用户负荷特性及特征标签研究

论文总字数：25120字

摘 要

随着电力系统的不断发展，当今电网中的供需不平衡问题也变得愈发严峻，用户侧资源也愈加受到重视。传统的发电调度由于对于用电紧张问题的作用有限，目前负荷调控正在逐渐成为应对用电问题的一大关键手段，因此，对于用户负荷特性的研究也变得愈发重要。

本文首先研究了现有的多种电力系统负荷聚类方式，并对于聚类有效性的评估做了一定的研究，同时，在研究数量较多的负荷时，还会采用降维的方法对于负荷数据进行处理。

随后，本文研究了电力系统中常用的负荷特性指标，通过对于这些负荷特性指标的计算可以对负荷进行类型的划分，从而获得用户负荷的特征标签，建立负荷特征标签库。

最后，本文通过对某工业园区负荷进行算例分析，使用K均值的方法进行了负荷聚类，详细地讨论了用户负荷的聚类、负荷特性的挖掘以及多维度用电模式的辨识分析，从时间维度和类属维度出发，探讨了同一负荷不同时间段以及同行业的不同负荷用电模式之间的区别。

关键词：负荷聚类，负荷特征标签，多维度用电模式辨识，K均值

Abstract

With the continuous development of power systems, the imbalance between supply and demand in today's power grids has become more and more serious, and user-side resources have become more and more important. Traditional power generation scheduling has limited effect on power shortage problems. At present, load regulation is gradually becoming a key means to deal with power consumption problems. Therefore, research on user load characteristics has become more and more important.

This paper first studies the existing multi-power system load clustering methods, and does some research on the evaluation of clustering effectiveness. At the same time, when studying a large number of loads, the dimension reduction method is also applied to the load. The data is processed.

Subsequently, this paper studies the load characteristics indicators commonly used in power systems. The load can be calculated by calculating these load characteristics. The division of the types, thereby obtaining the feature tags of the user load, and establishing a library of load feature tags.

Finally, this paper analyzes the load of an industrial park and uses the K-means method to carry out load clustering. The clustering of user load, the mining of load characteristics and the identification analysis of multi-dimensional power mode are discussed in detail. Starting from the time dimension and the generic dimension, the differences between different load periods of the same load and different load power modes in the same industry are discussed.

KEY WORDS: load clustering, load characteristics indicators, identification of multi-dimensional power mode, K-means

目 录

摘要 …………………………………………………………………………………………………………Ⅰ

Abstract ………………………………………………………………………………………………… Ⅱ

第一章 绪论 1

1.1 引言 1

1.2 研究现状 1

1.3 论文主要工作 3

第二章 电力系统负荷聚类 4

2.1 负荷曲线聚类技术 4

2.1.1 欧氏距离 4

2.1.2 层次聚类 4

2.1.3 K均值 5

2.1.4 模糊K均值 5

2.1.5 自组织映射 6

2.1.6 基于密度的聚类算法 6

2.1.7 基于模型的聚类算法 7

2.2 聚类有效性指标 7

2.2.1 SSE指标 7

2.2.2 CHI 8

2.2.3 DBI指标 8

2.2.4 指标有效性 9

2.3 负荷曲线降维 10

2.3.1 主成分分析 10

2.3.2 Sammon映射 10

2.3.3 典型相关分析 11

2.4 本章小结 11

第三章 电力系统负荷特性指标 13

3.1 负荷率 13

3.2 峰谷差率 13

3.3 峰期负载率、谷期负载率和平期负载率 13

3.4 本章小结 14

第四章 用户负荷特性及特征标签研究算例分析 15

4.1 用户负荷分类 15

4.1.1 取均值 15

4.1.2 归一化 16

4.1.3 用户典型日负荷曲线的聚类 18

4.2 多维度用电模式聚类辨识分析 24

4.2.1 时间维度聚类分析 24

4.2.2 类属维度聚类分析 30

4.3 本章小结 35

结论 36

参考文献 38

致 谢 39

1. 绪论
   1. 引言

随着电力系统的不断发展，当今电网中的供需不平衡问题也变得愈发严峻，用户侧资源也愈加受到重视。传统的发电调度由于对于用电紧张问题的作用有限，目前负荷调控正在逐渐成为应对用电问题的一大关键手段。用户负荷资源作为一种需求侧可调度资源，可以实现削减峰谷差等目的，丰富了电网运行调度的调节手段，有利于缓解用户用电量不断增长给电网造成的压力。业扩报装作为一个用户优化接入电网的核心环节，其业务内容是电网公司接受新的电力应用申请，根据电网供电能力制定新用户接入方案。新用户接入方案的主要任务是在新用户接入电网时确定用户的受电设备连接到电网的位置。然而，目前的新用户接入方案通常是基于用户的最大负载进行制定，并没有考虑到原有用户负荷的同时率、可中断或可调节能力等因素对于新接入用户容量大小的影响。而不考虑的影响首先表现在大量具有相似的日负荷曲线且负荷值较大的电力用户在某一节点一同接入电网，这种情况将会使电力系统负荷曲线的日峰谷差增大，在负荷达到峰值的时间段容易达到线路和变压器的容量传输极限，同时也会使设备利用率较低，造成很大程度上的浪费，影响到电力系统的经济性。

工商业中，同一行业用户工艺、设备、流程、产品不同可能形成差异较大的特性曲线，在负荷构成方面具有不同特点，在负荷调控方法、用能习惯、功耗水平等有所区别，如何挖掘用户基本信息，形成更细的用户分类标签及对应典型曲线，整合各类负荷资源从而为配电网现有线路业务提升能力服务具有重要价值。面对海量的用户数据，如何从中挖掘获取细节化的用能信息十分关键，因此需要对各种电力负荷数据进行相关性和关联性的挖掘分析，从而提炼用户负荷特性，获取电力用户的用电行为特征，做到大量用户信息及负荷特性数据的对应、梳理分析，形成用户标签及构建典型负荷特性数据库。

剩余内容已隐藏，请支付后下载全文，论文总字数：25120字