[发明专利]一种基于电力大数据的电网友好型负荷响应方法

权利要求书

1.一种基于电力大数据的电网友好型负荷响应方法，其特征在于：包括响应用户选取、负荷预测单元、响应策略流程和仿真分析；

所述响应用户选取采用K-means聚类方法提取响应用户；

所述负荷预测单元预测所述响应用户选取传送来的用户用电信息；

所述响应策略根据所述负荷预测单元的结果作出响应动作；

所述仿真分析对经过所述响应策略的结果数据进行仿真验证。

2.根据权利要求1所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：所述K-means聚类方法的流程为从数据集中选取K个点，每个点初始地代表每个簇的聚类中心，然后计算剩余各个样本到聚类中心的距离，将它赋给最近的簇，接着重新计算每一簇的平均值，整个过程不断重复，若相邻两次调整都没有变化，则数据聚类形成的簇已经收敛；该算法的一个特点是在每次迭代中都考察每个样本的分类是否正确，若不正确，就需调整，在全部样本调整完后，再修改聚类中心，进入下一次迭代。

3.根据权利要求2所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：不断重复所述K-means聚类方法直到满足终止条件，所述终止条件为：

(1)没有对象被重新分配给不同的聚类；

(2)聚类中心不再发生变化；

(3)误差平方和局部最小。

4.根据权利要求3所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：所述终止条件的算法步骤为：

(1)从N个数据对象任意选择K个对象作为初始聚类中心；

(2)循环(3)到(4)直到每个聚类不再发生变化为止；

(3)根据每个聚类对象的均值(中心对象)，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分；

(4)重新计算每个聚类的均值(中心对象)，直到聚类中心不再变化；这种划分使得下式最小：

5.根据权利要求1所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：所述负荷预测单元的流程为采用基于遗传算法改进的BP神经网络对负荷进行预测，所述遗传算法使用Sheffield工具箱。

6.根据权利要求1所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：所述响应策略的核心思想为：当某一节点负荷达到用户响应阈值时，控制中心即向该节点用户发送控制命令，用户接收命令并进行响应，主动改变自身用电情况，以缓解电网负荷变化对电网安全运行造成的不利影响；

上述所提出的策略适用于电力用户中可短时间减小用电功率或停运用电设备且用电体验影响不大的负荷，或其运行具有时间弹性的负荷；为了避免同一电力节点的大量用户同时响应对电网造成的冲击，首先根据用户历史负荷曲线，聚类分组成不同的用户群，并对不同的组别设置不同的响应阈值L_oni(i＝1，2，3，...)和恢复阈值L_offi(i＝1，2，3，...)，实现用户的分组响应。

7.根据权利要求6所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：对用户设置每次最短响应时间T_min、单次最长响应时间T_max以及响应休止时间T_ω，其典型值分别为5s、10min和10min；用户单次响应时间T_i需满足式T_min≤t_i≤T_max；

其中i＝1，2，3...；

如上式所示的条件，一次响应结束后，用户需等待T_ω时间才能再次接收控制中心发送给来的响应指令。

8.根据权利要求1所述的一种基于电力大数据的电网友好型负荷响应方法，其特征在于：所述仿真分析包括聚类分析、负荷预测单元和响应策略仿真。