[论文解读] Data-Driven Load Profiles and the Dynamics of Residential Electric PowerConsumption

Mehrnaz Anvari, Elisavet Proedrou+4 more|arXiv (Cornell University)|Sep 19, 2020

Smart Grid Energy Management参考文献 35被引用 7

一句话总结

本文提出了一种基于数据的实证方法，利用经验模态分解（EMD）从高分辨率居民用电数据中提取精确的平均负荷曲线（ALP），并建模需求波动。ALP在拟合真实世界数据方面显著优于标准负荷曲线（H0 SLP），最小均方误差（MSE）降低15%，揭示了家庭用电需求具有高度间歇性和偏态特性，挑战了传统负荷曲线在未来的电网规划中适用性的充分性。

ABSTRACT

The dynamics of power consumption constitutes an essential building block for planning and operating energy systems based on renewable energy supply. Whereas variations in the dynamics of renewable energy generation are reasonably well studied, a deeper understanding of short and long term variations in consumption dynamics is still missing. Here, we analyse highly resolved residential electricity consumption data of Austrian and German households and propose a generally applicable methodology for extracting both the average demand profiles and the demand fluctuations purely from time series data. The analysis reveals that demand fluctuations of individual households are skewed and consistently highly intermittent. We introduce a stochastic model to quantitatively capture such real-world fluctuations. The analysis indicates in how far the broadly used standard load profile (SLP) may be is insufficient to describe the key characteristics observed. These results offer a better understanding of demand dynamics, in particular its fluctuations, and provide general tools for disentangling mean demand and fluctuations for any given system. The insights on the demand dynamics may support planning and operating future-compliant (micro) grids in maintaining supply-demand balance.

研究动机与目标

• 开发一种通用的、基于数据的方法，从高分辨率居民用电数据中提取平均负荷曲线（ALP）并建模需求波动。
• 评估广泛使用的标准负荷曲线（H0 SLP）在表征真实世界居民用电需求动态方面的局限性。
• 量化家庭用电需求波动的统计特性，特别是其偏度和间歇性。
• 提供一种稳健且优化的ALP，使其在多个家庭数据集上拟合实证数据的表现优于H0 SLP。
• 通过改进对需求动态的表征，特别是针对高比例可再生能源接入的系统，支持未来智能电网的设计与运行。

提出的方法

• 该方法使用经验模态分解（EMD）将平均周用电需求曲线分解为本征模函数（IMFs），将低频趋势与高频波动分离。
• 通过将最低频的8至18个低频IMFs（取决于数据）相加，重构平均负荷曲线（ALP），选择标准以最小化预测值与实际消耗之间的均方误差（MSE）。
• 通过最小化MSE确定最优低频模态数量（N_optimal = 8），并在多个连续四周周期内验证性能。
• 开发了一种随机模型，以定量捕捉数据中观察到的真实需求波动的偏态和间歇性特征。
• 在7天间隔、2秒时间分辨率下（L = 604,800个数据点），使用MSE将ALP与H0 SLP的性能进行比较。
• 该方法应用于三个数据集：NOVAREF（公开，CC-BY）、ADRES（TU Wien）和ENERA（DLR/EWE），后两者的数据获取受限。

实验结果

研究问题

• RQ1 标准负荷曲线（H0 SLP）在高时间分辨率下多大程度上能表征居民用电实际动态？
• RQ2 家庭用电需求波动的统计结构是什么？它们与高斯或对称假设的偏离程度如何？
• RQ3 基于EMD的基于数据的实证方法能否生成比H0 SLP更精确的平均负荷曲线？
• RQ4 为重建最小误差的平均负荷曲线，应求和多少个低频模态为最优？
• RQ5 居民用电需求波动在多大程度上表现出偏度和间歇性？如何进行随机建模？

主要发现

• 通过求和最低8至18个低频IMF重构的ALP，始终优于H0 SLP，其最小MSE比H0 SLP低15%。
• 在NOVAREF数据集中，大多数四周周期的最优模态数量（N_optimal）为8。
• 家庭用电需求波动始终呈现偏态且高度间歇，表明对称或高斯模型无法充分捕捉真实世界动态。
• 在所有测试配置中，ALP方法的均方误差（MSE）均低于H0 SLP，且MSE比值（MSE_ALP / MSE_H0SLP）在N ≈ N_optimal时始终低于1。
• 通过最优N下MSE占比小于1，确认结果非随机，表明其统计显著性超越偶然性。
• 该方法具有通用性，可应用于任何系统，以从时间序列数据中分离出平均需求与波动分量。