[发明专利]一种基于马尔科夫链的负荷可时移能力非入侵评估方法

说明书

本发明涉及一种基于马尔科夫链的负荷可时移能力非入侵评估方法，基于大量历史数据，构建改进马尔可夫链状态转移矩阵和负荷转移功率计算方法，在输入当日功率曲线后，可计算出用户在每个时刻的可转移功率，为用户实时的功率调节提供参考；基于本发明可进一步求出当日的可转移、可消纳电量，得到用户负荷的可时移能力，实现用户每日用电的可时移性评估，该方法无需提前掌握用户内的设备数据且准确度高，为引导用户合理安排用电时间、制定节能经济用电方案提供技术支撑。

技术领域

本发明涉及电力用户用能评估领域，尤其涉及一种基于马尔科夫链的负荷可时移能力非入侵评估方法。

背景技术

智能用电是电网技术发展的必然趋势，也是构建经济、低碳、环保型社会的必然要求。特别是近年来，电力设备的感知能力、通信能力和计算能力得到快速发展，为电力公司推广智能用电提供了有力的技术支持。实施用户智能用电的关键环节之一是需要对用户用能特征进行分析，掌握各类用户的用电行为，有效评估用户的可调控负荷潜力，指导用户合理安排用电时间，从而有针对性的为用户制定节能、低成本的用电方案，该技术服从电网和政府的清洁低碳社会发展需求。当下，基于智能监测和采集系统的配备，利用大数据分析技术，构建用户用能分析和评估方法已成为一种重要技术方向。

目前，负荷的检测分析主要分为入侵式和非入侵式，其中，非入侵式是指不需要进入到用户内部去检测每一种用能设备，而是在入户端口搭建一个智能用电检测和分析终端，分析用户的用能数据，具有更加高效便捷、低成本的优点。现在基于非入侵式的负荷用能分析多是围绕用户用能设备识别方面——通过构建用户各种设备的稳态或者暂态波形库，如有功功率、无功功率、电压、电流等稳态特征，建立瞬时有功功率、瞬时电流、谐波启动波形等暂态特征；然后采集当前功率波形，基于叠加原理，采用动态时间弯曲距离、相似度、聚类算法等，从波形库中识别出当前用能设备，从而可具体掌握用户用能情况。但是，在实际采集中，不同用户所涉及的用能设备种类、型号、数量、用户行为等方面均有差异，对事先不清楚用户内部设备情况的识别会有较大误差。

关于负荷可时移能力的评估，现有研究是基于海量的历史数据分析，将负荷分为基础负荷、可时移负荷和可调控负荷，采用小波法提取数据的最大可调节速率、调节深度、最大可调节时间等特征，最后用模糊均值聚类与数据库中负荷对比，计算出当前可时移负荷所占比例。但是，该方法需要事先知道数据库中每类负荷在每个时刻的占比，对数据透明度要求较高，对未知负荷组成的用户识别将存在误差。

此外，也有研究基于历史数据，采用隐式马尔科夫模型对家庭负荷开关状态进行模拟和分析，得到家庭开关状态模型，可实时判别家庭开关启停状态，但是历史数据也需要提前掌握家庭开关数量和对应的启停状态。

因此，亟需一种无需提前掌握用户内部设备数据且准确度高的负荷可时移能力评估方法。

发明内容

本发明所要解决的技术问题是提供一种基于马尔科夫链的负荷可时移能力非入侵评估方法，其无需提前掌握用户内部设备数据且准确度高。

为解决上述问题，本发明所述的一种基于马尔科夫链的负荷可时移能力非入侵评估方法包括：

基于用户智能电表的历史负荷数据，将每天同一时刻的负荷数据构成一维马尔科夫链，进而将每天所有时刻的负荷数据按照数值大小划分为M种状态，并构建相应的大小为M×M的状态转移矩阵Hr；

将所述状态转移矩阵中，对角线的转移概率置零，距离最大概率状态点超过M/3状态数的状态点、概率值小于阈值ε的状态点也置零；置零完成后使矩阵中每行元素之和为1，得到改进状态转移矩阵Hr′；

获取待评估的当日负荷数据，确定每一时刻负荷数据P₀(t)所对应的状态，并结合所述改进状态转移矩阵Hr′和波动功率，计算出对应的理论转移功率P_move(t)，用于评估负荷可时移能力。