一种负荷密集型城市智慧园区需求聚合建模方法技术

本发明专利技术公开了一种负荷密集型城市智慧园区需求聚合建模方法，通过对智慧园区内能源管理平台的数据库结构和数据来源形式入手，提出了原始数据的集成和选择方法，提取了需要挖掘和处理的用能数据集合；在此基础上，提出了负荷密集型城市智慧园区需求聚合原始数据处理方法，对负荷密集型城市智慧园区用能数据进行处理，通过对不良来源数据进行处理、辨识和修正，提高了数据的利用效率；然后运用模糊聚类技术挖掘负荷密集型城市智慧园区需求数据的用能特征，建立起负荷密集型城市智慧园区需求聚合模型。通过将需求聚合建模的结果运用于园区能源优化调度，能够实现负荷密集型城市智慧园区多类用户的负荷优化运行，进而提升智慧园区整体能效。区整体能效。区整体能效。

【技术实现步骤摘要】
一种负荷密集型城市智慧园区需求聚合建模方法


[0001]本专利技术涉及能源综合利用
，尤其涉及负荷密集型城市智慧园区的能源综合利用，具体地说是一种负荷密集型城市智慧园区需求聚合建模方法。

技术介绍

[0002]当前负荷密集型城市智慧园区能源需求侧的终端用户已逐渐成为储能、冷热电联供、负荷等多种用能形态的集合体，具备一定的自我能源协调能力，负荷密集型城市智慧园区主要有三种典型的终端用户：工业用户、公共机构和数据中心，它们各自具有不同的用能设备及特点，具体体现在以下三个方面：
[0003](1)各种典型的终端用户冷热电负荷特性曲线存在明显差异。数据中心的负荷主要是电负荷和空间冷负荷，空间热负荷较少，且无热水负荷和冷冻制冷负荷。工业用户负荷种类齐全，用能曲线呈现出明显的两班倒特性；8-24时的各类负荷变化较小，工作时段和非工作时段的负荷有明显差异；公共机构的总体负荷特性表现出极强的时间性和季节性，上午9时至晚上10时用能曲线平稳，其它时间段负荷水平很低；商业旺季尤其是节假日负荷水平较高，而商业淡季负荷水平较低。各类终端用户的冷热电负荷特性曲线不同，导致需要针对不同的终端用户制定不同的供能设备运行控制策略，以适应各类终端用户各自的冷热电负荷需要。
[0004](2)各种典型的终端用户供能设备及供能形式存在差异。工业用户和公共机构采用交流供电系统，而数据中心采用交直流混合的供电系统。另外，数据中心还配置了能够满足系统离网运行一段时间的UPS以及大容量蓄电池，这一点是其他类型的终端用户所不具备的。各类典型的终端用户各自的供能设备类型及型号存在差异，各供能设备的运行特性也各异，导致了需要针对不同的终端用户建立不同的能源供应及能源利用优化协调控制模型。(3)对不同的终端用户能源优化利用协调控制模型的求解方法存在差异。
[0005]由于不同终端用户内的供能设备数学模型不同，导致不同的终端用户能源优化利用协调控制模型需要不同的求解方法，如公共机构和数据中心可以采用线型规划算法求解，而工业用户需采用求解非线性优化问题的内点法才能求解。通过求解各终端用户各自的能源优化利用协调控制模型，可以在满足各种负荷需求的基础上，实现系统的经济运行和能源优化利用。
[0006]园区内用户类型和数量众多，如工业用户、数据中心用户、公共机构用户和居民用户等，对这些用户进行分类聚合控制比采用单一的控制具有更优的园区级控制效果。聚合理论来源于基于元件的负荷建模方法，是基于单元用户的建模方法的理论基础。而基于聚合理论的需求建模方法则是实现分类聚合控制的前提。复杂系统中通常包含大量的变量和参数，在建模过程中，难以确定这些变量和参数中哪些是必需的，哪些可以忽略。聚合理论首先考虑微观层次上的模型，在这一模型中考虑各种因素对整个系统的影响，从而建立包含大量变量和方程的模型；然后选择合适的聚合变量，运用一定的聚合方法对庞大的模型进行简化，即选择聚合变量，对微观系统进行聚合，从而获得相应宏观层次上的简化模型。
宏观层次上的简化模型使得进行系统的行为特性分析会更为方便，同时微观模型有利于全面描述系统的特性。
[0007]综上所述，为提升负荷密集型城市智慧园区多元用户侧能源使用效率，构建“互联网+”的城市电网调度运行生态服务体系，支撑综合能源需求响应系统深入建设，急需采用适应于负荷密集型城市智慧园区内多类典型用户负荷的需求聚合建模方法，为进一步的运行调度提供依据，进而提升智慧园区整体能源利用效率。当前负荷密集型城市智慧园区能源需求侧的终端用户已逐渐成为储能、冷热电联供、负荷等多种用能形态的集合体，具备一定的自我能源协调能力，负荷密集型城市智慧园区主要有三种典型的终端用户：工业用户、公共机构和数据中心，它们各自具有不同的用能设备及特点，具体体现在以下三个方面：
[0008](1)各种典型的终端用户冷热电负荷特性曲线存在明显差异。数据中心的负荷主要是电负荷和空间冷负荷，空间热负荷较少，且无热水负荷和冷冻制冷负荷。工业用户负荷种类齐全，用能曲线呈现出明显的两班倒特性；8-24时的各类负荷变化较小，工作时段和非工作时段的负荷有明显差异；公共机构的总体负荷特性表现出极强的时间性和季节性，上午9时至晚上10时用能曲线平稳，其它时间段负荷水平很低；商业旺季尤其是节假日负荷水平较高，而商业淡季负荷水平较低。各类终端用户的冷热电负荷特性曲线不同，导致需要针对不同的终端用户制定不同的供能设备运行控制策略，以适应各类终端用户各自的冷热电负荷需要。
[0009](2)各种典型的终端用户供能设备及供能形式存在差异。工业用户和公共机构采用交流供电系统，而数据中心采用交直流混合的供电系统。另外，数据中心还配置了能够满足系统离网运行一段时间的UPS以及大容量蓄电池，这一点是其他类型的终端用户所不具备的。各类典型的终端用户各自的供能设备类型及型号存在差异，各供能设备的运行特性也各异，导致了需要针对不同的终端用户建立不同的能源供应及能源利用优化协调控制模型。(3)对不同的终端用户能源优化利用协调控制模型的求解方法存在差异。
[0010]由于不同终端用户内的供能设备数学模型不同，导致不同的终端用户能源优化利用协调控制模型需要不同的求解方法，如公共机构和数据中心可以采用线型规划算法求解，而工业用户需采用求解非线性优化问题的内点法才能求解。通过求解各终端用户各自的能源优化利用协调控制模型，可以在满足各种负荷需求的基础上，实现系统的经济运行和能源优化利用。
[0011]负荷密集型城市智慧园区内存在多类型的终端用户，如工业用户、公共机构、居民用户和数据中心等，它们具有不同的用能设备和特点，数据存储和来源不一，对从整个园区层面对这些用户进行集群控制带来了很大困难。
[0012]综上所述，为提升负荷密集型城市智慧园区多元用户侧能源使用效率，构建“互联网+”的城市电网调度运行生态服务体系，支撑综合能源需求响应系统深入建设，急需采用适应于负荷密集型城市智慧园区内多类典型用户负荷的需求聚合建模方法，为进一步的运行调度提供依据，进而提升智慧园区整体能源利用效率。

技术实现思路

[0013]本专利技术的目的是针对现有技术存在的问题，提供一种基于数据模糊聚类的负荷密集型城市智慧园区需求聚合建模方法，以优化负荷密集型城市智慧园区多类用户的负荷运
行，进而提升智慧园区的整体能效。
[0014]本专利技术的目的是通过以下技术方案解决的：
[0015]一种负荷密集型城市智慧园区需求聚合建模方法，其特征在于：所述建模方法的步骤如下：
[0016](1)输入样本数据矩阵X，设负荷分析日的n个样本集为：X＝[X1,X2,
···
,X
n
]，每个样本X
j
有m个特性指标，即样本X
j
可以表示为X
j
＝[X
j1
,X
j2
,
···
,X
jm
],j＝1,2,
···
,n；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷密集型城市智慧园区需求聚合建模方法，其特征在于：所述建模方法的步骤如下：(1)输入样本数据矩阵X，设负荷分析日的n个样本集为：X＝[X1,X2,
···
,X
n
]，每个样本X
j
有m个特性指标，即样本X
j
可以表示为X
j
＝[X
j1
,X
j2
,
···
,X
jm
],j＝1,2,
···
,n；(2)数据的规格化，对样本数据的处理采用下式进行：x'
jk
＝(x
jk-x
kmin
)/(x
kmax-x
kmin
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(4)中，x
jk
为第j个样本的第k数据；x
kmax
与x
kmin
分别为相应分量的最大与最小值；x'
jk
为规格化后的数据；(3)建立模糊相似关系矩阵R，模糊相似关系矩阵R＝{r
ij
}，并采用绝对值指数法确定r
ij
，公式为：式(5)中，x'
ik
为第i个样本规格化后的数据；x'
jk
为第j个样本规格化后的数据；(4)建立模糊等价距阵R
′
，得到模糊相似关系矩阵R之后，用平方自合成法来构造R的传递闭包R*R，将模糊相似关系矩阵R改造为模糊等价矩阵R
′
；当R
′
＝R时，进入步骤5)；当R
′
≠R时，在步骤4)内循环建立模糊等价矩阵R
′
，直至R
′
＝R后进入步骤5)；(5)动态聚类求截距阵，选取适当的阈值λ，对模糊等价矩阵R
′
进行截割；阈值λ的大小直接影响聚类结果，当λ从1降到0时，分类由粗变细逐渐归并，形成一个动态聚类图；最佳λ值的选取，由λ的变化率C
i
确定：式(6)中，i为λ从高到低的聚合序次数；n
i
与n
i-1
分别为第i次和第i-1次聚类的元素个数；λ
i
与λ
i-1
别为i次和i-1次聚类时的置信水平；若C
i
＝max(C
j
)，则认为第i次聚类的置信水平λ
i
为最佳阈值。2.根据权利要求1所述的负荷密集型城市智慧园区需求聚合建模方法，其特征在于：所述的步骤(1)中的样本数据矩阵X的获得过程包括：(11)确定负荷密集型城市智慧园区负荷数据的来源形式；(12)确立负荷密集型城市智慧园区负荷数据的集成和选择方式；(13)对负荷密集型城市智慧园区负荷数据的不良数据辨识与修正；(14)获得有效数据。3.根据权利要求2所述的负荷密集型城市智慧园区需求聚合建模方法，其特征在于：所述步骤(11)中的负荷密集型城市智慧园区负荷数据的来源形式包...

【专利技术属性】
技术研发人员：魏新迟，周健，时珊珊，张小莲，曾艾东，邹宇航，李恒聪，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：