【技术实现步骤摘要】
本专利技术涉及电力行业需求侧管理，具体为一种基于需求响应的用户用电行为特征分析方法及系统。
技术介绍
1、随着智能电网的全面建设，信息通信技术与智能电网的紧密融合为用户用电行为的精确分析提供了更多可能性。电网改革的推进使得用户的地位明显提高，对用户用电行为充分了解有助于电力公司在争夺用户资源时提升竞争力，并且也是需求侧响应得以实现的基础和前提。需求响应是需求侧管理在竞争性电力市场中的发展，通过价格信号和激励机制来增加需求侧在市场中的作用，可以有效地缓解输电和发电容量迅速扩建的步伐，有利于构建环境友好型社会。适用于需求响应的用户用电特性分析方法是智能电网时代下的重要研究方向，不仅可以帮助电力公司更好地了解和服务用户，同时也是构建环境友好型社会、实现可持续发展的重要手段。
2、在需求响应中，不同用户的用电行为差异导致对负荷响应的效率不一致。一些用户可能更愿意、更能够灵活地调整用电行为，而另一些用户可能相对不敏感或难以改变用电习惯，导致不同用户群体的响应程度参差不齐。因此，在实施需求响应时，需要综合考虑用户群体的不同用电行为特征，以支持更高质量的电网友好交互监管
3、针对以上问题，本专利技术提供了一种基于需求响应的用户用电行为特征分析方法。本专利技术对相同负荷特性类型用户进行聚类，划分不同用电特性的用户群体；通过电力价格弹性系数构建用户响应度模型，分析、评估每类用户群体其用电行为及需求响应能力；最后提取每类用户的需求响应特征，分析用户需求响应潜力，完成需求侧响应的用户用电行为特征分析。
<
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：通过对用户用电数据的深入分析，提高了对用户用电行为特征的理解，使得需求响应管理更加精确。其次，通过改进的fcm算法和用户响应度模型的应用，有效地识别了不同用户群体的需求响应潜力，从而为电网提供了更为准确的需求预测和调度依据。最后，本专利技术的方法能够针对不同用户群体制定个性化的需求响应策略，提高了电网的整体运行效率和经济性，同时也增加了用户对需求响应计划的接受度和参与度。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于需求响应的用户用电行为特征分析方法，包括：收集用户用电数据，进行预处理。
4、对相同负荷特性的用户进行聚类，对聚类结果评价，划分用户用电特征。
5、构建用户响应度模型，计算每类用户的需求响应特征指标。
6、改进fcm算法，分析用户需求响应潜力，得到需求响应潜力不同的用电用户群体。
7、作为本专利技术所述的基于需求响应的用户用电行为特征分析方法的一种优选方案，其中：所述预处理包括采用数据清洗、缺失值处理、异常值检测的方法，从用电量数据中提取有意义的特征进行特征识别，包括总用电量、平均用电量、峰时用电量、谷时用电量，进行特征识别、聚类分析处理。
8、作为本专利技术所述的基于需求响应的用户用电行为特征分析方法的一种优选方案，其中：所述对相同负荷特性的用户进行聚类包括基于ck-means聚类分析的用户负荷分类，步骤包括：
9、将用户一年的用电数据保存到一个数据集列表l中，并设置两个阈值t1和t2，阈值t1>t2。
10、随机从数据集列表中选取一个用户一年的数据p作为canopy算法的初始质心点，并将数据p从该列表中删除。
11、随机选取数据集列表l中的一条数据q，计算数据q到所有质心点的距离，并取最小距离d。
12、若d＞t1，则将数据q设为新的canopy质心点，将数据q从数据列表l中删除。
13、若d≤t1，则判断距离d是否小于等于阈值t2，若也满足d≤t2，则将数据q归入canopy质心，并给予强标记，将q从数据集列表l中删除。若不满足d≤t2，将该数据q归入canopy，并给与数据q弱标记。
14、判断数据集列表l是否为空，若l为空，输出质心点的个数k和质心点。若数据列表l不为空，重复操作随机选取数据q，计算d并判断d与t1、t2的关系，直至数据列表为空为止，获得质心点和k值作为k-means聚类算法的初始聚类中心点和聚类簇数。
15、计算数据集中的每个数据样本到聚类中心点的距离，并将该数据样本分配到距离最近的类中。
16、重新计算每个类别的中心点，中心点的计算方式为每个类中的数据的平均值为该类别的中心点。
17、对比更新后的中心点和更新前的聚类中心点是否发生变化，若发生变化，则重复计算数据集中的每个数据样本到聚类中心点的距离。若没有发生变化，则输出聚类结果，得到用户群体的划分结果。
18、作为本专利技术所述的基于需求响应的用户用电行为特征分析方法的一种优选方案，其中：所述构建用户响应度模型包括，电力价格弹性系数反映用户用电需求量的变化和电费价格的变化之间的关系，定义自弹性系数与互弹性系数表示为：
19、
20、
21、其中，eii表示需求自弹性系数，δqi表示i时刻用户电量改变量，qi表示i时刻用户原始用电量，δpi表示i时刻电价改变量，pi表示用户i时刻原始电价，eij表示需求互弹性系数，δpj表示j时刻电价改变量，pj表示用户j时刻原始电价。
22、用户的需求弹性矩阵表示为：
23、
24、其中，n表示用户用电数据的时段数。
25、根据用户弹性系数的公式计算用电响应度，矩阵表达形式为：
26、
27、其中，q'n表示n时刻用电响应后的用电量。
28、作为本专利技术所述的基于需求响应的用户用电行为特征分析方法的一种优选方案，其中：所述计算每类用户的需求响应特征指标包括，定义用户需求响应潜力熵pe：
29、
30、其中，n表示用户一天负荷采集次数，x'i表示归一化后i时刻用户的负荷量。
31、通过需求价格弹性下用户行为计算需求响应指标，反应用户互动程度，作为用户行为特征进行提取，选择峰荷减少率、峰谷差率、峰荷率、负荷率和需求响应潜力熵作为聚类特征。
32、峰荷减少率表示为：
33、pr＝(qmax-q'max)/qmax×100％
34、其中，qmax表示用户响应前负荷的峰值，q'max表示用户响应后负荷的峰值。
35、峰谷差率表示为：
36、ptv＝(q'max-q'min)/(qmax-qmin)×100％
37、其中，qmin表示用户响应前负荷的谷值，q'min表示用户响应后负荷的谷值。
38、峰荷率表示为：
39、ptp＝q‘max/qmax×100％
40、负荷率表示为：
41、lf＝q‘mean/q‘max×100％
42、其中，q‘mean表示响应后用户的负荷平均值。
43、需求响应潜力熵表示为：
44本文档来自技高网...
【技术保护点】
1.一种基于需求响应的用户用电行为特征分析方法，其特征在于，包括：
2.如权利要求1所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述用户用电数据包括每日、每小时和每分钟的用电量；
3.如权利要求2所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述对相同负荷特性的用户进行聚类包括基于Ck-means聚类分析的用户负荷分类，步骤包括：
4.如权利要求3所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述构建用户响应度模型包括，电力价格弹性系数反映用户用电需求量的变化和电费价格的变化之间的关系，定义自弹性系数与互弹性系数表示为：
5.如权利要求4所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述计算每类用户的需求响应特征指标包括，定义用户需求响应潜力熵PE：
6.如权利要求5所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述改进FCM算法，分析用户需求响应潜力包括，共有数据集X，其中包含N个样本，记为X＝{x1,x2,…,xn}；
7.如权利要求6所述的基
8.一种采用如权利要求1-7任一所述方法的一种基于需求响应的用户用电行为特征分析系统，其特征在于：
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】
1.一种基于需求响应的用户用电行为特征分析方法，其特征在于，包括：
2.如权利要求1所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述用户用电数据包括每日、每小时和每分钟的用电量；
3.如权利要求2所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述对相同负荷特性的用户进行聚类包括基于ck-means聚类分析的用户负荷分类，步骤包括：
4.如权利要求3所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述构建用户响应度模型包括，电力价格弹性系数反映用户用电需求量的变化和电费价格的变化之间的关系，定义自弹性系数与互弹性系数表示为：
5.如权利要求4所述的基于需求响应的用户用电行为特征分析方法，其特征在于：所述计算每类用户的需求响应特征指标包括，定义用户需求响应潜力熵pe：
...
【专利技术属性】
技术研发人员：吴宁，卢健斌，孙乐平，韩帅，陈卫东，郭小璇，阮诗雅，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。