一种城市内需求侧资源的聚类辨识方法技术

本发明专利技术公开了一种城市内需求侧资源的聚类辨识方法，该聚类辨识方法的步骤为：S1、选择城市内需求侧资源的聚类辨识对象；S2、对聚类辨识对象的负荷日数据进行处理；S3、确定聚类辨识算法；S4、基于聚类辨识算法确定聚类参数；S5、将步骤S4确定的聚类参数代入步骤S3确定的聚类辨识算法中，对步骤S2处理后的负荷日数据进行聚类辨识，分析聚类辨识结果并筛选出具有需求响应潜力的需求侧资源。本发明专利技术的聚类辨识方法针对城市内的需求侧资源，能够精准筛选出具有参与城市内需求侧响应潜力的需求侧资源；该方法能够为城市需求侧管理建设提供理论依据，在规划设计、建设运行等方面奠定工程实施基础，为我国社会双碳目标实现提供支撑。为我国社会双碳目标实现提供支撑。为我国社会双碳目标实现提供支撑。

【技术实现步骤摘要】
一种城市内需求侧资源的聚类辨识方法


[0001]本专利技术涉及负荷聚类辨识
，具体地说是一种城市内需求侧资源的聚类辨识方法。

技术介绍

[0002]随着智能电网技术的不断发展，需求侧响应在电网经济、稳定运行中发挥着愈加重要的作用，需求响应策略可以改善配电网的供电可靠性。近年来，全国各地用电需求保持着较快的增长，电力紧缺时有发生，电网运行压力不断增大，因此多地均陆续开展需求侧响应活动。
[0003]需求响应技术主要通过用户侧进行管理来维护发电与用电之间的供需平衡的管理。电力用户根据相关电价策略主动调整其电力消费习惯，不仅可以降低用电成本，还可以改善电力设备的利用率、减小电力负荷的峰谷差，提高电力系统安全稳定性，从而实现电力公司与用户之间的共赢。我国城市化率接近65％，城市消耗的能源占全国能源消费总量的比例约85％。而其中，我国楼宇耗电量约占全国城镇总耗电量的27％。同时楼宇中拥有大量的可调度的需求响应资源，所以城市环境中楼宇作为一种需求侧资源，其参与电力系统削峰填谷的潜力巨大。但城市环境下存在着不同行业的楼宇，每一类楼宇有着不同的用电负荷曲线，表征着不同行业的用电行为。因此，在研究城市楼宇的调峰潜力时，可以从楼宇负荷曲线入手，通过对楼宇用电数据信息进行聚类分析与辨识，进而对城市内楼宇的用电特性进行分析与分类，筛选出具有需求响应潜力的楼宇。这一环节是推动需求侧响应项目实施的关键，也是后续进行需求侧资源优化运行调度的一个重要前提。

技术实现思路

[0004]本专利技术的目的是针对现有技术存在的问题，提供一种城市内需求侧资源的聚类辨识方法。
[0005]本专利技术的目的是通过以下技术方案解决的：
[0006]一种城市内需求侧资源的聚类辨识方法，其特征在于：该聚类辨识方法的步骤为：
[0007]S1、选择城市内需求侧资源的聚类辨识对象；
[0008]S2、对聚类辨识对象的负荷日数据进行处理；
[0009]S3、确定聚类辨识算法；
[0010]S4、基于聚类辨识算法确定聚类参数；
[0011]S5、将步骤S4确定的聚类参数代入步骤S3确定的聚类辨识算法中，对步骤S2处理后的负荷日数据进行聚类辨识，分析聚类辨识结果并筛选出具有需求响应潜力的需求侧资源。
[0012]所述步骤S1中的聚类辨识对象是城市内各行业的楼宇建筑。
[0013]所述步骤S2中的聚类辨识对象的负荷日数据需要进行数据预处理，采用极差归一化的方法对负荷日用电数据进行归一化处理，具体方法如下：设p维向量X＝(X1,X2,
…
,X
P
)
的观测值矩阵为：
[0014][0015]经过极差归一化变换后，矩阵变为：
[0016][0017]式(1)
‑
(2)中，其中为变量X
i
的观测值最小值，为变量X
i
的观测值极差；最终经过极差归一变化后，矩阵X
R
的每个元素的取值均在0～1之间。
[0018]所述步骤S3中的聚类辨识算法需要根据聚类辨识算法的特性来进行选择，包括聚类速度、聚类精确度、辨识准确度。
[0019]所述步骤S3中的聚类辨识算法为二次聚类法与BP神经网络算法，其中利用二次聚类法进行类属维度上的聚类研究、利用BP神经网络算法完成待辨识负荷的辨识。
[0020]所述的二次聚类法中，聚类过程分为两步：第一步为一次聚类，采用传统的系统聚类法，即使用欧式距离的系统聚类，得到初始的一次聚类结果；二次聚类采用模糊C均值聚类算法(FCM)，其中模糊C均值聚类算法的初始聚类中心由一次聚类结果提供，最终完成聚类，对聚类辨识对象进行分类并输出负荷类别标签值。
[0021]在二次聚类法中，系统聚类法根据负荷日数据间的欧式距离进行筛选，而模糊C均值聚类算法则是利用各负荷样本对于初始聚类中心的隶属度约束，求取目标函数最小值的一种聚类方法，模糊C均值聚类算法定义的目标函数为：
[0022][0023]式(3)中，m为模糊指数；B为模糊矩阵；Z为聚类中心矩阵；N为样本个数；c为负荷类别数；为负荷样本点对聚类中心的隶属度；为样本点到聚类中心的聚类；x
i
为第i个样本点；z
j
为聚类中心。
[0024]所述BP神经网络算法完成待辨识负荷的辨识是利用BP神经网络模型，构建聚类辨识对象负荷及各类负荷聚类中心的特性参数向量与负荷类别标签值之间的映射关系，对待辨识聚类辨识对象进行辨识，并输出聚类辨识结果。
[0025]在步骤S3完成聚类辨识算法的确立后，必须确定聚类辨识算法中的各类参数与评估指标，参数与评估指标的设置是聚类算法的重要内容，设置结果是否准确合理直接影响着聚类效果的合理性与可信度。在完整的聚类特征算法流程中，必须确定聚类特征参数并
进行一系列数据的处理，而解决聚类数C的确定及聚类有效性的问题，选用轮廓系数Silhouette对聚类有效性进行评估。故本申请的技术方案主要确定的参数为聚类簇数与聚类特征参数。
[0026]确定聚类辨识算法中的聚类簇数及评估聚类有效性的问题，采用轮廓系数Silhouette指标，公式如下：
[0027][0028]式(3)中，m
k
为元素k与不包含该元素的簇中所有元素的平均距离；n
k
为元素k与所在簇中其他元素的平均距离；S
k
是Silhouette指标下元素k的计算结果，取值范围为[
‑
1,1]，其值越大表明该元素更匹配所属簇而不是与其他簇匹配，聚类效果越优。
[0029]就聚类特征参数而言，为体现需求侧资源的日用电特性，筛选出适合参与需求响应的负荷，故聚类特征参数选取日负荷率、日峰谷差率、峰期负载率、谷期负载率这四类负荷特征参数。
[0030]日负荷率是指日平均负荷与日最大负荷的比值，是体现各个用电设备均衡程度的指标，也是衡量一天内负荷波动的指标。日负荷率越高，则会说明用电设备利用率越高，负荷波动越均衡。而均衡用电是提高负荷率和保持区域用电平衡的前提，对电网的可靠运行时非常有益的。日负荷率的表达式为：
[0031][0032]式(5)中，γ
d
为日负荷率；为日平均负荷；P
dmax
为日最大负荷；
[0033]日峰谷差率为日峰谷差与日最大负荷的比值，这个指标是由于种类不同的用电系统两者日峰谷差相比较没有意义而产生的。日峰谷差率通常会受到环境和人为因素的影响，如用电设备的多样化、公司和工厂的休假日以及气候变化等等，其作用主要是位电力系统调整负荷和电源规划提供参考和依据。日峰谷差率的表达式为：
[0034][0035]式(6)中，λ
d
为日峰谷差率；P
ddif
为日峰谷差；
[0036]第三个与第四个聚类特征参数选取峰期负载率与谷期负载率，其定义分别为：峰期负载率是峰时段平均负荷与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市内需求侧资源的聚类辨识方法，其特征在于：该聚类辨识方法的步骤为：S1、选择城市内需求侧资源的聚类辨识对象；S2、对聚类辨识对象的负荷日数据进行处理；S3、确定聚类辨识算法；S4、基于聚类辨识算法确定聚类参数；S5、将步骤S4确定的聚类参数代入步骤S3确定的聚类辨识算法中，对步骤S2处理后的负荷日数据进行聚类辨识，分析聚类辨识结果并筛选出具有需求响应潜力的需求侧资源。2.根据权利要求1所述的城市内需求侧资源的聚类辨识方法，其特征在于：所述步骤S1中的聚类辨识对象是城市内各行业的楼宇建筑。3.根据权利要求1所述的城市内需求侧资源的聚类辨识方法，其特征在于：所述步骤S2中的负荷日数据采用极差归一化的方法进行归一化处理，具体方法如下：设p维向量X＝(X1,X2,
…
,X
P
)的观测值矩阵为：经过极差归一化变换后，矩阵变为：式(1)
‑
(2)中，其中为变量X
i
的观测值最小值，为变量X
i
的观测值极差；最终经过极差归一变化后，矩阵X
R
的每个元素的取值均在0～1之间。4.根据权利要求1所述的城市内需求侧资源的聚类辨识方法，其特征在于：所述步骤S3中的聚类辨识算法为二次聚类法与BP神经网络算法，其中利用二次聚类法进行类属维度上的聚类研究、利用BP神经网络算法完成待辨识负荷的辨识。5.根据权利要求4所述的城市内需求侧资源的聚类辨识方法，其特征在于：所述的二次聚类法中，聚类过程分为两步：第一步为一次聚类，采用传统的系统聚类法，即使用欧式距离的系统聚类，得到初始的一次聚类结果；二次聚类采用模糊C均值聚类算法，其中模糊C均值聚类算法的初始聚类中心由一次聚类结果提供，最终完成聚类，对聚类辨识对象进行分类并输出负荷类别标签值；在二次聚类法中，系统聚类法根据负荷日数据间的欧式距离进行筛选，而模糊C均值聚类算法则是利用各负荷样本对于初始聚类中心的隶属度约束，求取目标函数最小值的一种聚类方法，其定义的目标函数为：
式(3)中，m为模糊指数；B为模糊矩阵；Z为聚类中心矩阵；N为样本个数；c为负荷类别数；为负荷样本点对聚类中心的隶属度；为样本点到聚类中心的聚类；x
i
为第i个样本点；z
j
为聚类中心。6....

【专利技术属性】
技术研发人员：王世谦，李秋燕，卜飞飞，白宏坤，宋大为，王圆圆，华远鹏，韩丁，王涵，贾一博，高煜焜，李承澳，熊欣晨，刘皓明，
申请(专利权)人：河海大学，
类型：发明
国别省市：