[发明专利]一种虚拟电厂调节负荷分解与辨识方法

权利要求书

1.一种虚拟电厂调节负荷分解与辨识方法，其特征在于：具体按以下步骤执行：

S₁：采用机器学习方法对用户的历史负荷曲线进行分解；

S₂：基于小波特征提取建立一个评价指标体系；

S₃：从原始采样数据中随机选择K个数据作为初始聚类中心；

S₄：计算其余采样数据到聚类中心的距离，并将其分配到距离最近的簇内；

S₅：根据每个簇内的点，重新计算各个聚类中心；

S₆：判断聚类中心的位置变化是否小于某个阈值；是则通过K-means聚类算法找到准确性最高的阈值，利用评价指标体系对分解得到的负荷分量辨识可调性；利用评价指标体系对分解得到的负荷分量辨识可调性进行评价，超过阈值的负荷分量被认为是可调的，反之则是不可调，不是则回到步骤S₅；

S₇：结束。

2.根据权利要求1所述的一种虚拟电厂调节负荷分解与辨识方法，其特征在于，在步骤S₁中，将用户曲线分解成一组用电负荷分量的叠加，如式(1)

其中，f(t)表示用户负荷，f_n(t-τ_n)代表分解的不同成分，α_n为负荷分量的大小变化值，τ_n为负荷分量的时域平移值；平移τ_n的变化范围越大，代表该分量的可调性越好，相反就是可调性越低。

3.根据权利要求1所述的一种虚拟电厂调节负荷分解与辨识方法，其特征在于，在步骤S₂中，评价指标体系基于小波特征提取建立，将所提取的特征参量k₁、k₂、k₃、k₄与k₅小波系数的能量值相结合，作为负荷辨识方法的基础。

4.根据权利要求1所述的一种虚拟电厂调节负荷分解与辨识方法，其特征在于，选取最大可调节速率、调节深度、最大可调节时间、负荷日特性曲线同电价曲线的正相关性作为特征参量，以区分不同类型的负荷。

5.根据权利要求1所述的一种虚拟电厂调节负荷分解与辨识方法，其特征在于，在步骤S₂中，选择Daubechies小波函数作为提取小波特征的基函数，根据小波系数的绝对值，对所有的小波系数进行排序，确定最优小波系数特征保留数，绝对值较大的小波系数作为原始数据的特性系数。

6.根据权利要求1所述的一种虚拟电厂调节负荷分解与辨识方法，其特征在于，在步骤S₆中，K-means聚类算法具体按以下步骤执行，

S_6。1：为每个聚类簇随机选择一个数据点作为初始中心，共需要确定K个初始聚类中心，设定为，k＝1,2……；

S_6。2：将样本集按照最小距离原则分配到最邻近聚类，即对每个数据样本，计算其与K个初始聚类中心的距离，选择最小的值作为该样本到聚类中心的距离，且该聚类中心为样本初始划分数据簇；

S_6。3：将全部数据样本归好数据簇后，可以得到K个数据簇，然后再计算每个数据簇新的聚类中心，k＝1,2……；

S_6。4：若新计算出来的聚类中心和原来的聚类中心之间的距离小于某一提前设置的阂值，该值表示聚类中心的偏移情况和稳定程度，若该值设置越小，则对聚类要求越高，收敛速度越慢，聚类中心越稳定，这样则判定聚类己经达到期望的结果，计算终止，输出结果；

S_6。5：如果新的聚类中心和原聚类中心距离变化很大，则重复步骤S_6。3-S_6。5。