CN109636146A - 一种用户需求响应潜力画像方法 - Google Patents

一种用户需求响应潜力画像方法 Download PDF

Info

Publication number
CN109636146A
CN109636146A CN201811432428.8A CN201811432428A CN109636146A CN 109636146 A CN109636146 A CN 109636146A CN 201811432428 A CN201811432428 A CN 201811432428A CN 109636146 A CN109636146 A CN 109636146A
Authority
CN
China
Prior art keywords
user
index
load
peak
demand response
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.)
Pending
Application number
CN201811432428.8A
Other languages
English (en)
Inventor
陈逸涵
李扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811432428.8A priority Critical patent/CN109636146A/zh
Publication of CN109636146A publication Critical patent/CN109636146A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用户需求响应潜力画像方法，包括通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；对负荷特性指标进行去量纲化和归一化处理；分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；结合加权后的指标评价体系，根据逼近理想解排序方法得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；利用近邻传播算法，按照用户综合潜力量化值进行聚类，将用户细分为不同特征群，实现对用户需求响应潜力的画像。本发明可适用于具体实施需求响应时确定某一特征群的用户适合参与的需求响应类型，同时能够针对需求响应措施筛选出符合要求的用户，为需求响应的评估和实施提供了可靠的依据。

Description

一种用户需求响应潜力画像方法
技术领域
本发明涉及电力系统用户需求相应分析方法，特别是涉及一种用户需求响应潜力画像方法。
背景技术
由于各用户的负荷类型，负荷重要程度、负荷可中断性等存在较大差异，各不同类型用户对日期类型、温度、价格、政策的敏感度也各不相同，导致了不同用户在具体实施需求响应中潜力的多样性。为了更加精确有效地聚集需求响应资源，发掘响应潜能。有必要基于对数据的深入分析，提炼出用户用电模式的共性特征和共同规律，并将此作为指标对需求响应潜力进行量化。根据量化结果为需求响应的具体实施提供依据，真正实现信息和电能的交互。
要实现对用户需求响应潜力的量化，首要任务是需要建立多指标评价体系。目前国内已经有诸多的学者对这方面进行了研究，但是研究的大多数涉及需求响应方式单一，评价体系参量的设定较少，不能充分、全面地对用户的用电模式进行反映，不足以对用户的用电规律进行全面概括，对基于评价体系得到的结果也缺乏深入的研究和分析。
发明内容
发明目的：为解决现有技术的不足，提供一种用户需求响应潜力画像方法，该方法能够为需求响应的评估和实施提供可靠的依据。
技术方案：为了达到上述发明目的，本发明的技术方案是：
一种用户需求响应潜力画像方法，包括以下步骤：
(1)通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；
(2)利用统计平均方法和向量规范化方法相结合的方法，对负荷特性指标进行去量纲化和归一化处理；
(3)利用熵权法，分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；
(4)结合加权后的指标评价体系，根据逼近理想解排序方法(TOPSIS)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；
(5)利用近邻传播算法(AP)，按照用户综合潜力量化值进行聚类，将用户细分为不同特征群，实现对用户需求响应潜力的画像。
进一步的，步骤(1)中，按照不同的时间尺度，可以将指标评价体系按照需求响应方式分为轮休指标评价体系、错时指标评价体系和避峰指标评价体系，其中，轮休指标评价体系包含两个特性指标和一个经济指标，错时指标评价体系包含三个特性指标和一个经济指标，避峰指标评价体系包含三个特性指标和一个经济指标；不同指标评价体系的特性指标各不相同，而经济指标是三种指标评价体系的共有指标。
可选的，轮休指标评价体系的特性指标包括周休负荷α11和周休负荷下降率α12，其中，周休负荷计算公式为：
其中，为用户工作日的日负荷的平均值，为用户周末的日负荷的平均值；
周休负荷下降率计算公式为：
可选的，错时指标评价体系的特性指标包括波动率α21、错时负荷α22和峰谷差率α23，其中，波动率计算公式为：
α21＝σ/μ (3)；
其中，σ为用户典型日负荷曲线的标准差，μ为用户典型日负荷曲线的负荷均值；
错时负荷计算公式为：
α22＝(Ppeak-min(Padvance,Pdelay)) (4)；
其中，Ppeak全省高峰时刻用户的负荷值，Padvance和Pdelay分别是全省高峰时刻提前T1小时和推迟T2小时的用户负荷值，T1、T2根据电网高峰时段持续的时间来确定，高峰时段认为是负荷值大于95％Ppeak所持续的时段；
峰谷差率计算公式为：
α23＝(Pmax-Pmin)/Pmax (5)；
其中，Pmax、Pmin分别为用户典型日的负荷曲线的最高负荷和最低负荷。
可选的，避峰指标评价体系的特性指标包括峰时平均负荷差异系数α31、最大负荷与温度相关性α32和避峰负荷α33，其中，峰时平均负荷差异系数的计算公式为：
其中，为高峰时段用户负荷的平均值，为用户全天负荷平均值Pmax全天最大负荷；
避峰负荷计算公式为：
α33＝Ppeak-Psafe (7)；
其中，Ppeak全省高峰时刻用户的负荷值，Psafe是保证安全生产的安保负荷。
可选的，经济指标包括单位电量成本α41，计算公式为：
α41＝Ctotal/Wtotal (8)；
其中，Ctotal为用户的年生产总值，Wtotal为用户的年总用电量。
进一步的，步骤(2)中，对各指标进行去量纲化和归一化处理，其中指标包括各指标评价体系中的特性指标和经济指标，具体方法为：
1)统计平均法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值，yij是第i个用户的第j个指标的值，是各用户指标j的均值，m为用户个数，M的取值可以在0.5-0.75之间，为第j个指标的最大值；
2)向量规范化法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值；zij是经向量规范化法处理后的第i个用户的第j个指标的值。
进一步的，步骤(3)中，熵权法求取不同指标的权重的方法为：
(31)对经预处理后的指标评价矩阵按列进行归一化处理，得：
其中，i＝1,2,...,m，j＝1,2,...,n，每列的
(32)按列计算第j个指标的熵
式中，i＝1,2,...,m，j＝1,2,...,n，其中
(33)计算第j个指标的差异系数gj
gj＝1-ej (13)；
其中，j＝1,2,...,n，差异系数和熵相反，差异系数越大说明指标之间的差别越大，对决策的作用越大，因此相应的权重就要大；
(34)确定权重，第j个指标的权重为：
式中，j＝1,2,...,n。
进一步的，步骤(4)中根据第i个用户第j个指标的客观权重ωij确定该用户的加权指标值kij＝zijωj，然后根据逼近理想解排序方法(TOPSIS)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值，实现对用户的排序，具体为：
设正理想解k*的第j个指标值为负理想解k0第j个指标值为则
效益型指标为：
成本型指标为：
计算用户各指标值到正理想解与负理想解的距离；
用户i的指标值到正理想解的距离为：
式中，i＝1,2,...,m；
用户i的指标值到负理想解的距离为：
式中，i＝1,2,...,m；
计算各用户的综合潜力量化值Ri为：
其中，i＝1,2,...,m。
进一步的，根据步骤(4)中求得的轮休、错时和避峰三种需求响应综合潜力量化值，利用近邻传播算法(AP)进行三维聚类分析。将不同用户的轮休、错时、避峰三种需求响应综合潜力量化值作为近邻传播算法(AP)的输入值，通过AP算法将轮休、错时、避峰三种需求响应综合潜力量化值类似的用户聚为一类，从而将用户细分为不同特征群，对不同特征群的特征进行概括描述，实现对用户需求响应潜力的画像。
有益效果：与现有技术相比，本发明提出的一种用户需求响应潜力画像方法，对用户的用电规律进行全面概括，充分考虑用户类型的多样化，更加精细化的反映用户的用电行为，充分辨识其响应特性，形成针对用户需求响应潜力的全面、完整、科学的画像，提高需求响应执行效率。
附图说明
图1是用户需求响应潜力画像流程图；
图2是典型用户综合量化值聚类图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明：
如图1所示，本发明提出的一种用户需求响应潜力画像方法，包括以下步骤：
步骤1：通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；
按照不同的时间尺度，可以将指标评价体系分为轮休指标评价体系、错时指标评价体系和避峰指标评价体系。其中，轮休指标评价体系包含两个特性指标和一个经济指标，错时指标评价体系包含三个特性指标和一个经济指标，避峰指标评价体系包含三个特性指标和一个经济指标；特性指标是用于反映不同的需求响应方式的特点，不同指标评价体系的特性指标各不相同；而经济指标是三种需求响应方式的共有指标，反映由于实施需求响应带来的不可避免的经济损失。
其中轮休指标评价体系的特性指标包括周休负荷α11和周休负荷下降率α12。
对于有周休安排的用户，通常休息的时间都是周六周日，此时周末的负荷会较工作日的负荷有所下降，将下降的值定义为周休负荷。周休负荷是一个绝对的值，越大的话表明用户具有明显轮休潜力，应该优先安排进行轮休。公式为：
其中，为用户工作日的日负荷的平均值，为用户周末的日负荷的平均值。
周休负荷下降率反映的是周末负荷较工作日负荷下降的程度，是一个反映轮休潜力的相对值。同样地，周休负荷下降率越大，表明用户轮休特征显著，定义为：
错时指标评价体系的特性指标包括波动率α21、错时负荷α22和峰谷差率α23。
波动率反映的是负荷曲线的波动情况，定义为用户典型负荷曲线的标准差除以平均值。用标准差除以平均值能够有效消除单位和平均值不同对波动性比较的影响。波动率越大的话，说明该用户的负荷曲线起伏越大，进行错时错峰的可靠性就越高，相应的潜力也就越大。其表达式为：
α21＝σ/μ (3)；
其中，σ为用户典型日负荷曲线的标准差，μ为用户典型日负荷曲线的负荷均值。
错时负荷是指在用电高峰时段有计划减少的用电量，通过错时能够有效减少全网高峰时段的用电负荷。具体公式为：
α22＝(Ppeak-min(Padvance,Pdelay)) (4)；
其中，Ppeak全省高峰时刻用户的负荷值，Padvance和Pdelay分别是全省高峰时刻提前T1小时和推迟T2小时的用户负荷值，T1、T2根据电网高峰时段持续的时间来确定，高峰时段认为是负荷值大于95％Ppeak所持续的时段。
峰谷差率是指用户典型日负荷曲线的最高负荷与最低负荷之差占最高负荷的比重。具体公式为：
α23＝(Pmax-Pmin)/Pmax (5)；
其中，Pmax、Pmin分别为用户典型日的负荷曲线的最高负荷和最低负荷。
避峰指标评价体系的特性指标包括峰时平均负荷差异系数α31、最大负荷与温度相关性α32和避峰负荷α33。
若一个用户具有较大的避峰潜力，那么其在全网负荷的高峰时段必然有相对较高的负荷，推动全网负荷高峰的形成。因此定义峰时平均负荷差异系数为高峰时段用户负荷的平均值除以全天最大负荷与用户全天负荷平均值除以全天最大负荷的差。该指标值大于零时反映用户对全网高峰负荷的形成有贡献，越大表示贡献越大，其相应的避峰潜力也就越大。具体公式为：
其中，为高峰时段用户负荷的平均值，为用户全天负荷平均值Pmax全天最大负荷。
通过计算最大负荷与温度的相关性可以间接反映负荷高峰是否是由温控负荷造成的。相关性越高，表明负荷大部分是温控负荷，而由于关停温控负荷的措施方便快捷，同时造成的经济影响小，对于这样的用户应该优先安排实施避峰类型的需求响应。
避峰负荷是指用户在用电高峰时段，通过紧急关停设备所快速下降的负荷量。但并不表示降至零，为了保证生产安全，最多降至安保负荷。其公式为：
α33＝Ppeak-Psafe (7)；
其中，Ppeak全省高峰时刻用户的负荷值，Psafe是保证安全生产的安保负荷。
共有的经济指标包括单位电量成本α41。
实施需求响应不可避免的会造成一定的经济损失，不同用户其损失值是不同的。为了尽可能提高经济效益，应该优先安排单位电量成本小的用户实施需求响应。其公式为：
α41＝Ctotal/Wtotal (8)；
其中，Ctotal为用户的年生产总值，Wtotal为用户的年总用电量。
步骤2：利用统计平均方法和向量规范化方法相结合的方法，对负荷特性指标进行去量纲化和初步归一化处理；
对负荷特性指标(包括各指标评价体系的特性指标和经济指标)进行去量纲化和归一化的方法为：
1)统计平均法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值，yij是第i个用户的第j个指标的值，是各用户指标j的均值，m为用户个数，M的取值可以在0.5-0.75之间，在本实例中不妨选取M为0.75。为第j个指标的最大值。
采用类似评分法的统计平均方法，可以将潜力指标值的均值定位于M。
2)向量规范化法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值；zij是经向量规范化法处理后的第i个用户的第j个指标的值。进行规范化后，同一个指标下各个用户的指标值的平方和为1。
步骤3：利用熵权法，分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；
为了解决不同指标之间的矛盾性，引入权重。权重是不同指标重要性的度量，可以反映指标之间的差异程度以及指标的可靠程度。通常，确定指标权重的方法有主观赋权法和客观赋权法，本实例中由于缺乏主观经验和判断，为保证结果的客观性，采用了熵权法求取不同指标客观权重。具体为：
(1)对经上述预处理后的，由zij构成的指标评价矩阵按列进行进一步归一化处理，得：
其中，i＝1,2,...,m，j＝1,2,...,n；每列的
(2)按列计算第j个指标的熵
式中，i＝1,2,...,m，j＝1,2,...,n；其中
(3)计算第j个指标的差异系数gj
gj＝1-ej (13)；
其中，j＝1,2,...,n，差异系数和熵相反，差异系数越大说明指标之间的差别越大，对决策的作用越大，因此相应的权重就要大。
(4)确定指标客观权重，第j个指标客观权重为：
式中j＝1,2,...,n。
步骤4：结合加权后的指标评价体系，根据逼近理想解排序方法(TOPSIS)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；
可以根据第i个用户第j个指标的客观权重ωj确定该用户的加权指标值kij＝zijωj。根据求得的由kij构成的加权指标评价矩阵，可以对轮休、错时和避峰指标评价矩阵，分别利用逼近理想解排序方法对用户进行排序，认为越靠近逼近理想解排序方法中的正理想解，越远离该方法中的负理想解的用户排序优先级越高。逼近理想解排序方法求解综合潜力量化值的方法为：
设正理想解k*的第j个指标值为负理想解k0第j个指标值为则
如果第j个指标为效益型指标(如α11,α12,α21,α22,α23,α31,α32,α33，即希望该指标值尽可能大)，则：
正理想解为：
负理想解为：
如果第j个指标为成本型指标(如α41，即希望该指标值尽可能小)，则：
正理想解为：
负理想解为：
计算用户各指标值到正理想解与负理想解的距离。
用户i的指标值到正理想解的距离为：
式中，i＝1,2,...,m。
用户i的指标值到负理想解的距离为：
式中，i＝1,2,...,m。
计算各用户的潜力综合排序指示值(即综合潜力量化值)为：
其中，i＝1,2,...,m；Ri越接近于1，表明用户i的潜力越大，越适合参与需求响应。
步骤5：
求得的轮休、错时和避峰三种需求响应综合潜力量化值，利用近邻传播算法(AP)进行三维聚类分析。将不同用户的轮休、错时、避峰三种需求响应综合潜力量化值作为近邻传播算法(AP)的输入值，通过AP算法将轮休、错时、避峰三种需求响应综合潜力量化值类似的用户聚为一类，从而将用户细分为不同特征群，对不同特征群的特征进行概括描述，实现对用户需求响应潜力的画像。
实施例：
实例中选取某一地区10家用户的数据进行分析，各用户的具体初始指标值如表1所示：
表1初始指标值
由熵权法求得各指标权重如表2所示：
表2三种潜力下的各指标权重
结合加权后的指标数据，根据逼近理想解排序方法(TOPSIS)分别得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值结果见表3所示：
表3综合潜力量化值
用户 轮休潜力 错时潜力 避峰潜力
1 0.70289 0.79852 0.45872
2 0.84514 0.69592 0.62934
3 0.05194 0.82546 0.22549
4 0.75785 0.52346 0.51855
5 0.79073 0.78018 0.55691
6 0.73351 0.04107 0.49505
7 0.70708 0.24798 0.37123
8 0.87140 0.89493 0.39586
9 0.65107 0.81058 0.30400
10 0.93361 0.92763 0.61463
分析表3得到的潜力综合量化值：从轮休潜力来看，用户10、用户8和用户2的潜力综合量化值较大，因此在进行轮休方式的需求响应时应该优先考虑用户10、用户8和用户2的参与；从错时潜力来看，用户10、用户8和用户9的潜力综合量化值较大，优先考虑这些用户参与错时方式的需求响应；从避峰潜力来看，用户2、用户10和用户5的综合量化值排名靠前，同样地，在进行避峰方式的需求响应时优先考虑。
利用AP对上述数据进行聚类，最终的聚类结果见图2所示。通过分析可知，用户群被分成了三大类，其中用户6、用户7为一类，用户3单独为一类，其余的用户被分为同一类。各用户特征组具有的特征如表4所示
表4用户组特征
可以根据画像结果，为需求响应的评估和实施提供可靠依据。
以上对本发明的原理以及具体实施方式做了详细的阐述，根据该方法，即可实现对用户需求响应潜力的画像。
总之，本发明的一种用户需求响应潜力画像方法，则充分考虑用户类型的多样化，将负荷与温度等的相关性也列入指标评价体系之内，更加精细化的反映用户的用电行为，充分辨识其响应特性。同时基于近邻传播算法(AP)对结果进行聚类分析，找到用户之间的用电共性特征，形成针对用户需求响应潜力的全面、完整、科学的画像，充分挖掘用户潜力，提高需求响应执行效率。

Claims (10)

1.一种用户需求响应潜力画像方法，其特征在于，包括以下步骤：
(1)通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；
(2)利用统计平均方法和向量规范化方法相结合的方法，对负荷特性指标进行去量纲化和归一化处理；
(3)利用熵权法，分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；
(4)结合加权后的指标评价体系，根据逼近理想解排序方法(TOPSIS)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；
(5)利用近邻传播算法(AP)，按照用户综合潜力量化值进行聚类，将用户细分为不同特征群，实现对用户需求响应潜力的画像。
2.根据权利要求1所述的一种需求响应潜力画像方法，其特征在于：步骤(1)中，按照不同的时间尺度，可以将指标评价体系按照需求响应方式分为轮休指标评价体系、错时指标评价体系和避峰指标评价体系，其中，轮休指标评价体系包含两个特性指标和一个经济指标，错时指标评价体系包含三个特性指标和一个经济指标，避峰指标评价体系包含三个特性指标和一个经济指标；不同指标评价体系的特性指标各不相同，而经济指标是三种指标评价体系的共有指标。
3.根据权利要求2所述的一种需求响应潜力画像方法，其特征在于：轮休指标评价体系的特性指标包括周休负荷α11和周休负荷下降率α12，其中，周休负荷计算公式为：
其中，为用户工作日的日负荷的平均值，为用户周末的日负荷的平均值；
周休负荷下降率计算公式为：
4.根据权利要求2所述的一种需求响应潜力画像方法，其特征在于：错时指标评价体系的特性指标包括波动率α21、错时负荷α22和峰谷差率α23，其中，波动率计算公式为：
α21＝σ/μ (3)；
其中，σ为用户典型日负荷曲线的标准差，μ为用户典型日负荷曲线的负荷均值；
错时负荷计算公式为：
α22＝(Ppeak-min(Padvance,Pdelay)) (4)；
其中，Ppeak全省高峰时刻用户的负荷值，Padvance和Pdelay分别是全省高峰时刻提前T1小时和推迟T2小时的用户负荷值，T1、T2根据电网高峰时段持续的时间来确定，高峰时段认为是负荷值大于95％Ppeak所持续的时段；
峰谷差率计算公式为：
α23＝(Pmax-Pmin)/Pmax (5)；
其中，Pmax、Pmin分别为用户典型日的负荷曲线的最高负荷和最低负荷。
5.根据权利要求2所述的一种需求响应潜力画像方法，其特征在于：避峰指标评价体系的特性指标包括峰时平均负荷差异系数α31、最大负荷与温度相关性α32和避峰负荷α33，其中，峰时平均负荷差异系数的计算公式为：
其中，为高峰时段用户负荷的平均值，为用户全天负荷平均值Pmax全天最大负荷；
避峰负荷计算公式为：
α33＝Ppeak-Psafe (7)；
其中，Ppeak全省高峰时刻用户的负荷值，Psafe是保证安全生产的安保负荷。
6.根据权利要求2所述的一种需求响应潜力画像方法，其特征在于：经济指标包括单位电量成本α41，计算公式为：
α41＝Ctotal/Wtotal (8)；
其中，Ctotal为用户的年生产总值，Wtotal为用户的年总用电量。
7.根据权利要求1所述的一种需求响应潜力画像方法，其特征在于：步骤(2)中，对各指标进行去量纲化和归一化处理，其中指标包括各指标评价体系中的特性指标和经济指标，具体方法为：
1)统计平均法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值，yij是第i个用户的第j个指标的值，是各用户指标j的均值，m为用户个数，M的取值可以在0.5-0.75之间，为第j个指标的最大值；
2)向量规范化法：
式中，mij是经统计平均法处理后第i个用户的第j个指标的值；zij是经向量规范化法处理后的第i个用户的第j个指标的值。
8.根据权利要求1所述的一种需求响应潜力画像方法，其特征在于：步骤(3)中，熵权法求取不同指标的权重的方法为：
(31)对经预处理后的指标评价矩阵按列进行归一化处理，得：
其中，i＝1,2,...,m，j＝1,2,...,n，每列的
(32)按列计算第j个指标的熵
式中，i＝1,2,...,m，j＝1,2,...,n，其中
(33)计算第j个指标的差异系数gj
gj＝1-ej (13)；
其中，j＝1,2,...,n，差异系数和熵相反，差异系数越大说明指标之间的差别越大，对决策的作用越大，因此相应的权重就要大；
(34)确定权重，第j个指标的权重为：
式中，j＝1,2,...,n。
9.根据权利要求1所述的一种需求响应潜力画像方法，其特征在于：步骤(4)中根据第i个用户第j个指标的客观权重ωij确定该用户的加权指标值kij＝zijωj，然后根据逼近理想解排序方法(TOPSIS)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值，实现对用户的排序，具体为：
设正理想解k*的第j个指标值为负理想解k0第j个指标值为则
效益型指标为：
成本型指标为：
计算用户各指标值到正理想解与负理想解的距离；
用户i的指标值到正理想解的距离为：
式中，i＝1,2,...,m；
用户i的指标值到负理想解的距离为：
式中，i＝1,2,...,m；
计算各用户的综合潜力量化值Ri为：
其中，i＝1,2,...,m。
10.根据权利要求1所述的一种需求响应潜力画像方法，其特征在于：步骤(5)中，根据步骤(4)中求得的轮休、错时和避峰三种需求响应综合潜力量化值，利用近邻传播算法(AP)进行三维聚类分析。将不同用户的轮休、错时、避峰三种需求响应综合潜力量化值作为近邻传播算法(AP)的输入值，通过AP算法将轮休、错时、避峰三种需求响应综合潜力量化值类似的用户聚为一类，从而将用户细分为不同特征群，对不同特征群的特征进行概括描述，实现对用户需求响应潜力的画像。
CN201811432428.8A 2018-11-28 2018-11-28 一种用户需求响应潜力画像方法 Pending CN109636146A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811432428.8A CN109636146A (zh) 2018-11-28 2018-11-28 一种用户需求响应潜力画像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811432428.8A CN109636146A (zh) 2018-11-28 2018-11-28 一种用户需求响应潜力画像方法

Publications (1)

Publication Number Publication Date
CN109636146A true CN109636146A (zh) 2019-04-16

Family

ID=66069659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811432428.8A Pending CN109636146A (zh) 2018-11-28 2018-11-28 一种用户需求响应潜力画像方法

Country Status (1)

Country Link
CN (1) CN109636146A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109971A (zh) * 2019-04-19 2019-08-09 国网天津市电力公司电力科学研究院 一种低压台区用户用电负荷特性分析方法
CN110348510A (zh) * 2019-07-08 2019-10-18 中国海洋石油集团有限公司 一种基于深水油气钻井过程阶段性特征的数据预处理方法
CN111582911A (zh) * 2020-04-14 2020-08-25 广东卓维网络有限公司 一种多元用户与电网友好互动用电系统
CN111784204A (zh) * 2020-07-28 2020-10-16 南方电网能源发展研究院有限责任公司 一种基于用户用电行为画像的优质用户挖掘方法及系统
CN112365164A (zh) * 2020-11-13 2021-02-12 国网江苏省电力有限公司扬州供电分公司 基于改进密度峰值快速搜索聚类算法的中大型能源用户用能特性画像方法
CN112396301A (zh) * 2020-11-05 2021-02-23 国网天津市电力公司 基于能源大数据驱动的电力用户需求响应特性控制方法
CN112634078A (zh) * 2020-12-18 2021-04-09 南京工程学院 一种基于多维指标融合的大工业负荷中断优先级评估方法
CN113033953A (zh) * 2021-02-07 2021-06-25 国网浙江省电力有限公司金华供电公司 一种基于大数据的用户侧需求响应决策建议方法
CN114118869A (zh) * 2021-12-08 2022-03-01 国网电子商务有限公司 台区侧家电负荷的调控方法、相关装置及计算机存储介质
CN115130006A (zh) * 2022-08-04 2022-09-30 北京富通智康科技有限公司 一种基于健康管理标签的用户画像方法
CN115829418A (zh) * 2023-02-07 2023-03-21 国网江苏省电力有限公司营销服务中心 适用于负荷管理的电力用户负荷特性画像构建方法和系统

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109971A (zh) * 2019-04-19 2019-08-09 国网天津市电力公司电力科学研究院 一种低压台区用户用电负荷特性分析方法
CN110348510A (zh) * 2019-07-08 2019-10-18 中国海洋石油集团有限公司 一种基于深水油气钻井过程阶段性特征的数据预处理方法
CN110348510B (zh) * 2019-07-08 2021-08-03 中国海洋石油集团有限公司 一种基于深水油气钻井过程阶段性特征的数据预处理方法
CN111582911B (zh) * 2020-04-14 2023-06-30 广东卓维网络有限公司 一种多元用户与电网友好互动用电系统
CN111582911A (zh) * 2020-04-14 2020-08-25 广东卓维网络有限公司 一种多元用户与电网友好互动用电系统
CN111784204A (zh) * 2020-07-28 2020-10-16 南方电网能源发展研究院有限责任公司 一种基于用户用电行为画像的优质用户挖掘方法及系统
CN112396301A (zh) * 2020-11-05 2021-02-23 国网天津市电力公司 基于能源大数据驱动的电力用户需求响应特性控制方法
CN112365164A (zh) * 2020-11-13 2021-02-12 国网江苏省电力有限公司扬州供电分公司 基于改进密度峰值快速搜索聚类算法的中大型能源用户用能特性画像方法
CN112365164B (zh) * 2020-11-13 2023-09-12 国网江苏省电力有限公司扬州供电分公司 基于改进密度峰值快速搜索聚类算法的中大型能源用户用能特性画像方法
CN112634078A (zh) * 2020-12-18 2021-04-09 南京工程学院 一种基于多维指标融合的大工业负荷中断优先级评估方法
CN113033953B (zh) * 2021-02-07 2023-08-25 国网浙江省电力有限公司金华供电公司 一种基于大数据的用户侧需求响应决策建议方法
CN113033953A (zh) * 2021-02-07 2021-06-25 国网浙江省电力有限公司金华供电公司 一种基于大数据的用户侧需求响应决策建议方法
CN114118869A (zh) * 2021-12-08 2022-03-01 国网电子商务有限公司 台区侧家电负荷的调控方法、相关装置及计算机存储介质
CN115130006A (zh) * 2022-08-04 2022-09-30 北京富通智康科技有限公司 一种基于健康管理标签的用户画像方法
CN115829418A (zh) * 2023-02-07 2023-03-21 国网江苏省电力有限公司营销服务中心 适用于负荷管理的电力用户负荷特性画像构建方法和系统

Similar Documents

Publication Publication Date Title
CN109636146A (zh) 一种用户需求响应潜力画像方法
CN103903189B (zh) 基于模糊聚类的低压配网台区聚类方法
CN111199016A (zh) 一种基于DTW的改进K-means的日负荷曲线聚类方法
CN106779478A (zh) 一种负荷调度价值评估方法
CN108681744B (zh) 一种基于数据划分的电力负荷曲线层次聚类方法
CN104809658B (zh) 一种低压配网台区线损的快速分析方法
CN108399453A (zh) 一种电力客户信用等级评价方法和装置
CN106096805A (zh) 一种基于熵权法特征选择的居民用电负荷分类方法
CN110046792B (zh) 基于雷达图综合评价法的零电量用户排查方法
CN110689195A (zh) 一种电力日负荷预测方法
CN110119948B (zh) 基于时变权重动态组合的电力用户信用评价方法及系统
CN108122057B (zh) 一种智能园区能源利用方案综合评价方法及装置
CN107491783B (zh) 基于改进密度峰值聚类算法的变压器故障类型分类方法
CN108428055A (zh) 一种考虑负荷纵向特性的负荷聚类方法
CN110991527A (zh) 一种考虑电压曲线平均波动率的相似度阈值确定方法
CN111339167A (zh) 基于K-means和主成分线性回归的台区线损率影响因素分析方法
CN111126499A (zh) 一种基于二次聚类的用电行为模式分类方法
CN111798333A (zh) 一种用能评估与用电安全分析方法和系统
CN115313361A (zh) 一种规模化可调资源的联合优化控制方法和装置
CN111091301A (zh) 一种省级电网可持续发展策略的优选方法
CN107093005A (zh) 基于大数据挖掘算法实现办税服务厅自动分级的方法
CN110489893B (zh) 一种基于可变权值的母线负荷预测方法及系统
CN112653121B (zh) 一种新能源微电网参与电网调频能力的评估方法及装置
CN109064353B (zh) 一种基于改进聚类融合的大型建筑用户行为分析方法
CN116526496A (zh) 一种新型电力系统负荷控制的辅助决策方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416