一种分散式电采暖负荷特征的弹性聚合系统及方法与流程

1.本发明涉及一种分散式电采暖负荷特征的弹性聚合系统及方法，属于电力系统分析技术领域。


背景技术：

2.在当前全球能源安全问题突出、环境污染问题严峻的大背景下，大力发展风电、太阳能发电等新能源，实现能源生产向可再生能源转型，是中国乃至全球能源与经济实现可持续发展的重大需求。吉林冬季供热期长，供热需求量大，以蓄热式电采暖为代表的清洁供暖发展已渐成规模且发展潜力巨大。电-热负荷群作为具有可时移性的柔性可调负荷，在提升新能源消纳、完成消纳权重责任具有较大潜力，需要充分挖掘参与新能源消纳的电-热负荷的备用、调峰、调频潜力，在更大的能源配置维度上协同消纳新能源。
3.目前为止，有关分散式电采暖负荷的弹性聚合方法，由于其具有数量多、范围广、用电行为复杂的特点，并且现有的分散式电采暖用户的电-热负荷历史数据少、且采集到的数据存在大面积缺失和异常情况，增加了分散式电-热负荷群聚合的复杂性，工程应用具有较大的局限性。


技术实现要素：

4.本发明的目的在于克服现有技术中的不足，提供一种分散式电采暖负荷特征的弹性聚合系统及方法，解决对分散式电采暖用户进行特征识别和聚合，进而方便对电-热负荷群的管理和调控，提升电-热负荷群的可调控潜力。
5.为达到上述目的，本发明是采用下述技术方案实现的：
6.第一方面，本发明提供了一种分散式电采暖负荷特征的弹性聚合方法，包括：
7.接收分散式电采暖用户的电热负荷数据；
8.对分散式电采暖用户的电热负荷数据进行数据预处理；
9.根据预处理后的分散式电采暖用户的电热负荷数据，采用七类负荷特征指标作为分散式电采暖用户的聚类指标，采用fcm聚类算法对分散式电采暖用户进行聚类；
10.通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数。
11.进一步的，数据预处理包括：
12.识别采集到的原始数据集合是否存在异常值或缺失值；
13.响应于一天中某些时刻存在电采暖负荷数据异常或者缺失，采用临近值插值的方法对其进行填补；
14.响应于一天的电采暖负荷数据缺失，使用前一天相应时刻的负荷值代替。
15.进一步的，七类负荷特征指标包括峰期耗电率、平期耗电率、谷期耗电率、负荷率、峰谷差、峰谷差率和供暖季不均衡系数：
16.峰期耗电率表示为：
[0017][0018]
式中，r
p
代表峰期耗电率；t
peak
代表峰时段起始时刻；t
peak
代表峰时段结束时刻；t和p分别代表时刻和电采暖负荷功率；p
t
代表t时刻的电采暖负荷功率；
[0019]
平期耗电率表示为：
[0020][0021]
式中，rf代表平期耗电率；t
flat
代表平时段起始时刻；t
flat
代表平时段结束时刻；
[0022]
谷期耗电率表示为：
[0023][0024]
式中，rv代表谷期耗电率；t
valley
代表谷时段起始时刻；t
valley
代表谷时段结束时刻；
[0025]
负荷率表示为：
[0026]rl
＝avep
t
/max p
t
[0027]
式中，r
l
代表负荷率；ave代表取平均值；max代表取最大值；
[0028]
峰谷差表示为：
[0029]dpv
＝max p
t-min p
t
[0030]
式中，d
pv
代表峰谷差；min代表取最小值；
[0031]
峰谷差率表示为：
[0032]rpvd
＝(max p
t-min p
t
)/max p
t
[0033]
式中，r
pvd
代表峰谷差率；
[0034]
供暖季不均衡系数表示为：
[0035][0036]
式中，ru代表供暖季不均衡系数；m代表月数；pm代表m月的电采暖负荷功率。
[0037]
进一步的，fcm聚类算法的目标函数表示为：
[0038][0039]
式中，n代表样本数；k代表聚类的簇数；u
ij
代表样本i属于j类的隶属度；m代表加权指数；xi代表第i个样本；cj代表第j簇的聚类中心；
[0040]
隶属度表示为：
[0041][0042]
式中，ck代表第k簇的聚类中心；
[0043]
第j簇的聚类中心表示为：
[0044][0045]
进一步的，三种聚类有效性指标包括xb指标、chi指标和dbi指标，其中：
[0046]
xb指标表示为：
[0047][0048]
式中，xj代表第j个样本；ci代表第i簇的聚类中心；
[0049]
chi指标表示为：
[0050][0051]
式中，代表所有样本间的平均距离；代表第k簇内样本的平均距离；nk代表第k簇的样本数量，代表第i簇内样本的平均距离，ni代表第i簇的样本数量；
[0052]
dbi指标表示为：
[0053][0054]
式中,σi代表i簇内所有点到簇聚类中心点的平均距离，σj代表j簇内所有点到簇聚类中心点的平均距离；d(ci,cj)代表两簇聚类中心点之间的距离。
[0055]
第二方面，本发明提供了一种分散式电采暖负荷特征的弹性聚合系统，包括：
[0056]
数据接收模块：用于接收分散式电采暖用户的电热负荷数据；
[0057]
预处理模块：用于对分散式电采暖用户的电热负荷数据进行数据预处理；
[0058]
聚类模块：用于根据预处理后的分散式电采暖用户的电热负荷数据，采用七类负荷特征指标作为分散式电采暖用户的聚类指标，采用fcm聚类算法对分散式电采暖用户进行聚类；
[0059]
评价模块：用于通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数。
[0060]
第三方面，本发明提供了一种分散式电采暖负荷特征的弹性聚合装置，包括处理器及存储介质；
[0061]
所述存储介质用于存储指令；
[0062]
所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
[0063]
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0064]
与现有技术相比，本发明所达到的有益效果：
[0065]
本发明通过选取分散式电采暖用户的电-热负荷数据，对计及电采暖负荷特征指标的弹性聚合方法进行了验证，发现计及电采暖负荷特征指标的弹性聚合方法能够有效地对分散式电采暖负荷实现精准聚合。本发明能够精准地对分散式电采暖用户进行特征识别和聚合，方便对电-热负荷群的管理和调控，提升电-热负荷群的可调控潜力，为电网对电采暖用户的调控提供依据。
附图说明
[0066]
图1是本发明实施例一提供的分散式电采暖负荷特征的弹性聚合方法的流程图；
[0067]
图2是本发明实施例一提供的fcm聚类算法流程图；
[0068]
图3是本发明实施例一提供的fcm聚类目标函数曲线图；
[0069]
图4是本发明实施例一提供的3类有效性指标数值分布曲线图。
具体实施方式
[0070]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0071]
实施例一：
[0072]
本实施例提供了一种分散式电采暖负荷特征的弹性聚合方法，为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种分散式电采暖负荷特征的弹性聚合
方法做进一步详细的描述：
[0073]
步骤一、对采集到的分散式电采暖用户的电热负荷数据进行数据预处理，即识别采集到的原始数据集合是否存在异常值或缺失值；
[0074]
步骤二、根据步骤一得到的分散式电采暖用户的负荷数据是否含有异常值或缺失值的结果，对于一天中某些时刻存在电采暖负荷数据异常或者缺失，则采用临近值插值的方法对其进行填补，对于一天的电采暖负荷数据缺失，则使用前一天相应时刻的负荷值代替；
[0075]
步骤三、根据预处理后的省内分散式电采暖用户的电热负荷数据，采用物理意义明确的七类负荷特征指标作为分散式电采暖用户的聚类指标，七类负荷特征指标包括峰期耗电率、平期耗电率、谷期耗电率、负荷率、峰谷差、峰谷差率和供暖季不均衡系数。
[0076]
其中峰期耗电率表示为：
[0077][0078]
式(1)中，r
p
代表峰期耗电率；t
peak
代表峰时段起始时刻；t
peak
代表峰时段结束时刻；t和p分别代表时刻和电采暖负荷功率；p
t
代表t时刻的电采暖负荷功率；
[0079]
平期耗电率表示为：
[0080][0081]
式(2)中，rf代表平期耗电率；t
flat
代表平时段起始时刻；t
flat
代表平时段结束时刻；
[0082]
谷期耗电率表示为：
[0083][0084]
式(3)中，rv代表谷期耗电率；t
valley
代表谷时段起始时刻；t
valley
代表谷时段结束时刻；
[0085]
负荷率表示为：
[0086]rl
＝avep
t
/max p
t
ꢀꢀ
(4)
[0087]
式(4)中，r
l
代表负荷率；ave代表取平均值；max代表取最大值；
[0088]
峰谷差表示为：
[0089]dpv
＝max p
t-min p
t
ꢀꢀ
(5)
[0090]
式(5)中，d
pv
代表峰谷差；min代表取最小值；
[0091]
峰谷差率表示为：
[0092]rpvd
＝(max p
t-min p
t
)/max p
t
ꢀꢀ
(6)
[0093]
式(6)中，r
pvd
代表峰谷差率；
[0094]
供暖季不均衡系数表示为：
[0095][0096]
式(7)中，ru代表供暖季不均衡系数；m代表月数；pm代表m月的电采暖负荷功率。
[0097]
步骤四、采用fcm聚类算法对分散式电采暖用户进行聚类，实现分散式电采暖用户的精准聚合。
[0098]
首先，由于不同类型的负荷特征指标变化很大，不便于进行数据比较，为此在进行聚类分析之前需要对聚类指标数据进行归一化处理，这里采用极值序列归一化，归一化之后所有的数值都在0和1之间，根据公式(8)对原始数据样本进行归一化处理。
[0099][0100]
式中，max[x
i1
,x
i2
,
···
,x
i96
]为第i类电采暖负荷特征指标数据中的最大值。
[0101]
其次，fcm聚类算法是基于目标函数的模糊c划分，通过优化目标函数得到均匀的k个模糊集。其步骤如下：
[0102]
1)给定聚类数目k、模糊程度m、最大迭代次数和迭代终止条件；
[0103]
2)初始化聚类原型，并根据公式(9)更新模糊隶属矩阵u
ij
；
[0104][0105]
式中，u
ij
代表样本i属于j类的隶属度，且需满足0≤u
ij
≤1和的约束条件，代表每个样本对于每个簇的隶属度之和为1；k代表聚类的簇数；m代表加权指数，一般取2；xi代表第i个样本；cj代表第j簇的聚类中心；ck代表第k簇的聚类中心。
[0106]
3)根据公式(10)计算聚类中心cj；
[0107][0108]
式中，n代表样本数；
[0109]
4)根据公式(11)计算目标函数，如果目标函数差值小于阈值或者迭代次数大于设置的最大迭代次数，则算法停止，否则转到步骤2)。
[0110][0111]
步骤五、通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数，三种聚类有效性指标包括xb指标、chi指标和dbi指标。
[0112]
其中xb指标表示为：
[0113][0114]
式中，xj代表第j个样本,ci代表第i簇的聚类中心；其他各字符含义同公式(9)。分子反映类内的紧凑程度，其值越小越紧凑，分母反映类间的分离程度，其值越大越分离越好，因此，指标xb的值越小，聚类效果越好。
[0115]
chi指标表示为：
[0116][0117]
式中，代表所有样本间的平均距离；代表第k簇内样本的平均距离；nk代表第k簇的样本数量，代表第i簇内样本的平均距离，ni代表第i簇的样本数量。chi指标值越大，表示聚类结果的类内距离越小而类间距离越大，聚类效果越好。
[0118]
dbi指标表示为：
[0119][0120]
式中，σi代表i簇内所有点到簇聚类中心点的平均距离，σj代表j簇内所有点到簇聚
类中心点的平均距离，σi σj代表簇内所有点到该簇聚类中心点的平均距离之和；d(ci,cj)代表两簇聚类中心点之间的距离。dbi指标值越小，表示聚类结果同簇内部紧密，不同簇分离较远，即类内距离越小，类间距离越大，聚类效果越好。
[0121]
实施例二：
[0122]
一种分散式电采暖负荷特征的弹性聚合系统，可实现实施例一所述的一种分散式电采暖负荷特征的弹性聚合方法，包括：
[0123]
数据接收模块：用于接收分散式电采暖用户的电热负荷数据；
[0124]
预处理模块：用于对分散式电采暖用户的电热负荷数据进行数据预处理；
[0125]
聚类模块：用于根据预处理后的分散式电采暖用户的电热负荷数据，采用七类负荷特征指标作为分散式电采暖用户的聚类指标，采用fcm聚类算法对分散式电采暖用户进行聚类；
[0126]
评价模块：用于通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数。
[0127]
实施例三：
[0128]
本发明实施例还提供了一种分散式电采暖负荷特征的弹性聚合装置，可实现实施例一所述的一种分散式电采暖负荷特征的弹性聚合方法，包括处理器及存储介质；
[0129]
所述存储介质用于存储指令；
[0130]
所述处理器用于根据所述指令进行操作以执行下述方法的步骤：
[0131]
接收分散式电采暖用户的电热负荷数据；
[0132]
对分散式电采暖用户的电热负荷数据进行数据预处理；
[0133]
根据预处理后的分散式电采暖用户的电热负荷数据，采用七类负荷特征指标作为分散式电采暖用户的聚类指标，采用fcm聚类算法对分散式电采暖用户进行聚类；
[0134]
通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数。
[0135]
实施例四：
[0136]
本发明实施例还提供了一种计算机可读存储介质，可实现实施例一所述的一种分散式电采暖负荷特征的弹性聚合方法，其上存储有计算机程序，该程序被处理器执行时实现下述方法的步骤：
[0137]
接收分散式电采暖用户的电热负荷数据；
[0138]
对分散式电采暖用户的电热负荷数据进行数据预处理；
[0139]
根据预处理后的分散式电采暖用户的电热负荷数据，采用七类负荷特征指标作为分散式电采暖用户的聚类指标，采用fcm聚类算法对分散式电采暖用户进行聚类；
[0140]
通过建立三种聚类有效性指标对聚类质量进行评价并确定最佳聚类数。
[0141]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0142]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0143]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0144]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0145]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。