CN112651797B - 一种基于聚类算法的典型日供需比曲线形成方法 - Google Patents
一种基于聚类算法的典型日供需比曲线形成方法 Download PDFInfo
- Publication number
- CN112651797B CN112651797B CN202011513529.5A CN202011513529A CN112651797B CN 112651797 B CN112651797 B CN 112651797B CN 202011513529 A CN202011513529 A CN 202011513529A CN 112651797 B CN112651797 B CN 112651797B
- Authority
- CN
- China
- Prior art keywords
- supply
- demand ratio
- curve
- demand
- curves
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 5
- 238000003064 k means clustering Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于聚类算法的典型日供需比曲线形成方法，包括以下步骤：步骤1、收集电力供应与需求数据；步骤2、根据步骤1所收集的数据，计算供需比，形成供需比曲线；步骤3、标准化步骤2的供需比曲线；步骤4、基于K‑means聚类算法对月度标准化供需比曲线进行聚类；步骤5、对不同供需比曲线划分其特征类型，选取出最合适的基于聚类算法的典型日供需比曲线。本发明可以为带曲线的电力中长期交易提供技术支撑。
Description
技术领域
本发明属于电力市场典型发电曲线形成技术领域，涉及典型日供需比曲线形成方法，尤其是一种基于聚类算法的典型日供需比曲线形成方法。
背景技术
目前，我国提出深化电力市场改革、建立完善成熟的电力市场，为此，8个试点地区积极推行电力现货市场的建设，而其他省份也在积极推动现货市场与电力中长期衔接市场机制的设计。分时段的电力市场化交易是一种基于电力曲线的中长期交易策略，也是推动现货市场与电力中长期衔接的重要策略。带曲线的电力市场化交易通过电力多边市场的公平竞争，能够对降低企业用电成本，发挥市场配置资源的决定行作用。
因此，如何合理地划分中长期带曲线交易的时段是本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的在于克服现有技术的不足，提出一种设计合理、简单实用的基于聚类算法的典型日供需比曲线形成方法。
本发明解决其现实问题是采取以下技术方案实现的：
一种基于聚类算法的典型日供需比曲线形成方法，包括以下步骤：
步骤1、收集电力供应与需求数据；
步骤2、根据步骤1所收集的数据，计算供需比，形成供需比曲线；
步骤3、标准化步骤2的供需比曲线；
步骤4、基于K-means聚类算法对月度标准化供需比曲线进行聚类；
步骤5、对不同供需比曲线划分其特征类型，选取出最合适的基于聚类算法的典型日供需比曲线。
而且，所述步骤2的计算供需比的公式如(1)所示：
其中，ηt为t时段的供需比，为t时段的电力供应量，/>为t时段的负荷容量。
而且，所述步骤3的具体方法为：
对电力供需比进行标准化处理，处理方式采用最大最小标准化方法，其计算公式如公式(2)所示：
其中，x*为标准化之后供需比数据，x为原始供需比数据，xmin为一天24点的数组供需比最小值，xmax为一天24点的数组供需比最大值。
而且，所述步骤4的具体步骤包括：
(1)初始化K个聚类中心，即K个初始的供需比曲线。
(2)计算第1个样本曲线与K个聚类中心曲线的距离，选取离该样本最近的中心曲线进行记录；
(3)重复步骤(2)，直至所有的样本都找到其最近的中心曲线，并进行记录；
(4)对于K个聚类中心曲线，对每个中心计算属于该中心点的所有样本曲线的平均值，把平均值作为一个新的中心曲线；
(5)判断新的中心曲线是否何原本的中心曲线一样，如若不一样则返回步骤(2)，否则进入下一步；
(6)输出K个典型的供需比曲线。
本发明的优点和有益效果：
本发明提出一种基于聚类算法的典型日供需比曲线形成方法，基于历史电力供应与负荷数据规律，采用聚类算法凝结出典型日供需比曲线，可以为带曲线的电力中长期交易提供技术支撑。
附图说明
图1是本发明的处理流程图；
图2(a)是本发明的聚类典型曲线1的聚类结果图；
图2(b)是本发明的聚类典型曲线2的聚类结果图；
图3是本发明的某电厂各个时段的出力典型曲线分解图。
具体实施方式
以下结合附图对本发明实施例作进一步详述：
一种基于聚类算法的典型日供需比曲线形成方法，如图1所示，包括以下步骤：
步骤1、收集电力供应与需求数据；
步骤2、根据步骤1所收集的数据，计算供需比，形成供需比曲线；
所述步骤2的计算供需比的公式如(1)所示：
其中，ηt为t时段的供需比，为t时段的电力供应量，/>为t时段的负荷容量。
步骤3、标准化步骤2的供需比曲线；
所述步骤3的具体方法为：
对电力供需比进行标准化处理，处理方式采用最大最小标准化方法，其计算公式如公式(2)所示：
其中，x*为标准化之后供需比数据，x为原始供需比数据，xmin为一天24点的数组供需比最小值，xmax为一天24点的数组供需比最大值。
步骤4、基于K-means聚类算法对月度标准化供需比曲线进行聚类；
所述步骤4的具体步骤包括：
(1)初始化K个聚类中心，即K个初始的供需比曲线。
(2)计算第1个样本曲线与K个聚类中心曲线的距离，选取离该样本最近的中心曲线进行记录；
(3)重复步骤(2)，直至所有的样本都找到其最近的中心曲线，并进行记录；
(4)对于K个聚类中心曲线，对每个中心计算属于该中心点的所有样本曲线的平均值，把平均值作为一个新的中心曲线；
(5)判断新的中心曲线是否何原本的中心曲线一样，如若不一样则返回步骤(2)，否则进入下一步；
(6)输出K个典型的供需比曲线。
步骤5、对不同供需比曲线划分其特征类型，选取出最合适的基于聚类算法的典型日供需比曲线。
下面通过具体算例对本发明作进一步说明：
步骤1、收集电力供应与需求数据。
在本实施例中，收集月度30日的每日24点电力供应与需求数据。
步骤、根据步骤1所收集的数据，计算供需比，形成供需比曲线；
对供需比进行计算，其计算公式如(1)所示。
其中，ηt为t时段的供需比，为t时段的电力供应量，/>为t时段的负荷容量。
供需比计算结果如表1所示：
表1供需比计算结果
步骤3、标准化步骤2的供需比曲线；
对电力供需比进行标准化处理，处理方式采用最大最小标准化方法，其计算公式如公式(2)所示：
其中，x*为标准化之后供需比数据，x为原始供需比数据，xmin为数组供需比最小值，xmax为数组供需比最大值。
保准化处理后的结果如表2所示：
表2标准化供需比曲线
步骤4、基于K-means聚类算法对月度标准化供需比曲线进行聚类；
所述步骤4的具体步骤包括：
(1)初始化K个聚类中心，即K个初始的供需比曲线；
(2)计算第1个样本曲线与K个聚类中心曲线的距离，选取离该样本最近的中心曲线进行记录；
(3)重复步骤(2)，直至所有的样本都找到其最近的中心曲线，并进行记录；
(4)对于K个聚类中心曲线，对每个中心计算属于该中心点的所有样本曲线的平均值，把平均值作为一个新的中心曲线；
(5)判断新的中心曲线是否何原本的中心曲线一样，如若不一样则返回步骤(2)，否则进入下一步；
(6)输出K个典型的供需比曲线。
其聚类结果如图2(a)和图2(b)所示。
步骤5、对不同供需比曲线划分其特征类型，选取出最合适的基于聚类算法的典型日供需比曲线。
分析两类聚类算法中平日曲线聚合原因，发现图2(a)中的平日供需比曲线为节假日曲线，不具有典型性；同时，由图可知2(b)中的聚类典型局限更具有普遍性，因此选择图2(b)中的典型日曲线作为该月的典型日供需比曲线。
根据图2(b)中形成的曲线，可以得到电力中长期典型曲线如表3所示：
表3典型中长期电力曲线
假设某电厂对用户签订150MW的电量，则按照典型曲线分解后具有月度分时段调度出力如图3所示的需求。
需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
Claims (1)
1.一种基于聚类算法的典型日供需比曲线形成方法，其特征在于：包括以下步骤：
步骤1、收集电力供应与需求数据；
步骤2、根据步骤1所收集的数据，计算供需比，形成供需比曲线；
步骤3、标准化步骤2的供需比曲线；
步骤4、基于K-means聚类算法对月度标准化供需比曲线进行聚类；
步骤5、对不同供需比曲线划分其特征类型，选取出最合适的基于聚类算法的典型日供需比曲线；
所述步骤2的计算供需比的公式如(1)所示：
其中，ηt为t时段的供需比，为t时段的电力供应量，/>为t时段的负荷容量；
所述步骤4的具体步骤包括：
(1)初始化K个聚类中心，即K个初始的供需比曲线；
(2)计算第1个样本曲线与K个聚类中心曲线的距离，选取离该样本最近的中心曲线进行记录；
(3)重复步骤(2)，直至所有的样本都找到其最近的中心曲线，并进行记录；
(4)对于K个聚类中心曲线，对每个中心计算属于该中心点的所有样本曲线的平均值，把平均值作为一个新的中心曲线；
(5)判断新的中心曲线是否何原本的中心曲线一样，如若不一样则返回步骤(2)，否则进入下一步；
(6)输出K个典型的供需比曲线；
所述步骤3的具体方法为：
对电力供需比进行标准化处理，处理方式采用最大最小标准化方法，其计算公式如公式(2)所示：
其中，x*为标准化之后供需比数据，x为原始供需比数据，xmin为一天24点的数组供需比最小值，xmax为一天24点的数组供需比最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011513529.5A CN112651797B (zh) | 2020-12-18 | 2020-12-18 | 一种基于聚类算法的典型日供需比曲线形成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011513529.5A CN112651797B (zh) | 2020-12-18 | 2020-12-18 | 一种基于聚类算法的典型日供需比曲线形成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112651797A CN112651797A (zh) | 2021-04-13 |
| CN112651797B true CN112651797B (zh) | 2024-04-12 |
Family
ID=75358402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011513529.5A Active CN112651797B (zh) | 2020-12-18 | 2020-12-18 | 一种基于聚类算法的典型日供需比曲线形成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651797B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751253A (zh) * | 2015-04-23 | 2015-07-01 | 国家电网公司 | 基于b-样条基底展开曲线聚类的配电网潮流预测方法 |
| CN105844371A (zh) * | 2016-05-19 | 2016-08-10 | 北京中电普华信息技术有限公司 | 一种用电客户短期负荷需求预测方法及装置 |
| CN108345908A (zh) * | 2018-02-10 | 2018-07-31 | 武汉轻工大学 | 电网数据的分类方法、分类设备及存储介质 |
| CN108596362A (zh) * | 2018-03-22 | 2018-09-28 | 国网四川省电力公司经济技术研究院 | 基于自适应分段聚合近似的电力负荷曲线形态聚类方法 |
| CN108681744A (zh) * | 2018-04-18 | 2018-10-19 | 西北工业大学 | 一种基于数据划分的电力负荷曲线层次聚类方法 |
| CN110707711A (zh) * | 2018-07-10 | 2020-01-17 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统分级调控方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8271336B2 (en) * | 1999-11-22 | 2012-09-18 | Accenture Global Services Gmbh | Increased visibility during order management in a network-based supply chain environment |
-
2020
- 2020-12-18 CN CN202011513529.5A patent/CN112651797B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751253A (zh) * | 2015-04-23 | 2015-07-01 | 国家电网公司 | 基于b-样条基底展开曲线聚类的配电网潮流预测方法 |
| CN105844371A (zh) * | 2016-05-19 | 2016-08-10 | 北京中电普华信息技术有限公司 | 一种用电客户短期负荷需求预测方法及装置 |
| CN108345908A (zh) * | 2018-02-10 | 2018-07-31 | 武汉轻工大学 | 电网数据的分类方法、分类设备及存储介质 |
| CN108596362A (zh) * | 2018-03-22 | 2018-09-28 | 国网四川省电力公司经济技术研究院 | 基于自适应分段聚合近似的电力负荷曲线形态聚类方法 |
| CN108681744A (zh) * | 2018-04-18 | 2018-10-19 | 西北工业大学 | 一种基于数据划分的电力负荷曲线层次聚类方法 |
| CN110707711A (zh) * | 2018-07-10 | 2020-01-17 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统分级调控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Feature Construction and Calibration for Clustering Daily Load Curves from Smart-Meter Data";R.AI-Otaibi等;《IEEE Transactions on Idustrial Informatics》;20160211;第645-654页 * |
| "上海电力市场电价分析及当量电价研究";刘建平;《中国优秀硕士学位论文全文数据库 工程科技II辑》(第第3期期);正文第3.4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112651797A (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133652A (zh) | 基于K‑means聚类算法的用电客户价值评估方法及系统 | |
| CN109886567B (zh) | 一种考虑体感温度和辐射强度的短期负荷预测方法 | |
| CN115173465A (zh) | 一种基于Copula理论的风光水火储一体化耦合机理分析方法 | |
| CN106875058B (zh) | 一种电力业扩可开放容量智能判断方法 | |
| CN114301089B (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
| CN112651797B (zh) | 一种基于聚类算法的典型日供需比曲线形成方法 | |
| CN115081891A (zh) | 一种电力用户增值服务决策方法 | |
| CN111969598B (zh) | 一种考虑激励型需求侧响应的用户侧储能优化方法及系统 | |
| CN112801343A (zh) | 一种计及多气象场景适应成本的储能系统容量规划方法 | |
| CN105719194B (zh) | 一种自动寻优型电力负荷分类方法 | |
| CN115829418A (zh) | 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 | |
| CN113935399A (zh) | 一种基于两阶段集成聚类的区域能源负荷用电模式挖掘算法 | |
| CN109149644B (zh) | 一种基于大数据分析的光储一体在线策略匹配和协同优化方法 | |
| CN114048200A (zh) | 一种计及缺失数据补齐的用户用电行为分析方法 | |
| CN113269360A (zh) | 一种基于电力用户用电行为画像的数据采集方法 | |
| CN112598480A (zh) | 省间中长期清洁能源电力交易推荐率的计算机实施方法 | |
| CN112801333B (zh) | 一种基于XGBoost的配电网线路夏季峰值负荷预测方法 | |
| CN111915116A (zh) | 一种基于K-means聚类的电力居民用户分类方法 | |
| CN117175568B (zh) | 一种工业园区用电智能规划方法及系统 | |
| CN118211795A (zh) | 一种基于关键特征挖掘的建筑可再生能源系统典型日场景提取方法 | |
| CN110689250B (zh) | 一种用户用电数据的处理方法、系统及计算机可读介质 | |
| CN113592309B (zh) | 一种基于数据驱动的多级库存定额制定方法 | |
| CN115983576A (zh) | 一种自适应的多元能源负荷特性识别方法 | |
| CN112085283A (zh) | 一种用户侧储能经济可行性分析方法及系统 | |
| CN115809807A (zh) | 一种企业用户的深度节能方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Guo Jinhui Inventor after: Zhu Shaorui Inventor after: Li Liangliang Inventor after: Liu Bei Inventor after: Zhao Xu Inventor after: Tian Haiqing Inventor after: Zhou Yu Inventor after: Song Gaohong Inventor after: Ma Yaowu Inventor after: Wen Zhenjiang Inventor after: Yuan Yunyun Inventor after: Yang Zhi Inventor after: Yao Lei Inventor before: Ma Yaowu Inventor before: Tian Haiqing Inventor before: Song Gaohong Inventor before: Zhao Xu Inventor before: Guo Jinhui Inventor before: Zhou Yu Inventor before: Wen Zhenjiang Inventor before: Yuan Yunyun Inventor before: Yang Zhi Inventor before: Yao Lei Inventor before: Zhu Shaorui Inventor before: Li Liangliang Inventor before: Liu Bei |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |