计及设备作业特征与用电行为的高耗能工业负荷自动需求响应策略

doi:10.26945/j.cnki.1001-9898.2025.04.004

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

计及设备作业特征与用电行为的高耗能工业负荷自动需求响应策略

Issue 4, Pages: 65-74(2025)

更新时间：2025-09-10

- 计及设备作业特征与用电行为的高耗能工业负荷自动需求响应策略
- 作者机构：
  
  1. 国网河北省电力公司邯郸供电分公司
  2. 国电南京自动化股份有限公司
- 作者简介：
- 基金信息：
- DOI：10.26945/j.cnki.1001-9898.2025.04.004
  CLC： TM73
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (4): 65-74.
DOI：

[J]. 2025, (4): 65-74. DOI： 10.26945/j.cnki.1001-9898.2025.04.004.

摘要

针对高耗能工业负荷因用电特性复杂导致参与电网需求响应(demand response

DR)意愿低的问题，提出计及设备作业特征与用电行为的自动需求响应(automated demand response

ADR)策略。首先，以铸造业为研究对象，引入日订单负荷率作为关键特征，采用霜冰算法(rime optimization algorithm

RIME)对双向长短时记忆(bi-directional long short-term memory

BiLSTM)神经网络的关键参数进行优化，得到RIME-BiLSTM算法，预测铸造厂的基线负荷；其次，依据设备特性将负荷细分为基本、可平移以及可调节三类，并构建融合关键负荷保障、灵活平移调配以及动态调节优化的3个自动需求响应策略集，通过效用函数获取用户收益最大化的效用因子权重，进而实现策略优选决策；最后，基于某铸造厂的实际运行数据进行仿真验证。结果表明：该策略通过匹配设备特性与用电行为，提升企业收益15.8%

增强了高耗能工业用户参与DR的积极性。

Abstract

关键词

Keywords

references

贺义博,靳鸿,周春,屈盛玉.基于RIME和1DCNN-LSTM-Attention的无创血糖预测模型研究[J].现代电子技术,2024(18).

姚劲夫.铸造机械设备生产过程自动化控制系统设计[J].现代制造技术与装备,2024(03).

欧阳福莲,王俊,周杭霞.基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法[J].电力系统保护与控制,2023(02).

朱凌建,荀子涵,王裕鑫,崔强,陈文义,娄俊超.基于CNN-Bi LSTM的短期电力负荷预测[J].电网技术,2021(11).

李文武,石强,李丹,胡群勇,唐芸,梅锦超.基于VMD和PSO-SVR的短期电力负荷多阶段优化预测[J].中国电力,2022(08).

晋宏杨,王维洲,梁琛,李晓辉,孙宏斌,王彬.考虑高载能负荷无功特性的高载能-新能源协调调度[J].电网技术,2017(08).

丁一,吴华华,惠红勋,张俊.适合需求侧主动响应的中国电力市场机制的思考与建议[J].南方电网技术,2016(03).

杨永标,颜庆国,王冬,杨斌,高辉.居民用户智能用电建模及优化仿真分析[J].电力系统自动化,2016(03).

刘经浩,贺蓉,李仁发,曾刚.一种基于实时电价的HEMS家电最优调度方法[J].计算机应用研究,2015(01).

汤奕,鲁针针,宁佳,林扬宇.基于电力需求响应的智能家电管理控制方案[J].电力系统自动化,2014(09).

高赐威,梁甜甜,李扬.自动需求响应的理论与实践综述[J].电网技术,2014(02).

盛万兴,史常凯,孙军平,张波,仉天舒.智能用电中自动需求响应的特征及研究框架[J].电力系统自动化,2013(23).

杜威,潘苗.物联网在智能电网中的应用[J].江苏电机工程,2013(04).

宋宁宁,仝娜,严行建,王澄.智能电网若干问题的探讨[J].江苏电机工程,2010(03).

Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Republic of Korea,Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Republic of Korea,Encored Technologies, 215 Bongeunsa-ro, Gangnam-gu, Seoul 06109, Republic of Korea,Korea Power Exchange, 625, Bitgaram-ro, Naju-si, Jeollanam-do 58322, Republic of Korea,Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Republic of Korea.Defining virtual control group to improve customer baseline load calculation of residential demand response[J].Applied Energy,2019.

Yongbao Chen,Peng Xu,Yiyi Chu,Weilin Li,Yuntao Wu,Lizhou Ni,Yi Bao,Kun Wang.Short-term electrical load forecasting using the Support Vector Regression (SVR) model to calculate the demand response baseline for office buildings[J].Applied Energy,2017.

Mohajeryami Saeed,Doostan Milad,Asadinejad Ailin,Schwarz Peter.Error Analysis of Customer Baseline Load (CBL) Calculation Methods for Residential Customers[J].IEEE Transactions on Industry Applications,2017.

Nicoleta Arghira,Lamis Hawarah,Stéphane Ploix,Mireille Jacomino.Prediction of appliances energy use in smart homes[J].Energy,2012.

Shaghayegh Yousefi,Mohsen Parsa Moghaddam,Vahid Johari Majd.Optimal real time pricing in an agent-based retail market using a comprehensive demand response model[J].Energy,2011.

Hassan Farhangi.The path of the smart grid[J].IEEE Power and Energy Magazine,2010.

M.H. Albadi,E.F. El-Saadany.A summary of demand response in electricity markets[J].Electric Power Systems Research,2008.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰