一种用户集群基线负荷估计方法、装置和终端设备制造方法及图纸

本发明专利技术实施例涉及电力系统需求响应技术领域，公开了一种用户集群基线负荷估计方法、装置和终端设备。上述用户集群基线负荷估计方法包括：获取待估计用户集群的历史负荷数据；根据历史负荷数据对待估计用户集群进行聚类，得到多类用户及多类用户的负荷数据；根据多类用户的负荷数据计算多类用户之间的空间关联性，根据空间关联性构成空间关联性矩阵；将多类用户作为空间关联性无向图的节点，多类用户对应的负荷数据为节点特征；根据空间关联性矩阵，构建空间关联性无向图的边；基于空间关联性无向图估计待估计用户集群的基线负荷。本发明专利技术利用用户历史负荷数据，采用图卷积神经网络进行用户集群基线负荷估计，提高了集群基线负荷估计的准确性。荷估计的准确性。荷估计的准确性。

【技术实现步骤摘要】
一种用户集群基线负荷估计方法、装置和终端设备


[0001]本专利技术涉及电网需求响应
，具体涉及一种用户集群基线负荷估计方法、装置和终端设备。

技术介绍

[0002]随着电力系统市场化的推进，需求响应技术受到了越来越多的关注，聚合商通过支付参与补偿金来聚集大量用户参与需求响应从而获取较大规模整体容量，然后向电力系统运营商出售这些容量获利。电力系统运营商向聚合商支付的奖励金根据集群负荷削减量得出，集群负荷削减量等于“如果所有用户不参与需求响应本应消耗的负荷与参与需求响应后实际消耗的负荷两者之差”，其中后者是实际测量数据，前者定义为集群用户基线负荷，即如果所有用户不参与需求响应本应消耗的负荷。
[0003]集群用户基线负荷是市场环境下编排合理交易策略的保障，集群基线负荷一旦被高估，相应的集群削减量就会被高估，电力系统运营商的利益会受到损失；集群基线负荷一旦被低估，相应的集群削减量也会被低估，聚合商的利益会受到损失。为了保证电力系统运营者与聚合商之间交易的公平性，需要对集群基线负荷进行准确估计。
[0004]现有技术中，集群基线负荷的估计结果通常只是个体用户基线负荷估计结果的简单加和。但是由于个体用户的用电行为波动较大，针对个体用户的基线负荷估计往往存在较大的误差，因而通过此种方法得到的集群基线估计结果的准确性并不理想。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种用户集群基线负荷估计方法，以解决现有技术中集群基线负荷估计准确率低的问题。
[0006]为达到上述目的，本专利技术采用如下技术方案：
[0007]第一方面，本专利技术实施例提供了一种用户集群基线负荷估计方法，包括：获取待估计用户集群的历史负荷数据；根据所述历史负荷数据对所述待估计用户集群进行聚类，得到多类用户及所述多类用户的负荷数据；根据所述多类用户的负荷数据计算所述多类用户之间的空间关联性，根据所述空间关联性构成空间关联性矩阵；将所述多类用户作为空间关联性无向图的节点，所述多类用户对应的负荷数据为节点特征；根据所述空间关联性矩阵，构建所述空间关联性无向图的边；基于所述空间关联性无向图估计所述待估计用户集群的基线负荷。
[0008]基于第一方面，在一些实施例中，所述获取待估计用户集群的历史负荷数据，包括：获取待估计用户集群在DR日d前的K个非DR日的历史负荷数据，表示用户m在DR日d前的第k个非DR日的负荷数据；其中，表示第m个用户，表示集群基线负荷估计的M个目标用户；表示一天有T个时刻，d表示DR日，k表示DR日前的第k个非DR日。
[0009]基于第一方面，在一些实施例中，所述根据所述历史负荷数据对所述待估计用户集群进行聚类，得到多类用户及所述多类用户的负荷数据，包括：根据所述历史负荷数据，计算用户m在所述K个非DR日的典型负荷模式；典型负荷模式计算公式为：
[0010][0011]计算全部M个用户在所述K个非DR日的典型负荷模式，根据聚类性能的评价指标确定聚类数将全部M个用户聚为N类；
[0012]根据目标函数min f确定各类用户的聚类中心：
[0013][0014]式中为第n类用户的聚类中心，表示得到的N 类用户，表示其中第n类用户。
[0015]基于第一方面，在一些实施例中，所述根据所述多类用户的负荷数据计算所述多类用户之间的空间关联性，根据所述空间关联性构成空间关联性矩阵，包括：计算第i类用户和第j类用户在所述K个非DR日聚合级别的典型负荷模式的空间关联性，如下：
[0016][0017]其中，为第i类用户和第j类用户的空间关联性，l
i,d
‑
k
表示第i类用户在DR日d前的第k个非DR日聚合级别的负荷数据，l
j,d
‑
k
同理；将N类用户彼此之间的空间关联性指标构成N阶方阵H，所述方阵H为空间关联性矩阵，方阵H中的元素
[0018]基于第一方面，在一些实施例中，所述将所述多类用户作为空间关联性无向图的节点，所述多类用户对应的负荷数据为节点特征，包括： L
n,d
＝[l
n,d
‑
K
,
…
,l
n,d
‑1]T
表示第n类用户在所述K个非DR事件日聚合级别的负荷数据，将第n类用户作为空间关联性无向图上的节点V
n
；第n类用户在所述K 个非DR事件日聚合级别的负荷数据以及DR事件日当天聚合级别的负荷数据 F
n
＝[L
n,d
,l
n,d
]作为节点V
n
的节点特征；无向图上节点集合为节点特征集合为
[0019]基于第一方面，在一些实施例中，所述根据所述空间关联性矩阵，构建所述空间关联性无向图的边，包括：将节点V
i
和V
j
之间的空间关联性作为空间关联性无向图的边，定义边为e
i,j
，e
i,j
的长度在数值上等于第i类用户和第j类用户在所述K个非DR日聚合级别的典型负荷模式的空间关联性的数值，即N类用户之间边e
i,j
的数据构成一个N阶对称方阵E，由于得出E＝H，方阵H为所述空间关联性矩阵。
[0020]基于第一方面，在一些实施例中，所述基于所述空间关联性无向图估计所述待估计用户集群的基线负荷，包括：计算所述空间关联性无向图G的拉普拉斯矩阵L
G
，提取用户
集群历史负荷数据里的时间信息，定义为历史负荷数据对应的时间标签矩阵；选取所述空间关联性无向图中部分节点特征，将所有类用户在DR日前K个非DR日非DR时段的集群负荷数据及相应的时间标签T
LBL
作为特征X
train
，如下：
[0021][0022]选取所述空间关联性无向图中部分节点特征，将所有类用户在DR日d当天非 DR时段的集群负荷数据作为标签Y
train
，如下：
[0023][0024]将标签Y
train
与特征X
train
放入到图卷积神经网络中进行训练，如下：
[0025]Y
train
＝Ug(Λ)U
T
X
train
[0026]其中是拉普拉斯矩阵L
G
的特征值矩阵，U
T
是特征值对应的特征函数矩阵，g()是特征与标签之间的函数关系，训练得到充分考虑用户负荷模式变化信息的集群基线负荷估计模型；选取所有类用户在DR日前K个非DR日DR 时段的集群负荷数据及相应的时间标签特征放入训练好的集群基线负荷估计模型，得到用户集群基线负荷的估计结果。
[0027]第二方面，本专利技术实施例提供了一种用户集群基线负荷估计装置，包括：信息获取模块，用于获取待估计用户集群的历史负荷数据；聚类模块，用于根据所述历史负荷数据对所述待估计用户集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户集群基线负荷估计方法，其特征在于，包括：获取待估计用户集群的历史负荷数据；根据所述历史负荷数据对所述待估计用户集群进行聚类，得到多类用户及所述多类用户的负荷数据；根据所述多类用户的负荷数据计算所述多类用户之间的空间关联性，根据所述空间关联性构成空间关联性矩阵；将所述多类用户作为空间关联性无向图的节点，所述多类用户对应的负荷数据为节点特征；根据所述空间关联性矩阵，构建所述空间关联性无向图的边；基于所述空间关联性无向图估计所述待估计用户集群的基线负荷。2.如权利要求1所述的用户集群基线负荷估计方法，其特征在于，所述获取待估计用户集群的历史负荷数据，包括：获取待估计用户集群在DR日d前的K个非DR日的历史负荷数据，表示用户m在DR日d前的第k个非DR日的负荷数据；其中，表示第m个用户，表示集群基线负荷估计的M个目标用户；表示一天T个时刻，d表示DR日，k表示DR日前的第k个非DR日。3.如权利要求1所述的用户集群基线负荷估计方法，其特征在于，所述根据所述历史负荷数据对所述待估计用户集群进行聚类，得到多类用户及所述多类用户的负荷数据，包括：根据所述历史负荷数据，计算用户m在所述K个非DR日的典型负荷模式；典型负荷模式计算公式为：计算M个用户在所述K个非DR日的典型负荷模式，根据聚类性能的评价指标确定聚类数将M个用户聚为N类；根据目标函数min f确定各类用户的聚类中心：式中为第n类用户的聚类中心，表示得到的N类用户，表示其中第n类用户。4.如权利要求1所述的用户集群基线负荷估计方法，其特征在于，所述根据所述多类用户的负荷数据计算所述多类用户之间的空间关联性，根据所述空间关联性构成空间关联性矩阵，包括：计算第i类用户和第j类用户在所述K个非DR日聚合级别的典型负荷模式的空间关联性：
其中，为第i类用户和第j类用户的空间关联性，l
i,d
‑
k
表示第i类用户在DR日d前的第k个非DR日聚合级别的负荷数据，l
j,d
‑
k
同理；将N类用户彼此之间的空间关联性指标构成N阶方阵H，所述方阵H为空间关联性矩阵，方阵H中的元素5.如权利要求1所述的用户集群基线负荷估计方法，其特征在于，所述将所述多类用户作为空间关联性无向图的节点，所述多类用户对应的负荷数据为节点特征，包括：将第n类用户作为空间关联性无向图上的节点V
n
，表示第n类用户在所述K个非DR事件日聚合级别的负荷数据；将第n类用户在所述K个非DR事件日聚合级别的负荷数据以及DR事件日当天聚合级别的负荷数据F
n
＝[L
n,d
,l
n,d
]作为节点V
n
的节点特征；其中，无向图上节点集合为节点特征集合为6.如权利要求1所述的用户集群基线负荷估计方法，其特征在于，所述根据所述空间关联性矩阵，构建所述空间关联性无向图的边，包括：将节点V...

【专利技术属性】
技术研发人员：陶鹏，任鹏，张洋瑞，申洪涛，付文杰，李飞，王飞，彭雪风，
申请(专利权)人：国家电网有限公司华北电力大学保定，
类型：发明
国别省市：