郭亦宗，冯 斌，岳铂雄，郭创新，潘 军，朱以顺

（1. 浙江大学电气工程学院,浙江省杭州市310027；2. 广东电网有限责任公司广州供电局,广东省广州市510600）

0 引言

需求响应（demand response,DR）技术能够充分挖掘用户侧资源,引导用户主动参与电力市场运营与调控,也为电力系统的削峰填谷起到了较大的促进作用,是推动能源互联网建设的关键技术之一［1-2］。随着电锅炉等能量转换设备和储能技术不断提高,有关需求侧的研究不再仅仅面向电力负荷的DR,而是包含多种形式负荷、储能、分布式电源的DR［3］。DR 资源的分散性较强,其弹性水平往往达不到电网DR 的要求,难以单独与DR 购买者进行双边交易,且单一用户的决策无法满足DR 的管理和优化要求［4］。因此,有学者提出负荷聚合商（load aggregator,LA）这一商业模式,旨在整合分散的DR资源,统一调控［5］。

LA 作为连接DR 资源购买者与DR 资源的中介,是DR 得以实施的有效途径,而DR 则是LA 参与电力市场获得收益的主要方式［6］。一般来说,LA通过与用户签订DR 合同来实现需求侧管理,对用户的柔性负荷具有一定的控制权［7］。LA 为追求收益最大化,通过DR 改变用户的原始用能行为,从而影响负荷的变化趋势,现有的超短期负荷预测方法无法很好地反映LA 决策,因此研究在LA 模式下的超短期负荷预测具有必要性意义［8］。同时,在LA 模式下进行超短期负荷预测是LA 制定发电计划、调度计划以及研究DR 弹性的基础,具有重要意义［9-10］。

国内外诸多学者对超短期负荷预测的方法做了较多研究,但较少在LA 模式下考虑DR 的影响,其预测结果不能很好地服务于LA 模式的后续研究［11-13］。……