参与需求响应的用电客户分类方法技术

本申请公开了一种参与需求响应的用电客户分类方法。其中，该方法包括：确定电力系统中目标用户的空调负荷用电量；根据空调负荷用电量确定目标用户的需求响应潜力模型；根据需求潜力模型和预定时段对应的时长确定需求响应潜力指数，其中，预定时段为历史时间段内用电的高峰时段；基于需求潜力指数对目标用户进行分类，得到目标用户对应的用户类型。本申请解决了相关技术中在对空调的实际电力需求潜力进行评估时，往往使用静态评估模型造成的评估结果与实际的电力需求潜力存在较大的误差，且无法按照用户的电力需求潜力对用户进行准确分类，并基于分类结果提供相应的供电策略的技术问题。

【技术实现步骤摘要】
参与需求响应的用电客户分类方法
本申请涉及电力需求领域，具体而言，涉及一种参与需求响应的用电客户分类方法。
技术介绍
电力需求侧响应(demandresponse，DR)，是指通过提高终端用电效率和优化用电方式，减少电量消耗或改变终端用能模式，以达到节约能源和保护环境，实现低成本电力服务所进行的用电管理活动。在众多的需求响应手段中，直接负荷控制(directloadcontrol，DLC)属于激励型需求响应。特别是通过对用户侧空调负荷进行DLC控制来削减负荷的方法，已经被学术研究和工业实践证明，是一种有效的需求响应手段。一方面,空调负荷主要集中在夏季用电高峰期的数百小时内，因此具有时间短、比重大、峰值高的特点。另一方面,由于建筑具有一定的热能存储能力，空调负荷可被切断或调低功率一段较短的时间而不过度影响用户使用舒适度。目前有不少研究在配电网的规划中考虑了用户侧的需求响应资源，以延缓配电网的建设投资。但这些研究大多数都是简单地对系统峰荷时期的可削减负荷量设置了一个基于经验值的上限，难以准确地反映实际的需求响应潜力，因而会给规划和运行策略的计算结果带来较大的误差。因此，准确评估用户的需求响应潜力对于建立做出更优化经济的配电网规划方案具有重要意义。目前尚无通过直接测量的方法而获得大规模用户历史空调负荷数据的方法，主要原因是在用户侧空调设备上安装功率测量装置成太高，而且对用户具有入侵性的问题。另一方面，通过建立用户的空调热力学负荷模型来对用户空调的运行进行仿真，需要采集用户住房的建筑参数(如面积、隔热材料、房屋朝向等)和空调的额定功率参数。在实际中面对大量用户，对每个用户采集这些参数是难以实现的。近年来，随着智能电表的普及，大量的用户用电数据被采集。通过对智能电表数据进行深度挖掘，从中提取用户空调使用数据成为可能，为对用户空调负荷需求响应潜力进行分析评估提供了条件。目前从全屋用电数据中分析设备负荷的主要方法是非侵入负荷监测法(NILM)，但是大多数的NILM方法需要高分辨率数据(通常为赫兹级或更高)才能保证负荷分解的准确性，但典型智能电表通常是15分钟到1小时的采集数据频率，显然并不适用。此外，还有一些基于数据驱动的方法(主要是回归方程和隐马尔科夫模型算法)用来分离智能电表中的空调负荷用电量数据。其中回归算法通过回归温度下的能耗并基于可变点模型来估计空调负荷，可变点模型假设空调负荷用电量和温度之间存在线性关系。有文献提出通过使用线性回归方法将全屋用电负荷分成基本负荷、有功负荷、采暖季梯度和制冷季梯度)；有文献提出对智能电表小时级数据和室外温度小时级数据应用线性回归和无监管的分类方法，估计居住空调负荷用电量；有的文献通过使用线性回归方法从智能电表数据中分离热负荷用电量情况；有的提出应用基于傅里叶分解的回归方法，将全屋负荷分解成温度不敏感部分(通过正弦和余弦函数表示)和温度敏感部分(通过线性温度方程表示)。这些算法都使用静态模型，容易受到非温度敏感负荷波动的影响，导致全屋负荷数据下的空调温度响应特性变得不显著，从而给估计带来较大偏差。即相关技术中，在对空调的实际电力需求潜力进行评估时，往往使用静态模型，容易受到非温度敏感负荷波动的影响，导致全屋负荷数据下的空调温度响应特征变得不显著，从而使估计的电力需求潜力与实际的电力需求潜力存在较大的误差，且无法按照用户的电力需求潜力对用户进行准确的分类，并达到基于用户的类型提供相应的供电策略的目的。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种参与需求响应的用电客户分类方法，以至少解决相关技术中在对空调的实际电力需求潜力进行评估时，往往使用静态评估模型造成的评估结果与实际的电力需求潜力存在较大的误差，且无法按照用户的电力需求潜力对用户进行准确分类，并基于分类结果提供相应的供电策略的技术问题。根据本申请实施例的一个方面，提供了一种参与需求响应的用电客户分类方法，包括：确定电力系统中目标用户的空调负荷用电量；根据空调负荷用电量确定目标用户的需求响应潜力模型；根据需求潜力模型和预定时段对应的时长确定需求响应潜力指数，其中，预定时段为历史时间段内用电的高峰时段；基于需求潜力指数对目标用户进行分类，得到目标用户对应的用户类型。可选地，确定电力系统中目标用户的空调负荷用电量之前，包括：获取空调负荷的运行状态、空调负荷用于空间制冷和供暖的温度响应斜率、预定时刻的室外温度以及空调用于空间制冷和制热的空调负荷对应的恒温器设定值、以及白噪音。可选地，确定电力系统中目标用户的空调负荷用电量，包括：根据空调负荷的运行状态、空调负荷用于空间制冷和供暖的温度响应斜率、预定时刻的室外温度以及空调用于空间制冷和制热的空调负荷对应的恒温器设定值、以及白噪音确定电力系统中目标用户的空调负荷用电量。可选地，空调负荷用电量通过以下公式确定：其中，zm，t表示空调负荷运行和停止的状态(zm，t＝1表示空调负荷正在运行；zm，t＝0表示空调负荷停止运行)；和分别是用户的空调负荷用于空间制冷和供暖的温度响应斜率；是时间t时刻的室外温度；和分别代表在时间t用于空间制冷和制热的空调负荷的恒温器设定值；εm，t是服从于分布的白噪音。可选地，目标用户的需求响应潜力模型为：其中，xm，t表示目标用户的需求响应潜力模型，表示空调在第一预定时间段调节的最高温度，表示空调在第二预定时间段调节的最低温度。可选地，需求响应潜力指数通过如下公式确定：其中，DRIm表示目标用户的需求响应潜力指数，HDR表示历史时间段内用电的高峰时段集合。可选地，在根据空调负荷用电量确定目标用户的需求响应潜力模型之前，方法还包括：确定电力系统的非弹性净负荷和净负荷；将净负荷与非弹性净负荷按照预定排序规则进行排序，其中，预定排序规则为随着时长的增加将净负荷与非弹性净负荷按照从大到小的顺序进行排序；根据排序结果确定预定时段对应的时长。可选地，根据排序结果确定预定时段对应的时长，包括：将排序结果中净负荷大于非弹性净负荷的最大值对应的时长作为预定时段的时长。可选地，在基于需求潜力指数对目标用户进行分类之前，方法还包括：确定电力系统中多个用户的需求响应潜力指数；采用自然断点分类方法，根据多个用户的需求响应潜力指数，将多个用户划分为多个用户类型，其中，多个用户类型表征的用户的需求响应潜力水平不同。可选地，在基于需求潜力指数对目标用户进行分类之后，方法还包括：依据用户类型确定电力系统的供电策略。在本申请实施例中，采用建立需求响应潜力模型的方式，通过确定电力系统中目标用户的空调负荷用电量，再根据空调负荷用电量确定目标用户的需求响应潜力模型，并根据需求潜力模型和预定时段对应的时长确定需求响应潜力指数，最后，基于需求潜力指数对目标用户进行分类，得到目标用户对应的用户类型，达到了根据用户的空调用电量确定用户的需求响应潜力模型的目的，从而实现了基于需求响应潜力模型对用户进行分类的技术效果，进而解决了相关技术中在对空调的实本文档来自技高网...

【技术保护点】
1.一种参与需求响应的用电客户分类方法，其特征在于，包括：/n确定电力系统中目标用户的空调负荷用电量；/n根据所述空调负荷用电量确定所述目标用户的需求响应潜力模型；/n根据所述需求潜力模型和预定时段对应的时长确定需求响应潜力指数，其中，所述预定时段为历史时间段内用电的高峰时段；/n基于所述需求潜力指数对所述目标用户进行分类，得到所述目标用户对应的用户类型。/n

【技术特征摘要】
1.一种参与需求响应的用电客户分类方法，其特征在于，包括：
确定电力系统中目标用户的空调负荷用电量；
根据所述空调负荷用电量确定所述目标用户的需求响应潜力模型；
根据所述需求潜力模型和预定时段对应的时长确定需求响应潜力指数，其中，所述预定时段为历史时间段内用电的高峰时段；
基于所述需求潜力指数对所述目标用户进行分类，得到所述目标用户对应的用户类型。


2.根据权利要求1所述的方法，其特征在于，确定电力系统中目标用户的空调负荷用电量之前，包括：
获取所述空调负荷的运行状态、所述空调负荷用于空间制冷和供暖的温度响应斜率、预定时刻的室外温度以及所述空调用于空间制冷和制热的空调负荷对应的恒温器设定值、以及白噪音。


3.根据权利要求2所述的方法，其特征在于，确定电力系统中目标用户的空调负荷用电量，包括：
根据所述空调负荷的运行状态、所述空调负荷用于空间制冷和供暖的温度响应斜率、预定时刻的室外温度以及所述空调用于空间制冷和制热的空调负荷对应的恒温器设定值、以及白噪音确定所述电力系统中目标用户的空调负荷用电量。


4.根据权利要求3所述的方法，其特征在于，所述空调负荷用电量通过以下公式确定：



其中，zm，t表示空调负荷运行和停止的状态(zm，t＝1表示空调负荷正在运行；zm，t＝0表示空调负荷停止运行)；和分别是用户的空调负荷用于空间制冷和供暖的温度响应斜率；是时间t时刻的室外温度；和分别代表在时间t用于空间制冷和制热的空调负荷的恒温器设定值；εm，t是服从于分布的白噪音。


5.根据权利要求4所述的方法，其特征在于，所述目标用户的需求响应潜力模型为：

【专利技术属性】
技术研发人员：宋宝同，李笑彤，梁惠施，王晓冰，曾邦福，王方敏，贡晓旭，秦江，梁英哲，王坤芳，王思涵，
申请(专利权)人：国网北京市电力公司，国家电网有限公司，北京电力经济技术研究院有限公司，清华四川能源互联网研究院，
类型：发明
国别省市：北京;11