[发明专利]一种电力用户需求响应潜力确定方法

摘要

本发明涉及一种电力用户需求响应潜力确定方法，包括：获取用户观测年每日96点的历史负荷数据；获取影响用户负荷的特征量，特征量共1个；分别对历史负荷数据和特征量对应当天的负荷数据进行预处理；基于时间维度对历史负荷数据进行聚类分析，获取聚类中心C，将用户分为m类；利用贝叶斯分类法预测指定预测日用户行为模式的聚类中心C_s；计算用户预测日的需求响应潜力；本发明提供的方法，在用户负荷特性分析的基础上，动态计算用户的每日每时需求响应最大可削减负荷量，对需求响应活动中单个电力用户的需求响应潜力进行精细化计算，为需求响应策略制订提供了科学理论支持，充分发挥了其运行效率。

主权项

1.一种电力用户需求响应潜力确定方法，其特征在于，所述方法包括：(1)获取用户观测年每日96点的历史负荷数据；(2)获取影响用户负荷的特征量，所述特征量共l个；(3)分别对所述历史负荷数据和所述特征量对应当天的负荷数据进行预处理；(4)基于时间维度对所述历史负荷数据进行聚类分析，获取聚类中心C，将用户分为m类；(5)利用贝叶斯分类法预测指定预测日用户行为模式的聚类中心Cs；(6)计算用户预测日的需求响应潜力；步骤(3)中，对所述特征量对应当天的负荷数据进行预处理，包括：分别获取特征量y和z在第i日的观测值yi和zi并计算所述特征量y和z的统计相关系数r：式中，r为相关系数，为特征量y在全年的平均观测值，为特征量z在全年的平均观测值，n为观测日总数；若r大于0.6，则表示所述特征量y和z强相关，随机删去一个；步骤(4)中，基于时间维度对所述历史负荷数据进行聚类分析，将用户分为m类，包括：(5‑1)采用最短距离法对所述历史负荷数据进行系统聚类，根据类间距离获取初始聚类中心c，其中，所述最短距离法的类间距离公式为：DKL＝min{dij:pi∈Gk,pj∈GL}     (5)式(5)中，pi为类Gk中元素，对应第i日用户的历史负荷数据序列，pj为类GL中元素，对应第j日用户的历史负荷数据序列，DKL为类Gk与类GL之间的距离，dij为元素pi与元素pj之间的距离，公式为：式(6)中，pi,t为用户第i日t时刻的负荷值，pj,t为用户第j日t时刻的负荷值；(5‑2)采用模糊C均值聚类法进行第二次聚类，包括：计算元素pj关于第i类初始聚类中心ci的隶属度uij，公式为：式(7)中，uij介于0至1之间，m为聚类类数，q为加权指数，q∈[1,∞)，dkj为元素pk与元素pj之间的距离，dij′为pj与第i类初始聚类中心ci之间的距离，公式为：式(8)中，pj,t为用户第j日t时刻的负荷值，cit为第i类初始聚类中心ci中第t个数据点；计算价值函数J(U,c1,c2,……,cm)，公式为：式(9)中，U为隶属矩阵，n聚类中心中元素个数；价值函数值若小于阈值A或相对于上一次迭代中的价值函数值的变量小于阈值B，则停止迭代；更新所述初始聚类中心C，其中，新的聚类中心Ci公式为：步骤(5)中，利用贝叶斯分类法预测指定预测日的用户行为模式类别，包括：(6‑1)根据预测日的用户特征量测量值形成预测元祖X＝{x1,x2,……,xl}，根据观测日的用户特征量测量值形成|D|个训练元祖，训练元组和相关联的类标号形成训练集D；(6‑2)计算第j类聚类中心Cj先验概率P(Cj)，j＝1,2,……m，若类的先验概率未知，则假定P(C1)＝P(C2)＝……＝P(Cm)，否则：P(Cj)＝|Cj,D|/|D|    (11)式(11)中，|Cj,D|为D中Cj类的训练元组数，|D|为D中训练元祖数；(6‑3)假定属性值有条件地相互独立，即在属性间不存在依赖关系，计算发生Cj类情况时发生X的概率P(X|Cj)，公式为：式(12)中，xk为元组X第k个属性的值，若xk为分类属性，则P(xk|Cj)为D中第k个属性的值为xk的Cj类的元组数除以D中Cj类的元组数；若xk为连续值属性，则P(xk|Cj)为：式(13)中，和分别为C_j类训练元组第k个属性的值的均值和标准差；(5‑4)根据贝叶斯定理计算发生属性X情况时发生Cj的概率P(Cj|X)，公式为：式(14)中，P(X)为属性X发生的概率，若类的先验概率未知，则使P(X|Cj)最大的类为所述预测日用户行为模式的聚类中心Cs，否则使P(X|Cj)P(Cj)最大的类为所述预测日用户行为模式的聚类中心Cs。