù)荷控制來削減負(fù)荷是一種有效的需求響應(yīng)手段[9]?？照{(diào)負(fù)荷主要集中在夏季用電高峰期，具有時間短、比重大、峰值高的特點[10]，同時建筑具有一定冷能存儲能力，空調(diào)負(fù)荷被切斷或調(diào)低功率一段時間不影響用戶使用舒適度[11]。當(dāng)前，一些研究在配電網(wǎng)規(guī)劃中考慮了用戶側(cè)需求響應(yīng)資源[12-15]，以延緩配電網(wǎng)建設(shè)投資。但大多數(shù)都是基于經(jīng)驗設(shè)定需求側(cè)響應(yīng)上限[16-19]，缺乏實際數(shù)據(jù)的支撐，難以反映實際情況，會給規(guī)劃和運行策略分析帶來誤差。

因此，通過用戶空調(diào)負(fù)荷實際數(shù)據(jù)挖掘，準(zhǔn)確評估用戶的需求響應(yīng)潛力對于優(yōu)化配電網(wǎng)規(guī)劃方案具有重要意義，本文基于用戶實際負(fù)荷數(shù)據(jù)，結(jié)合外部環(huán)境溫度影響，建立空調(diào)數(shù)據(jù)挖掘模型，通過聚合用戶負(fù)荷及空調(diào)物理特性研究需求響應(yīng)潛力評估方法，基于評估結(jié)果，構(gòu)建配電網(wǎng)擴展規(guī)劃模型并進(jìn)行求解，最后通過IEEE 33節(jié)點配電網(wǎng)算例對模型進(jìn)行驗證。

1 負(fù)荷數(shù)據(jù)挖掘模型及方法

1.1 空調(diào)數(shù)據(jù)挖掘模型

根據(jù)建筑負(fù)荷溫度響應(yīng)相關(guān)研究[20-21]，建筑負(fù)荷與室外溫度呈近似分段線性關(guān)系，如圖1所示。

圖1 建筑負(fù)荷溫度響應(yīng)散點圖Fig.1 Scatter point of load temperature response

因此，可利用建筑負(fù)荷與室外溫度的線性關(guān)系來識別空調(diào)運行狀態(tài)和溫度響應(yīng)相關(guān)參數(shù)。從用戶負(fù)

荷數(shù)據(jù)中分離出空調(diào)負(fù)荷屬于盲源分離問題，但由于空調(diào)負(fù)荷與室外溫度存在線性關(guān)系，而洗衣機、冰箱等其他負(fù)荷與室外溫度無關(guān)聯(lián)性，因此，可將室外溫度作為對空調(diào)負(fù)荷的估算依據(jù)，將空調(diào)負(fù)荷進(jìn)行分離。本文采用基于隱馬爾科夫模型的算法，從用戶負(fù)荷歷史數(shù)據(jù)中評估出單個用戶空調(diào)的溫度響應(yīng)斜率、空調(diào)的狀態(tài)量(開關(guān)狀態(tài)和設(shè)定溫度)以及非空調(diào)負(fù)荷的狀態(tài)量，進(jìn)而重建空調(diào)負(fù)荷歷史曲線。分離出空調(diào)負(fù)荷歷史曲線之后，就可以對用戶的需求響應(yīng)潛力進(jìn)行評估。

利用建筑負(fù)荷與室外溫度的線性關(guān)系來識別空調(diào)運行狀態(tài)和溫度，如下所示：

Pc(t)=β·max[Tc(t)-Tset,0]+Pbase(t)+εα(t)

(1)

式中：Pc(t)表示與溫度有關(guān)的空調(diào)負(fù)荷與非空調(diào)負(fù)荷之和；Tc(t)表示t時刻室外溫度；Tset表示空調(diào)室內(nèi)設(shè)定溫度；β表示空調(diào)的溫度響應(yīng)斜率；Pbase(t)表示用戶非空調(diào)負(fù)荷，該負(fù)荷與溫度線性相關(guān)性低；εα(t)為隨機變量噪聲，服從正態(tài)分布。

相關(guān)研究表明，當(dāng)用戶不使用空調(diào)時，建筑負(fù)荷與室外溫度間仍存在一定程度的線性相關(guān)性，如果直接對智能電表數(shù)據(jù)和室外溫度進(jìn)行線性回歸，將高估空調(diào)的溫度響應(yīng)斜率。因此，為消除非空調(diào)負(fù)荷對空調(diào)負(fù)荷溫度響應(yīng)參數(shù)干擾，應(yīng)用迭代方法先從智能電表數(shù)據(jù)中將空調(diào)負(fù)荷與非空調(diào)負(fù)荷分量大致分離，然后再將分離得到的空調(diào)負(fù)荷分量對室外溫度進(jìn)行線性回歸。

比較使用空調(diào)和不使用空調(diào)的典型日負(fù)荷曲線，前者減去后者得到初步估計的空調(diào)負(fù)荷曲線。假設(shè)不使用空調(diào)的日負(fù)荷為Pbase,0(t)，使用空調(diào)的典型日負(fù)荷為P1(t)，典型日空調(diào)負(fù)荷分量可用式(2)估計。

Q1(t)=P1(t)-Pbase,0(t)+ε(t)

(2)

式中：ε(t)是由難以預(yù)測的非空調(diào)負(fù)荷使用變化所帶來的隨機誤差量，假設(shè)非空調(diào)負(fù)荷具有相同的概率分布，故ε(t)僅影響回歸結(jié)果的標(biāo)準(zhǔn)方差，不會對回歸系數(shù)產(chǎn)生系統(tǒng)性誤差；Q1(t)表示初步估計的空調(diào)負(fù)荷。

為識別空調(diào)在不同時段內(nèi)的開關(guān)狀態(tài)，引入二值狀態(tài)量I(t)，I(t)=1表示空調(diào)處于開啟狀態(tài)，I(t)=0表示空調(diào)處于關(guān)閉狀態(tài)。因此，空調(diào)負(fù)荷溫度響應(yīng)方程可用下式表示：

(3)

步驟1：對所有開關(guān)狀態(tài)初始化I(t)=1；

圖2 空調(diào)負(fù)荷-溫度響應(yīng)曲線Fig.2 Response slope of air-conditioning load corresponding to temperature

步驟3：計算每個數(shù)據(jù)點到所擬合直線l間的歐幾里得垂直距離，對到直線l距離小于到x軸(室外溫度)距離數(shù)據(jù)點，更新I(t)=1；對到直線l距離大于等于到x軸(室外溫度)距離的數(shù)據(jù)點，更新I(t)=0；

1.2 聚合負(fù)荷的需求響應(yīng)潛力評估

通過聚合用戶空調(diào)可控負(fù)荷，可將需求響應(yīng)資源納入配電系統(tǒng)規(guī)劃邊界條件，通過智能系統(tǒng)控制空調(diào)運行狀態(tài)，有效降低電網(wǎng)投資成本。假設(shè)控制程序?qū)⒖照{(diào)設(shè)定溫度變?yōu)槟繕?biāo)溫度Ts，用戶k需求響應(yīng)潛力可用下式表示：

(4)

(5)

在規(guī)劃問題中，聚合負(fù)荷需求響應(yīng)潛力評估主要目的是通過數(shù)據(jù)挖掘較為準(zhǔn)確地確定可控負(fù)荷邊界。

2 配電網(wǎng)擴展規(guī)劃模型

2.1 規(guī)劃框架

通過挖掘電表歷史數(shù)據(jù)，可以發(fā)掘用戶的空調(diào)可控負(fù)荷潛力邊界，降低配電網(wǎng)擴展投資成本，基于上述方法構(gòu)建基于負(fù)荷數(shù)據(jù)挖掘的配電網(wǎng)擴展規(guī)劃框架，如圖3所示。

圖3 優(yōu)化擴展規(guī)劃框架Fig.3 Collaborative planning framework

2.2 目標(biāo)函數(shù)

為簡化模型，更加貼近工程實際需求，在新增負(fù)荷待接入配電網(wǎng)場景中，期望通過需求側(cè)響應(yīng)降低配電網(wǎng)投資及運行成本。因此，以折算到年的配電網(wǎng)擴展投資成本及需求側(cè)響應(yīng)補償成本之和最小為目標(biāo)函數(shù)，具體如式(6)所示：

minCcost=C1+C2

(6)

式中：Ccost表示配電網(wǎng)折算到年的總成本，萬元；C1為折算到年的配電系統(tǒng)擴展規(guī)劃初始投資成本，萬元；C2為折算到年的可控負(fù)荷需求響應(yīng)的補償費用成本，萬元。

考慮新增負(fù)荷接入已有配電網(wǎng)，將相關(guān)設(shè)備及線路總投資折算到單位長度投資中，并且將配電網(wǎng)全壽命周期成本折算到年成本，可由式(7)計算。

(7)

式中：ccost表示新增負(fù)荷接入系統(tǒng)單位線路長度造價，萬元/km；Ll表示第l個新建線路長度，km；W表示待建線路的條數(shù)；δl表示第l條新建線路是否選中，δl=1表示選中第l條新建線路，δl=0表示未選中第l條新建線路；r表示貼現(xiàn)率；n為配電網(wǎng)運行生命周期，年。

考慮已有用戶中的空調(diào)可中斷負(fù)荷，其參與需求側(cè)響應(yīng)采用直接中斷的方式，由配電網(wǎng)運營商提供補償，則可中斷負(fù)荷年補償成本可用式(8)表示。

(8)

式中：Pcon.m表示第m個負(fù)荷所挖掘出的可控負(fù)荷，kW；Tcon.m表示第m個可控負(fù)荷年等效響應(yīng)時間，h；p2表示可中斷負(fù)荷參與需求響應(yīng)補償價格，元/(kW·h)；N1表示可控負(fù)荷節(jié)點個數(shù)。

2.3 約束條件

1)節(jié)點功率平衡。

配電系統(tǒng)各節(jié)點功率平衡應(yīng)滿足如下約束：

(9)

式中：Pi和Qi分別表示節(jié)點i的有功功率和無功功率；Ui和Uj分別表示節(jié)點i和節(jié)點j的電壓幅值；Gij和Bij分別表示支路ij的電導(dǎo)和電納；θij表示節(jié)點i和節(jié)點j的相角差。

2)支路潮流約束。

通常對配電網(wǎng)潮流計算進(jìn)行簡化，利用線路最大傳輸容量作為約束:

(10)

式中:Ωk表示支路k所帶負(fù)荷節(jié)點的集合；Sk表示支路k的極限輸送容量。

3)節(jié)點電壓約束。

配電系統(tǒng)節(jié)點i的電壓偏差需滿足如下約束:

ΔUmin≤ΔUi≤ΔUmax

(11)

式中：ΔUmin表示允許電壓偏差下限；ΔUmax表示允許電壓偏差上限；ΔUi表示第i個接入點的電壓偏差。

4)需求響應(yīng)約束。

通過對用戶負(fù)荷數(shù)據(jù)挖掘，得到空調(diào)可控負(fù)荷相應(yīng)潛力，約束條件包括可中斷負(fù)荷約束：

Pcon.m=λmPL.m

(12)

式中：PL.m表示第m個負(fù)荷；λm表示可中斷負(fù)荷系數(shù)，滿足式(13)：

λmmin≤λm≤λmmax

(13)

式中：λmmin表示第m個可中斷負(fù)荷系數(shù)下限值，通常設(shè)置為所有用戶都不參與響應(yīng)，取λmmin=0；λmmax表示第m個可中斷負(fù)荷系數(shù)上限值，可通過式(14)確定：

(14)

3 模型求解方法

3.1 假設(shè)條件

配電網(wǎng)規(guī)劃通常采用預(yù)測最大負(fù)荷作為規(guī)劃邊界條件，考慮冬季運行方式下，不需要空調(diào)制冷，因而用戶負(fù)荷數(shù)據(jù)無法識別空調(diào)響應(yīng)潛力，本文算例假設(shè)最大負(fù)荷出現(xiàn)在最熱月份，且最熱月空調(diào)開啟最多，數(shù)據(jù)分析價值更明顯?？紤]規(guī)劃問題所考慮的尖峰負(fù)荷持續(xù)時間較短，并且建筑物存在一定熱慣性，用戶能獲得一定的補償，部分用戶有意愿參與需求側(cè)響應(yīng)。針對本場景在模型求解過程中做如下假設(shè)：

1)選取夏季最熱月最大負(fù)荷日各個時刻及春秋典型日所對應(yīng)負(fù)荷及環(huán)境溫度作為基礎(chǔ)數(shù)據(jù)；

2)忽略由難以預(yù)測的非空調(diào)負(fù)荷使用變化所帶來的隨機誤差量ε(tmax)；

3)假設(shè)負(fù)荷最大所對應(yīng)時刻為tmax。

3.2 求解步驟

1)用戶群需求響應(yīng)潛力評估。

假定配電網(wǎng)中節(jié)點i所帶用戶群數(shù)量為Ni，各用戶需求響應(yīng)潛力評估步驟如下所示：

步驟3：重復(fù)步驟2得到Ni個用戶的空調(diào)負(fù)荷溫度響應(yīng)斜率及設(shè)定溫度，在負(fù)荷最大時刻的溫度設(shè)定目標(biāo)為T(tmax)，計算用戶群Ni的需求響應(yīng)潛力比例可得到可控負(fù)荷上限值，如式(15)所示:

(15)

2)擴展規(guī)劃模型求解。

步驟1：待接入系統(tǒng)負(fù)荷數(shù)為M，待接入負(fù)荷節(jié)點j所對應(yīng)的規(guī)劃方案數(shù)為Wj，則系統(tǒng)總擴展規(guī)劃場景數(shù)B如式(16)所示：

(16)

步驟2：在此邊界條件下，針對各個規(guī)劃場景集，以系統(tǒng)總成本最小為目標(biāo)函數(shù)，考慮式(9)—(13)約束條件，應(yīng)用粒子群算法，對每個場景進(jìn)行求解，得到總成本最小的規(guī)劃方案。粒子群算法不再贅述。

4 算例分析

4.1 算例簡介

為了驗證本文模型和方法的正確性和有效性，以IEEE 33節(jié)點配電網(wǎng)為例進(jìn)行驗證，如圖4所示。設(shè)定10 kV配電網(wǎng)擴展規(guī)劃場景，其最大負(fù)荷出現(xiàn)在夏季，已有負(fù)荷節(jié)點負(fù)荷增長已基本飽和，對其節(jié)點功率做適當(dāng)調(diào)整，采用前推回代法進(jìn)行潮流計算。

圖4 IEEE 33節(jié)點配電網(wǎng)算例Fig.4 IEEE 33-node distribution network example

4.2 參數(shù)設(shè)定

在該規(guī)劃場景下，新增待接入負(fù)荷節(jié)點為節(jié)點33、34、35、36，新增負(fù)荷容量按照未來飽和負(fù)荷預(yù)測值進(jìn)行考慮，每個新增負(fù)荷有3種接入方案，假設(shè)均采用架空線路方式接入，導(dǎo)線型號相同，線路單位長度投資統(tǒng)一采用25萬元/km[22]。各負(fù)荷接入方案對應(yīng)的線路長度及參數(shù)如表1所示。

表1 新增負(fù)荷擴展規(guī)劃方案Table 1 Planning scheme of new load expansion

可參與需求側(cè)響應(yīng)的節(jié)點分別為節(jié)點6、13、23、24、31，其節(jié)點所帶用戶群可通過負(fù)荷數(shù)據(jù)挖掘分離出空調(diào)可控負(fù)荷來參與需求側(cè)響應(yīng)。其中，以節(jié)點6為例，其所帶用戶數(shù)量為50，已取得最大負(fù)荷數(shù)據(jù)，假設(shè)為可中斷負(fù)荷，年參與需求側(cè)響應(yīng)時間為200 h，用戶可以獲得可中斷負(fù)荷補貼為0.4元/(kW·h)[14]。

4.3 分析場景

以節(jié)點6所帶某用戶負(fù)荷數(shù)據(jù)為例，選取其8月23日與4月5日負(fù)荷數(shù)據(jù)進(jìn)行分析，最大負(fù)荷時刻點氣溫為35 ℃，利用上述方法分析其空調(diào)負(fù)荷溫度響應(yīng)斜率。根據(jù)概率分布情況，節(jié)點6某用戶空調(diào)負(fù)荷溫度響應(yīng)斜率為0.13 kW/℃，對該節(jié)點所有用戶進(jìn)行分析，得到其響應(yīng)斜率概率分布，如圖5所示。

圖5 響應(yīng)斜率概率分布Fig.5 Probability distribution of response slope

場景1：以所有用戶斜率均值進(jìn)行分析，最大負(fù)荷時刻點溫度為35 ℃，空調(diào)設(shè)定溫度為26 ℃，假設(shè)有一半用戶參與響應(yīng)，則估計該節(jié)點空調(diào)負(fù)荷為23.94 kW，該節(jié)點響應(yīng)比例為19.97%，且假設(shè)節(jié)點6、13、23、24、31分別參與需求側(cè)響應(yīng)的可中斷負(fù)荷比例上限均為19.97%。

場景2：基于全量數(shù)據(jù)開展挖掘，針對各個節(jié)點分別計算每個用戶的負(fù)荷溫度響應(yīng)斜率及各個用戶的設(shè)定溫度，最大負(fù)荷時刻點溫度為35 ℃，空調(diào)目標(biāo)設(shè)定溫度取26 ℃，通過式(14)計算得到節(jié)點6、13、23、24、31分別參與需求側(cè)響應(yīng)的可中斷負(fù)荷比例上限分別為18.52%、21.63%、19.56%、23.12%、18.97%。

場景3：不考慮用戶空調(diào)負(fù)荷參與需求側(cè)響應(yīng)，忽略可控負(fù)荷需求響應(yīng)的補償費用成本，僅以配電系統(tǒng)擴展規(guī)劃初始投資成本作為目標(biāo)函數(shù)，進(jìn)行規(guī)劃方案選擇和制定。

4.4 結(jié)果分析

按照上述場景，在上述輸入邊界條件下，應(yīng)用粒子群算法，求解得到各個方案總成本最小規(guī)劃方案，其中，場景2折算到年的總成本最小(4.629 1萬元)，為最優(yōu)規(guī)劃方案，網(wǎng)架規(guī)劃結(jié)果如圖6所示。

圖6 最佳規(guī)劃方案(場景2)Fig.6 The best planning scheme (case2)

場景1最佳規(guī)劃方案年總成本為5.246 8萬元，場景3最佳規(guī)劃方案年總成本為6.321 6萬元，可見，通過計算全量數(shù)據(jù)挖掘需求響應(yīng)潛力的場景2規(guī)劃方案的系統(tǒng)總成本最小，對比結(jié)果如表2所示。

表2 規(guī)劃方案對比Table 2 Planning scheme comparison

最優(yōu)方案下，在需求側(cè)響應(yīng)比例上限約束下，優(yōu)化得到場景2最優(yōu)規(guī)劃方案的各節(jié)點參與需求側(cè)響應(yīng)的實際負(fù)荷占比，如表3所示。

表3 各節(jié)點參與需求側(cè)響應(yīng)的負(fù)荷占比Table 3 Interruptible load factor of air-conditioning at each node

根據(jù)仿真結(jié)果可見，通過全量用戶數(shù)據(jù)挖掘，考慮其需求側(cè)響應(yīng)潛力，使得原有配電網(wǎng)供電能力顯著增加，用戶通過參與需求側(cè)響應(yīng)可顯著降低配電網(wǎng)投資成本。以新增負(fù)荷節(jié)點33為例，在不考慮需求側(cè)響應(yīng)情況下，其接入節(jié)點23、24時，線路較短投資較小，但根據(jù)潮流計算結(jié)果，在此條件下節(jié)點23、24電壓分別降為0.856 6 pu、0.902 3 pu，遠(yuǎn)低于國家標(biāo)準(zhǔn)規(guī)定的-7%下限，因此，只能接入較遠(yuǎn)的節(jié)點22。當(dāng)考慮節(jié)點23用戶群參與需求側(cè)響應(yīng)后，負(fù)荷接入后其電壓偏差滿足要求，此時線路長度大大縮短，考慮需求側(cè)響應(yīng)補償后總成本仍然較低。

在場景2最優(yōu)規(guī)劃方案下，分別設(shè)置不同上限需求側(cè)響應(yīng)比例，求解各條件下的最佳適應(yīng)度值，即系統(tǒng)總成本，如圖7所示。可見，隨著需求側(cè)響應(yīng)上限參數(shù)增加，最佳適應(yīng)度值也在增加，但隨著上限增加到一定程度，其對于系統(tǒng)總成本下降的邊際效益逐步遞減，主要是由于上限越高，需要付出的需求側(cè)響應(yīng)補償費用越大。由此可見，通過用戶數(shù)據(jù)挖掘獲得合理的需求側(cè)響應(yīng)限值對于配電網(wǎng)規(guī)劃具有十分重要的現(xiàn)實意義。

圖7 總成本與需求側(cè)響應(yīng)上限關(guān)系Fig.7 Relationship between total cost and demand response upper-limit

5 結(jié) 論

本文針對配電網(wǎng)規(guī)劃領(lǐng)域負(fù)荷數(shù)據(jù)挖掘問題開展深入研究。首先，基于實際數(shù)據(jù)分析，考慮用戶空調(diào)、冰箱、洗衣機等眾多家庭用電設(shè)備中，空調(diào)負(fù)荷與室外溫度呈近似分段線性關(guān)系的特征，應(yīng)用隱馬爾科夫模型算法，建立空調(diào)負(fù)荷挖掘模型，將空調(diào)負(fù)荷從用戶用電數(shù)據(jù)中分離。通過聚合用戶群，考慮用戶使用空調(diào)的概率分布，研究需求側(cè)響應(yīng)評估方法，考慮建筑物熱慣性，利用電價補償機制增強用戶控制空調(diào)啟停意愿，平衡用戶經(jīng)濟成本與舒適度，實現(xiàn)對需求側(cè)響應(yīng)限值的準(zhǔn)確計算。其次，以配電系統(tǒng)折算到年的總成本最小為目標(biāo)函數(shù)，考慮潮流、電壓、需求側(cè)響應(yīng)等約束條件，提出配電網(wǎng)擴展規(guī)劃模型并進(jìn)行求解。最后，采用IEEE 33節(jié)點算例對模型有效性進(jìn)行驗證，考慮需求側(cè)響應(yīng)后，最優(yōu)規(guī)劃方案年總成本為4.629 1萬元，低于不考慮需求側(cè)響應(yīng)的總成本(6.321 6萬元)。

本文的數(shù)據(jù)挖掘方法能夠有效評估用戶需求側(cè)響應(yīng)潛力，有利于優(yōu)化配電網(wǎng)規(guī)劃方案，降低系統(tǒng)總成本，延緩配電網(wǎng)擴展投資，提高配電系統(tǒng)整體經(jīng)濟性。本文提出思路和方法對于實際配電網(wǎng)規(guī)劃工作具有重要的現(xiàn)實意義和作用。