Nothing Special   »   [go: up one dir, main page]

CN110245715B - 用于精准切负荷的用户划分方法 - Google Patents

用于精准切负荷的用户划分方法 Download PDF

Info

Publication number
CN110245715B
CN110245715B CN201910537027.7A CN201910537027A CN110245715B CN 110245715 B CN110245715 B CN 110245715B CN 201910537027 A CN201910537027 A CN 201910537027A CN 110245715 B CN110245715 B CN 110245715B
Authority
CN
China
Prior art keywords
load
user
load shedding
duration
shedding
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
Application number
CN201910537027.7A
Other languages
English (en)
Other versions
CN110245715A (zh
Inventor
李琴
徐志强
周鲲
罗华伟
邹鑫
张惠芳
齐增清
刘义
周剑晗
陈俊杰
陆俊
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.)
Hunan Jingyan Electric Power Design Co ltd
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
Hunan Jingyan Electric Power Design Co ltd
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
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 Hunan Jingyan Electric Power Design Co ltd, State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical Hunan Jingyan Electric Power Design Co ltd
Priority to CN201910537027.7A priority Critical patent/CN110245715B/zh
Publication of CN110245715A publication Critical patent/CN110245715A/zh
Application granted granted Critical
Publication of CN110245715B publication Critical patent/CN110245715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种用于精准切负荷的用户划分方法，包括获取切负荷用户的用电负荷信息；按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户的三维特征矢量空间；按照凸多边形周长最大准则选取用户划分聚类中心；计算各个切负荷用户与各个划分聚类中心的隶属距离，并以隶属距离最小为准则，对切负荷用户进行划分。本发明能够科学合理的对切负荷用户进行划分，从而能够有效提高切负荷系统的资源利用率以及系统响应效率。

Description

用于精准切负荷的用户划分方法
技术领域
本发明具体涉及一种用于精准切负荷的用户划分方法。
背景技术
随着经济技术的发展，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，电能的稳定可靠供应，就成为了电力系统的最重要的任务之一。
同时，随着特高压交直流电网的快速发展，远距离跨区输电规模持续扩大，新能源占比进一步提升，电网安全运行面临故障初期暂态失稳、频率快速跌落、主干通道潮流越限、省际联络线功率超用等问题。在传统交流系统基础上形成的认识方法、防御理念、控制技术和管控措施，已难以适应特高压交直流电网运行实践的新要求。精准负荷控制系统是特高压交直流电网系统保护的重要组成部分。其重点解决电网故障初期频率快速跌落、主干通道潮流越限、省际联络线功率超用、电网旋转备用不足等问题。根据不同控制要求,可分为实现快速负荷控制的毫秒级控制系统和更加友好互动的秒级及分钟级控制系统。在精准切负荷系统中，为了更好的实现资源利用，提高系统的响应效率，可对切负荷用户进行划分，更有针对性的进行切负荷操作。
现有精准切负荷系统主要根据切负荷用户类型对用户进行划分：通过事先对用户及其负荷类型进行调研，从而将用户划分为固定的类别，然后按照固定的类别依次对负荷进行切除，从而实现负荷切除。但是，明显的，现有的用户划分过程是静态的和固定的，并未考虑切负荷用户实际用电情况，从而使得切负荷过程极其武断，而且效果欠佳。
发明内容
本发明的目的在于提供一种可靠性高、科学合理且考虑用户实际负荷情况的用于精准切负荷的用户划分方法。
本发明提供的这种用于精准切负荷的用户划分方法，包括如下步骤：
S1.获取切负荷用户的用电负荷信息；
S2.按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户的三维特征矢量空间；
S3.按照凸多边形周长最大准则选取用户划分聚类中心；
S4.计算各个切负荷用户与各个划分聚类中心的隶属距离，并以隶属距离最小为准则，对切负荷用户进行划分。
步骤S1所述的获取切负荷用户的用电负荷信息，具体为获取电网的切负荷用户总数，以及每个切负荷用户的用电负荷曲线。
步骤S2所述的按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户的三维特征矢量空间，具体为采用如下步骤构建切负荷用户的三维特征矢量空间：
A.根据电网的每一个切负荷用户对应的用电负荷信息，计算每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间；
B.对步骤A得到的每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间进行归一化；
C.根据步骤B得到的每一个切负荷用户对应的归一化平均负荷量、归一化尖峰持续时间和归一化高负荷持续时间，构成切负荷用户的三维特征矢量(xi,yi,zi)；其中xi为用户i的归一化平均负荷量，yi为用户i的归一化尖峰持续时间，zi为用户i的归一化高负荷持续时间；
D.根据步骤C得到的切负荷用户的三维特征矢量(xi,yi,zi)，以归一化平均负荷量为x轴，归一化尖峰持续时间为y轴，归一化高负荷持续时间为z轴，建立切负荷用户的三围特征矢量空间。
所述的计算每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间，具体为根据如下定义进行计算：
平均负荷量Li：
Figure GDA0002775854210000031
式中
Figure GDA0002775854210000032
为切负荷用户i的用电负荷曲线在t时刻的负荷量；
尖峰持续时间pti：为切负荷用户的负荷曲线上负荷量超过平均负荷量Li的持续时间；
高负荷持续时间hti：为切负荷用户的负荷曲线上负荷量超过负荷阈值α的持续时间；α的取值范围为1.2*Li≤α≤1.6*Li。
步骤B所述的对步骤A得到的每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间进行归一化，具体为采用如下算式进行归一化：
Figure GDA0002775854210000033
Figure GDA0002775854210000034
Figure GDA0002775854210000035
式中xi为切负荷用户i对应的归一化平均负荷量，Li为切负荷用户i对应的平均负荷量，
Figure GDA0002775854210000036
为切负荷用户i对应的时刻最小负荷量，
Figure GDA0002775854210000037
为切负荷用户i对应的时刻最大负荷量，yi为切负荷用户i对应的归一化尖峰持续时间，pti为切负荷用户i对应的尖峰持续时间，
Figure GDA0002775854210000041
为切负荷用户i对应的最小尖峰持续时间，
Figure GDA0002775854210000042
为切负荷用户i对应的最大尖峰持续时间，zi为切负荷用户i对应的归一化高负荷持续时间，hti为切负荷用户i对应的高负荷持续时间，
Figure GDA0002775854210000043
为切负荷用户i对应的最小高负荷持续时间，
Figure GDA0002775854210000044
为切负荷用户i对应的最大高负荷持续时间。
步骤S3所述的按照凸多边形周长最大准则选取用户划分聚类中心，具体为采用如下步骤选取用户划分聚类中心：
a.计算切负荷用户划分的第一聚类中心；
b.在切负荷用户的三维特征矢量空间中，任意选取K-1个用户为K-1个用户划分聚类中心，并与步骤a得到的第一聚类中心构成凸K边形；其中K为设定的切负荷用户划分的聚类中心个数；
c.计算步骤b得到的凸K边形的周长，选取使得凸K边形的周长最长的K-1个用户作为最终的K-1个用户划分聚类中心，并与第一聚类中心一同构成切负荷用户划分中心集。
步骤a所述的计算切负荷用户划分的第一聚类中心，具体为采用如下算式计算切负荷用户划分的第一聚类中心：
Figure GDA0002775854210000045
Figure GDA0002775854210000046
Figure GDA0002775854210000047
式中(x0,y0,z0)为切负荷用户划分的第一聚类中心在切负荷用户的三维特征矢量空间中的坐标；N为切负荷用户的总数；(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标。
步骤S4所述的计算各个切负荷用户与各个划分聚类中心的隶属距离，并以隶属距离最小为准则，对切负荷用户进行划分，具体为采用如下步骤进行计算和划分：
(1)计算任意切负荷用户i到用户划分聚类中心j的隶属距离；
(2)采用如下公式作为优化目标，求解所有切负荷用户所对应的用户划分聚类中心：
Figure GDA0002775854210000051
式中min为求最小值操作；i为切负荷用户的编号，j为用户划分聚类中心的编号，N为切负荷用户的总数，NN为用户划分聚类中心的总数，Dij为切负荷用户i到用户划分聚类中心j的隶属距离；
(3)根据步骤(2)的计算结果，将对应相同的用户划分聚类中心的切负荷用户归为同一类，从而完成切负荷用户的划分。
步骤(1)所述的计算任意切负荷用户i到用户划分聚类中心j的隶属距离，具体为采用如下算式计算隶属距离Dij：
Dij＝|xi-xj|+|yi-yj|+|zi-zj|
式中(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标；(xj,yj,zj)为用户划分聚类中心j在切负荷用户的三维特征矢量空间中的坐标。
本发明提供的这种用于精准切负荷的用户划分方法，在充分考虑切负荷用户实际用电特性的基础上，获取电网切负荷用户的用电负荷信息，按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户三维特征矢量空间，按照凸多边形周长最大准则选取用户划分聚类中心，按照隶属距离和最小准则划分切负荷用户，能够科学合理的对切负荷用户进行划分，从而能够有效提高切负荷系统的响应效率和可靠性。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的实例切负荷用户用电曲线图。
图3为本发明方法的实施例的切负荷用户三维特征矢量空间图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种用于精准切负荷的用户划分方法，包括如下步骤：
S1.获取切负荷用户的用电负荷信息；具体为获取电网的切负荷用户总数，以及每个切负荷用户的用电负荷曲线；
S2.按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户的三维特征矢量空间；具体为采用如下步骤构建切负荷用户的三维特征矢量空间：
A.根据电网的每一个切负荷用户对应的用电负荷信息，计算每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间；所述的计算每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间，具体为采用如下算式进行计算：设每一个切负荷用户i用电负荷曲线在t时刻的负荷量为
Figure GDA0002775854210000061
根据平均负荷量Li为一天内各时刻负荷量的均值设计公式
Figure GDA0002775854210000062
计算平均负荷量Li；对负荷用户i，尖峰持续时间pti为用户负荷曲线上负荷量超过平均负荷量Li的持续时间；在切负荷系统中，设hti高负荷持续时间为切负荷用户i负荷曲线上负荷量超过负荷阈值α(取值范围为1.2*Li≤α≤1.6*Li)的持续时间。
B.对步骤A得到的每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间进行归一化；具体为采用如下算式进行归一化：
Figure GDA0002775854210000071
Figure GDA0002775854210000072
Figure GDA0002775854210000073
式中xi为切负荷用户i对应的归一化平均负荷量，Li为切负荷用户i对应的平均负荷量，
Figure GDA0002775854210000074
为切负荷用户i对应的最小负荷量，
Figure GDA0002775854210000075
为切负荷用户i对应的最大负荷量，yi为切负荷用户i对应的归一化尖峰持续时间，pti为切负荷用户i对应的尖峰持续时间，
Figure GDA0002775854210000076
为切负荷用户i对应的最小尖峰持续时间，
Figure GDA0002775854210000077
为切负荷用户i对应的最大尖峰持续时间，zi为切负荷用户i对应的归一化高负荷持续时间，hti为切负荷用户i对应的高负荷持续时间，
Figure GDA0002775854210000078
为切负荷用户i对应的最小高负荷持续时间，
Figure GDA0002775854210000079
为切负荷用户i对应的最大高负荷持续时间；
C.根据步骤B得到的每一个切负荷用户对应的归一化平均负荷量、归一化尖峰持续时间和归一化高负荷持续时间，构成切负荷用户的三维特征矢量(xi,yi,zi)；其中xi为用户i的归一化平均负荷量，yi为用户i的归一化尖峰持续时间，zi为用户i的归一化高负荷持续时间；
D.根据步骤C得到的切负荷用户的三维特征矢量(xi,yi,zi)，以归一化平均负荷量为x轴，归一化尖峰持续时间为y轴，归一化高负荷持续时间为z轴，建立切负荷用户的三围特征矢量空间；
S3.按照凸多边形周长最大准则选取用户划分聚类中心；具体为采用如下步骤选取用户划分聚类中心：
a.计算切负荷用户划分的第一聚类中心；具体为采用如下算式计算切负荷用户划分的第一聚类中心：
Figure GDA0002775854210000081
Figure GDA0002775854210000082
Figure GDA0002775854210000083
式中(x0,y0,z0)为切负荷用户划分的第一聚类中心在切负荷用户的三维特征矢量空间中的坐标；N为切负荷用户的总数；(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标；
b.在切负荷用户的三维特征矢量空间中，任意选取K-1个用户为K-1个用户划分聚类中心，并与步骤a得到的第一聚类中心构成凸K边形；其中K为设定的切负荷用户划分的聚类中心个数；
c.计算步骤b得到的凸K边形的周长，选取使得凸K边形的周长最长的K-1个用户作为最终的K-1个用户划分聚类中心，并与第一聚类中心一同构成切负荷用户划分中心集；
S4.计算各个切负荷用户与各个划分聚类中心的隶属距离，并以隶属距离最小为准则，对切负荷用户进行划分；具体为采用如下步骤进行计算和划分：
(1)计算任意切负荷用户i到用户划分聚类中心j的隶属距离；具体为采用如下算式计算隶属距离Dij：
Dij＝|xi-xj|+|yi-yj|+|zi-zj|
式中(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标；(xj,yj,zj)为用户划分聚类中心j在切负荷用户的三维特征矢量空间中的坐标；
(2)采用如下公式作为优化目标，求解所有切负荷用户所对应的用户划分聚类中心：
Figure GDA0002775854210000091
式中min为求最小值操作；i为切负荷用户的编号，j为用户划分聚类中心的编号，N为切负荷用户的总数，NN为用户划分聚类中心的总数，Dij为切负荷用户i到用户划分聚类中心j的隶属距离；
(3)根据步骤(2)的计算结果，将对应相同的用户划分聚类中心的切负荷用户归为同一类，从而完成切负荷用户的划分。
以下结合一个具体实施例，对本发明方法进行进一步说明：
电网切负荷系统包含N＝9个切负荷用户，获取切负荷用户i的用电负荷曲线gi，如图2所示。
对电网切负荷系统中的每个切负荷用户i，根据对应的用电负荷曲线gi分别计算平均负荷量Li(单位为MW)、尖峰持续时间
Figure GDA0002775854210000092
和高负荷持续时间
Figure GDA0002775854210000093
如表1所示；然后再进行归一化计算，并构建切负荷用户三维特征矢量空间，如图3所示，各切负荷用户三维特征矢量如表2所示。
表1平均负荷量Li、尖峰持续时间pti和高负荷持续时间hti示意表
切负荷用户 平均负荷量L<sub>i</sub>(MW) 尖峰持续时间pt<sub>i</sub>(h) 高负荷持续时间ht<sub>i</sub>(h)
1 127 13 3
2 167 10 24
3 133 11 12
4 129 9 13
5 137 11 11
6 126 13 2
7 168 10 24
8 119 13 4
9 170 10 24
表2切负荷用户的三维特征矢量示意表
切负荷用户 x<sub>i</sub> y<sub>i</sub> z<sub>i</sub>
1 0.17 0.83 0.08
2 0.92 0.33 0.96
3 0.28 0.50 0.46
4 0.21 0.17 0.50
5 0.36 0.50 0.42
6 0.15 0.83 0.04
7 0.94 0.33 0.96
8 0.02 0.83 0.13
9 0.98 0.33 0.96
设定切负荷系统有K＝3个划分中心，根据各个切负荷用户的三维特征矢量，计算第一聚类中心Q1(0.45,0.52,0.50)，在切负荷用户三维特征矢量空间中，任意选取2个切负荷用户作为用户划分第二聚类中心Q2和用户划分第三聚类中心Q3，与用户划分第一聚类中心Q1构成三角形；计算构成的三角形的周长，选取周长最大的三角形的顶点构成用户划分中心集C＝{Q1,Q2,Q3}，用户划分第二聚类中心Q2和用户划分第三聚类中心Q3及构成得三角形周长如表3所示，用户划分中心集为：
C＝{Q1(0.45,0.52,0.50),Q2(0.02,0.83,0.13),Q3(0.98,0.33,0.96)}
表3用户划分聚类中心组合及周长
Q<sub>2</sub>和Q<sub>3</sub> 周长 Q<sub>2</sub>和Q<sub>3</sub> 周长 Q<sub>2</sub>和Q<sub>3</sub> 周长
1，2 2.54 2，7 1.40 4，8 1.85
1，3 1.28 2，8 2.65 4，9 2.06
1，4 1.80 2，9 1.47 5，6 1.30
1，5 1.22 3，4 0.94 5，7 1.63
1，6 1.27 3，5 0.39 5，8 1.32
1，7 2.56 3，6 1.36 5，9 1.69
1，8 1.40 3，7 1.72 6，7 2.64
1，9 2.62 3，8 1.36 6，8 1.44
2，3 1.69 3，9 1.78 6，9 2.69
2，4 1.97 4，5 0.92 7，8 2.68
2，5 1.60 4，6 1.86 7，9 1.47
2，6 2.61 4，7 2.00 8，9 2.74
对于电网切负荷系统中的每个切负荷用户i，根据公式计算其到用户划分聚类中心Qj(j＝1,2,3)的隶属距离Dij；对于电网切负荷系统，以隶属距离和
Figure GDA0002775854210000111
(其中NN取1、2或3)最小为目标，分类切负荷用户，划分结果及隶属距离和如表4所示。
表4切负荷用户划分结果和相应隶属距离和
Figure GDA0002775854210000121
从上述实施例可以看到，本发明方法能够科学合理的对切负荷用户进行划分，从而能够进一步有效提高切负荷系统的资源利用率以及系统响应效率。

Claims (1)

1.一种用于精准切负荷的用户划分方法，包括如下步骤：
S1.获取切负荷用户的用电负荷信息；具体为获取电网的切负荷用户总数，以及每个切负荷用户的用电负荷曲线；
S2.按照负荷量、尖峰持续时间和高负荷持续时间构建切负荷用户的三维特征矢量空间；具体为采用如下步骤构建切负荷用户的三维特征矢量空间：
A.根据电网的每一个切负荷用户对应的用电负荷信息，计算每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间；
B.对步骤A得到的每一个切负荷用户对应的平均负荷量、尖峰持续时间和高负荷持续时间进行归一化；具体为采用如下算式进行归一化：
Figure FDA0002775854200000011
Figure FDA0002775854200000012
Figure FDA0002775854200000013
式中xi为切负荷用户i对应的归一化平均负荷量，Li为切负荷用户i对应的平均负荷量，
Figure FDA0002775854200000014
为切负荷用户i对应的最小负荷量，
Figure FDA0002775854200000015
为切负荷用户i对应的最大负荷量，yi为切负荷用户i对应的归一化尖峰持续时间，pti为切负荷用户i对应的尖峰持续时间，
Figure FDA0002775854200000016
为切负荷用户i对应的最小尖峰持续时间，
Figure FDA0002775854200000017
为切负荷用户i对应的最大尖峰持续时间，zi为切负荷用户i对应的归一化高负荷持续时间，hti为切负荷用户i对应的高负荷持续时间，
Figure FDA0002775854200000018
为切负荷用户i对应的最小高负荷持续时间，
Figure FDA0002775854200000019
为切负荷用户i对应的最大高负荷持续时间；
C.根据步骤B得到的每一个切负荷用户对应的归一化平均负荷量、归一化尖峰持续时间和归一化高负荷持续时间，构成切负荷用户的三维特征矢量(xi,yi,zi)；其中xi为用户i的归一化平均负荷量，yi为用户i的归一化尖峰持续时间，zi为用户i的归一化高负荷持续时间；
D.根据步骤C得到的切负荷用户的三维特征矢量(xi,yi,zi)，以归一化平均负荷量为x轴，归一化尖峰持续时间为y轴，归一化高负荷持续时间为z轴，建立切负荷用户的三围特征矢量空间；
其中，平均负荷量Li：
Figure FDA0002775854200000021
式中
Figure FDA0002775854200000022
为切负荷用户i的用电负荷曲线在t时刻的负荷量；
尖峰持续时间pti：为切负荷用户的负荷曲线上负荷量超过平均负荷量Li的持续时间；
高负荷持续时间hti：为切负荷用户的负荷曲线上负荷量超过负荷阈值α的持续时间；α的取值范围为1.2*Li≤α≤1.6*Li；
S3.按照凸多边形周长最大准则选取用户划分聚类中心；具体为采用如下步骤选取用户划分聚类中心：
a.计算切负荷用户划分的第一聚类中心；具体为采用如下算式计算切负荷用户划分的第一聚类中心：
Figure FDA0002775854200000023
Figure FDA0002775854200000024
Figure FDA0002775854200000025
式中(x0,y0,z0)为切负荷用户划分的第一聚类中心在切负荷用户的三维特征矢量空间中的坐标；N为切负荷用户的总数；(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标；
b.在切负荷用户的三维特征矢量空间中，任意选取K-1个用户为K-1个用户划分聚类中心，并与步骤a得到的第一聚类中心构成凸K边形；其中K为设定的切负荷用户划分的聚类中心个数；
c.计算步骤b得到的凸K边形的周长，选取使得凸K边形的周长最长的K-1个用户作为最终的K-1个用户划分聚类中心，并与第一聚类中心一同构成切负荷用户划分中心集；
S4.计算各个切负荷用户与各个划分聚类中心的隶属距离，并以隶属距离最小为准则，对切负荷用户进行划分；具体为采用如下步骤进行计算和划分：
(1)计算任意切负荷用户i到用户划分聚类中心j的隶属距离；具体为采用如下算式计算隶属距离Dij：
Dij＝|xi-xj|+|yi-yj|+|zi-zj|
式中(xi,yi,zi)为切负荷用户i在切负荷用户的三维特征矢量空间中的坐标；(xj,yj,zj)为用户划分聚类中心j在切负荷用户的三维特征矢量空间中的坐标；
(2)采用如下公式作为优化目标，求解所有切负荷用户所对应的用户划分聚类中心：
Figure FDA0002775854200000031
式中min为求最小值操作；i为切负荷用户的编号，j为用户划分聚类中心的编号，N为切负荷用户的总数，NN为用户划分聚类中心的总数，Dij为切负荷用户i到用户划分聚类中心j的隶属距离；
(3)根据步骤(2)的计算结果，将对应相同的用户划分聚类中心的切负荷用户归为同一类，从而完成切负荷用户的划分。
CN201910537027.7A 2019-06-20 2019-06-20 用于精准切负荷的用户划分方法 Active CN110245715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910537027.7A CN110245715B (zh) 2019-06-20 2019-06-20 用于精准切负荷的用户划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910537027.7A CN110245715B (zh) 2019-06-20 2019-06-20 用于精准切负荷的用户划分方法

Publications (2)

Publication Number Publication Date
CN110245715A CN110245715A (zh) 2019-09-17
CN110245715B true CN110245715B (zh) 2020-12-22

Family

ID=67888487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910537027.7A Active CN110245715B (zh) 2019-06-20 2019-06-20 用于精准切负荷的用户划分方法

Country Status (1)

Country Link
CN (1) CN110245715B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101025058B1 (ko) * 2009-06-18 2011-03-25 대림대학 산학협력단 퍼지 알비에프 신경회로망 알고리즘을 이용한 저압선로의 탄화도전로 신호검출 방법
CN104615881B (zh) * 2015-01-30 2017-12-22 南京烽火星空通信发展有限公司 一种基于移动位置应用的用户常态轨迹分析方法
CN104809255A (zh) * 2015-05-21 2015-07-29 国家电网公司 一种负荷形态获取方法和系统

Also Published As

Publication number Publication date
CN110245715A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
Kansal et al. Optimal placement of distributed generation in distribution networks
Zhang et al. Analysis of power consumer behavior based on the complementation of K-means and DBSCAN
CN106408008A (zh) 一种基于负荷曲线距离和形状的负荷分类方法
Broderick et al. Clustering methodology for classifying distribution feeders
CN103942606A (zh) 基于果蝇智能优化算法的居民用电客户细分方法
CN113112177A (zh) 一种基于混合指标的台区线损处理方法及系统
CN110245715B (zh) 用于精准切负荷的用户划分方法
CN112464059B (zh) 配电网用户分类方法、装置、计算机设备和存储介质
CN118364316A (zh) 一种考虑自适应快速搜索密度峰值的电力用户负荷曲线聚类方法及系统
Ai et al. Parameter estimation of fractional-order chaotic power system based on lens imaging learning strategy state transition algorithm
CN105514965A (zh) 一种自治直流微电网的分布式储能soc双象限下垂控制方法
CN107274054B (zh) 基于同层设备最大可供能力的配电网运行效率评价方法
CN108182453B (zh) 一种用户停电敏感度分类方法
CN111200168A (zh) 一种基于放电曲线分析的铅蓄电池自动配组方法
CN115889245A (zh) 一种锂电池一致性分选方法
Mishra et al. Ramping behaviour analysis of wind farms
Shen et al. A Novel AI-based Method for EV Charging Load Profile Clustering
Zhao et al. K-centers algorithm for clustering mixed type data
CN113902136A (zh) 一种基于电力指纹特征和集成学习机制的负荷识别方法
Salami et al. Evaluating Power Consumption Model and Load Deficit at Different Temperatures Using Clustering Techniques and Presenting a Strategy for Changing Production Management
Jangid et al. Load Profile Segmentation of Various Load Categories using Clustering
Wang et al. Battery Grouping Based on Dynamic Gaussian Mixture Model
CN117713176B (zh) 源网荷储低碳运行方法、装置、电子设备及存储介质
Shi et al. Extraction of typical scenarios of power grid operation based on improved K-means clustering algorithm
CN108985326A (zh) 一种基于聚类的电力系统需求响应用户标记方法

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
GR01 Patent grant
GR01 Patent grant