【技术实现步骤摘要】
一种基于K_means聚类算法的用户需求响应能力评估方法
本专利技术涉及电力分析
，特别是涉及基于K_means聚类算法的用户需求响应能力评估方法。
技术介绍
近年来，随着电力用户对电力需求的不断增加，能源危机日益严峻，越来越多的可再生能源进入电力市场，如太阳能、风能等。但是，由于可再生能源出力具有随机性、波动性、间歇性的特点，电力系统的运行安全受到威胁，系统实时供需失衡。若仅依靠发电侧的调节能力难以处理大规模的实时供需平衡问题，并且很有可能为电网造成更大的经济损失。这种情况下，需求侧的资源调节的重要性日益突出。所以，对于电力系统决策者来说，了解用户的需求响应能力，灵活有效地利用需求侧资源具有重要的意义和经济价值。不同电力用户的用电行为习惯不同，其所具备的需求响应能力也各不相同。若依据传统的工、商、居民等信息的用户分类方式筛选用户参与需求响应任务，难以实现需求响应任务的目标，响应达标率低，并且降低了用户体验和系统效率。所以，应该从用户的用电特性和需求响应特点出发，掌握用户的需求响应能力，从而进行用户分类，进而，为电力系统决策者在筛选用户参与需求响应任务时提供...
【技术保护点】
1.一种基于K_means聚类算法的用户需求响应能力评估方法，其特征在于，所述评估方法包括以下步骤：步骤1：对用户的历史用电负荷数据进行统计分析，获取用户的日均负荷总量；步骤2：从周相关和日相关两方面，分析重构日负荷曲线，得到用户参与需求响应的时间段和响应量；步骤3：进行用户配合程度评分；步骤4：根据步骤1‑3中用户参与需求响应的参数，确定需求响应用户的向量表示形式；步骤5：采用K_means聚类算法，对需求响应用户进行聚类，形成不同的用户类别。
【技术特征摘要】
1.一种基于K_means聚类算法的用户需求响应能力评估方法，其特征在于，所述评估方法包括以下步骤：步骤1：对用户的历史用电负荷数据进行统计分析，获取用户的日均负荷总量；步骤2：从周相关和日相关两方面，分析重构日负荷曲线，得到用户参与需求响应的时间段和响应量；步骤3：进行用户配合程度评分；步骤4：根据步骤1-3中用户参与需求响应的参数，确定需求响应用户的向量表示形式；步骤5：采用K_means聚类算法，对需求响应用户进行聚类，形成不同的用户类别。2.根据权利要求1所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述步骤2包括以下步骤：步骤2.1：使用小波变换分解所述日负荷曲线，获取分解后的低频系数，然后使用低频系数重构日负荷曲线；步骤2.2：从所述周相关和日相关两方面，对重构日负荷曲线进行分析，得到的用户参与需求响应的所述时间段T和响应量S，进而确定响应时间段。3.根据权利要求2所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述响应时间段分为：早高峰时间、午高峰时间、晚高峰时间、多阶段响应时间和无可用时间五类。4.根据权利要求2所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述步骤3包括以下步骤：步骤3.1：若用户从未参与过需求响应任务，则其初始配合程度分值P＝100分；若用户参与了需求响应任务，分别取参与前和参与后用户的日负荷曲线，计算两条负荷曲线的相似度；步骤3.2：分别取负荷曲线上每个小时的负荷，形成用户参与需求响应任务前的负荷向量L1和参与后的负荷向量L...
【专利技术属性】
技术研发人员：刘国明，梁小姣，姜健，吕志星，师磊，王沈征，张虓，曲乐斌，游菲，王一，
申请(专利权)人：国网山东省电力公司泰安供电公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。