基于用户用电数据分析的需求侧响应潜力评估方法

韦乾易

(国能(广东)综合能源有限公司，广东 广州 510000)

电力需求侧响应是随着电力市场化改革的逐步深入、电力市场的建设逐渐完善，从电力需求侧管理演变进化而来，它通过市场手段和价格工具，调节电力需求的时间和水平，挖掘需求侧响应资源，提升用户侧用电弹性，平抑批发侧价格波动性，从而提高电力市场及整个系统的稳定运行[1-2]。目前对需求侧响应的研究主要针对电网整个地区的削峰规模[1-3]，缺乏对参与需求侧响应的单个用户的潜力分析。文献[4]分析了需求侧响应和负荷控制及需求侧管理的区别；文献[5]分析了河南省的供需情况，明确储备目标，优化目标分解顺序，提出我国需求响应的一些前瞻性设想。

负荷聚合商能够整合分散的可调柔性资源，通过聚合用户资源参与需求侧响应市场，形成整个市场需要的规模化需求响应能力。在电力市场中，负荷聚合商不仅是用户响应资源的代理商，也可以是满足用户传统用电需求的售电商，所以负荷聚合商是分散用户与批发市场的纽带，也是需求侧响应市场的核心关键。对可调负荷资源的聚合及挖掘能力是负荷聚合商的核心竞争力之一，对用户需求侧响应潜力的量化评估研究则有助于指导负荷聚合商对于各类型用户可调资源的开发。目前，需求侧响应潜力的评估方法一般为用电过程分析法，该方法需要大量数据，涉及企业生产流程和排产计划等，评估工作量巨大，评估成本过高，若涉及企业商业机密，企业难以配合，导致评估中断。

为了降低负荷聚合商在对企业开展潜力评估时的调研成本，本文结合2021年广东电力市场化需求响应实际开展情况，提出基于用户实际用电数据的需求侧响应潜力量化评估方法，利用潜力评估量化数据，有效评价该用户对负荷聚合商的重要性，指导负荷聚合商的开发方向，进而有针对性地深入挖掘重点用户，大幅度减少调研和开发成本。

1 广东电力市场需求侧响应开展情况及规则

2021年5月17日，广东首次启动市场化需求响应，运用市场化手段，激励引导用户主动节约用电参与削峰、避峰。截至12月底，共开展需求响应交易77 d，日前最大中标容量1.491 GW，累计12 219个用电户注册，有效响应电量2.6亿kWh，需求响应平均执行率 90.5%。2021年5—12 月，响应用户净获利7.4亿元，售电公司(即负荷聚合商)需求响应净获利2.4亿元，而该年广东电力市场中售电公司在电能量市场中的净收益为5.1亿元，售电公司在77 d需求侧响应市场中获取的净收益已达到全年代理电量净收益的一半。由此可见，在广东电力市场中，参与市场化需求侧响应已成为各售电公司的主要盈利方式。

广东电力市场需求侧响应市场化实施规则如下：

a)确定用户响应程度。在实施需求侧响应邀约时，用户要及时降低自身用电负荷，控制响应时段的用电负荷低于近几日在该时段的平均负荷(基线负荷)，响应评价按小时计算，具体如下：

Pt=Qj-Qs.

(1)

式中：Pt为实际响应容量；Qj为基线负荷；Qs为实际测量负荷。

b)确定基线负荷。基线负荷指未实施需求侧响应和有序用电时电力用户的小时平均用电负荷，是判定需求侧响应执行效果的依据，分为工作日、周六、周日和节假日4种类型。工作日基线负荷选取最近 5 个经拟合后不参与响应和有序用电的同类型日负荷作为负荷样本，其余典型日基线负荷选取3个经拟合后不参与响应和有序用电的同类型日负荷作为负荷样本。基线负荷分别按虚拟电厂和单个需求响应资源计算，虚拟电厂基线负荷为参与运行日需求响应资源组合中各资源基线负荷之和。

c)市场出清。调度中心开展日前邀约型需求响应出清，按照满足需求容量且边际虚拟电厂全量中标的原则，采用边际出清定价模式，出清价格为边际虚拟电厂的申报价。

d)调用收益规则。每个连续需求时段内需求响应中标并提供有效响应容量的负荷集成商，按小时计算调用收益，日清月结，具体计算公式如下：

(2)

式中：Rf为负荷聚合商需求侧响应总收益；Pi为用户在响应时段i的有效响应容量；Ci为在响应时段i的出清价格；m为当日需求响应开展的时段总数。

根据上述广东电力市场需求侧响应实时规则，用户有效响应的关键在于是否能将需求侧响应开展时段的负荷，按照出清要求控制在基线负荷以下。如果售电公司能通过某种简单易行的方式，有效评估电力用户在需求侧响应方面的能力，对其开发工作具有指导意义。

2 用户需求侧响应潜力评估方法

2.1 分析数据选取

a)典型日选取。当全省存在电力供应不足的风险或局部区域存在断面、变压器、线路、馈线、台区重过载风险时，广东电力交易中心就会启动需求侧响应交易。工作日时负荷需求旺盛，存在电力供应不足的风险更高，为使得结论更具一般性，避免需求侧响应对用户用电数据真实性的影响，选取负荷曲线无异常畸变、未开展需求侧响应的工作日负荷数据作为分析样本。

b)数据选取。在广东电力市场需求侧响应规则中，工作日基线负荷判定的标准为：选取最近5个经拟合后不参与响应、有序用电以及未因主配输、变电设备检修导致停电的工作日负荷作为负荷样本，剔除日电量低于5个样本日均电量25%或高于5个样本日均电量200%的样本后，对剩余样本求取小时平均值得到基线负荷。为贴合实际，本文研究的测算模型也选取5个剔除坏点的工作日基础用电数据。

2.2 负荷特性分析

某时刻用户负荷波动越大，证明该用户在该时刻的用电刚性较弱，用电可调性越强，柔性可调负荷越大。所以通过判断用户单点用电波动性，以及模拟实际结算中有效响应容量的判断，就可以判断该用户的需求侧响应削峰潜力[3]。

统计分析单个用户典型日在需求侧响应开展时段的历史用电数据，利用标准差公式测量出其负荷离散程度，即求出该时段用户的用电波动性α、需求侧响应时段最小用电量xmin以及需求侧响应时段的平均用电量xav。其中用电波动性

(3)

式中：xi为用户在需求侧响应时段i的用电量；n为开展需求侧响应的时段数量。

2.3 企业需求侧响应能力评估模型

根据上述分析，再结合用电量测出最大响应容量，可设定用户单个小时的需求侧响应能力判定模型如下：

ηi=(xav-xmin)×α×λi×105.

(4)

将式(3)带入式(4)得

(5)

式中：ηi为用户在响应时段i的需求侧响应潜力；λi为响应时段i开展需求侧响应次数占所有高频开展需求侧响应次数的比例。

对所有响应潜力进行求和，所得到的规模区间即为用户需求侧响应的综合潜力η，

(6)

3 典型算例分析

3.1 确定开展需求侧响应时间

需求侧响应一般在负荷供应最紧张、存在电力供应尖峰缺口的时段实施，由于广东电力市场在2021年已开展需求侧响应市场，故在算例中统计2021年广东需求侧响应开展的所有时段(以某市单独开展的邀约不做统计)，如图1所示，根据统计确定需求侧响应开展的高频时段。

根据图1，选择09:00—11:00、14:00—16:00、18:00—20:00共计9 h作为分析时段(即9个时段)。根据开展日期计算高频开展需求侧响应时段中单个时段次数占比，结果见表1。

图1 2021年广东电力市场需求侧响应邀约时段统计

表1 2021年广东需求侧响应高频开展时段次数占比

由表1可知，在09:00—10:00开展需求侧响应次数占整个高频时段开展次数的比例为 6.6%，将该比例设为λ9，同理可得上述9个时段中每个时段开展次数占全部高频时段开展次数的比例λi。分析算例以广东电力市场为背景展开，假定表1中9个时段为需求侧响应开展的高频时段，以此作为分析基础。

3.2 算例分析

为更全面分析用户需求侧响应潜力，采用数据分析的方法，从用电波动性和波动量[4-5]2个维度进行测算，量化该用户的响应能力。本文选取4个不同类型用户进行算例分析。

3.2.1 某商业类型用户1

根据上述测算方法，选取未开展需求侧响应月份且负荷曲线无异常畸变的5个工作日用电数据(见表2)，由表1知λ9=6.6%，由表2可知xmin=0.85 MWh，xav=0.89 MWh，再将09:00—10:00的用电数据代入式(5)，计算得出用户1在09:00—10:00需求侧响应潜力值为1.22。

表2 5个工作日的实际用电数据(用户1)

将9个时段的数据分别代入式(5)，可得用户1每个时段响应潜力，见表3。

表3 各时段需求侧响应潜力数值表(用户1)

对9个时段的响应潜力求和，得该用户需求侧响应的综合潜值为101.54。

3.2.2 某金属制造业用户2

选取未开展需求侧响应月份且负荷曲线无异常畸变的5个工作日用电数据(见表4)作为分析基础。由表1知λ9=6.6%，由表4可知xmin=1.28 MWh，xav=1.70 MWh，再将09:00—10:00的用电数据代入式(5)，计算得出用户2在09:00—10:00需求侧响应潜力值为72.17。

表4 5个工作日的实际用电数据(用户2)

将9个时段的数据分别代入式(5)，可得用户2每个时段响应潜力，见表5。

表5 各时段需求侧响应潜力数值表(用户2)

对9个时段的响应潜力求和，得该用户需求侧响应的综合潜力值为639.90。

3.2.3 某采矿业用户3

选取用户3未开展需求侧响应月份且负荷曲线无异常畸变的5个工作日用电数据(见表6)作为分析基础。由表1知λ9=6.6%，由表6可知xmin=3.36 MWh，xav=3.6 MWh，再将09:00—10:00的用电数据代入式(5)，计算得出用户3在09:00—10:00需求侧响应潜力值为30.19。

表6 5个工作日的实际用电数据(用户3)

将9个时段的数据分别代入式(5)，可得用户3每个时段响应潜力，见表7。

表7 各时段需求侧响应潜力数值表(用户3)

对9个时段的响应潜力求和，得该用户需求侧响应的综合潜力值为393.42。

3.2.4 某商业用户4

选取未开展需求侧响应月份且负荷曲线无异常畸变的5个工作日用电数据(见表8)作为分析基础。由表1知λ9=6.6%，由表8可知xmin=7.68 MWh，xav=8.07 MWh，再将09:00—10:00的用电数据代入式(5)，计算得出用户在09:00—10:00需求侧响应潜力值为83.70。

表8 5个工作日的实际用电数据表(用户4)

将9个时段的数据分别代入式(5)，可得用户4每个时段响应潜力，见表9。

表9 各时段需求侧响应潜力数值表(用户4)

对9个时段的响应潜力求和，得该用户需求侧响应的综合潜力值为2 358.21。

3.3 评估结果分析

将上述算例所分析得出的4家用户综合潜力值进行汇总，并且计算出4家用户在9个时段需求侧响应时段xav与xmin差值的均值，体现平均响应程度。结果见表10。

表10 4家用户数据汇总

不考虑峰谷价差、需求响应价格等因素对于用户响应意愿的影响，根据实际用电数据，计算其用电波动性及其最大实际响应容量，量化评估4家企业需求响应的潜力。分析表10数据可以得出，用户4的需求侧响应综合潜力为2 358.21，排名第1，所以售电公司应优先对用户4的可调柔性负荷进行深度挖掘。售电公司通过上述方法对用户进行量化评估，可以初步筛选优质用户，由此节约调研的时间成本，提高可调负荷深度挖掘的效率。

4 结束语

基于用户用电数据在响应时段的特性分析，本文设置多个响应能力评估指标，并提出一种操作性强的电力用户需求侧响应潜力评估方法，利用此方法可以初步判断负荷聚合商所要聚合用户的需求侧响应潜力，初筛出不适合开展需求侧响应的电力用户。

由于市场规模庞大，建议先以本文所提简单易行的方法评估用户的响应能力，对综合潜力低的用户，不再对其重点开发，减轻后期响应效果的评估工作量，降低开发成本，为售电公司复合型业务的商务谈判提供参考建议。

本文用实际用电数据初步分析用户需求侧响应能力，在实际挖掘资源的过程中应考虑需求侧响应的出清价格与用户削峰成本等价格因素对用户参与需求侧响应意愿的影响。