【技术实现步骤摘要】
本专利技术涉及能源管理与优化，尤其涉及一种基于模糊聚类分析的电能替代潜力评估方法及系统。
技术介绍
1、现有用户特征分析方法通常基于传统数据，但这些方法未考虑电能替代的因素。电能替代是指用户在特定情况下选择使用电能而不是传统能源的行为。电能替代可能受到用户的能源偏好、成本因素和环境意识等多种因素的影响。电能替代下负荷创新高将成常态，由于新能源出力的随机波动性，以及水资源的季节性，将导致电力系统平衡失调，电能替代负荷增高将进一步加剧供需平衡难度。因此，需要大力提升系统调节能力，增强电能替代资源/设备灵活性。
2、本专利技术的目的是提供一种基于模糊聚类分析电能替代潜力评估方法及系统，归集整理历年电能替代项目电酿酒、电制茶、电磁厨房、电锅炉等数据，使用模糊聚类分析方法，计算不同行业各用户的电能替代潜力，制定评估机制，实现对电能替代内容的科学分析，实现对高效率要求下电能替代潜力的评估，解决电能替代项目普遍负荷高，缺乏科学指导的问题。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种基于模糊聚类分析的电能替代潜力评估方法，能够使用模糊聚类分析方法，计算不同行业各用户的电能替代潜力，制定评估机制，实现对电能替代内容的科学分析，实现对高效率要求下电能替代潜力的评估，解决电能替代项目普遍负荷高，缺乏科学指导的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案，一种基于模糊聚类分析的电能替代潜力评估方法，包括：归
4、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述处理结构化项目数据包括，收集用户的电能使用数据，包括替代情况、负荷功率、时间戳和位置信息，构建数据接入接口，对电能替代数据接入，对近三年的电能替代项目数据按行业按类型进行分类；
5、不同行业的不同类型的用户具有不同的负荷特点，聚类模型以同种行业内同种类型的用户的96点负荷功率作为电能替代用户特征分析模型的特征指标。
6、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述特征指标包括，建电能替代用户特征分析模型时，选择同行业内用户96点负荷作为特征指标，96点负荷表示用户在一天内的电力需求数据，数据反映用户的用电习惯和电力需求波动情况，通过分析据，挖掘出电能替代技术的潜在需求和优化方向。
7、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述模糊聚类分析模型包括，确定隶属度矩阵，选取n个同行业用户，构建样本空间矩阵，设矩阵为y，即：
8、
9、将n个样本分为c(2≤c≤n)类，令u＝(uik)cxn为隶属度矩阵，uik表示第k个样本yk的隶属度，对隶属度矩阵归一化，同一数据集的隶属度总和为1，即：
10、
11、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述基于粒子群优化的神经网络识别模型包括，通过定义目标函数，进行聚类有效性检验，设w＝{v1,v2,…,vc}为聚类中心，其中vi＝{vi1,vi2,…,vip},定义目标函数v为：
12、
13、其中，m表示模糊类型，n表示数据点，dik＝‖yk-vi‖,表示第i聚类中心与第k个特征向量的欧式距离，当uii满足下式时：
14、
15、可保证定义目标函数v取得最小值。
16、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述聚类有效性检验包括，分别采用同类离散度q1，中心离散度q2和平均隶属度q3对聚类有效性进行检验，计算式如下：
17、
18、
19、
20、其中，q1表示同类离散度表示同一聚类之间中心的距离，该指标越小，表示分类效果越好；q2为类与类之间的差别，该指标越大，表示不同聚类之间的差别越明显；q3为聚类之间的清晰度，该指标越大，表示分类效果越清晰。以上述检验指标为基础，定义综合有效性指标q，即：
21、q＝-ω1q1+ω2q2+ω3q3
22、其中，ω1、ω2、ω3为偏好矩阵系数吗，当综合有效性指标q越大，则分类效果就越好，即可确定用户聚类的数目。
23、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：所述自动化评估包括，电能替代潜力用户识别模型使用hp神经网络模型，以用户96点负荷功率作为输入，根据用户聚类类别数确定识别模型个数，并以聚类分组的平均年替代电量作为输出结果，模型优化使用粒子群优化算法，通过对优化后神经网络进行反复训练，求得bp神经网络最有权值和最优阈值，最终得出用户的电能替代潜力电量；
24、根据设定好的评估指标，利用模糊聚类分析结果，对用户的电能替代潜力进行自动化评估，根据用户的分类结果，分别计算每个用户实施电能替代技术后的节能率和替代能源比例，根据评估指标的权重，为每个用户计算电能替代潜力评分，评分公式如下：
25、评分＝w1*esr+w2*aer
26、其中，w1和w2分别为节能率和替代能源比例的权重；
27、搭建项目信息上传软件系统，嵌入项目模型和构建评估机制对应的算法逻辑，实现上传行业项目的自动化分类及合理性评估。
28、本专利技术的另一个目的是提供一种基于模糊聚类分析的电能替代潜力评估系统，其能通过模糊聚类分析充分考虑电能替代技术的复杂性和不确定性，提高评估结果的准确性，全面地评估不同电能替代技术的潜力，更好地识别具有较高替代潜力的技术。
29、作为本专利技术所述的一种基于模糊聚类分析的电能替代潜力评估方法的一种优选方案，其中：包括数据采集模块、模糊聚类分析模块、评估指标计算模块、评估指标计算模块、结果展示模块、反馈与优化模块；
30、所述数据采集模块，模块负责收集并预处理用户的基本信息、用电数据、能源消耗类型、替代能源技术相关数据；
31、所述模糊聚类分析模块，模块采用模糊聚类算法，对预处理后的数据进行聚类分析，模糊聚类分析将用户自动分类，识别出具有电能替代潜力的用户；
32、所述评估指标计算模块，模块根据设定的评估指标，计算每个用户实施电能替代技术后的相关指标；
33、所述结果展示模块，模块将电能替代潜力评分以可视化的方式展示给用户，用户直观地了解自身的电能替代潜力；
34、所述反馈与优化模块，模块接收用户对评估结果的反馈，以便进一步完善评估模型和系统功能。
35、一种计算机设备，包括存储器和处理器，所述本文档来自技高网...
【技术保护点】
1.一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：包括，
2.如权利要求1所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述处理结构化项目数据包括，收集用户的电能使用数据，包括替代情况、负荷功率、时间戳和位置信息，构建数据接入接口，对电能替代数据接入，对近三年的电能替代项目数据按行业按类型进行分类；
3.如权利要求2所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述特征指标包括，建电能替代用户特征分析模型时，选择同行业内用户96点负荷作为特征指标，96点负荷表示用户在一天内的电力需求数据，数据反映用户的用电习惯和电力需求波动情况，通过分析据，挖掘出电能替代技术的潜在需求和优化方向。
4.如权利要求3所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述模糊聚类分析模型包括，确定隶属度矩阵，选取n个同行业用户，构建样本空间矩阵，设矩阵为Y，即：
5.如权利要求4所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述基于粒子群优化的神经网络识别模型包括，通过定义目标函数，
6.如权利要求5所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述聚类有效性检验包括，分别采用同类离散度Q1，中心离散度Q2和平均隶属度Q3对聚类有效性进行检验，计算式如下：
7.如权利要求6所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述自动化评估包括，电能替代潜力用户识别模型使用HP神经网络模型，以用户96点负荷功率作为输入，根据用户聚类类别数确定识别模型个数，并以聚类分组的平均年替代电量作为输出结果，模型优化使用粒子群优化算法，通过对优化后神经网络进行反复训练，求得BP神经网络最有权值和最优阈值，最终得出用户的电能替代潜力电量；
8.一种采用如权利要求1～7任一所述的一种基于模糊聚类分析的电能替代潜力评估方法的系统，其特征在于：包括数据采集模块、模糊聚类分析模块、评估指标计算模块、评估指标计算模块、结果展示模块、反馈与优化模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：包括，
2.如权利要求1所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述处理结构化项目数据包括，收集用户的电能使用数据，包括替代情况、负荷功率、时间戳和位置信息，构建数据接入接口，对电能替代数据接入，对近三年的电能替代项目数据按行业按类型进行分类；
3.如权利要求2所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述特征指标包括，建电能替代用户特征分析模型时，选择同行业内用户96点负荷作为特征指标，96点负荷表示用户在一天内的电力需求数据，数据反映用户的用电习惯和电力需求波动情况，通过分析据，挖掘出电能替代技术的潜在需求和优化方向。
4.如权利要求3所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述模糊聚类分析模型包括，确定隶属度矩阵，选取n个同行业用户，构建样本空间矩阵，设矩阵为y，即：
5.如权利要求4所述的一种基于模糊聚类分析的电能替代潜力评估方法，其特征在于：所述基于粒子群优化的神经网络识别模型包括，通过定义目标函数，进行聚类有效性检验，设w＝{v1,v2,…,vc}为聚类中心，其中vi＝{vi1,vi2,…,vip},定义目标函数v为：
<...【专利技术属性】
技术研发人员：周江山，黄宁钰，姜琦，魏科文，田维维，张玉平，李鹏程，牟景艳，梁成，刘世敏，李梦琪，杨志慧，
申请(专利权)人：贵州电网有限责任公司，
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。