[發(fā)明專利]基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法及負(fù)荷聚類系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211240860.3
• 申請日: 2022-10-11
• 公開（公告）號: CN115577282A
• 公開（公告）日: 2023-01-06
• 發(fā)明（設(shè)計）人: 韓曉歐;趙龍;孫會濤;臧昱秀;王聰;趙昊東;馮天民
• 申請（專利權(quán)）人: 國網(wǎng)遼寧省電力有限公司沈陽供電公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/241;G06Q10/06;G06Q50/06
• 代理公司: 沈陽維特專利商標(biāo)事務(wù)所(普通合伙) 21229
• 代理人: 張倩怡

本發(fā)明提供了一種基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法及負(fù)荷聚類系統(tǒng)，其中，負(fù)荷聚類方法包括：基于電力大數(shù)據(jù)，獲取負(fù)荷用電數(shù)據(jù)；根據(jù)負(fù)荷用電數(shù)據(jù)，對負(fù)荷樣本進(jìn)行第一次聚類，獲取第一次負(fù)荷樣本聚類結(jié)果；根據(jù)歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，采用機器學(xué)習(xí)算法獲得訓(xùn)練模型；基于訓(xùn)練模型獲取當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)；基于當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，對第一次負(fù)荷樣本聚類結(jié)果進(jìn)行第二聚類，獲取第二次負(fù)荷樣本聚類結(jié)果；基于第二聚類結(jié)果，確定負(fù)荷樣本的類別。有助于了解負(fù)荷側(cè)的用電特性，增強電網(wǎng)對負(fù)荷的感知能力，進(jìn)而提高電網(wǎng)對負(fù)荷的調(diào)控能力和調(diào)節(jié)水平。

技術(shù)領(lǐng)域

本發(fā)明涉及負(fù)荷聚類分析技術(shù)領(lǐng)域，尤其涉及一種基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法及負(fù)荷聚類系統(tǒng)。

背景技術(shù)

清潔能源，即綠色能源，是指不排放污染物、能夠直接用于生產(chǎn)生活的能源，它包括核能和“可再生能源”。目前清潔能源形式入網(wǎng)和清潔能源電源發(fā)電具有不確定性和隨機性，加之負(fù)荷側(cè)峰谷差大，電網(wǎng)調(diào)節(jié)能力有限給電網(wǎng)的安全穩(wěn)定性造成威脅；而負(fù)荷側(cè)具有一定的調(diào)節(jié)潛力尚未被完全開發(fā)和利用，由于電網(wǎng)對負(fù)荷側(cè)用電設(shè)施感知能力弱，造成了負(fù)荷側(cè)參與電網(wǎng)調(diào)節(jié)能力的浪費。

現(xiàn)有技術(shù)中一種集成電力負(fù)荷曲線聚類方法(CN109272058B)，提出了對負(fù)荷進(jìn)行粗聚類和細(xì)聚類，但是未考慮負(fù)荷側(cè)參與電網(wǎng)調(diào)節(jié)的能力；一種基于負(fù)荷聚類的負(fù)荷預(yù)測方法(CN110956306A)提出一種負(fù)荷聚類的方法但是僅采用一次聚類，便對負(fù)荷進(jìn)行預(yù)測，聚類方法過于單一。

因此，有必要開發(fā)一種基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法及負(fù)荷聚類系統(tǒng)，有助于了解負(fù)荷側(cè)的用電特性，增強電網(wǎng)對負(fù)荷的感知能力，進(jìn)而提高電網(wǎng)對負(fù)荷的調(diào)控能力和調(diào)節(jié)水平。

發(fā)明內(nèi)容

本發(fā)明旨在解決現(xiàn)有技術(shù)或相關(guān)技術(shù)中存在的技術(shù)問題之一。

有鑒于此，本發(fā)明一方面提出了一種基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，所述負(fù)荷聚類方法包括如下步驟：

基于電力大數(shù)據(jù)，獲取負(fù)荷用電數(shù)據(jù)；

根據(jù)負(fù)荷用電數(shù)據(jù)，對負(fù)荷樣本進(jìn)行第一次聚類，獲取第一次負(fù)荷樣本聚類結(jié)果；

根據(jù)歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，采用機器學(xué)習(xí)算法獲得訓(xùn)練模型；

基于所述訓(xùn)練模型獲取當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)；

基于所述當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，對所述第一次負(fù)荷樣本聚類結(jié)果進(jìn)行第二聚類，獲取第二次負(fù)荷樣本聚類結(jié)果；

基于所述第二負(fù)荷聚類結(jié)果，確定所述負(fù)荷樣本的類別。

進(jìn)一步地，負(fù)荷用電數(shù)據(jù)包括以下四個指標(biāo)：負(fù)荷用電峰值Pmax、負(fù)荷用電谷值Pmin、負(fù)荷平均用電功率和負(fù)荷最大利用小時數(shù)Γ，其中，

式中，P(t)為t時刻負(fù)荷用電功率，T為負(fù)荷用電數(shù)據(jù)采集周期。

進(jìn)一步地，所述第一次聚類采用所述K-means聚類方法，包括如下步驟：

選取K個數(shù)據(jù){e₁,e₂,e₃...,e_k},1≤k≤n作為初始聚類中心，其中每一個所述初始聚類中心均由所述負(fù)荷用電數(shù)據(jù)的四個指標(biāo)(P_max、P_min、和Γ)進(jìn)行描述；