【技术实现步骤摘要】
基于数据挖掘的工业负荷辨识方法及系统
[0001]本专利技术属于工业负荷辨识领域,具体涉及一种基于数据挖掘的工业负荷辨识方法及系统。
技术介绍
[0002]为贯彻节能减排和低碳发展的理念,积极建设新型电力系统,实现“双碳”的目标,就要加快落实新型电力系统的建设,增大新能源发电的占比。然而,新能源发电目前伴随着随机波动性和不确定性的问题。新能源的发电高峰期与负荷的用电高峰期并不一致,导致电力供需不平衡。在总负荷中,工业负荷量占比最大,且控制自动化水平最高,对实施需求响应具有十分重要的意义,因此,有必要对工业用户的用电行为展开深入研究,分析工业负荷辨识方法,以高效地实现电网的需求响应工作。
[0003]根据电力系统负荷监控和统计的现状,电网所观测的对象通常为综合负荷。为了保证新能源发电在电力系统中的主体地位,必须解决新型电力系统在电力供需平衡和安全稳定运行等方面的挑战。工业负荷含有大量的分布范围广、单体容量小的小型负荷,由于分布广、数据海量,故电网难以实现对单一负荷的直接控制。通过对综合负荷辨识,得到综合负荷中各类工业负荷的构成比例,进而结合工业负荷的调节特性,得到可监控的综合负荷的可调节能力,才能更好地实现对工业负荷的控制,达到促进新能源消纳的目的基于上述分析,本专利技术为增强对工业负荷的辨识,更好地实现对工业负荷的控制,采用更合理的送电策略,方便实施负荷能效管理,提出基于数据挖掘的电力系统工业负荷辨识方法。
[0004]因此,本专利技术基于数据挖掘的工业负荷辨识方法及相关设备,其基于DTW算法提取负荷 ...
【技术保护点】
【技术特征摘要】
1.基于数据挖掘的工业负荷辨识方法,其特征在于:包括:基于DTW算法进行工业负荷分类;基于聚类算法对周期性负荷进行负荷标签信息的提取;对非周期性负荷进行拟合建模;基于负荷标签信息实现对负荷信息的辨识。2.如权利要求1所述的基于数据挖掘的工业负荷辨识方法,其特征在于:所述基于DTW算法进行工业负荷分类包括:利用DTW算法对不同工业负荷的DTW值进行计算;根据动态规划思想找到弯曲代价最小的最优匹配路径,快速匹配相似的负荷时间序列,实现负荷周期性分类;基于DTW算法求得的DTW值将工业负荷分为周期性负荷和非周期性负荷,其中,周期性负荷包括强周期性负荷和弱周期性负荷;DTW大于0.7的为强周期负荷,介于0.6和0.7之间的为弱周期负荷,小于0.6的为非周期性负荷;按照周期性对负荷进行分类后,对周期性负荷做聚类分析,提取典型日负荷特征曲线作为工业负荷类别标签,对非周期性负荷则通过研究长期负荷时序曲线的拟合建模方法来分析其用电行为。3.如权利要求1所述的基于数据挖掘的工业负荷辨识方法,其特征在于:所述基于聚类算法对周期性负荷进行负荷标签信息的提取包括:收集周期性工业用户的负荷数据作为输入;将萤火虫算法与K
‑
means算法相结合,K
‑
means算法用于聚类分析,萤火虫算法用于为K
‑
means算法的参数寻优;对输入数据使用萤火虫算法结合K
‑
means算法的聚类算法进行聚类分析,得到不同类别的负荷特性曲线作为负荷标签信息。4.如权利要求1所述的基于数据挖掘的工业负荷辨识方法,其特征在于:所述对非周期性负荷进行拟合建模包括:提取其月负荷特征曲线进行建模;使用基于蚱蜢算法优化的VMD算法将负荷序列分解,使原本存在波动的负荷序列自适应地分解为多个IMF分量;使用GRU神经网络对分解得到的各个分量进行建模;对各分量的建模结果进行集成,以达到精确建模的目的。5.如权利要求1所述的基于数据挖掘的工业负荷辨识方法,其特征在于:所述基于负荷标签信息实现对负荷信息的辨识包括:聚类分析得到的负荷用电模式作为负荷类别标签以进行基于深度神经网络DNNDL的字典学习算法,然后创建基于判别字典的稀疏表示分类SRC模型,同时训练判别字典和分类器;基于判别字典的SCR的分类准则为:如果理想稀疏编码Q=[q1,q2,
…
q
N
]∈R
K
×
N
中qi是[0,0,
…
,1,1,1,
…
0]
T
∈R
K
,“1”仅表示非零项,则通过稀疏系数的绝对值大小以及原子所属类别确定类别;
假设测试信号yi属于类别l(l=...
【专利技术属性】
技术研发人员:赵毅涛,艾渊,刘兴龙,张益鸣,孙立元,杨昊,杨晓华,代盛国,赵永辉,杨子阳,任建宇,茶建华,杨茗,李家浩,高丽萍,朱葛,尹钰君,
申请(专利权)人:云南电网有限责任公司,
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。