一种自适应的多元能源负荷特性识别方法技术

本发明专利技术公开了一种自适应的多元能源负荷特性识别方法。所述方法具体包括以下步骤：(1)采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量。(2)对所有收集到数据的电力用户进行聚类分析，得出它们用电规律和负荷曲线。(3)对上述电力用户进行需求响应和敏感度分析。本发明专利技术的技术效果和优点：可以有效降低成本，也可以降低碳排放，为社会生活带来更多的好处。会生活带来更多的好处。会生活带来更多的好处。

【技术实现步骤摘要】
一种自适应的多元能源负荷特性识别方法


[0001]本专利技术涉及园区综合用能领域，更具体地说是一种自适应的多元能源负荷特性识别方法。

技术介绍

[0002]各种类型的电力用户，有着不同的用电习惯和用电量，所以研究出一种自适应的多元能源负荷特性识别方法就显得很重要了。
[0003]随着我国双碳目标的推进，园区多元能源负荷的区别也越发显著，负荷特性的分析在电力行业的发展中具有非常重要的作用，而且，其特性会受到外界诸多因素的影响。研究和了解负荷特性与外界影响因素之间的关系对于电力系统的正常运行具有非常重要的意义。此外，对负荷特性和影响因素的规律分析还对电网的运行和负荷特性的预测工作具有至关重要的意义。针对不同的电力用户，有着不同的更加适应的能源。源网荷储一个较为新的概念，也会更加适应。
[0004]所以设计一种自适应的多元能源负荷特性识别方法，可以有效降低成本，也可以降低碳排放，为社会生活带来更多的好处。

技术实现思路

[0005]针对
技术介绍
中提到的负荷特性识别的问题，本专利技术提出一种自适应的多元能源负荷特性识别方法。充分考虑园区各类电力用户的实际情况和用能特性，确定园区内用能，得到一种自适应的多元能源负荷特性识别方法，所述方法具体包括以下步骤：
[0006](1)采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量。
[0007](2)对所有收集到数据的电力用户进行聚类分析，得出它们用电规律和负荷曲线。
[0008](3)对上述电力用户进行需求响应和敏感度分析。
[0009]本专利技术的具体步骤如下：
[0010](1)采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量，并对园区电力用户进行聚类分析。
[0011](2)该方法先假定原始数据为N个类簇，然后通过下式计算每个类簇之间的欧氏距离:
[0012][0013]式中，φ
ij
为欧式距离，表示第i条曲线和第j条曲线之间的距离，x
i1
，x
j1
，
……
，x
im
，x
jm
为得分矩阵中对应的主成分分析。n个类簇共有个距离。
[0014](3)处理园区内各电力用户的数据，计算园区内各类电力用户的能用特性，并构建园区综合用能的多元能源负荷特性识别模型，分析园区内各类电力用户的负荷特性，计算
模型如下：
[0015]整体月最大(小)负荷，园区每月最大(小)负荷日的负荷。
[0016][0017][0018]式中，—园区整体月最大负荷，—园区整体月最小负荷，—园区整体日负荷。
[0019]整体月平均负荷，园区每月内日负荷的平均值。
[0020][0021]式中，—园区整体月平均负荷，—园区整体日负荷。
[0022]整体月负荷率，是园区月平均负荷与园区月内最大日负荷的比值。该指标是研究园区电量在月内分布的重要指标，主要与园区用电构成、季节性变化和节假日有关。
[0023][0024]式中，—园区整体月最大峰谷差，—园区整体月平均负荷，—园区整体统计月内最大日负荷。
[0025]整体月负荷最大峰谷差，统计使得园区每月日最大负荷与日最小负荷之差最大。
[0026][0027]式中，—园区整体月最大峰谷差，—园区整体统计月内日最大负荷，—园区整体统计月内日最小负荷。
[0028]整体季负荷率，一年内12个月园区各月最大负荷日的最大负荷之和的平均值与园区年最大负荷的比值，即
[0029][0030]式中，—园区整体季负荷率，—园区整体t月最大负荷日的最大负荷，—园区整体年最大负荷。
[0031]它反映园区整体用电负荷的季节性变化，包括用电设备的季节性配置、设备的年度大修及负荷的年增长等因素造成的影响。
[0032]年负荷率，为年平均负荷与年最大负荷的比值。年负荷率与三类产业的用电结构变化有关。通常情况下随着第二产业用电比重的增加而增大，随着第三产业用电和居民生活用电所占比重增加而降低。
[0033][0034]式中，δ—园区整体年负荷率，—园区整体年平均负荷，—园区整体年最大负荷。
[0035]年最大负荷利用小时数，该指标与各产业用电所占的比重有关。采用如下的计算公式：
[0036][0037]式中，T年最大负荷利用小时数，δ—园区整体年负荷率。
[0038]一般来讲，电力系统中重工业用电占较大比重的地区，年最大负荷利用小时数较高；而第三产业用电和居民生活用电占较大比重的地区年最大负荷利用小时数较低。
[0039](4)得出上述数据，对所有电力用户进行聚类分析，之后再进行聚类有效性检验。
[0040][0041]式中，φ表示聚类曲线与样本曲线的距离，数值胶小时表示该类曲线与样本曲线有着较好的相似性。P
i
为第i类的聚类中心，X
i
为第i类中所有负荷曲线集合。
[0042](5)根据聚类情况，确定园区综合用能情况，判断园区是否可以完成自适应。
[0043]针对上述聚类分析得到的负荷特性，本专利技术进一步研究了园区综合能源系统需求响应潜力。综合能源系统需求响应潜力分析是指在不同时间尺度下，定义负荷间峰谷互补程度指标以计算理论最大可转移负荷量，并结合由设备、传输容量等分析得到的单独负荷转换约束与负荷间的转换约束，计算实际最大可转移负荷量，探究各时间段各类电力用户用电荷量规律特征，为需求响应相应措施研究提供参考结果。本专利技术建立的不同类型电力用户综合需求响应潜力分析模型为:
[0044][0045]F
e/
h
/c
为园区电力用户特性分析后的综合用能需求响应。s
e/
h
/c
为园区内各发电企业可转移负荷。γ
e/
h
/c
则为综合能源内传输效率。
[0046]得出园区内自适应的多元能源负荷特性识别方法和响应机制。
[0047]本专利技术的技术效果和优点：可以有效降低成本，也可以降低碳排放，为社会生活带来更多的好处。
附图说明
[0048]图1是本专利技术提供的是一种自适应的多元能源负荷特性识别方法的流程图。
[0049]图2为具体事例示意图。
具体实施方式
[0050]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0051]本专利技术的具体步骤如下：
[0052](1)采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量，并对园区电力用户进行聚类分析。
[0053](2)该方法先假定原始数据为N个类簇，然后通过下式计算每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应的多元能源负荷特性识别方法，其特征在于，所述方法具体包括以下步骤：(1)采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量；(2)对所有收集到数据的电力用户进行聚类分析，得出它们用电规律和负荷曲线；(3)对上述电力用户进行需求响应和敏感度分析。2.根据权利要求1所述的一种自适应的多元能源负荷特性识别方法，其特征在于：所述步骤(1)中，具体步骤如下：A、采集园区内各电力用户的实时数据上传互联网，设置使用时间的长短和负荷容量，并对园区电力用户进行聚类分析；B、该方法先假定原始数据为N个类簇，然后通过下式计算每个类簇之间的欧氏距离:式中，φ
ij
为欧式距离，表示第i条曲线和第j条曲线之间的距离，x
i1
，x
j1
，
……
，x
im
，x
jm
为得分矩阵中对应的主成分分析；n个类簇共有个距离。3.根据权利要求1所述的一种自适应的多元能源负荷特性识别方法，其特征在于：所述步骤(2)中，具体步骤如下：A、处理园区内各电力用户的数据，计算园区内各类电力用户的能用特性，并构建园区综合用能的多元能源负荷特性识别模型，分析园区内各类电力用户的负荷特性，计算模型如下：整体月最大(小)负荷，园区每月最大(小)负荷日的负荷；整体月最大(小)负荷，园区每月最大(小)负荷日的负荷；式中，—园区整体月最大负荷，—园区整体月最小负荷，—园区整体日负荷；整体月平均负荷，园区每月内日负荷的平均值；式中，—园区整体月平均负荷，—园区整体日负荷；整体月负荷率，是园区月平均负荷与园区月内最大日负荷的比值；该指标是研究园区电量在月内分布的重要指标，主要与园区用电构成、季节性变化和节假日有关；式中，—园区整体月最大峰谷差，—园区整体月平均负荷，—园区整体统计月内最大日负荷；整体月负荷最大峰谷差，统计使得园区每月日最大负荷与日最小负荷之差最大；
式中，—园区整体月最大峰谷差，—园区整体统计月内日最大负荷，—园区整体统计月内日最小负荷；整体季负荷率，一年内12个月园区各月最大负荷日的最大负荷之和的平均值与园区年最大负荷的比值，即式中，—园区整体季负荷率，—园区整体...

【专利技术属性】
技术研发人员：王永华，李卿鹏，蔡礼，陈珂，刘沛轩，
申请(专利权)人：国网江西省电力有限公司南昌供电分公司，
类型：发明
国别省市：