CN108596416A - 获取用电负荷基准量的方法和系统 - Google Patents
获取用电负荷基准量的方法和系统 Download PDFInfo
- Publication number
- CN108596416A CN108596416A CN201711499581.8A CN201711499581A CN108596416A CN 108596416 A CN108596416 A CN 108596416A CN 201711499581 A CN201711499581 A CN 201711499581A CN 108596416 A CN108596416 A CN 108596416A
- Authority
- CN
- China
- Prior art keywords
- load
- cluster
- electricity consumption
- period
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005611 electricity Effects 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 230000036316 preload Effects 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 11
- 240000002853 Nelumbo nucifera Species 0.000 claims description 9
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 9
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 101100285899 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SSE2 gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 108010067930 structure-specific endonuclease I Proteins 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种获取用电负荷基准量的方法。获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；根据用电历史负荷进行聚类处理获得聚类负荷；获取当日响应时段前的用户用电负荷，记为样本负荷；根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；根据差值最小的聚类负荷输出用电负荷基准量。通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，获取的用电负荷基准量更加接近现实中的负荷变化。
Description
技术领域
本发明涉及电力领域，特别是涉及一种获取用电负荷基准量的方法和系统。
背景技术
用电负荷基准量对于需求响应十分关键，是确定用户响应量的基础；如何确定用户用电负荷基准量直接关系到电力负荷削减量的测量和验证，是电网公司与用户之间利益平衡的基础，用电负荷基准量主要用于核算负荷削减量和需求响应的过程监测。
当前用电负荷基准量都是反映响应时段内的平均负荷，在需求响应执行过程难以判断用户的响应情况，特别是用电负荷波动较大的工业用户。
发明内容
基于此，有必要针对现有技术中在需求响应执行过程中难以判断用户的响应情况的问题，提供一种获取用电负荷基准量的方法和系统。
一种获取用电负荷基准量的方法，包括以下步骤：
获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
根据用电历史负荷进行聚类处理获得聚类负荷；
获取当日响应时段前的用户用电负荷，记为样本负荷；
根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
根据差值最小的聚类负荷输出用电负荷基准量。
在其中一个实施例中，所述根据用电历史负荷进行聚类处理获得聚类负荷的步骤包括：
将用电历史负荷进行顺序排列，取用电历史负荷中值为聚类负荷中心点；
根据所述聚类负荷中心点和用电历史负荷进行聚类处理获得聚类负荷。
在其中一个实施例中，还包括以下步骤：
在根据用电历史负荷进行聚类处理前，将用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出聚类负荷前，将聚类负荷以当日响应时段前负荷均值为基准进行归一化处理；
在利用距离法对比聚类负荷和样本负荷前，将样本负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原。
在其中一个实施例中，所述根据所述聚类中心点和用电历史负荷进行聚类处理获得聚类负荷的步骤包括以下步骤：
根据聚类负荷中心点和用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，直至剩余聚类负荷不满足合并条件，则输出处理后的聚类负荷。
在其中一个实施例中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
将一天24小时划分为N个周期，判断每一个周期是否满足周期合并条件，若N个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
|dismax1[h]-dismax2[h]|＜dismax[h]*p；
|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于N的正整数，p为预设聚类调整参数。
在其中一个实施例中，还包括：
在根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷之前，剔除输出处理后的聚类负荷中小于或等于总用电历史负荷5％的负荷。
在其中一个实施例中，所述距离法包括欧式距离法或曼哈顿距离法。
一种获取用电负荷基准量的系统，其特征在于，包括：
历史负荷获取模块，用于获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
样本负荷获取模块，用于获取当日响应时段前的用户用电负荷，记为样本负荷；
异常剔除模块，用于剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
归一化模块，用于以当日响应前负荷均值为基准处理用电历史负荷、聚类负荷和样本负荷；
聚类处理模块，用于根据用电历史负荷进行聚类处理获得聚类负荷；
聚类负荷对比模块，用于根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
归一化还原模块，用于在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原；
用电负荷基准量输出模块，用于根据差值最小的聚类负荷输出用电负荷基准量。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述获取用电负荷基准量方法的步骤。
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，该程序被处理器执行时实现上述获取用电负荷基准量方法的步骤。
上述的一个技术方案中具有以下效果和优点：
本发明的一种获取用电负荷基准量的方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，上述方法获取的用电负荷基准量更加接近现实中的负荷变化。
附图说明
图1为一种获取用电负荷基准量的方法示意图；
图2为实施例中获取用电负荷基准量的方法第一示意图；
图3为实施例中获取用电负荷基准量的方法第二示意图；
图4为实施例中获取用电负荷基准量的方法第三示意图；
图5为实施例中判断选取的两个聚类负荷是否满足合并条件过程的示意图；
图6为实施例中两个聚类负荷周期h是否满足周期合并条件过程的示意图；
图7为一种获取用电负荷基准量的系统示意图；
图8为佛山某工业用户2016年第一季度和第二季度的用电历史负荷示意图；
图9为归一化处理后的用电历史负荷示意图；
图10为聚类处理后输出的聚类负荷示意图；
图11为2016年6月30日的样本负荷示意图；
图12为归一化处理后的样本负荷示意图；
图13为归一化处理后的聚类负荷示意图；
图14为归一化的0:00-10:00时段的样本负荷与归一化聚类负荷距离法比较示意图；
图15为输出的用电负荷基准量示意图；
图16为实施例获得的用电负荷基准量和平均值法获得的用电负荷基准量分别与样本实际负荷对比的示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
响应为电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。响应作为需求侧管理的重要部分，将用户侧的负荷资源作为供应侧能源的可替代资源，通过电价变化或直接补偿的手段促使用户改变固有的用电模式，能够有效保障电网稳定。
在基于激励的响应项目中，基线负荷是指根据用户的历史负荷数据估算得到的负荷，体现出用户在未参与需求响应项目实施机构为用户进行补偿的重要依据。如何确定用户用电负荷基准量是直接关系到电力负荷削减量的测量和验证，是电网公司与用户之间利益平衡的基础。
如图1所示，本实施例提供一种获取用电负荷基准量的方法，包括以下步骤：
步骤S102：获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
其中，设定时间的用电负荷数据是指在发生响应当日之前的用电负荷数据；
步骤S104：剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
其中，非典型日为非工作日，例如周末以及节假日；
步骤S106：根据用电历史负荷进行聚类处理获得聚类负荷；
其中，聚类处理包括K-means聚类处理、K-medoids聚类处理或Clarans聚类处理。
步骤S108：获取当日响应时段前的用电负荷，记为样本负荷；
步骤S110：根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
步骤S112：根据差值最小的聚类负荷输出用电负荷基准量。
由于传统技术中常采用平均值的方法获取相应时段内的平均负荷，根据平均值方法获得的用电负荷基准量精确度较低，且不能体现出每个时刻波动较大的用户的基准量，得到的用电负荷基准量与实际生产中的差值较大。
在上述实施例中，通过聚类方法对历史用电负荷进行处理，使波动较大的负荷情况能够在输出的聚类负荷中体现；同时剔除大于设定阈值和非典型日的用电历史负荷，减少异常负荷在聚类处理过程中的影响，使得到的聚类负荷更加接近实际生产中的负荷变化；另外，引入当日响应时段前的用电负荷进行比较，使得到的负荷基准量负荷当日的负荷变化，更准确确定当日响应时段的用电负荷变化量。
在其中一个实施例中，步骤S106根据用电历史负荷进行聚类处理获得聚类负荷的步骤包括：
步骤S122：将用电历史负荷进行顺序排列，取用电历史负荷中值为聚类负荷中心点；
步骤S124：根据所述聚类负荷中心点和用电历史负荷进行聚类处理获得聚类负荷。
上述实施例中，采用顺序排列后的中值作为聚类负荷中心点，避免了传统技术中随机选取中心点导致的数据资源浪费，精确度低的问题，提高了聚类处理获得聚类负荷的精确度。
在其中一个实施例中，还包括以下步骤：
步骤S142：在根据用电历史负荷进行聚类处理前，将用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤S144：在输出聚类负荷前，将聚类负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤S146：在利用距离法对比聚类负荷和样本负荷前，将样本负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤S148：在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原。
上述实施例中，采用归一化处理消除负荷数据分析中不同量纲和不同量纲单位的影响；并且采用归一化处理后负荷被限定在某一范围之内，为后续的聚类处理过程加快了收敛速度，提高聚类处理的效率。
在其中一个实施例中，步骤S124根据所述聚类中心点和用电历史负荷进行聚类处理获得聚类负荷的步骤包括以下步骤：
步骤S181：根据聚类负荷中心点和用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
步骤S184：从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，
步骤S185：直至剩余聚类负荷不满足合并条件，则输出处理后的聚类负荷。
上述实施例中，在聚类负荷个数到达预设个数时，对任意两个满足合并条件的聚类负荷合并为一个聚类负荷，直至剩余聚类负荷都不满足合并条件后输出都不满足合并条件的聚类负荷，使输出的聚类负荷避免聚类负荷预设个数不当，造成后续比较过程的冗余步骤，使输出的聚类负荷更加接近实际生产中的负荷。
如图5和图6所示，在其中一个实施例中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
步骤S202：将一天24小时划分为N个周期，判断每一个周期是否满足周期合并条件，若N个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
步骤S301：对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
步骤S302：将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
步骤S303-步骤S305：若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
第一聚类负荷的h周期极差和第二聚类负荷的h周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h+1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h-1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于N的正整数，p为预设聚类调整参数。
其中，N为预设的周期数，用户可以根据实际情况设定不同的周期数，例如24、36或48。
其中p为预设的聚类调整参数，根据聚类预设个数调试得到，与聚类预设个数以及用户量有关，其中，预设1万个用户对应的预设聚类调整参数p＝0.2。
具体的，例如步骤S202将一天24小时划分为N个周期，选取两个聚类负荷记为第一聚类负荷和第二聚类负荷，步骤S204设h等于1，判断其中周期h是否满足周期合并条件，若周期h满足周期合并条件，步骤S206判断h是否等于N；若h等于N，则第一聚类负荷与第二聚类负荷满足合并条件；若h不等于N，则循环将h递增1，继续判断周期h是否满足周期合并条件。
在其中一个实施例中，还包括：
在步骤S110根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷之前，
步骤S192：剔除输出处理后的聚类负荷中小于或等于用电历史负荷5％的负荷。
上述实施例中，通过剔除小于用电历史负荷5％的负荷，实质上剔除了聚类负荷中的特殊负荷，使输出的聚类负荷更具有普遍性，更符合实际生产中的负荷。
在其中一个实施例中，距离法包括欧式距离法或曼哈顿距离法。
为了更好的说明上述获取用电负荷基准量的方法，以下通过一个具体实施例说明获取用电负荷基准量的方法。
选取佛山某工业用户2016年第一季度和第二季度的用电负荷作为用电历史负荷，其用电历史负荷如图6所示，其中横坐标表示时间(对应一天24小时)，纵坐标表示对应时刻的用电负荷。
剔除用电历史负荷的异常负荷，其中异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷，其中，非典型日包括周末以及节假日。
对剔除异常负荷后的用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理，归一化处理后的用电历史负荷如图7所示，其中横坐标表示时间(对应一天24小时)，纵坐标表示对应时刻的归一化用电负荷。
将归一化的用电历史负荷进行顺序排列，取用电历史负荷的中值作为聚类负荷的中心点，根据聚类负荷中心点和归一化的用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
其中，若实际聚类负荷的个数没有达到预设个数，对其进行聚类个数为2的聚类处理，形成两个聚类负荷；若实际聚类负荷的个数仍没有达到预设个数，则分别对上述的两个聚类负荷进行个数为2的聚类处理，计算任意选取的三个聚类负荷的负荷到聚类负荷中值的误差平方和，对另外三个类的误差平方和再求和，记录此时的总误差平方和SSE1；再对任意选取的另外三个聚类负荷的负荷到聚类负荷中值的误差平方和，对另外三个类的误差平方和再求和，记录此时的总误差平方和SSE2，比较SSE1和SSE2的大小，保留误差平方和最小的聚类负荷，直至实际聚类负荷个数等于预设个数。
从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，直至剩余聚类负荷不满足合并条件；
其中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
将一天24小时划分为24个周期，判断每一个周期是否满足周期合并条件，若24个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
第一聚类负荷的h周期极差和第二聚类负荷的h周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h+1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h-1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于24的正整数，p为预设聚类调整参数。
其中，本实施例中，预设的周期数N＝24；
其中p为预设的聚类调整参数，根据聚类预设个数调试得到，与聚类预设个数以及用户量有关，其中，预设1万个用户对应的预设聚类调整参数p＝0.2。
剔除输出处理后的聚类负荷中小于或等于用电历史负荷5％的负荷，输出如图8所示的聚类负荷。
如图9所示，获取当日响应时段前的用电负荷，记为样本负荷，其中当日响应时段为2016年6月30日(周四)10:00-12:00；
将样本负荷以当日0:00-10:00的负荷均值为基准进行归一化处理，基准值m＝361，归一化的样本负荷如图10所示。
将图8所示输出的聚类负荷再以当日0:00-10:00时段的负荷均值为基准进行归一化处理，归一化后的聚类负荷如图11所示。
将归一化的当日响应时段前，即0:00-10:00时段的样本负荷与归一化的聚类负荷采用欧式距离法进行比较，匹配得到距离最小的聚类负荷，如图12所示，其中聚类5*为距离最小的聚类负荷。
根据聚类5*与归一化基准值m＝361进行归一化复原，得到用电负荷基准量，如图13所示。
其中，分别将本实施例得到的用电负荷基准量和平均值法得到的用电负荷基准量与样本实际负荷进行对比，如图14所示，其中平均值法得到的用电负荷基准量的拟合最大偏差为147.61kW，占最高负荷的13.75％，与实际负荷的标准差为78.37kW，其中，最大偏差小于最高负荷的占比73.8％，最大偏差大于最高负荷10％且最高负荷小于20％的占比18.0％，最大偏差大于最高负荷20％的占比8.3％；而本实施例得到的用电负荷基准量的拟合最大偏差为106.22kW，占最高负荷的8.74％，与实际负荷的标准差为46.14kW，其中，最大偏差小于最高负荷的占比85.2％，最大偏差大于最高负荷10％且最高负荷小于20％的占比11.5％，最大偏差大于最高负荷20％的占比3.3％。明显本实施例得到的用电负荷基准量比平均值法获得的用电负荷基准量更加接近实际生产中的负荷变化，使获得的用电负荷基准量更加精确，更利于保障电网稳定。
一种获取用电负荷基准量的系统，包括：
历史负荷获取模块201，用于获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
样本负荷获取模块205，用于获取当日响应时段前的用户用电负荷，记为样本负荷；
异常剔除模块202，用于剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
归一化模块203，用于以当日响应前负荷均值为基准处理用电历史负荷、聚类负荷和样本负荷；
聚类处理模块204，用于根据用电历史负荷进行聚类处理获得聚类负荷；
聚类负荷对比模块206，用于根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
归一化还原模块207，用于在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原；
用电负荷基准量输出模块208，用于根据差值最小的聚类负荷输出用电负荷基准量。
上述实施例中，历史负荷获取模块与样本负荷获取模块获取用电历史负荷和样本负荷，经过异常剔除模块的处理，剔除非工作日的负荷，减少非工作日负荷对工作日负荷基准量的影响；经过归一化模块的处理，使用电历史负荷与样本负荷统一量纲，并且限定在某一范围内，加快聚类的收敛速度；经过聚类处理模块处理用电历史负荷得到接近实际生产的聚类负荷，并通过聚类负荷比对模块与样本负荷比较，得到距离最小的聚类负荷，并通过归一化还原模块还原，最终通过用电负荷基准量输出模块输出，使输出的用电负荷基准量根据历史聚类数据最接近样本负荷当日的负荷变化，更好得到响应过程的负荷变化。
上述一种获取用电负荷基准量的系统可执行本发明实施例所提供的获取用电负荷基准量方法，具备执行方法相应的功能模块和有益效果。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述获取用电负荷基准量方法的步骤。
上述一种计算机设备可执行本发明实施例所提供的获取用电负荷基准量方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，获取的用电负荷基准量更加接近现实中的负荷变化。
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获取用电负荷基准量方法的步骤。
上述一种计算机可存储介质可执行本发明实施例所提供的获取用电量负荷基准量方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，获取的用电负荷基准量更加接近现实中的负荷变化。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，该程序在执行时，包括以上方法所述的步骤，所述的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种获取用电负荷基准量的方法，其特征在于，包括以下步骤：
获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
根据用电历史负荷进行聚类处理获得聚类负荷；
获取当日响应时段前的用户用电负荷，记为样本负荷；
根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
根据差值最小的聚类负荷输出用电负荷基准量。
2.根据权利要求1所述的获取用电负荷基准量的方法，其特征在于，所述根据用电历史负荷进行聚类处理获得聚类负荷的步骤包括：
将用电历史负荷进行顺序排列，取用电历史负荷中值为聚类负荷中心点；
根据所述聚类负荷中心点和用电历史负荷进行聚类处理获得聚类负荷。
3.根据权利要求1所述的获取用电负荷基准量的方法，其特征在于，还包括以下步骤：
在根据用电历史负荷进行聚类处理前，将用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出聚类负荷前，将聚类负荷以当日响应时段前负荷均值为基准进行归一化处理；
在利用距离法对比聚类负荷和样本负荷前，将样本负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原。
4.根据权利要求2所述的获取用电负荷基准量的方法，其特征在于，所述根据所述聚类中心点和用电历史负荷进行聚类处理获得聚类负荷的步骤包括以下步骤：
根据聚类负荷中心点和用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，直至剩余聚类负荷不满足合并条件，则输出处理后的聚类负荷。
5.根据权利要求4所述的获取用电负荷基准量的方法，其特征在于，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
将一天24小时划分为N个周期，判断每一个周期是否满足周期合并条件，若N个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
|dismax1[h]-dismax2[h]|＜dismax[h]*p；
|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于N的正整数，p为预设聚类调整参数。
6.根据权利要求4所述的获取用电基准量的方法，其特征在于，还包括：
在根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷之前，剔除输出处理后的聚类负荷中小于或等于用电历史负荷5％的负荷。
7.根据权利要求1所述的获取用电负荷基准量的方法，其特征在于，所述距离法包括欧式距离法或曼哈顿距离法。
8.一种获取用电负荷基准量的系统，其特征在于，包括：
历史负荷获取模块，用于获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
样本负荷获取模块，用于获取当日响应时段前的用户用电负荷，记为样本负荷；
异常剔除模块，用于剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型目的用电历史负荷；
归一化模块，用于以当日响应前负荷均值为基准处理用电历史负荷、聚类负荷和样本负荷；
聚类处理模块，用于根据用电历史负荷进行聚类处理获得聚类负荷；
聚类负荷对比模块，用于根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
归一化还原模块，用于在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原；
用电负荷基准量输出模块，用于根据差值最小的聚类负荷输出用电负荷基准量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7中任意一项所述方法的步骤。
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，该程序被处理器执行时实现权利要求1-7中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711499581.8A CN108596416B (zh) | 2017-12-29 | 2017-12-29 | 获取用电负荷基准量的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711499581.8A CN108596416B (zh) | 2017-12-29 | 2017-12-29 | 获取用电负荷基准量的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108596416A true CN108596416A (zh) | 2018-09-28 |
| CN108596416B CN108596416B (zh) | 2021-07-16 |
Family
ID=63633619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711499581.8A Active CN108596416B (zh) | 2017-12-29 | 2017-12-29 | 获取用电负荷基准量的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108596416B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109283383A (zh) * | 2018-10-19 | 2019-01-29 | 深圳市计量质量检测研究院 | 矩形调制电压的电压波动值测量方法与装置、存储介质 |
| CN112598446A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件定价方法、系统、设备及存储介质 |
| CN114662761A (zh) * | 2022-03-24 | 2022-06-24 | 国网江苏省电力有限公司南通供电分公司 | 一种基于负荷预测的可参与需求响应负荷辨识方法及系统 |
| CN114723234A (zh) * | 2022-03-17 | 2022-07-08 | 云南电网有限责任公司电力科学研究院 | 变压器容量瞒报识别方法、系统、计算机设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093394A (zh) * | 2013-01-23 | 2013-05-08 | 广东电网公司信息中心 | 一种基于用户用电负荷数据细分的聚类融合方法 |
| CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
| CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
| CN106910017A (zh) * | 2017-02-21 | 2017-06-30 | 深圳供电局有限公司 | 一种基于用户行为数据挖掘的电能体验分析方法和系统 |
-
2017
- 2017-12-29 CN CN201711499581.8A patent/CN108596416B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093394A (zh) * | 2013-01-23 | 2013-05-08 | 广东电网公司信息中心 | 一种基于用户用电负荷数据细分的聚类融合方法 |
| CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
| CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
| CN106910017A (zh) * | 2017-02-21 | 2017-06-30 | 深圳供电局有限公司 | 一种基于用户行为数据挖掘的电能体验分析方法和系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109283383A (zh) * | 2018-10-19 | 2019-01-29 | 深圳市计量质量检测研究院 | 矩形调制电压的电压波动值测量方法与装置、存储介质 |
| CN109283383B (zh) * | 2018-10-19 | 2020-08-28 | 深圳市计量质量检测研究院 | 矩形调制电压的电压波动值测量方法与装置、存储介质 |
| CN112598446A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件定价方法、系统、设备及存储介质 |
| CN114723234A (zh) * | 2022-03-17 | 2022-07-08 | 云南电网有限责任公司电力科学研究院 | 变压器容量瞒报识别方法、系统、计算机设备和存储介质 |
| CN114662761A (zh) * | 2022-03-24 | 2022-06-24 | 国网江苏省电力有限公司南通供电分公司 | 一种基于负荷预测的可参与需求响应负荷辨识方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108596416B (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596416A (zh) | 获取用电负荷基准量的方法和系统 | |
| CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
| CN105825298B (zh) | 一种基于负荷特性预估的电网计量预警系统及方法 | |
| US8930736B2 (en) | Inferred electrical power consumption of computing devices | |
| CN102129060B (zh) | 电能表可靠性检测方法及装置 | |
| CN114298863A (zh) | 一种智能抄表终端的数据采集方法及系统 | |
| Rodrigues Junior et al. | A methodology for detection and classification of power quality disturbances using a real‐time operating system in the context of home energy management systems | |
| CN112001409A (zh) | 一种基于K-means聚类算法的配电网线损异常诊断方法和系统 | |
| CN110991555A (zh) | 一种典型行业的用户用电量异常监控方法 | |
| CN114090646A (zh) | 异常用电辨识方法及系统 | |
| CN111008193A (zh) | 一种数据清洗与质量评价方法及系统 | |
| CN110766320A (zh) | 一种机场智能电网运行安全评价方法及装置 | |
| CN115600910A (zh) | 一种电力数据资产分析系统 | |
| CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
| CN110084719A (zh) | 一种配电网负荷种类辨识装置 | |
| CN113255096A (zh) | 基于向前逐步回归的高损线路异常台区定位方法及系统 | |
| CN112785456A (zh) | 基于向量自回归模型的高损线路窃电检测方法 | |
| CN112365090A (zh) | 一种基于深度学习的非入侵式用电负荷识别方法及装置 | |
| CN116538075A (zh) | 一种对空压机能效进行在线识别的方法、装置及介质 | |
| CN116384622A (zh) | 基于电力大数据的碳排放监测方法及装置 | |
| CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
| CN115456097A (zh) | 一种适用于高供低计专变用户的用电检测方法及检测终端 | |
| CN114462298A (zh) | 电力计量资产管理方法、装置、设备及存储介质 | |
| CN114252794A (zh) | 一种拆回智能电能表剩余寿命预测方法及装置 | |
| Ahmed et al. | Machine learning-based clustering of load profiling to study the impact of electric vehicles on smart meter applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210604 Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Applicant after: China Southern Power Grid Research Institute Co.,Ltd. Address before: 510663 1-2 / F, building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Applicant before: CSG POWER GRID TECHNOLOGY RESEARCH CENTER Applicant before: China Southern Power Grid Research Institute Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |