柔性负荷识别方法及装置制造方法及图纸

本发明专利技术公开了一种柔性负荷识别方法及装置。其中，该方法包括：获取第一采样时段内，目标电网中多个用电账户分别对应的目标负荷数据；对多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，其中，第一负荷分类结果包括：由刚性负荷组成的第一类负荷数据，由复合负荷组成的第二类负荷数据，复合负荷包括刚性负荷和柔性负荷；基于第二类负荷数据，采用K最邻近算法，得到目标电网对应的柔性负荷识别结果。本发明专利技术解决了相关技术中存在的用户侧柔性负荷辨识准确性低，进而导致配电网调控平衡性差的技术问题。导致配电网调控平衡性差的技术问题。导致配电网调控平衡性差的技术问题。

【技术实现步骤摘要】
柔性负荷识别方法及装置


[0001]本专利技术涉及柔性负荷辨识领域，具体而言，涉及一种柔性负荷识别方法及装置。

技术介绍

[0002]随着智能电网的建设不断推进和深入发展，加上诸如需求响应、能效管理等技术的提升，用户侧负荷固有特性得到了改变，具有一定的调节能力，产生了一种新的可调度的负荷资源——柔性负荷(flexible load，FL)。柔性负荷主要包括可中断负荷、可调节负荷和可转移负荷等，与刚性负荷相比，柔性负荷能够参与至电网调度中。而随着分布式能源的发展，用户侧的负荷调节能力得到进一步的增强。但是分布式能源包括光伏发电、风力发电、新能源电动汽车等，分布式能源一方面能够参与到电网调度中，能够维持配电系统的平稳安全，同时分布式能源又由于其环境属性，导致无法实现用户侧柔性负荷的准确辨识，进而导致分布式能源的输出不稳定，无法实现配电网的调控平衡。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种柔性负荷识别方法及装置，以至少解决相关技术中存在的用户侧柔性负荷辨识准确性低，进而导致配电网调控平衡性差的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种柔性负荷识别方法，包括：获取第一采样时段内，目标电网中多个用电账户分别对应的目标负荷数据；对上述多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，其中，上述第一负荷分类结果包括：由刚性负荷组成的第一类负荷数据，由复合负荷组成的第二类负荷数据，上述复合负荷包括刚性负荷和柔性负荷；基于上述第二类负荷数据，采用K最邻近算法，得到上述目标电网对应的柔性负荷识别结果。
[0006]根据本专利技术实施例的另一方面，还提供了一种柔性负荷识别装置，包括：获取模块，用于获取第一采样时段内，目标电网中多个用电账户分别对应的目标负荷数据；分类模块，用于对上述多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，其中，上述第一负荷分类结果包括：由刚性负荷组成的第一类负荷数据，由复合负荷组成的第二类负荷数据，上述复合负荷包括刚性负荷和柔性负荷；识别模块，用于基于上述第二类负荷数据，采用K最邻近算法，得到上述目标电网对应的柔性负荷识别结果。
[0007]在本专利技术实施例中，通过获取第一采样时段内，目标电网中多个用电账户分别对应的目标负荷数据；对上述多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，其中，上述第一负荷分类结果包括：由刚性负荷组成的第一类负荷数据，由复合负荷组成的第二类负荷数据，上述复合负荷包括刚性负荷和柔性负荷；基于上述第二类负荷数据，采用K最邻近算法，得到上述目标电网对应的柔性负荷识别结果，达到了准确进行用户侧柔性负荷辨识的目的，从而实现了提升用户侧柔性负荷辨识准确性，实现电网系统的均衡稳定运行的技术效果，进而解决了相关技术中存在的用户侧柔性负荷辨识
准确性低，进而导致配电网调控平衡性差的技术问题。
附图说明
[0008]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0009]图1是根据本专利技术实施例的一种柔性负荷识别方法的示意图；
[0010]图2是根据本专利技术实施例的一种可选的柔性负荷识别方法的示意图；
[0011]图3是根据本专利技术实施例的一种电子设备的示意图。
具体实施方式
[0012]为了使本
的人员更好地理解本专利技术方案，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、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，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，都应当属于本专利技术保护的范围。
[0013]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0014]首先，为方便理解本专利技术实施例，下面将对本专利技术中所涉及的部分术语或名词进行解释说明：
[0015]K最邻近算法(即K
‑
means算法)，用于判断数据间相似程度的方式是采用某种数学公式来计算各数据之间的距离，距离越相近则相类似的程度越高，将相近程度高的数据集归并为同类，不同类别之间的有着较大的距离，于是便形成了类内紧凑，而类间疏远的数据集。该算法的具体过程为：
[0016]K
‑
means算法采用几何距离作为数据点之间是否具有相似性的评价指标，若两数据点的几何距离越小，则相似程度越高，即可以将两数据点划分至统一类别中，算法的流程步骤如下：
[0017]已知选取的数据集中含有的样本数据量为N，每个样本数据的特征维度是n维，即每个数据用下述形式进行表述：Zi＝(zi1,zi2,...,zin)，i＝1，2，...，N；设定所需的聚类数量K，并从选取的数据集中随机抽取与设定聚类数相同的数据向量作为初始聚类中心，则聚类中心的表述形式如下：Cj＝(cj1,cj2,...,cjn)，j＝1，2，...，K；计算数据集中各个数据点到聚类中心的几何距离，采用欧式距离计算，并将该数据点归入到距离最小的类中，计算公式如下：
[0018][0019]算法采用误差平方和准则函数(Sum of the Squared Errors，SSE)作为聚类准则函数，误差平方和准则函数(SSE)定义为：
[0020][0021]式中，K为聚类的个数；Nj为第j类中样本的个数，aj是第j类样本的均值，代表该数据样本类别的聚类中心，即：
[0022]传统的K
‑
means算法的核心思想是：通过多次迭代计算来达到预期目标，在每次的迭代过程里，需要更新各个类别样本集的样本中心，即通过计算每类样本集的数据均值(几何中心)，并将每次迭代的计算结果替代原有的样本中心，用作下一次迭代时的聚类参考中心。经过这样的数次迭代计算，最终的样本中心可以认为是真正的聚类质心。该方式预先设定好聚类数量K，并从目标数据集中随机抽出K个数据作为初始的样本中心，通过距离计算将与中心相近的数据聚合在一起，然后重新计算新的样本中心，以此迭代，当计算后的中心不再发生变化时，即认为Jw收敛，聚类完成。
[0023]虽然K
‑
means算法优点是易于理解，使用方便，且计算规模较大的数据集时快速高效，但是仍然存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种柔性负荷识别方法，其特征在于，包括：获取第一采样时段内，目标电网中多个用电账户分别对应的目标负荷数据；对所述多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，其中，所述第一负荷分类结果包括：由刚性负荷组成的第一类负荷数据，由复合负荷组成的第二类负荷数据，所述复合负荷包括刚性负荷和柔性负荷；基于所述第二类负荷数据，采用K最邻近算法，得到所述目标电网对应的柔性负荷识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述多个用电账户分别对应的目标负荷数据进行第一分类处理，得到第一负荷分类结果，包括：获取多个用电账户分别对应的负荷模式，其中，所述负荷模式为刚性负荷模式，或者复合负荷模式；将所述多个用电账户中，所述负荷模式为所述刚性负荷模式的第一用电账户对应的目标负荷数据，作为所述第一类负荷数据；将所述多个用电账户中，所述负荷模式为所述复合负荷模式的第二用电账户对应的目标负荷数据，作为所述第二类负荷数据；基于所述第一类负荷数据和所述第二类负荷数据，得到所述第一负荷分类结果。3.根据权利要求1所述的方法，其特征在于，所述基于所述第二类负荷数据，采用K最邻近算法，得到所述目标电网对应的柔性负荷识别结果，包括：获取所述多个用电账户对应的多种柔性负荷形式，以及由所述多种柔性负荷中的一个或多个组成的柔性负荷组合的第一组合数量，其中，所述多种柔性负荷形式至少包括：空调集群、热水器集群、电动汽车充电桩、空气源热泵；基于所述第一组合数量，采用二分法，确定对所述第二类负荷数据进行聚类的目标聚类个数；基于所述目标聚类个数和所述第二类负荷数据，采用所述K最邻近算法，得到所述柔性负荷识别结果。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一组合数量，采用二分法，确定对所述第二类负荷数据进行聚类的目标聚类个数，包括：确定所述第一组合数量对应的第一组合区间；以聚类质量作为参考指标数据，采用所述二分法对所述第一组合区间进行二分处理，确定对所述第二类负荷数据进行聚类的所述目标聚类个数。5.根据权利要求2所述的方法，其特征在于，所述基于所述第二类负荷数据，采用K最邻近算法，得到所述目标电网对应的柔性负荷识别结果，包括：将所述第一采样时段划分为多个子时段，确定所述多个子时段分别对应的时段类型，其中，所述时段类型为非调控时段、调控时段；确定所述第二类负荷数据中所述非调控时段对应的第三类负荷数据，以及所述第二类负荷数据中所述调控时段对应的第四类负荷数据；确定所述第一类负荷数据中所述非调控时段对应的第五类负荷数据，所述第五类负荷数据对应的负荷类型，以及所述第一类负荷数据中所述调控时段对应的第六类负荷数据；基于所述第五类负荷数据，以及所述第五类负荷数据对应的负荷类型，采用所述K最邻
近算法，确定所述第三...

【专利技术属性】
技术研发人员：李洪涛，王存平，程林，郝良，李子衿，王辰，任志刚，赵二岗，许丽娜，田浩，俞斌，
申请(专利权)人：国家电网有限公司清华大学无锡应用技术研究院，
类型：发明
国别省市：