基于数据模型双驱动的负荷时序调节潜力分析方法技术

本发明专利技术公开一种基于数据模型双驱动的负荷时序调节潜力分析方法，包括：获取负荷数据；对负荷数据进行一次聚类处理，并将一次聚类结果和可调潜力指标输入至自组织竞争神经网络中进行二次聚类处理，得到二次聚类结果；将二次聚类结果作为所述一次聚类结果的中间变量，对一次聚类结果进行修正，得到考虑综合特征的聚类结果；基于考虑综合特征的聚类结果，计算初步的负荷时序调节潜力结果；将初步的负荷时序调节潜力结果分解为若干特征互异的子模态，并对各子模态分别进行潜力预测，将各子模态对应的潜力预测结果叠加输出作为最终的负荷潜力分析结果。本发明专利技术解决了数据结构复杂、存在噪声、端点效应和虚假分量等问题，提高潜力分析精度。析精度。析精度。

【技术实现步骤摘要】
基于数据模型双驱动的负荷时序调节潜力分析方法


[0001]本专利技术涉及电力负荷潜力分析
，具体涉及一种基于数据模型双驱动的负荷时序调节潜力分析方法。

技术介绍

[0002]随着新型电力系统及“双碳”技术的发展，风电、光伏等新能源将持续高速发展，风电、光伏等新能源大规模接入电网以及电力需求的不断攀升也给电力系统稳定调控带来严峻挑战，电力系统由传统的需求侧不平衡问题向供需两侧不平衡问题演变，电网平衡面临新的挑战。工业企业作为我国能源消耗大户，在用电方面更是占据主导地位，在当前国家新一轮电力改革的背景下，工业用户负荷因具有灵活性、经济性等特征成为优化改革的主要对象，可有效提高系统运行效率与稳定。因此，对工业用户负荷进行时序调节以及对其潜力分析尤为重要，而工业负荷由于特征数据复杂且庞大，这给工业负荷的分析工作带来了不小的挑战，分析方法的选择对潜力分析的结果有着举足轻重的影响。
[0003]目前，潜力分析手段主要基于聚类方法将工业用户分为不同小组，以此构建小组型调控潜力评估体系，并基于聚类结果对各类用户的需求响应潜力进行分析。文献“《基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，所述方法包括：获取负荷数据；对所述负荷数据进行一次聚类处理，得到一次聚类结果，并将所述一次聚类结果和可调潜力指标输入至自组织竞争神经网络中进行二次聚类处理，得到二次聚类结果；将所述二次聚类结果作为所述一次聚类结果的中间变量，对所述一次聚类结果进行修正，得到考虑综合特征的聚类结果；基于所述考虑综合特征的聚类结果，计算初步的负荷时序调节潜力结果；将初步的负荷时序调节潜力结果分解为若干特征互异的子模态，并对各所述子模态分别进行潜力预测，将各所述子模态对应的潜力预测结果叠加输出作为最终的负荷潜力分析结果。2.如权利要求1所述的基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，在所述获取负荷数据之后，所述方法还包括：将所述负荷数据按时间顺序排列后，采用三次样条插值拟合函数，对相应缺失时间点的数据进行填充处理，得到完整的时间序列数据；对所述完整的时间序列数据进行无量纲化处理，得到无量纲化数据；相应地，所述对所述负荷功率数据进行一次聚类处理，得到一次聚类结果，具体为：对所述无量纲化数据进行一次聚类处理，得到一次聚类结果。3.如权利要求1所述的基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，所述对所述负荷数据进行一次聚类处理，得到一次聚类结果，并将所述一次聚类结果和可调潜力指标输入至自组织竞争神经网络中进行二次聚类处理，得到二次聚类结果，包括：采用K
‑
means算法对所述负荷数据进行一次聚类处理，得到所述一次聚类结果；采用主成成分分析法对所述可调潜力指标进行降维处理，得到降维后的主成分；将降维后的主成分和所述一次聚类结果输入至所述自组织竞争神经网络中进行二次聚类处理，得到二次聚类结果。4.如权利要求3所述的基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，所述采用K
‑
means算法对所述负荷数据进行一次聚类处理，得到所述一次聚类结果，包括：1)选择k个初始聚类中心，其中，k个所述初始聚类中心采用轮廓系数确定；2)针对所述负荷数据中每一个负荷样本a，分别计算其到k个所述初始聚类中心的距离，并将该负荷样本划分到距离最小的所述初始聚类中心所对应的类别；3)针对每个类别中的每个负荷样本，重新计算聚类中心；重复执行步骤2)～步骤3)，直至满足设定的迭代条件，得到所述一次聚类结果，所述一次聚类结果为具有相同用电行为特征的用户。5.如权利要求3所述的基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，所述可调潜力指标包括用户行为特征指标和用户生产特征指标，所述采用主成成分分析法对所述可调潜力指标进行降维处理，得到降维后的主成分，包括：对所所述可调潜力指标进行标准化处理，得到标准化的指标数据；计算标准化的指标数据的相关系数矩阵；
计算所述相关系数矩阵的特征值，并按照特征值的贡献率大小排序，选取前k个贡献率对应的特征值作为主成分，得到降维后的主成分。6.如权利要求3所述的基于数据模型双驱动的负荷时序调节潜力分析方法，其特征在于，所述将降维后的主成分和所述一次聚类结果输入至所述自组织竞争神经网络中进行二次聚类处理，得到二次聚类结果，包括：1)将所述降维后的主成分和所述一次聚类结果作为所述自组织竞争神经网络输入层的输入，分别将所述降维后的主成分和所述一次聚类结果与所述自组织竞争神经网络中竞争层的权向量进行归一化处理，得到第一归一化结果和第二归一化结果；2)将所述第二归一化结果中与所述第一归一化结果最相似的权向量判定为胜利神经；3)利用所述胜利神经元调整竞争层的权向量；重复执行步骤1)～步...

【专利技术属性】
技术研发人员：柳伟，肖飞，崔勇，耿建，张俊芳，刘晗，顾军，
申请(专利权)人：国网上海市电力公司中国电力科学研究院有限公司南京分院，
类型：发明
国别省市：