[发明专利]一种用户集群基线负荷估计方法

说明书

本发明提出一种用户集群基线负荷估计方法，属于电力系统需求响应领域。该方法首先获取用户集群的典型负荷模式曲线集合，将用户集群划分为若干个用户子集群，划分过程为一个优化聚类过程，采用样本熵来量化负荷时间序列的可预测性，以用户集群总体样本熵最小为优化目标，通过贪心聚类算法实现最优划分；将划分后各子集群中所有用户的负荷相加作为一个整体，使用基线负荷估计方法对整体负荷进行估计，得到每个子集群的基线负荷估计值；对所有子集群的基线负荷估计值求和，得到最终的用户集群基线负荷估计结果。该发明能有效提升集群基线负荷估计的准确性，有助于激励型需求响应的实施与推广应用。

技术领域

本发明属于电力系统需求响应领域，特别涉及一种用户集群基线负荷估计方法。

背景技术

随着电力市场的快速发展，需求响应技术逐渐在电力系统中得到广泛应用。根据实施方式的不同，需求响应可分为价格型与激励型两类。对于激励型需求响应，系统运营商会在特定时段向负荷聚合商购买激励型需求响应服务，并支付其相应补偿；而负荷聚合商则通过发布经济激励信号，鼓励其代理的用户在特定时段改变固有用电模式，从而满足系统运营商的需求。在系统运营商与负荷聚合商之间交易过程中，用户集群是作为一个整体参与市场交易的，因此需要根据整个用户集群的基线负荷来计算补偿。如何准确估计用户集群的基线负荷是系统运营商和负荷聚合商共同关注的问题。

目前集群基线负荷估计通常采用个体基线累加的方式，即首先估计单个用户的基线负荷，然后将所有用户估计所得的基线负荷进行累加，从而实现集群基线负荷的估计。但是个体基线负荷估计本身存在较大的估计误差，直接累加会使得误差不断累积，最终易造成较大的估计误差。为了提高用户集群基线负荷的估计精度，亟需提出一种更加科学有效的用户集群基线负荷估计方法。

发明内容

本发明的目的是为了解决现有用户集群基线估计方法的不足，提出一种用户集群基线负荷估计方法。本发明考虑集群负荷的样本熵作为可预测性强弱的评判指标，并使用贪心聚类算法进行集群分类估计，最终通过累加得到总体的集群负荷估计值。该发明能有效提升集群基线负荷估计的准确性，对于激励型需求响应的实施与推广应用具有重要意义。

本发明提出一种用户集群基线负荷估计方法，其特征在于，该方法包括以下步骤：

1)对于含M个用户的用户集群，提取每个单一用户的典型负荷模式曲线T_i，i＝1,2,…, M，得到用户集群的典型负荷模式曲线集合T＝{T₁,...,T_M}；

2)使用贪心聚类算法对用户集群进行优化聚类，得到最优集群聚类；具体步骤如下：

2-1)选取k_min和k_max；其中k_min为聚类数最小值，k_max为聚类数最大值；

2-2)设置当前集群聚类数目k的取值为k_min；

2-3)在当前集群聚类数目下，对用户集群的典型负荷模式曲线集合T进行聚类，得到聚类结果对应的整体可预测性指标；具体步骤如下：

2-3-1)从步骤1)得到的用户集群的典型负荷模式曲线集合T中随机选出k条曲线{T₁,...,T_k}作为初始集群聚类C＝{c₁,...,c_k}，同时得到更新后的T；初始集群聚类中，每个子集群c_i只包含对应的T_i，i＝1,…,k；将初始集群聚类作为当前集群聚类；

2-3-2)对T进行判定：若T不为空，则进入步骤2-3-3)；若T为空，则将当前集群聚类作为该k值对应的最终集群聚类，然后进入步骤2-3-5)；