[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

说明书

本发明公开了基于K_means聚类算法的用户需求响应能力评估方法，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；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；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。

技术领域

本发明涉及电力分析技术领域，特别是涉及基于K_means聚类算法的用户需求响应能力评估方法。

背景技术

近年来，随着电力用户对电力需求的不断增加，能源危机日益严峻，越来越多的可再生能源进入电力市场，如太阳能、风能等。但是，由于可再生能源出力具有随机性、波动性、间歇性的特点，电力系统的运行安全受到威胁，系统实时供需失衡。若仅依靠发电侧的调节能力难以处理大规模的实时供需平衡问题，并且很有可能为电网造成更大的经济损失。这种情况下，需求侧的资源调节的重要性日益突出。所以，对于电力系统决策者来说，了解用户的需求响应能力，灵活有效地利用需求侧资源具有重要的意义和经济价值。

不同电力用户的用电行为习惯不同，其所具备的需求响应能力也各不相同。若依据传统的工、商、居民等信息的用户分类方式筛选用户参与需求响应任务，难以实现需求响应任务的目标，响应达标率低，并且降低了用户体验和系统效率。所以，应该从用户的用电特性和需求响应特点出发，掌握用户的需求响应能力，从而进行用户分类，进而，为电力系统决策者在筛选用户参与需求响应任务时提供更科学的策略，从而提升需求响应效率。

因此希望有一种用户需求响应能力评估方法能够解决现有技术中存在的问题。

发明内容

本发明公开了一种基于K_means聚类算法的用户需求响应能力评估方法，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；

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；

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。

优选地,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。

优选地，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。

优选地，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：