标准规范下载简介：
内容预览由机器从pdf转换为word，准确率92%以上，供参考
GB／T 37016-2018 电力用户需求响应节约电力测量与验证技术要求GB/T370162018
第二步：结果修正 根据公式（2），利用修正系数K对未修正的基线负荷序列值进行修正。 P=KXP' ·（2 式中： 修正后的用户基线负荷。
第二步：结果修正 根据公式（2）NY/T 1046-2016 绿色食品 焙烤食品，利用修正系数K对未修正的基线负荷序列值进行修正。 P=KXP' 式中： 修正后的用户基线负荷
节约电力计算步骤如下： 第一步：以T。为周期，记录执行需求响应当日需求响应期所辖各数据采集时刻的负荷值，得到用 户需求响应期的实测负荷P； 第二步：节约电力即为基线负荷平均值与实测负荷平均值的差，根据公式(3)求得
节约电力计算步骤如下： 第一步：以T。为周期，记录执行需求响应当日需求响应期所辖各数据采集时刻的负荷值，得到 需求响应期的实测负荷P； 第二步：节约电力即为基线负荷平均值与实测负荷平均值的差，根据公式（3)求得
节约电力值，单位为千瓦（kW）； 修正后用户基线负荷的平均值，单位为千瓦（kW）； P 一需求响应期用户实际负荷的平均值，单位为千瓦（kW）。 注1：关于利用日期匹配法计算需求响应节约电力的详细计算步骤，参见附录A 注2：附录B给出了利用回归分析法计算需求响应节约电力的算法和详细计算步骤
电力用户需求响应节约电力测量与验证，需满足以下要求： a）在电力用户侧应具有采集和存储用电负荷、电量、时间等数据的设备或系统，且至少能够保存 一个月的历史数据。 b 电力用户用电负荷数据采集周期不大于15min， 电力用户用电负荷数据采集设备或系统应由具备相应资质的机构进行检测，其中： 1）居民用户负荷数据测量精度不低于2.0级； 2）工商业用户负荷数据测量精度不低于1.0级， d）计算需求响应期节约电力时，应综合考虑电力用户负荷影响因索（如气候等）的变化情况，对用 户基线负荷进行修正。 依据电力用户所参与需求响应项目的位置，选取项目所在地官方公布的历史及未来气象数据。 f 统一使用干瓦（kW）作为电力负荷的计量单位
电力用户需求响应节约电力测量与验证，需满足以下要求： a）在电力用户侧应具有采集和存储用电负荷、电量、时间等数据的设备或系统，且至少能够保存 一个月的历史数据。 电力用户用电负荷数据采集周期不大于15min。 电力用户用电负荷数据采集设备或系统应由具备相应资质的机构进行检测，其中： 1）居民用户负荷数据测量精度不低于2.0级； 2）工商业用户负荷数据测量精度不低于1.0级， d 计算需求响应期节约电力时，应综合考虑电力用户负荷影响因系（如气候等的变化情况，对用 户基线负荷进行修正。 依据电力用户所参与需求响应项目的位置，选取项目所在地官方公布的历史及未来气象数据。 统一使用千瓦（kW）作为电力负荷的计量单位
测量与验证方法包括确定参与需求响应的具体对象、基线负荷计算以及节约电力计算 图1所示。
GB/T 370162018
节约电力测量与验证方
确定参与需求响应的电力用户及其所辖用电系统或设备，建立获取用电系统或设备铭牌参数、运 荷数据、历史负荷数据的途径，并根据用户类型（工业用户、商业用户以及居民用户等）收集影响用 荷的影响因素数据
线负荷主要包括典型日确定、统计计算和结果修
按5.1.3执行计算过程。
按5.1.4所述方法，对计算出的基线负荷进行修1
按照公式（3）计算节约电力。 注：附录C给出了利用日期匹配法开展典型商业用户需求响应节约电力测量与验证的案例
GB/T370162018
设d，为执行需求响应当日，基线负荷计算方法如下： a）需求响应日为工作日 如果需求响应日d，属于工作日，则按以下步骤计算基线负荷： 第一步：选取d,1，d2，dm（m=3，5，8)为d，前的连续m个典型日，假设用户负荷数据采集周 期为T。，则： t1，t2，"tj1，t；属于d，当日需求响应期内连续的采集时刻； p=1.1，P=1.2："px1.+1，p1.,为需求响应日前第1个典型日对应上述时刻的历史负荷值； p=2.1P2.2，P=2.j1，P2.;为需求响应日前第2个典型日对应上述时刻的历史负荷值； 依次类推，p#m，1，prm.2，"pnmj1，prmj为需求响应日前第m个典型目对应上述时刻的历史负 荷值。 第二步：根据公式（A.1)求得m个不同典型日内对应t；时刻的历史负荷值的平均值
对于用电负荷受气候、生产产量以及其他随机因素影响较大的电力用户，应当对用户基线负荷进 修正，需求响应期在工作日时和非工作日均按以下步骤进行修正，修正步骤如下： 第一步：计算修正系数K 根据公式（A.3)求得K（K取值范围为0.8～1.2)，若低于0.8按0.8计算、超出1.2按1.2计算
GB/T 370162018
节约电力计算方法如下： 第一步：取需求响应期实际负荷值 以T。为周期，记录执行需求响应当日需求响应期所辖各时刻的负荷值，用公式（A.4)表示
设ps,为需求响应期t，时刻用户基线负荷值p，与实测负荷p，的差值，即psj=p；一p， P、为节约电力，由公式（A.5)计算得到。
P, = Ps.1 +Ps.2 1,2,3·.. ..(A.
GB/T370162018
附录B （资料性附录） 回归分析法节约电力计算过程
回归分析方法可以针对单个用户计算基线负荷，但也适用于针对用户群体计算基线负荷，主要步骤 为：首先根据用户类型、所在地区等进行分类；然后针对每一类用户取其中个别用户的用电负荷数据及 其所在地气温/湿度等影响因素数据建立回归式，求出回归式参数；最后根据建立的回归式，估计该类群 本用户中其他用户的需求响应期基线负荷。 回归分析法运用统计学理论，基于负荷数据和影响负荷变化的影响因素数据（气温、湿度等)建立回 日模型，并采用电力用户参与需求响应当日的影响因素数据计算电力用户未参与需求响应情况下的负 荷曲线，即基线负荷。 回归分析法更适用于负荷单一，生产相对固定的企业或行业。但与日期匹配法相比，计算过程相对 复杂，但在历史负荷数据不完整、数据记录错误等因素导致历史负荷数据质量不高时，运用回归分析方 去能够提高基线负荷计算的准确性
B.2用户基线负荷计算
主要运用以下两类数据进行回归分析，计算需求响应期用户基线负荷， 执行需求响应前数日（典型日），与需求响应期同时段的用户实际用电负荷以及影响用户用电负荷 的影响因素（气温、湿度等），运用执行需求响应前数日的数据进行分析时，根据需求响应期属于工作日 或非工作日而分别考虑选取数据的时间范围： a）若为工作日，则选择前10日（即星期一～星期五，参与需求响应日除外）内与需求响应期对应 时段，并接T。为周期采集相应时刻的负荷数据、影响因素数据等； b）若为非工作日，则选择前3日（即星期六、星期日及节假日，参与需求响应日除外）内与需求响 应期对应时段，并接T。为周期采集相应时刻的负荷数据、影响因素数据等。 执行需求响应当日，按T。为周期采集需求响应期前数小时（典型小时）内各时刻用户实际用电负 简数据以及影响用户用电负荷的影响因素数据（气温、湿度等）
数据处理方法为： 第一步：将用户在典型日或典型小时内的每一个用电负荷数据拆分为两部分，即基本分量，以及受 气温、湿度等因素影响的敏感分量。 第二步：计算基本分量，方法为： a 如果利用典型日内有关数据计算需求响应期用户负荷基本分量，则利用典型日内与需求响应 期对应时刻的历史负荷数据基本分量平均值，作为需求响应期对应时刻用户负荷基本分量； b 如果利用典型小时有关数据计算需求响应期用户负荷基本分量，则利用典型小时内不同时刻 历史负荷数据基本分量平均值，作为需求响应期各个时刻用户负荷基本分量
GB/T 370162018
第三步：计算敏感分量，方法为： a） 如果利用典型日内有关数据计算需求响应期用户负荷敏感分量，则利用各典型日内同一时刻 历史负荷数据敏感分量、影响因素数据的加权值建立回归式，求得回归式的回归参数，然后将 需求响应期对应时刻的影响因素数据加权值代入回归式，求得相应时刻用户负荷敏感分量，最 后按照上述方法求得需求响应期不同时刻的用户负荷敏感分量； b 如果利用典型小时内有关数据计算需求响应期用户负荷敏感分量，则利用典型小时内不同时 刻历史负荷数据敏感分量及相应的影响因素数据加权值建立回归式，求得回归式的回归参数， 然后将需求响应期各个时刻影响因素数据加权值一一代人回归式，求得需求响应期不同时刻 用户负荷敏感分量， 第四步：将求得的需求响应期各时刻基本分量、敏感分量相加，得到不同时刻基线负荷值，由此求得 求响应期用户基线负荷P
B.2.3.1选择数据
B.2.3.2负荷分解
负荷分解的计算方法为： 第一步：用户负荷包括基本分量及受气温、湿度等因素影响的敏感分量，用公式（B.1)表示
贝何刀 第一步：用户负荷包括基本分量及受气温、湿度等因素影响的敏感分量，用公式（B.1)表示。 Pt, = Pt,,b + Ptj s 式中： 需求响应期第，时刻的基线负荷值； Pts.b—需求响应期第t,时刻的用户用电负荷值基本分量； Pt;一需求响应期第t,时刻的用户用电负荷值敏感分量。 第二步：分析用户参与需求响应的用电系统或设备的类型、负荷容量、用能特性等，确定分解比例 由公式(B.2)求得
P, =P,.b +P,.
一需求响应期第d1天第i时刻的基线负荷值。
B.2.3.3基本分量计算
B.2.3.4敏感分量计算
GB/T370162018
B.2.3.5基线负荷值计算
节约电力计算方法如下：
GB/T 370162018
GB/T370162018
选取上海一商业用户的两台中央空调（#21000、#21100）作为本案例的试验对象，从2012年3月～ 2014年7月，上述两台中央空调系统运行过程中的功率数据、温度数据，都被保存了下来，其中2014年起 该用户的一台编号为#21000的中央空调开始参与需求响应试点项目。 表C.1是2014年6月27日9：30：0013：00：00，#21000中央空调的运行负荷数据，以及在此日 之前，该中央空调的历史负荷数据
#21000中央空调运行负荷数据
并21000中央空调运
本案例采用日期匹配法计算#21000中央空调的基线负荷，如表C.2所示，利用日期匹配法计算 的#21000中央空调需求响应日未修正的基线负荷
GB/T37016—2018表 C.2#21000中央空调需求响应日未修正的基线负荷值单位为千瓦时间11:30:0011:45:0012:00:0012:15:0012:300012:45:0013:00:0013:15:0013:30:00负荷226.27226.25226.78226.51210.8211.09208.97228.13210.01接着利用需求响应期前2h内的负荷值，计算P2h=208.49kW；利用各典型日与上述时段对应的历史负荷值，计算P2h=230.10kW；因此K=0.91，利用K对#21000中央空调需求响应日未修正的基线负荷值进行修正，得到#21000中央空调需求响应期基线负荷值，如表C.3所示。表C.3#21000中央空调需求响应期基线负荷值单位为千瓦时间负荷平均值11:30:00205.9111:45:00205.8912:00:00206.3712:15:00206.1212:30:00191.83199.6812:45:00192.0913:00:00190.1613:15:00207.6013:30:00191,.11然后与执行需求响应当日，需求响应期的实测负荷进行比较，得到节约电力，如表C.4所示。表 C.4#21000中央空调需求响应日节约电力计算单位为千瓦需求响应期实测负荷基线负荷平均值节约电力时间负荷平均值11:30:004.2 11:45:004.2 12:00:002.5 12:15:002.41230:004.2 3.05199.68196.6312:45:002.5 13:00:002.5 13:15:002.4 13:30:002.5根据基线负荷序列值，以及各时段的实测负荷序列值，作出基线负荷与实测负荷的曲线，如图C.1所示，节约电力196.63kW。12
GB/T370162018
0中央空调实测负荷与基线负荷类
图C.1需求响应期负荷曲线与需求响应基线负荷示意图
表C.5#21100中央空调于2014年6月27日的部分运行负荷数据
014年6月27日未参与需求响应的#21100中央
GB 28742-2012 污水处理设备安全技术规范GB/T 370162018
通过对比，发现未参与需求响应的#21100中央空调负荷曲线在需求响应期对应时段的负荷与通 过日期匹配法计算的#21100中央空调基线负荷基本一致，如图C.3所示
通过对比，发现未参与需求响应的#21100中央空调负荷曲线在需求响应期对应时段的负荷与通 过日期匹配法计算的#21100中央空调基线负荷基本一致，如图C.3所示
a）参与响应的中央空调
b）未参与响应的中央空调
图C.3负荷曲线比较
DB11T 159.3-2005 市政交通一卡通技术标准 应用GB/T370162018
[1]］GB/T28750一2012节能量测量和验证技术通则 [2JDemand Response Measurement and Verification,WhitePaper,AEIC Load Research Com nittee,March 2009. [3JElectricityEfficiency abd Demand Management ProcedureGeneral Calculating Customer BaselineLoad,conEdison,N.Y.,EffectiveDate:February2o13. [4lDefaultBaselineMethodologies.EmergencyResponseService.ERCOT.April10.2015