【技术实现步骤摘要】
本专利技术专利申请涉及能源互联网领域，具体涉及一种园区级区域能源互联网分类方法、系统设备和介质。
技术介绍
1、能源互联网是以电能为核心，集成热、冷、燃气等能源，综合利用互联网等技术，深度融合能源系统与信息通信系统，协调多能源的生产、传输、分配、存储、转换、消费及交易，具备高效、清洁、低碳、安全特征的开放式能源互联网络，区域能源互联网是指一定范围内，面向园区能源互联网及其他用户，以电、热、冷、燃气等多种能源耦合互联形成的区域综合供能网络，是能源互联网的形式之一，其中，园区级区域能源互联网主要由分布式能源生产设备、综合能源消费用户、多能源传输微网等构成，园区级区域能源互联网作为能源生产与能源消费之间的关键环节，主要由物理层、信息层、服务层构成，其中物理层典型架构主要面向以配电网为核心的能源网架体系构建，实现能量的流动与交换；信息层典型架构主要面向信息支撑体系构建，有效促进信息流、能量流、业务流的深度融合；服务层典型架构主要面向价值创造体系构建，包括调度管理、能源服务、市场价格机制业务应用，全面提升能源互联网价值创造能力。
2、由于目前各地经济社会发展水平、能源资源禀赋和开发情况、园区能源消费构成与运营能力等方面存在显著差异，若按照统一标准开展园区级区域能源互联网建设，往往会造成设备资产利用率不高甚至严重浪费的情况，无法达到合理高效的技术经济水平；因此，园区级区域能源互联网的规划建设应充分遵循差异化原则，对不同特点的地区采用不同的建设模式，这样才能实现与地区资源条件和发展路径相适应的建设目标；这需要结合多方面因素，首先对
技术实现思路
1、为克服上述现有技术的不足，本专利技术专利申请提出一种园区级区域能源互联网分类方法，包括：
2、采集区域内园区级区域能源互联网的能源运行数据，生成园区级区域能源互联网能源运行数据的样本集；
3、基于所述样本集利用聚类算法对样本集的能源运行数据进行聚类，得到聚类结果；
4、基于聚类结果确定园区级区域能源互联网分类情况。
5、优选的，所述基于所述样本集利用聚类算法对样本集的能源运行数据进行聚类，得到聚类结果包括：
6、采用聚类算法对所述样本集的能源运行数据按照分类项目进行聚类，得到不同分类项目的谱系聚类图；
7、分别基于各分类项目的谱系聚类图得到各分类项目下的聚类结果；
8、其中，所述能源运行数据的数据类型包括下述中的至少一种或多种：电力消耗总量、燃料消耗总量、碳排放总量、新能源利用率、能源消耗效率；所述分类项目包括下述中的至少一种或多种：新能源利用率和碳排放量。
9、优选的，所述聚类算法包括下述中的至少一种或多种：系统聚类法、动态聚类法、有序样品聚类法、模糊聚类法、图论聚类法和聚类预报法。
10、优选的，采用系统聚类法对所述样本集的能源运行数据进行聚类包括：
11、针对所述样本集的能源运行数据中的每个数据类型，将该数据类型中的每一数据作为一类；
12、计算各类与类之间的距离，合并距离最近的两类为一类；
13、将所述距离最近两类合并后的类与其他类对比，合并距离最近的两类，依次递推将所有能源运行数据进行归类；
14、针对归类后的所有该数据类型的能源数据，做出各分类项目下的谱系聚类图后得到聚类分析结果。
15、优选的，所述计算各类与类之间的距离的方法包括下述中的至少一种或多种：最短距离法、最长距离法、中间距离法、类平均法、重心法和离差平方和法。
16、优选的，使用类平均法计算各类与类之间距离的计算式为：
17、
18、其中dpq为类p和类q的距离，dij表示样品i和j之间的距离，np为p类中的样品个数，nq为q类中的样品个数。
19、优选的，所述将所述距离最近两类合并后的类与其他类对比，合并距离最近的两类，依次递推将所有能源运行数据进行归类的递推式为：
20、
21、其中，所述a、b为当前聚类最近的两类，r为合并类a、b后的类，k为所述样本集的其他类，drk为类r和类k的距离，na为a类中的样品个数，nb为b类中的样品个数，nr为r类中的样品个数，dak为类a和类k的距离，dbk为类b和类k的距离。
22、优选的，所述基于聚类结果确定园区级区域能源互联网分类情况，包括：
23、对各分类项目下的聚类结果进行组合，以任一分类项目下聚类结果不同作分类结果不同的依据，将园区级区域能源互联网分为多个类。
24、基于同一专利技术构思，本专利技术专利申请还提供一种园区级区域能源互联网分类系统，包括：
25、数据采集模块：用于采集区域内园区级区域能源互联网的能源运行数据，生成园区级区域能源互联网能源运行数据的样本集；
26、聚类模块：基于所述样本集利用聚类算法对样本集的能源运行数据进行聚类，得到聚类结果；
27、分类模块：基于聚类结果确定园区级区域能源互联网分类情况。
28、优选的，所述聚类模块，具体用于：
29、采用聚类算法对所述样本集的能源运行数据按照分类项目进行聚类，得到不同分类项目的谱系聚类图；
30、分别基于各分类项目的谱系聚类图得到各分类项目下的聚类结果；
31、其中，所述能源运行数据的数据类型包括下述中的至少一种或多种：电力消耗总量、燃料消耗总量、碳排放总量、新能源利用率、能源消耗效率；所述分类项目包括下述中的至少一种或多种：新能源利用率和碳排放量。
32、优选的，所述聚类模块中聚类算法包括下述中的至少一种或多种：系统聚类法、动态聚类法、有序样品聚类法、模糊聚类法、图论聚类法和聚类预报法。
33、优选的，聚类模块中采用系统聚类法对所述样本集的能源运行数据进行聚类包括：
34、针对所述样本集的能源运行数据中的每个数据类型，将该数据类型中的每一数据作为一类；
35、计算各类与类之间的距离，合并距离最近的两类为一类；
36、将所述距离最近两类合并后的类与其他类对比，合并距离最近的两类，依次递推将所有能源运行数据进行归类；
37、针对归类后的所有该数据类型的能源数据，做出各分类项目下的谱系聚类图后得到聚类分析结果。
38、优选的，所述聚类模块中计算各类与类之间的距离的方法包括下述中的至少一种或多种：最短距离法、最长距离法、中间距离法、类平均法、重心法和离差平方和法。
39、优选的，使用类平均法计算各类与类之间距离的计算式为：
40、
41、其中dpq为类p和类q的距离，dij表示样品本文档来自技高网...
【技术保护点】
1.一种园区级区域能源互联网分类方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述样本集利用聚类算法对样本集的能源运行数据进行聚类，得到聚类结果包括：
3.如权利要求2所述的方法，其特征在于，所述聚类算法包括下述中的至少一种或多种：系统聚类法、动态聚类法、有序样品聚类法、模糊聚类法、图论聚类法和聚类预报法。
4.如权利要求2所述的方法，其特征在于，采用系统聚类法对所述样本集的能源运行数据进行聚类包括：
5.如权利要求4所述的方法，其特征在于，所述计算各类与类之间的距离的方法包括下述中的至少一种或多种：最短距离法、最长距离法、中间距离法、类平均法、重心法和离差平方和法。
6.如权利要求4所述的方法，其特征在于，使用类平均法计算各类与类之间距离的计算式为：
7.如权利要求4所述的方法，其特征在于，所述将所述距离最近两类合并后的类与其他类对比，合并距离最近的两类，依次递推将所有能源运行数据进行归类的递推式为：
8.如权利要求2所述的方法，其特征在于，所述基于聚类结果确
9.一种园区级区域能源互联网分类系统，其特征在于，包括：
10.如权利要求9所述的系统，其特征在于，所述聚类模块具体用于：
11.一种计算机设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至8中任一项所述的一种园区级区域能源互联网分类方法。
...【技术特征摘要】
1.一种园区级区域能源互联网分类方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述样本集利用聚类算法对样本集的能源运行数据进行聚类，得到聚类结果包括：
3.如权利要求2所述的方法，其特征在于，所述聚类算法包括下述中的至少一种或多种：系统聚类法、动态聚类法、有序样品聚类法、模糊聚类法、图论聚类法和聚类预报法。
4.如权利要求2所述的方法，其特征在于，采用系统聚类法对所述样本集的能源运行数据进行聚类包括：
5.如权利要求4所述的方法，其特征在于，所述计算各类与类之间的距离的方法包括下述中的至少一种或多种：最短距离法、最长距离法、中间距离法、类平均法、重心法和离差平方和法。
6.如权利要求4所述的方法，其...
【专利技术属性】
技术研发人员：刘伟，孟晓丽，陈海，赵海翔，盛万兴，刘洪，徐正阳，杨白洁，刘苑红，刘姝嫔，杨洋，李蕊，赵明欣，李胜文，王涛，范文奕，赵阳，陈刚，惠慧，闫涛，王昕萌，李鹏丽，王铭，
申请(专利权)人：中国电力科学研究院有限公司，
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。