[发明专利]一种基于K_means聚类算法的用户需求响应能力评估方法

权利要求书

1.一种基于K_means聚类算法的用户需求响应能力评估方法，其特征在于，所述评估方法包括以下步骤：

步骤1：对用户的历史用电负荷数据进行统计分析，获取用户的日均负荷总量；

步骤2：从周相关和日相关两方面，分析重构日负荷曲线，得到用户参与需求响应的时间段和响应量；

步骤3：进行用户配合程度评分；

所述步骤3包括以下步骤：

步骤3.1：若用户从未参与过需求响应任务，则其初始配合程度分值P＝100分；若用户参与了需求响应任务，分别取参与前和参与后用户的日负荷曲线，计算两条负荷曲线的相似度；

步骤3.2：分别取负荷曲线上每个小时的负荷，形成用户参与需求响应任务前的负荷向量L₁和参与后的负荷向量L₂，步骤3.1中的两条负荷曲线的相似度由负荷向量L₁和L₂的相似度来替代，公式(1)计算两个向量夹角的余弦值作为负荷向量L₁和L₂的相似度：

用户参与需求响应前后用电负荷峰谷值变化率为公式(2)：

其中，Y_1f、Y_1g分别表示需求响应前的负荷峰谷值；Y_2f、Y_2g分别表示需求响应后的负荷峰谷值；

步骤3.3：根据用户参与需求响应结果，更新用户的配合程度分值P^*，更新公式(3)：

P^*＝P×e^-d×r       (3)；

步骤4：根据步骤1-3中用户参与需求响应的参数，确定需求响应用户的向量表示形式；

所述步骤4的需求响应用户的向量表示形式为：(A,C,S,P)，A表示该用户的历史日均负荷总量；C表示该用户可能参与需求响应任务的时间段类别；S表示该用户的可以提供的需求响应量；P表示用户参与需求响应的配合程度；

步骤5：采用K_means聚类算法，对需求响应用户进行聚类，形成不同的用户类别。

2.根据权利要求1所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述步骤2包括以下步骤：

步骤2.1：使用小波变换分解所述日负荷曲线，获取分解后的低频系数，然后使用低频系数重构日负荷曲线；

步骤2.2：从所述周相关和日相关两方面，对重构日负荷曲线进行分析，得到的用户参与需求响应的所述时间段T和响应量S，进而确定响应时间段。

3.根据权利要求2所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述响应时间段分为：早高峰时间、午高峰时间、晚高峰时间、多阶段响应时间和无可用时间五类。

4.根据权利要求1所述的基于K_means聚类算法的用户需求响应能力评估方法，其特征在于：所述步骤5包括以下步骤：采用K_means聚类算法，对需求响应用户进行聚类，形成不同的用户类别

步骤5.1：对所述用户向量(A,C,S,P)进行归一化处理；采用MinMax法，对每个分量进行归一化，归一化后的数据值域变换到[0,1]，计算公式如公式(4)：

步骤5.2：经过归一化后，用户向量可以表示为对于两个用户样本x₁和x₂，两个用户样本之间的距离如公式(5)所示：

步骤5.3：采用K_means算法进行聚类操作，每个用户样本和聚类中心μ_j(j＝1,2,3...k)之间的距离计算公式为公式(6)：

d_ij＝||x_i-μ_j||²       (6)

聚类中心的更新公式为公式(7)：