[发明专利]一种虚拟电厂的需求侧响应用电负荷调控方法及系统

权利要求书

1.一种虚拟电厂的需求侧响应用电负荷调控方法，其特征在于，包括如下步骤：

实时获取可再生能源的发电上网价格、可再生能源的发电政府补贴价格、用户侧电价信息；

获取待预测日的时间数据和对应的气象数据；

根据所述时间数据和对应的气象数据预测电力负荷数据、可再生能源发电出力功率；

根据可再生能源的发电上网价格、可再生能源的发电政府补贴价格、用户侧电价信息、电力负荷数据、可再生能源发电出力功率调控可再生能源的功率出力。

2.根据权利要求1所述的方法，其特征在于，所述根据所述时间数据和对应的气象数据预测电力负荷数据、可再生能源发电出力功率具体包括：

将所述待预测日的时间数据和对应的气象数据代入构建的电力负荷预测模型中，获得电力负荷的预测值；

将所述待预测日的时间数据和对应的气象数据代入构建的风力发电出力功率预测模型中获得所述风力发电出力功率预测值；

将所述待预测日的时间数据和对应的气象数据代入构建的光伏发电出力功率预测模型中获得所述光伏发电出力功率预测值。

3.根据权利要求2所述的方法，其特征在于，构建电力负荷预测模型具体包括：

获取用户端的历史电力负荷数据以及历史电力负荷数据对应的时间数据和历史气象数据；

对所述时间数据和历史气象数据进行处理，获得处理后的历史时间数据和历史气象数据；

利用所述处理后的历史时间数据和历史气象数据以及所述历史时间数据对应的历史电力负荷数据训练电力负荷预测模型，从而获得电力负荷预测模型。

4.根据权利要求3所述的方法，其特征在于，所述电力负荷预测模型采用径向基函数神经网络和极限学习机方法结合预测。

5.根据权利要求2所述的方法，其特征在于，所述构建风力发电出力功率预测模型具体包括：

获取风力发电出力功率的历史数据、风力发电出力功率的历史时间数据和历史气象数据；

对所述风力发电出力功率的历史时间数据和历史气象数据进行处理，获得处理后的风力发电出力功率数据以及对应的历史时间数据和历史气象数据；

利用处理后的风力发电出力功率数据和历史气象数据训练风力发电出力功率预测模型获得所述风力发电出力功率预测模型。

6.根据权利要求5所述的方法，其特征在于，所述风力发电出力功率预测模型和所述光伏发电出力功率预测模型采用ARIMA(p,q)模型，p为自回归阶数，q为移动平均阶数。

7.一种虚拟电厂的需求侧响应用电负荷调控系统，其特征在于，包括：

价格获取模块，用于实时获取可再生能源的发电上网价格、可再生能源的发电政府补贴价格、用户侧电价信息；

待测日信息获取模块，用于获取待预测日的时间数据和对应的气象数据；

预测模块，用于根据所述时间数据和对应的气象数据预测电力负荷数据、可再生能源发电出力功率；

调控模块，用于根据可再生能源的发电上网价格、可再生能源的发电政府补贴价格、用户侧电价信息、电力负荷数据、可再生能源发电出力功率调控用户端的电力负荷。

8.根据权利要求7所述的系统，其特征在于，所述预测模块包括：

电力负荷预测模块，用于将所述待预测日的时间数据和对应的气象数据代入构建的电力负荷预测模型中，获得电力负荷的预测值；

风力发电出力功率预测模块，用于将所述待预测日的时间数据和对应的气象数据代入构建的风力发电出力功率预测模型中获得所述风力发电出力功率预测值；

光伏发电出力功率预测模块，用于将所述待预测日的时间数据和对应的气象数据代入构建的光伏发电出力功率预测模型中获得所述光伏发电出力功率预测值。

9.根据权利要求8所述的系统，其特征在于：

所述电力负荷预测模型采用径向基函数神经网络和极限学习机方法结合预测。

10.根据权利要求9所述的系统，其特征在于：

所述风力发电出力功率预测模型和所述光伏发电出力功率预测模型采用ARIMA(p,q)模型，p为自回归阶数，q为移动平均阶数。