[发明专利]一种虚拟电厂调节负荷分解与辨识方法

说明书

本发明涉及电网运行规划技术领域，公开了一种虚拟电厂调节负荷分解与辨识方法，首先采用机器学习方法对用户的历史负荷曲线进行分解；基于小波特征提取建立一个评价指标体系；从原始采样数据中随机选择K个数据作为初始聚类中心；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；再根据每个簇内的点，重新计算各个聚类中心；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。本发明有效提高可调节负荷的辨识精度。

技术领域

本发明涉及电网运行规划技术领域，具体为一种虚拟电厂调节负荷分解与辨识方法。

背景技术

随着负荷调控技术的不断成熟，以电动汽车平台、虚拟电厂、负荷聚合商等为代表的新型主体逐渐涌现，集群调节潜力愈加显著。传统的“源随荷动”模式逐渐向“源荷互动协同”模式转变，具备调节能力的可调节负荷资源可作为稳定的电网调节资源来促进电网功率平衡并提供辅助服务。国家电网公司明确提出挖掘需求侧响应潜力，构建不少于电网最大负荷5％的可调节负荷资源库，将在电力辅助服务中发挥重要的作用。

根据电力系统负荷监控和统计的现状，电网所观测的对象通常为综合负荷。广域可调节负荷含有大量的分布范围广、单体容量小的小型负荷，由于分布广、数据海量，故电网难以实现对单一负荷的直接控制。因此，必须通过对综合负荷辨识，得到综合负荷中各类广域可调节负荷的构成比例，进而结合广域可调节负荷的调节特性，得到可监控的综合负荷的可调节能力，才能更好地实现对广域可调节负荷的控制，达到促进新能源消纳的目的。广域可调节负荷类型众多，数量海量，分布广泛，运行特性及可调节特性复杂。当需求侧用户接入虚拟电厂时，需要对用户的负荷曲线进行分解和鉴别，辨识出用户负荷中的实际可调部分和不可调部分，从而辅助虚拟电厂的运营决策。如何对广域可调节负荷特性提取出合适的特征参数，并基于此提出广域可调节负荷的辨识方法，己成为一个函待深入研究的课题。所以就需要一种虚拟电厂调节负荷分解与辨识方法。

发明内容

本发明的目的在于提供一种虚拟电厂调节负荷分解与辨识方法，本发明基于小波特征提取建立评价指标体系，通过K-means聚类算法找到准确性最高的阈值。首先，采用机器学习对用户的历史负荷曲线进行分解，将用户曲线分解成一组用电负荷分量的叠加；其次，基于小波特征提取建立一个评价指标体系，通过K-means 聚类算法找到准确性最高的阈值；最后，利用评价指标体系对分解得到的负荷分量辨识可调性，超过阈值的负荷分量被认为是可调的，反之则是不可调的。本发明是这样实现的：

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；

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。

进一步，历史负荷曲线可连续调节负荷的特征，可连续调节负荷能够连续调节，其调节容量与调节比例有关，调节范围受最小技术出力和最大可用出力制约，启停时间长，出力增减速率小，出力频繁变化会增加额外的燃料消耗。没有最小连续运行时间或最大可中断时间的限制，调节方便灵活。对于可连续调节负荷k，其在时刻t的用电负荷如式(2)

式中，为可连续调节负荷k中的基础不可调功率；为可连续调节负荷k的可调节功率；为可连续调节负荷调节量系数，即可连续调节负荷k在t 时刻参与调节的功率百分比；为可连续调节负荷k在t时刻是否参与调节的决策变量，参与调节时，否则