基于组合在线学习的居民负荷聚合控制

As intermittent renewables, such as wind and solar, increase and conventional generators retire, the natural reliability concerns on balancing real-time electricity demand and supply motivate the utilization of demand-side resources. The model of a residential appliance can be complicated, and end users’ energy consumption behaviour is complicated and stochastic in nature. By and large, compared to other conventional grid assets such as fossil fuel generators, the aggregated behavior of residential demands can be less reliable and responsive for power grid operations. Challenged by this status quo and boosted by the advantages of the population of smart energy management systems and the fast development of machine learning technologies, this project is expected to deepen the understanding of residential demands, enhance the controllability of their aggregated behavior, increase the value of demand-side resources in power system operation, and eventually ensure the reliability and safety of grid operation with high penetration of renewables.

光伏、风力发电等能源形式具有波动性、间歇性，将高比例的可再生能源规模化接入电网后，不可避免地给电网的安全稳定运行带来了诸如运行灵活性下降等消极影响。在此背景下，通过聚合控制大量对连续供电要求不高的居民负荷，实现能源供需的实时平衡，提升运行灵活性，确保系统的安全稳定运行，成为了当前能源系统研究的热点之一。由于负荷模型复杂和用户行为存在随机性和不确定性，负荷聚合控制难以达成经济、可靠、实时精准的效果，难以成为优质的可调度资源。因此，本课题结合物联网智能终端提供的数据基础与组合在线学习技术在协调控制具有不确定性和随机性的资源的优势，拟提出了基于组合在线学习的居民负荷聚合控制方法。本课题的研究成果将提升负荷聚合控制的可控性与可靠性，全面地提高负荷侧资源的利用价值，为高比例可再生能源接入环境下能源系统的安全与稳定运行提供关键技术支撑。

本项目总体研究目标是针对智能物联网终端接入的大量可控柔性负荷，探寻一套切实可行的负荷聚合管理方案，提高系统运行灵活性，支撑高比例可再生能源接入的新型电力系统安全与稳定运行。具体完成内容包括：1）调研了用户对于负荷聚合控制、补贴方法等因素的偏好，定量分析了不同聚合模式对原有功能影响的容忍度、价格敏感度等关键因素，建立了基于多源异构数据的负荷聚合方案的评估模型；2）建立了单一用户的负荷模型以及参与聚合对其原有功能影响的模型，并基于此，根据外界环境及负荷运行状态等因素变化，设计了包含聚合量、聚合可靠性和对原有功能的影响程度的负荷聚合效果事前区间预测模型； 3）提出了基于组合在线学习的负荷聚合精准实时控制方法，在此基础上针对不同应用场景，优化调校了组合在线学习方法中的学习策略和参数。以上成果充分了利用大数据和组合在线学习技术的优势，通过挖掘信息量丰富的多源异构数据，控制有实时调节能力的智能物联网终端，提升了负荷聚合方案的设计质量，提高了多元化的负荷可调能力事前预测水平，实现更可靠、更精准、更经济的负荷侧资源聚合控制。.此外，本项目提出的聚合效果事前预测方法与实时聚合控制方法已在国家电网公司总部2022年度十大重点攻关项目《支撑新型电力系统的负荷精准评估、调控技术研究及应用》进行了示范应用。