[发明专利]基于K-Means聚类算法的工业用户储能建设研判方法

说明书

本发明公开了一种基于K‑Means聚类算法的工业用户储能建设研判方法，包括如下步骤：构建基于K‑Means聚类算法的工业用户用电负荷类型判定模型；针对用户的典型负荷曲线，计算所需储能容量；计算用户的潜力值，并结合变压器额定容量，用电负荷，储能容量对用户是否适合进行储能建设进行综合分析。本文发明采用的工业用户类型判定模型，可以通过用户的历史用电数据，得到用户的典型负荷曲线；通过对典型负荷曲线的分析，得到用户的用电类型(一充一放，一充两放，两充两放等)；并结合变压器容量，峰谷差等因素对用户是否适合安装处储能设备，以及所需的储能容量进行快速分析计算，从而帮助工业用户决策，降低成本。

技术领域

本发明属于电力存储技术应用领域，具体涉及一种基于K-Means 聚类算法的工业用户储能建设研判方法。

背景技术：

储能是指通过某种方法实现对能量的存储，并在需要时进行释放的一系列相关技术。储能技术在削峰填谷、提高设备利用效率、延缓建设投资、增强系统安全性等方面发挥着巨大的作用。储能技术应用于电力系统，可以改变电能生产、输送与消费必须同步完成的传统模式，其应用范围贯穿整个发电、输电、配电、用电系统。通过对用户侧储能技术的研究，明确用户储能建设中存在的问题，对推动能源行业整体发展，实现能源结构转变和电力生产消费方式变革具有重大的意义。所以对于大工业用户来说，合理的运用储能技术，在用电低谷时将多余电能储存起来，在用电高峰时再将存储的电能以合理的方式释放出来，从而达到削峰填谷的目的。这样不仅能够合理地降低城市大峰谷差给电网造成的压力，同时也能起到科学的节能减排效果。

现有的模型基本都是针对某一类型的特定情况下的特定用户用电规划，缺少普适性。大多数基于用户侧电力调整的策略，为了降低高峰负荷，会额外的增加用户的成本，不利于进行推广；大多数方案仅考虑如时域电价，性能等主要因素，对于用户已有的客观条件，如已安装的变压器额定容量，安装区域，用户信用等级缺乏考虑，所以实用价值有限。

发明内容

本发明的目的在于提供一种基于K-Means聚类算法的工业用户储能建设研判方法，以解决现有技术中导致的模型成本高，缺乏普遍性的缺陷。

一种基于K-Means聚类算法的工业用户储能建设研判方法，所述方法包括如下步骤：

获取用电数据，得到负荷类型和负荷曲线；

根据负荷类型及负荷曲线计算得到用电峰谷差和储能容量；

根据峰谷差得到潜力值；

将峰谷差、储能容量、电压额定容量和潜力值输入到构建好的模型中进行储能建设研判。

进一步的，所述峰谷差的计算方法包括如下步骤：

通过算法对历史数据进行聚类得到样本数据；

根据样本数据中数目最多的簇的质心得到用电负荷；

根据用电负荷曲线得到用电的峰值与谷值；

将用电的峰值与谷值相减得到峰谷差值。

进一步的，所述负荷类型包括一充一放型、一充两放型和两充两放型中的一种或多种。

进一步的，所述负荷曲线的获取方法包括如下步骤：

通过算法将用电数据样本集D划分为k个不相交的簇

{Cf|f＝1,2,...,k}；

其中且有

提取样本数目最多的簇的质心绘制成负荷曲线，上式中C为使用算法进行聚类得到的簇；f为簇的编号；Cf为具体的簇；簇中包含样本数目；Cf中包含样本也就是元素数目最多的簇的质心，即所求的用电负荷曲线。

进一步的，所述储能容量的计算方法包括如下步骤：