技术摘要：
本发明涉及一种低压用户负荷调控半实物仿真方法，所述方法由用户负荷模拟模块、用于采集用户负荷的获取模块、计算模块和调控模块实现；用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实际负荷，计算模块接收用户负荷模拟模块和获取模块两个模块的数据， 全部
背景技术：
当前，河北南网季节性、时段性缺电问题突出，同时，作为雾霾最严重地区，河北南 网大面积推广冬季采暖“煤改电”工程，但“煤改电”负荷为季节性、短时性负荷，配套电网设 备利用率很低，造成电网设备资源的极大浪费。因此，迫切需要对低压用户负荷进行深入采 集监控和优化控制，创新业务模式，提升电网资产利用率，提升客户服务质量，推动电网能 源转型，带动产业链上下游企业共同发展。 低压台区负荷种类多，场景类型复杂，针对不同的场景和目标，存在着多种负荷调 控优化方法。这给营销创新型业务的设计与实施带来了很大的难度。在新型业务的设计中， 难免会出现各种纰漏，需要在仿真环境中进行业务模式及算法的验证与优化，才能够在实 际环境中大规模实施，从而保证电网的安全稳定运行。 但在纯仿真环境下对算法进行验证，可能会与实际情况存在较大的误差，在实际 的示范工程中，难以对所有场景下的优化方法进行验证，因此，需要基于半实物仿真技术， 充分利用实验室设备资源及电网、用户的数据资源，构建能够与实际环境互动验证的仿真 实验环境。 发明的内容 本发明的目的旨在提供一种低压用户负荷调控半实物仿真系统及方法，采用国内最先 进的仿真技术，依据最新的国家电网建设标准，从结构、技术措施、设备选型、设备性能、设 备容错、系统管理、厂商技术支持及维修能力等方面着手，确保仿真系统安全可靠运行。提 供用户数据，仿真数据，实验结果等数据的备份手段，保证仿真系统资料的安全。 本发明的技术方案： 一种低压（220V）用户负荷调控半实物仿真方法，所述方法由用户负荷模拟模块、用于 采集用户负荷的获取模块、计算模块和调控模块实现； 用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实际负荷，计算模 块接收用户负荷模拟模块和获取模块两个模块的数据，对两类数据不加区分，同样处理；调 控模块将计算模块中得到的台区用电负荷与台区负荷进行比对并实时调节台区的用电容 量。 进一步的，用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实 际负荷。 进一步的，用户负荷模拟模块中仿真负荷数不低于10000个，仿真台区数不低于 500个。 进一步的，用户负荷模拟模块接收获取模块的数据，以实际用户的用电数据为参 照，产生模拟数据。 3 CN 111555272 A 说 明 书 2/7 页 进一步的，用户负荷模拟模块中建立家用电器种类集合DQ={dq1、…、dqj、…、 dq16}(j=1，2，…，16)，其中，dq1、…、dq16分别表示照明灯具、电视、冰箱、烤炉、电磁炉、热 水器、空调、电脑、路由器、风扇、机器人、电茶炉、充电设备、电饭煲、粉碎机、电动自行车(可 根据实际需要增减）16类家用电器。家用电器平均功率集合PDQ={pdq1、…、pdqj、…、 pdq16}，家用电器拥有量集合DQN={dqn1、…、dqnj、…、dqn16}； 其中，pdqj表示该用户拥有的第j种类型家用电器dqj的数量； dqnj(j=1，2，…，16)表示该用户拥有的第j种类型家用电器dqj的平均功率。 进一步的，获取模块提供的数据量不少于用户负荷模拟模块提供的数据量。 进一步的，获取模块中计算用户负荷包括各种家用电器在任意时刻ti的运行状态 可以用开关函数表示：Kij=0，表示ti时刻第j种家用电器处于停运状态；Kij=1，表示ti时刻第 j种家用电器处于在运状态。那么低压用户任意时刻的负荷可以表示为各类型家用电器的数 量、平均功率和运行状态的函数，ti时刻低压用户的负荷 pi为： 。 进一步的，计算模块中计算台区负荷包括按照高峰时段日户均居民生活用电量可 以将配电台区低压用户分为高、中上、中、中下、低5个水平类型用户，然后分别对每类型用 户的最大负荷月高峰时段的负荷进行模拟，最后根据各类型用户的数量对所有用户负荷进 行求和，即可得到台区高峰时段负荷。 进一步的，高峰时段日户均居民生活用电量大于等于4kWh为高水平类型用户；大 于等于3kWh、小于4kWh为中上水平类型用户；大于等于2kWh、小于3kWh为中水平类型用户； 大于等于1kWh、小于2kWh为中下水平类型用户；小于1kWh为低水平类型用户。 进一步的，调控模块将计算模块中得到的台区用电负荷与台区负荷进行比对并实 时调节台区的用电容量。 本发明的优点： （1）具备低压用户典型负荷仿真功能，具备各类外界环境条件下，分析并模拟低压用户 各类用电设备使用情况的能力，具备不同优化策略下低压用户可调节负荷调节行为的模拟 能力； （2）具备低压用户典型实物负荷设备排程控制功能，支持在运行态下灵活的设置用户 负荷设备开关量的开关时间，支持按单次、按一定间隔连续、按天、按月设置时间； （3）具备电网状态仿真功能，能够仿真低压台区配电网运行状态，通过潮流计算仿真模 拟低压配电网在不同外部环境、不同电源出力情况、有线路发生故障时等状态下电网的运 行情况； （4）具备负荷调控算法模块，能够根据电网调节需求和用户负荷状态，选择并运行合适 的优化算法，生成不同环境下低压用户群典型可调负荷的调节控制逻辑，对家庭用能设备 和电网运行状态进行仿真控制； （5）具备系统运行状态可视化展示功能，能够直观的展示低压用户可调节负荷的调节 潜力、调节前后的系统状态等信息。 附图说明 图1为本发明的工艺流程图。 4 CN 111555272 A 说 明 书 3/7 页
技术实现要素：
实施例1 如图1所示，一种低压用户负荷调控半实物仿真方法,所述方法由用户负荷模拟模块、 用于采集用户负荷的获取模块、计算模块和调控模块实现。 用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实际负荷。计 算模块接收两个模块的数据，对两类数据不加区分，同样处理。 为了仿真更接近实际情况，本发明对两个模块提供的数据数量加以限制：获取模 块提供的数据量至少等于用户负荷模拟模块提供的数据量。一般以上为真实数据，仿真结 果更加可靠。 另外，同一区域内的用户行为有一定的相似性或有一定的规律可循，为了模拟更 真实的用户动作，用户负荷模拟模块接收获取模块的数据，以实际用户的用电数据为参照， 产生模拟数据。 用户负荷模拟模块中仿真负荷数10000个，仿真台区数500个。 用户负荷模拟模块中建立家用电器种类集合DQ={dq1、…、dqj、…、dq16}(j=1， 2，…，16)，其中，dq1、…、dq16分别表示照明灯具、电视、冰箱、烤炉、电磁炉、热水器、空调、 电脑、路由器、风扇、机器人、电茶炉、充电设备、电饭煲、粉碎机、电动自行车16类家用电器。 家用电器平均功率集合PDQ={pdq1、…、pdqj、…、pdq16}，家用电器拥有量集合DQN= {dqn1、…、dqnj、…、dqn16}。其中，pdqj、dqnj(j=1，2，…，16)分别表示该用户拥有的第j种 类型家用电器dqj的数量和平均功率。 获取模块中计算用户负荷包括各种家用电器在任意时刻ti的运行状态可以用开 关函数表示：Kij=0，表示ti时刻第j种家用电器处于停运状态；Kij=1，表示ti时刻第j种家 用电器处于在运状态。那么低压用户任意时刻的负荷可以表示为各类型家用电器的数量、 平均功率和运行状态的函数，ti时刻低压用户的负荷 pi为： 。 计算模块中计算台区负荷包括按照高峰时段日户均居民生活用电量可以将配电 台区低压用户分为高、中上、中、中下、低5个水平类型用户（高峰时段日户均居民生活用电 量大于等于4kWh为高水平类型用户，大于等于3kWh、小于4kWh为中上水平类型用户，大于等 于2kWh、小于3kWh为中水平类型用户，大于等于1kWh、小于2kWh为中下水平类型用户，小于 1kWh为低水平类型用户），然后分别对每类型用户的最大负荷月（如8月）高峰时段的负荷进 行模拟，最后根据各类型用户的数量对所有用户负荷进行求和，即可得到台区高峰时段负 荷。 根据某用户最大负荷月（如8月）D天的高峰时段的用电量Q={q1、…、qd、…、qD}(d= 1，2，…，D)和当前负荷曲线序列值Pi={p1、…、pi、…、pn}，运用遗传算法逐步对ti时刻点该 用户的家用电器使用概率典型值进行优化的具体过程如下。 步骤1：设置遗传算法最大迭代次数Maxiter和种群规模ZQnum的值，置迭代次数h 的初始值为0。 步骤2：根据基因编码策略，对ti时刻该用户的各种家用电器使用概率对应进行软 色体编码，产生初始种群ZQ0。 步骤3：令h=h 1。 步骤4：将种群ZQ（h–1）的数据赋值给种群ZQh。 5 CN 111555272 A 说 明 书 4/7 页 步骤5：令染色体标号l的初始值等于0。 步骤6：令l=l 1。 步骤7：从种群中取出第l个染色体，并将其进行反编码，得到ti时刻该用户各种家 用电器的使用概率。 步骤8：进行随机抽样，得到该用户家用电器在ti时刻的负荷值pi。 步骤9：更新当前负荷曲线序列值Pi={p1、p2、…、pm}。 步骤10：根据当前负荷曲线序列值Pi={p1、p2、…、pm}，计算该用户高峰时段家用 电器负荷平均值。 步骤11：读取该用户的高峰时段的用电量集合Q={q1、…、qd、…、qD}，计算该用户 的高峰时段的平均负荷集合PG={pg1、…、pg2、…、pgD}。 步骤12：计算第i个染色体的适应度函数值。 步骤13：判断l是否大于种群规模ZQnum，如果l的值小于ZQnum的值，转步骤6；如果 如果l的值大于或等于ZQnum的值，转下一步骤。 步骤14：选择。 步骤15：进行双亲双子单点基因整体交叉。 步骤16：变异。 步骤17：更新种群ZQh。 步骤18：判断迭代次数h是否大于最大迭代次数Maxiter，如果h小于Maxiter，转步 骤3；如果h大于或等于Maxiter，转下一步骤。 步骤19：将适应度函数值最优的个体的染色体进行反编码，得到ti时刻该用户各 种家用电器的使用概率优化值。 步骤20：结束。 调控模块将计算模块中得到的台区用电负荷与台区负荷进行比对并实时调节台 区的用电容量。 实施例2 如图1所示，一种低压用户负荷调控半实物仿真方法,所述方法由用户负荷模拟模块、 用于采集用户负荷的获取模块、计算模块和调控模块实现。 用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实际负荷。计 算模块接收两个模块的数据，对两类数据不加区分，同样处理。 为了仿真更接近实际情况，本发明对两个模块提供的数据数量加以限制：获取模 块提供的数据量至少等于用户负荷模拟模块提供的数据量。一般以上为真实数据，仿真结 果更加可靠。 另外，同一区域内的用户行为有一定的相似性或有一定的规律可循，为了模拟更 真实的用户动作，用户负荷模拟模块接收获取模块的数据，以实际用户的用电数据为参照， 产生模拟数据。 用户负荷模拟模块中仿真负荷数12000个，仿真台区数600个。 用户负荷模拟模块中建立家用电器种类集合DQ={dq1、…、dqj、…、dq16}(j=1， 2，…，16)，其中，dq1、…、dq16分别表示照明灯具、电视、冰箱、烤炉、电磁炉、热水器、空调、 电脑、路由器、风扇、机器人、电茶炉、充电设备、电饭煲、粉碎机、电动自行车16类家用电器。 6 CN 111555272 A 说 明 书 5/7 页 家用电器平均功率集合PDQ={pdq1、…、pdqj、…、pdq16}，家用电器拥有量集合DQN= {dqn1、…、dqnj、…、dqn16}。其中，pdqj、dqnj(j=1，2，…，16)分别表示该用户拥有的第j种 类型家用电器dqj的数量和平均功率。 获取模块中计算用户负荷包括各种家用电器在任意时刻ti的运行状态可以用开 关函数表示：Kij=0，表示ti时刻第j种家用电器处于停运状态；Kij=1，表示ti时刻第j种家 用电器处于在运状态。那么低压用户任意时刻的负荷可以表示为各类型家用电器的数量、 平均功率和运行状态的函数，ti时刻低压用户的负荷 pi为： 。 计算模块中计算台区负荷包括按照高峰时段日户均居民生活用电量可以将配电 台区低压用户分为高、中上、中、中下、低5个水平类型用户（高峰时段日户均居民生活用电 量大于等于4kWh为高水平类型用户，大于等于3kWh、小于4kWh为中上水平类型用户，大于等 于2kWh、小于3kWh为中水平类型用户，大于等于1kWh、小于2kWh为中下水平类型用户，小于 1kWh为低水平类型用户），然后分别对每类型用户的最大负荷月（如7月）高峰时段的负荷进 行模拟，最后根据各类型用户的数量对所有用户负荷进行求和，即可得到台区高峰时段负 荷。 根据某用户最大负荷月（如7月）D天的高峰时段的用电量Q={q1、…、qd、…、qD}(d= 1，2，…，D)和当前负荷曲线序列值Pi={p1、…、pi、…、pn}，运用遗传算法逐步对ti时刻点该 用户的家用电器使用概率典型值进行优化的具体过程如下。 步骤1：设置遗传算法最大迭代次数Maxiter和种群规模ZQnum的值，置迭代次数h 的初始值为0。 步骤2：根据基因编码策略，对ti时刻该用户的各种家用电器使用概率对应进行软 色体编码，产生初始种群ZQ0。 步骤3：令h=h 1。 步骤4：将种群ZQ（h–1）的数据赋值给种群ZQh。 步骤5：令染色体标号l的初始值等于0。 步骤6：令l=l 1。 步骤7：从种群中取出第l个染色体，并将其进行反编码，得到ti时刻该用户各种家 用电器的使用概率。 步骤8：进行随机抽样，得到该用户家用电器在ti时刻的负荷值pi。 步骤9：更新当前负荷曲线序列值Pi={p1、p2、…、pm}。 步骤10：根据当前负荷曲线序列值Pi={p1、p2、…、pm}，计算该用户高峰时段家用 电器负荷平均值。 步骤11：读取该用户的高峰时段的用电量集合Q={q1、…、qd、…、qD}，计算该用户 的高峰时段的平均负荷集合PG={pg1、…、pg2、…、pgD}。 步骤12：计算第i个染色体的适应度函数值。 步骤13：判断l是否大于种群规模ZQnum，如果l的值小于ZQnum的值，转步骤6；如果 如果l的值大于或等于ZQnum的值，转下一步骤。 步骤14：选择。 步骤15：进行双亲双子单点基因整体交叉。 步骤16：变异。 7 CN 111555272 A 说 明 书 6/7 页 步骤17：更新种群ZQh。 步骤18：判断迭代次数h是否大于最大迭代次数Maxiter，如果h小于Maxiter，转步 骤3；如果h大于或等于Maxiter，转下一步骤。 步骤19：将适应度函数值最优的个体的染色体进行反编码，得到ti时刻该用户各 种家用电器的使用概率优化值。 步骤20：结束。 调控模块将计算模块中得到的台区用电负荷与台区负荷进行比对并实时调节台 区的用电容量。 实施例3 如图1所示，一种低压用户负荷调控半实物仿真方法,所述方法由用户负荷模拟模块、 用于采集用户负荷的获取模块、计算模块和调控模块实现。 用户负荷模拟模块用于模拟用户用电负荷，获取模块用于采集用户实际负荷。计 算模块接收两个模块的数据，对两类数据不加区分，同样处理。 为了仿真更接近实际情况，本发明对两个模块提供的数据数量加以限制：获取模 块提供的数据量至少等于用户负荷模拟模块提供的数据量。一般以上为真实数据，仿真结 果更加可靠。 另外，同一区域内的用户行为有一定的相似性或有一定的规律可循，为了模拟更 真实的用户动作，用户负荷模拟模块接收获取模块的数据，以实际用户的用电数据为参照， 产生模拟数据。 用户负荷模拟模块中仿真负荷数14000个，仿真台区数700个。 用户负荷模拟模块中建立家用电器种类集合DQ={dq1、…、dqj、…、dq16}(j=1， 2，…，16)，其中，dq1、…、dq16分别表示照明灯具、电视、冰箱、烤炉、电磁炉、热水器、空调、 电脑、路由器、风扇、机器人、电茶炉、充电设备、电饭煲、粉碎机、电动自行车16类家用电器。 家用电器平均功率集合PDQ={pdq1、…、pdqj、…、pdq16}，家用电器拥有量集合DQN= {dqn1、…、dqnj、…、dqn16}。其中，pdqj、dqnj(j=1，2，…，16)分别表示该用户拥有的第j种 类型家用电器dqj的数量和平均功率。 获取模块中计算用户负荷包括各种家用电器在任意时刻ti的运行状态可以用开 关函数表示：Kij=0，表示ti时刻第j种家用电器处于停运状态；Kij=1，表示ti时刻第j种家 用电器处于在运状态。那么低压用户任意时刻的负荷可以表示为各类型家用电器的数量、 平均功率和运行状态的函数，ti时刻低压用户的负荷 pi为： 。 计算模块中计算台区负荷包括按照高峰时段日户均居民生活用电量可以将配电 台区低压用户分为高、中上、中、中下、低5个水平类型用户（高峰时段日户均居民生活用电 量大于等于4kWh为高水平类型用户，大于等于3kWh、小于4kWh为中上水平类型用户，大于等 于2kWh、小于3kWh为中水平类型用户，大于等于1kWh、小于2kWh为中下水平类型用户，小于 1kWh为低水平类型用户），然后分别对每类型用户的最大负荷月（如9月）高峰时段的负荷进 行模拟，最后根据各类型用户的数量对所有用户负荷进行求和，即可得到台区高峰时段负 荷。 根据某用户最大负荷月（如9月）D天的高峰时段的用电量Q={q1、…、qd、…、qD}(d= 1，2，…，D)和当前负荷曲线序列值Pi={p1、…、pi、…、pn}，运用遗传算法逐步对ti时刻点该 8 CN 111555272 A 说 明 书 7/7 页 用户的家用电器使用概率典型值进行优化的具体过程如下。 步骤1：设置遗传算法最大迭代次数Maxiter和种群规模ZQnum的值，置迭代次数h 的初始值为0。 步骤2：根据基因编码策略，对ti时刻该用户的各种家用电器使用概率对应进行软 色体编码，产生初始种群ZQ0。 步骤3：令h=h 1。 步骤4：将种群ZQ（h–1）的数据赋值给种群ZQh。 步骤5：令染色体标号l的初始值等于0。 步骤6：令l=l 1。 步骤7：从种群中取出第l个染色体，并将其进行反编码，得到ti时刻该用户各种家 用电器的使用概率。 步骤8：进行随机抽样，得到该用户家用电器在ti时刻的负荷值pi。 步骤9：更新当前负荷曲线序列值Pi={p1、p2、…、pm}。 步骤10：根据当前负荷曲线序列值Pi={p1、p2、…、pm}，计算该用户高峰时段家用 电器负荷平均值。 步骤11：读取该用户的高峰时段的用电量集合Q={q1、…、qd、…、qD}，计算该用户 的高峰时段的平均负荷集合PG={pg1、…、pg2、…、pgD}。 步骤12：计算第i个染色体的适应度函数值。 步骤13：判断l是否大于种群规模ZQnum，如果l的值小于ZQnum的值，转步骤6；如果 如果l的值大于或等于ZQnum的值，转下一步骤。 步骤14：选择。 步骤15：进行双亲双子单点基因整体交叉。 步骤16：变异。 步骤17：更新种群ZQh。 步骤18：判断迭代次数h是否大于最大迭代次数Maxiter，如果h小于Maxiter，转步 骤3；如果h大于或等于Maxiter，转下一步骤。 步骤19：将适应度函数值最优的个体的染色体进行反编码，得到ti时刻该用户各 种家用电器的使用概率优化值。 步骤20：结束。 调控模块将计算模块中得到的台区用电负荷与台区负荷进行比对并实时调节台 区的用电容量。 9 CN 111555272 A 说 明 书 附 图 1/1 页 图1 10
