需求响应模式下基于多特征不确定性的集群化负荷非侵入式监测及运行优化研究

With the wide applications of smart meters, non-intrusive load monitoring (NILM) technology has been equipped with valid software and hardware platforms. Since demand response management is promising in energy saving and auxiliary services, it is crucial important to establish effective non-intrusive load monitoring mode and collaborative method under demand response framework, to finally achieve the intelligent power distribution and consumption management. Based on the former studies on the non-intrusive load monitoring for a group of electrical appliances, the applicant will research on three aspects in this project, i.e. probabilistic model and decomposition approach of NILM, distributed coordination mechanism of grouped loads, and demand response and optimal operation strategies. Specifically, following contents will be addressed. 1) Considering the multi-feature uncertainties, study the probabilistic modelling and augmentation method of load signature, and propose corresponding NILM decomposition model and method. 2) Considering the characteristics of clustering, study the NILM mechanism and propose the distributed modelling approach for grouped loads. 3) Focusing on the NILM based demand response and operation optimization, propose the virtual agent strategy for demand response and the universal operation optimization for different stakeholders. The research results of this project will provide a systematic solution for the application of NILM technology in demand response.

随着智能电表的普及，非侵入式负荷监测技术具备了软硬件应用平台，如何以需求响应管理为目标，构建有效的非侵入式负荷监测模式与协同方法，实现智能配用电系统的技术完善，是当前亟需解决的实际问题。申请人基于前期对非侵入式负荷聚类监测技术的探索成果，在本项目中从非侵入式负荷监测概率化模型与分解方法、集群负荷的分布式协同机制、需求响应和优化运行策略等三个方面开展需求响应模式下非侵入式负荷监测和运行优化的系统研究。具体包括：1）研究计及多特征不确定性的非侵入式监测负荷印记概率建模和增广方法，提出概率表征形式下非侵入式负荷分解模型与方法；2）研究考虑集群特性的非侵入式监测机制，提出分布式集群网络的非侵入式聚类监测模型与模式；3）研究基于非侵入式监测的需求响应及运行优化，提出需求响应虚拟代理策略和差异化主体适用的优化运行方法。本项目的研究成果将为非侵入式负荷监测技术在需求响应中的应用提供系统的解决方案。

在配用电系统智能化发展趋势下，用电侧的智能电表得到了普及，这为非侵入式负荷监测技术从理论研究走向实用化提供了条件。而在用户侧灵活性资源参与需求响应的迫切需要下，面向具有灵活性潜力的用户负荷构建非侵入式负荷监测与感知体系，进而助力需求响应优化运行，就具有极为重要的科学意义和应用价值。.基于此，本项目开展了以下三方面研究内容并取得了相关成果。1）基于字典学习技术构建了面向多应用场景的非侵入式负荷监测技术体系与方法：同时考虑面向事件和面向态势的非侵入式负荷监测问题，基于字典学习技术构建了体系化的稀疏编码框架和方法，从而能够解决大规模对象的求解问题；此外，为了使所构建的方法体系具有实用性，考虑了实际用电场景下事件重叠和连续性功率负荷的影响，完善了基于字典学习的负荷分解体系。2）面向非侵入式负荷分解的精度提升探索了负荷印记的扩展和组合学习决策的应用：为了使所构建的非侵入式负荷分解方法的应用具有可靠性，在字典学习框架的基础上引入了时间维度上的负荷印记特征并构建演化模型，从而提升了分解表现；另外在分解决策阶段构建了异质性组合学习策略，保证了基于字典学习的非侵入式分解结果的鲁棒性。3）考虑非侵入式负荷分解感知置信水平的集群负荷参与需求响应的机制与策略研究：在用户侧非侵入式负荷监测感知结果的基础上评估用户需求响应能力，并考虑参与系统互动的用户数量大而分散的特点，提出了基于弱一致性的需求响应机制，实现了满足用户灵活互动的系统优化运行。.项目的研究成果在用户侧构建了面向实际应用场景的非侵入式负荷分解方法体系，计及了用户和电器的行为影响，且通过印记扩展和组合决策而保障了高精度和高可靠性，从而为精准感知用户侧的用能行为和灵活性能力评估提供了系统解决方案。此外针对需求响应问题所提出的弱一致性机制有利于协同规模化用户参与需求侧管理互动，从而在聚合管理的视角为需求侧资源的优化运行提供了理论依据。