[发明专利]一种基于STN状态网络的专变用户用能优化方法

说明书

本发明涉及电力系统领域，尤其涉及一种基于STN状态网络的专变用户用能优化方法，包括：专变用户数据采集，并针对专变用户数据进行预处理；在基于STN状态任务网络所描述的生产流程中，通过对各节点设置合理的约束条件，建立专变用户用电管理模型；建立基于用电性质的专变用户用能优化模型，对专变用户用能优化。通过使用本发明，可以实现以下效果：相比于传统的用户需求侧管理或用户用能优化管理方法，本发明考虑了用户的生产计划与设备参数，具体给出了切实可行的用户生产方案，更具可操作性。

技术领域

本发明涉及电力系统领域，尤其涉及一种基于STN状态网络的专变用户用能优化方法。

背景技术

随着电力系统规模和复杂性不断提高，专变用户用电可靠性和经济性直接影响配电网的正常运行，对有效降低购电侧费用、实施各地区电力系统优化控制具有关键作用。已实证利用工业负荷参与电网调峰取得了良好效果，且包括大部分工业负荷在内的专变用户具有响应容量大、负荷稳定和自动化水平高等优势，是电力系统中最重要的DR资源。不过传统的用户需求侧管理或用户用能优化管理方法，由于受到生产计划、库存量、人员管理等多方面的限制，专变用户开展用电智能管理具有较高难度。

发明内容

为解决上述问题，本发明提出种一种基于STN状态网络的专变用户用能优化方法，以实现专变用户用能优化。

一种基于STN状态网络的专变用户用能优化方法，包括：

专变用户数据采集，并针对专变用户数据进行预处理；

在基于STN状态任务网络所描述的生产流程中，通过对各节点设置合理的约束条件，建立专变用户用电管理模型；

建立基于用电性质的专变用户用能优化模型，对专变用户用能优化。

优选的，所述针对专变用户数据进行预处理包括：针对专变用户数据进行数据筛选、聚类分析与聚类有效性验证。

优选的，所述数据筛选包括：

对专变用户数据中无效空白数据过多的样本数据进行剔除；

通过平均值法修正剩余样本数据中的离群值；

利用线性回归模型拟合样本数据中已有数据点补全剩余样本数据中少量的空白数据，形成完整的专变用户用电数据集。

优选的，所述聚类分析与聚类有效性验证包括：

对专变用户用电数据集中的专变用户数据采用kmeans聚类算法进行聚类分析，形成多场景下的专变用户数据典型日负荷曲线；

采用MATLAB中evalclusters函数所提供的silhouette方法进行聚类效果的评估，根据有效性最高的分类数形成专变用户数据典型日负荷曲线聚类场景数。

优选的，所述基于STN状态任务网络所描述的生产流程包括：

设定任务节点j有m个运行工况，其中工况k对应的用电功率为p_j,k，所需工人数为w_j,k，物料i消耗率为α_i,j,k，物料i产率为β_i,j,k，以0-1变量Z_j,k,t表示任务j的工况k在时刻t所对应的运行状态变量；Z_j,k,t取1/0分别表示任务节点j在时刻t运行/不运行在工况k，任务节点j在时刻t的用电功率P_j,t可按下式计算:

所有任务的用电功率之和即为生产设备的用电功率:

式中，为时刻t工业用户的生产设备用电功率；