本发明专利技术公开了一种基于Kmeas—GM的空调负荷日前响应能力评估方法，包括：空调运行信息采集；根据不同空调运行特性，基于Kmeas聚类算法对采集的数据进行聚类分析，将海量空调分为若干类；基于GM算法，对聚类后的不同类型日前空调用户数量进行预测，得到日前不用时间段不同类型空调用户数量；日基于不同类型空调的日前预测用户数量，评估日前不同类型空调的最大、最小响应能力；最后，构建空调负荷日前响应能力评估模型，基于不同类型空调用户日前响应能力，对日前不同类型空调负荷进行聚合，评估日前空调负荷日前响应能力。本发明专利技术的方法充分挖掘了空调负荷日前响应能力，掌握其日前响应功率上下限值，支撑了电网日前运行计划的制定，减轻了主网调控压力。减轻了主网调控压力。减轻了主网调控压力。
【技术实现步骤摘要】
一种基于Kmeas
—
GM的空调负荷日前响应能力评估方法
[0001]本专利技术涉及电力系统领域，具体的说是一种基于Kmeas—GM的空调负荷日前响应能力评估方法。
技术介绍
[0002]以煤炭为主力的火力发电机组数量将逐渐减少，火电机组具有可控性好，有一定的惯性，抗扰动能力较好，可以教好的支撑电网运行。但另一方面，火电机组以煤炭等化石能源为主，在火电机组发电过程中会燃烧煤炭，产生二氧化碳等温室气体，在电力系统中减少火电机组的比例势在必行。接入电力系统中的新能源比例将逐步提高，其中以风电、光伏为代表的新能源具有波动性强、随机性大、不可控性高、抗扰动能力差等特点，对电力系统运行带来巨大的挑战。对新能源为主题的新型电力系统而言，提高其调节能力，应对功率波动、不确定性扰动，是其运行的本质要求，对支撑新型电力系统运行尤为重要。而传统电力系统中可调节资源数量少，负荷侧可调节资源挖掘不足，未能充分利用负荷侧的调节性。近年来空调负荷比例逐步提高，空调主要为满足人体舒适性而产生负荷，人体舒适新有一定的范围，因而空调负荷具有一定的调节范围，挖掘空调日前调节能力，对支撑新型电力系统日前运行计划的制定，支撑电网调度，减轻主网调控压力，具有重要意义。
技术实现思路
[0003]为了解决上述问题，本专利技术提供了一种能够充分挖掘空调负荷日前响应能力的基于Kmeas—GM的空调负荷日前响应能力评估方法。
[0004]为了达到上述目的，本专利技术是通过以下技术方案来实现的：
[0005]本专利技术是一种基于Kmeas—GM的空调负荷日前响应能力评估方法，包括如下步骤：
[0006]步骤1，采集日内空调运行信息；
[0007]步骤2，提出基于kmeas聚类的空调负荷分类模型，基于kmeas聚类算法对空调运行信息进行聚类分析，将海量空调分为若干类；
[0008]步骤3，基于灰色模型GM，对日前不同类型空调的数量进行训练，预测日前不同类型空调数量，提出基于GM的日前不同类型空调用户数量预测方法；
[0009]步骤4，构建日前不同类型空调最大、最小响应能力评估模型，基于不同类型空调的日前预测用户数量，评估日前不同类型空调的最大、最小响应能力；
[0010]步骤5，构建空调负荷日前响应能力评估模型，基于不同类型空调用户日前响应能力，对日前不同类型空调负荷进行聚合，评估空调负荷日前响应能力。
[0011]本专利技术的进一步改进在于：所述步骤1采集的信息包括不同时间的室内温度信息、室内温度设定上下限、空调启动周期、空调停运周期、空调负荷信息，表达式为：
[0012][0013]式中：X
i
(t)为采集的第i台空调的采集信息，T
in
(t)为第i台空调在不同时间t的室内温度信息，T
iup
(t),T
idn
(t)分别为第i台空调在室内温度设定的上和下限值，分别为
空调i启动周期、停运周期，P
i
为空调i的负荷信息。
[0014]本专利技术的进一步改进在于：步骤2中聚类分析过程如下：
[0015]步骤2.1，输入样本集，并从数据集D中随机选择k个样本作为初始的k个质心向量，表达式如下：
[0016][0017]{μ1,μ2,
…
,μ
k
}
[0018]其中，d
i
为第i个样本集，聚类的簇树k，m是样本数量，最大迭代次数N；
[0019]步骤2.2，计算样本d
i
和各个质心向量μ
j
,(j＝1,2,
…
,k)的距离，表达式如下：
[0020][0021]将d
i
标记最小的L
ij
归入C
j
；
[0022]步骤2.3，重新计算样本的质心，表达式如下：
[0023][0024]返回步骤2.2，直到所有样本计算归类完成；
[0025]步骤2.4，输出最终的分类，表达式为：
[0026]C＝{c1,c2,
…
,c
k
}。
[0027]本专利技术的进一步改进在于：步骤3中日前不同类型空调数量数据样本如下：
[0028][0029]式中：为第k类空调日前数据集，为第k类空调第n个时间点的空调数据量；通过对原始数据进行累加，以弱化随机序列的波动性和随机性，得到新序列，表达式如下：
[0030][0031]式中：为预测第k类空调在日前时间t时刻的空调数量。a和u为灰色预测发展系数和灰色作用量，由最小二乘法求出。
[0032]本专利技术的进一步改进在于：步骤4具体操作为：
[0033]步骤4.1，基于GM算法预测的日前不同类型空调数量计算出不同类型空调最大、最小功率值表达式如下：
[0034][0035][0036]式中：分别为第k类空调t时刻的最大、最小响应能力，为第k类空调日前t时刻数量，分别为第k类空调日前室外温度、室内设定的最大、最
小温度，η
k
为第k类空调单个周期内平均负荷功率，分别为第k类空调的启停运行周期，P
k
为第k类空调的负荷功率；
[0037]步骤4.2，将各种不同类型空调的最大、最小功率值进行求和，得到负荷聚合商控制空调的日前功率上限和下限，表达式如下：
[0038][0039]式中：分别为预测的日前负荷聚合商控制下的k类空调总最大、最小调节能力，N
K
为k类空调的总类别数。
[0040]本专利技术的有益效果是：通过本专利技术的方法可以掌握空调负荷日前响应能力，对支撑新型电力系统日前运行计划的制定，提高新型电力系统运行计划制定质量，减轻主网调控压力，助力电网早日实现双碳目标，具有重要意义。
附图说明
[0041]图1为本专利技术方法的操作流程示意图。
[0042]图2为空调运行特性聚类分析。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，以令本领域技术人员参照说明书文字能够据以实施。
[0044]如图1所示，本专利技术是一种基于Kmeas—GM的空调负荷日前响应能力评估方法，包括如下步骤：
[0045]步骤1，采集日内空调运行信息，包括室内温度信息、室内温度设定上下限、空调启动周期、空调停运周期、空调负荷信息，为空调聚类分析、日前不同类型空调数量预测提供支撑，采集的信息表达式为：
[0046][0047]式中：X
i
(t)为采集的第i台空调的采集信息，T
in
(t)为第i台空调在不同时间t的室内温度信息，T
iup
(t),T
idn
(t)分别为第i台空调在室内温度设定的上和下限值，分别为空调i启本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于Kmeas—GM的空调负荷日前响应能力评估方法，其特征在于：包括如下步骤：步骤1，采集日内空调运行信息；步骤2，提出基于kmeas聚类的空调负荷分类模型，基于kmeas聚类算法对空调运行信息进行聚类分析，将海量空调分为若干类；步骤3，基于灰色模型GM，对日前不同类型空调的数量进行训练，预测日前不同类型空调数量，提出基于GM的日前不同类型空调用户数量预测方法；步骤4，构建日前不同类型空调最大、最小响应能力评估模型，基于不同类型空调的日前预测用户数量，评估日前不同类型空调的最大、最小响应能力；步骤5，基于不同类型空调用户日前响应能力，对日前不同类型空调负荷进行聚合，评估空调负荷日前响应能力。2.根据权利要求1所述一种基于Kmeas—GM的空调负荷日前响应能力评估方法，其特征在于：所述步骤1采集的信息包括不同时间的室内温度信息、室内温度设定上下限、空调启动周期、空调停运周期、空调负荷信息，表达式为：式中：X
i
(t)为采集的第i台空调的采集信息，T
in
(t)为第i台空调在不同时间t的室内温度信息，T
iup
(t),T
idn
(t)分别为第i台空调在室内温度设定的上和下限值，分别为空调i启动周期、停运周期，P
i
为空调i的负荷信息。3.根据权利要求1所述一种基于Kmeas—GM的空调负荷日前响应能力评估方法，其特征在于：步骤2中聚类分析过程如下：步骤2.1，输入样本集，并从数据集D中随机选择k个样本作为初始的k个质心向量，表达式如下：{μ1,μ2,
…
,μ
k
}其中，d
i
为第i个样本集，聚类的簇树k，m是样本数量，最大迭代次数N；步骤2.2，计算样本d
i
【专利技术属性】
技术研发人员：刘盼盼，章锐，周吉，钱俊良，邰伟，
申请(专利权)人：南京东博智慧能源研究院有限公司，
类型：发明
国别省市：
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。