利用综合能源系统能耗大数据确定典型日负荷曲线的方法技术方案

本发明专利技术涉及一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法，通过对原始能耗历史数据进行标准化预处理，消除由于参与聚类分析的数据数量级相差较大所带来的影响，并排除由于人为和其他不可抗拒力因素所产生的异常数据，保证结果的准确性、合理性；采用轮廓系数法SILHOUETTE指标与手肘法SSE指标双指标相互印证的方法确定最佳聚类数目，避免由于单一指标由于自身计算特点而引起的结果非最优的现象；采用分类簇内数据平均化处理求典型日负荷的方法，相比传统峰值负荷—分摊比例法选取的典型日负荷曲线，本发明专利技术得到的用能数据分类特点更接近实际用能需求特点、负荷预测更具有代表性。

A Method for Determining Typical Daily Load Curve Using Large Energy Consumption Data of Integrated Energy System

【技术实现步骤摘要】
利用综合能源系统能耗大数据确定典型日负荷曲线的方法
本专利技术涉及一种能源管理技术，特别涉及一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法。
技术介绍
随着社会经济的高速发展、工业生产水平和居民消费水平的日益提升，能源需求日益增长，并引发了大规模区域型和全球性环境问题。为破解日益严峻的能源和环境困局，美日欧等发达国家在本世纪初提出了综合能源系统发展计划，目的是促进分布式能源的推广应用并提高清洁能源渗透比。综合能源系统的立体架构使得综合能源系统在规划设计初期就体现出其固有的复杂性。为此，自综合能源概念提出以来，系统的规划设计便引起了国内外学者的广泛关注，并纷纷提出了各自的理论和方法。在上述理论与方法中，用能负荷特点分析与需求侧用能负荷预测均被认为是综合能源系统规划设计的基础。智能能源是能源网络发展的趋势之一，近年来，随着智能传感设备的大量安装使用，尤其是高级测量体系(AMI)的普及，实现了对能耗数据的实时监控，这对冷热电等能耗数据的应用分析提供了便利条件。欧美等国家已有初步数据挖掘技术的研究及实际系统应用，其中数据挖掘中的聚类分析方法得到了广泛研究与发展。
技术实现思路
本专利技术是针对能源合理利用的问题，提出了一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法，利用综合能源系统能耗数据聚类分析寻找冷、热、电用能典型日负荷曲线。本专利技术的技术方案为：一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法，具体包括如下步骤：1)将某企业或地区区域已知的某年全年电力负荷数据，按照每天96个时刻，选取每天的负荷数据，选取时剔除因检修、表具失灵不正常原因而出现的异常数据；2)将整理好的数据放入数据库中，进行聚类寻优编程，生成轮廓系数图及手肘图，通过轮廓系数图中纵坐标SILHOUETTE指标的第i个极值确定聚类数Ki，将Ki拿到手肘图中验证点Ki的斜率下降幅度是否变得缓和，如是则Ki为最佳聚类数，如不是则寻找轮廓系数图中下一个极值点，并重复上述过程，得到最佳的聚类数n；3)将最佳聚类数代入程序进行负荷数据聚类标签化，一年的负荷数据按负荷数量级自动分成n个标签，得到聚类结果负荷曲线图，图中每条线为一天的负荷，横坐标代表96个时刻，纵坐标为负荷值，聚类后根据负荷量大小和聚类数n自动生成n簇，并显示每簇的幅值范围；4)将每簇负荷曲线图中每条日负荷线对应的日期用同一标识在日历图中标出，形成电力用能分类日历图，观察电力用能分类日历图可知负荷聚类与月份与节假日明显的关联关系，对每簇负荷曲线图进行名称命名；5)对每簇负荷曲线图分别在全天96个时刻点负荷数据中取平均值，得到用能典型日负荷曲线图，每条用能典型日负荷曲线图对应步骤4)的负荷曲线命名，形成最终典型日负荷曲线。本专利技术的有益效果在于：本专利技术利用综合能源系统能耗大数据确定典型日负荷曲线的方法，通过对原始能耗历史数据进行标准化预处理，消除由于参与聚类分析的数据数量级相差较大所带来的影响，并排除由于人为和其他不可抗拒力因素所产生的异常数据，保证结果的准确性、合理性；采用轮廓系数法SILHOUETTE指标与手肘法SSE指标双指标相互印证的方法确定最佳聚类数目，避免由于单一指标由于自身计算特点而引起的结果非最优的现象；采用K-means聚类分析法，具有简单、易于理解和实现、时间复杂度低等优点，对大型数据具有很高的处理效率，特别是当模式分布呈现类内团聚状时，可以达到很好的聚类结果，极其适合综合能源系统冷热电能耗数据的分析应用；加入数据分类标签化处理方式，使得分类结果显而易见，有利于后续对每类结果中数据的再处理；采用分类簇内数据平均化处理求典型日负荷的方法，相比传统峰值负荷—分摊比例法选取的典型日负荷曲线，本专利技术得到的用能数据分类特点更接近实际用能需求特点、负荷预测更具有代表性；将聚类结果日历化处理，并结合当年气候变化统计结果，分析因季节气候变化、节假日人员变动等外界因素对用能负荷的影响。附图说明图1为本专利技术利用综合能源系统能耗大数据确定典型日负荷曲线的方法实施的流程图；图2是实施例中轮廓系数图；图3是实施例中手肘图；图4是实施例中K＝5时的聚类结果图；图5是实施例中供冷季组负荷曲线图；图6是实施例中过渡季组负荷曲线图；图7是实施例中供暖季组负荷曲线图；图8是实施例中周末组负荷曲线图；图9是实施例中节假日组负荷曲线图；图10是实施例中五类典型日负荷曲线图；图11是实施例中用能负荷日历图；图12是实施例中K＝3时的聚类结果图；图13是实施例中K＝4时的聚类结果图；图14是实施例中K＝6时的聚类结果图；图15是实施例中K＝7时的聚类结果图。具体实施方式本实施例在综合能源系统传统用能分析的基础上，对原始数据进行进一步的处理。利用PYTHON中的SKLEARN模块进行编程，对用能数据进行聚类分析处理，确定最佳聚类数目并进行K-means聚类，从而分析用能特点、确定典型日负荷曲线图。如图1所示适用综合能源系统用能特点分析及用能负荷预测方法实施的流程图。将某企业或地区区域已知的某年全年电力负荷96点数据(以电力负荷为例，其方法还适用于冷、热负荷，96点为将每天分为96个时刻)进行标准化处理，并剔除因检修、表具失灵等原因而出现的异常数据，将整理好的数据放入CSV(Comma-SeparatedValues，逗号分隔值)数据库中。通过PYTHON中的SKLEARN预判模型进行针对上述数据库的最佳聚类数结果寻优编程，即将每时刻负荷与数据进行关联编程，运行得到轮廓系数图及手肘图如图2、图3所示，横坐标K为随机产生的聚类数；通过轮廓系数图中纵坐标SILHOUETTE指标的第i(i＝1)个极值确定聚类数Ki，将Ki拿到手肘图中验证点Ki的斜率下降幅度是否变得缓和，如是则Ki为最佳聚类数，如不是则寻找轮廓系数图中下一个极值点，并重复上述过程；由图2-3可确定本实施例中最佳的聚类数是5。确定好最佳聚类数目后，通过PYTHON进行K＝5的K-means聚类分析，并将聚类结果进行标签化编程处理(即将不同的聚类结果中的所有数据分别用A～E标识出来)，得到如图4的聚类结果负荷曲线图，图4中每条线为一天的负荷，横坐标代表96个时刻，纵坐标为负荷值，聚类后根据负荷量大小和聚类数5自动生成5簇，图中每个聚类簇用不同的灰度呈现，易观察出每簇的幅值范围。将同一标签(即同类)的聚类结果放置在同一张负荷曲线图中，得到如图5-9五类聚类结果负荷曲线图；将同一标签的聚类结果标记在当年的日历图中，例如图5为最大负荷簇，将图5中的每条负荷线对应的日期在图10的日历表中用同一标识标出，同理用其他4中标识分别标出图6、7、8、9对应的日期，这样就得到如图10的电力用能分类日历图，根据图10得到月份季节与负荷的关系。再根据得到的五类聚类结果负荷曲线图(图5-9)分别在全天96个时刻点负荷数据中取平均值，则得到如图11的五条电力用能典型日负荷曲线图，观察图10电力用能分类日历图可知负荷聚类与月份与节假日有明显的关联关系，将图11得到的五条电力用能典型日负荷曲线图与图10观测的结果关联后可分别命名为：供冷季典型日负荷曲线图、过渡季典型日负荷曲线图、供暖季典型日负荷曲线图、周末典型日负荷曲线图以及节假日典型日负荷曲线图。对图4-11进行用能特本文档来自技高网...

【技术保护点】
1.一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法，其特征在于，具体包括如下步骤：1)将某企业或地区区域已知的某年全年电力负荷数据，按照每天96个时刻，选取每天的负荷数据，选取时剔除因检修、表具失灵不正常原因而出现的异常数据；2)将整理好的数据放入数据库中，进行聚类寻优编程，生成轮廓系数图及手肘图，通过轮廓系数图中纵坐标SILHOUETTE指标的第i个极值确定聚类数Ki，将Ki拿到手肘图中验证点Ki的斜率下降幅度是否变得缓和，如是则Ki为最佳聚类数，如不是则寻找轮廓系数图中下一个极值点，并重复上述过程，得到最佳的聚类数n；3)将最佳聚类数代入程序进行负荷数据聚类标签化，一年的负荷数据按负荷数量级自动分成n个标签，得到聚类结果负荷曲线图，图中每条线为一天的负荷，横坐标代表96个时刻，纵坐标为负荷值，聚类后根据负荷量大小和聚类数n自动生成n簇，并显示每簇的幅值范围；4)将每簇负荷曲线图中每条日负荷线对应的日期用同一标识在日历图中标出，形成电力用能分类日历图，观察电力用能分类日历图可知负荷聚类与月份与节假日明显的关联关系，对每簇负荷曲线图进行名称命名；5)对每簇负荷曲线图分别在全天96个时刻点负荷数据中取平均值，得到用能典型日负荷曲线图，每条用能典型日负荷曲线图对应步骤4)的负荷曲线命名，形成最终典型日负荷曲线。...

【技术特征摘要】
1.一种利用综合能源系统能耗大数据确定典型日负荷曲线的方法，其特征在于，具体包括如下步骤：1)将某企业或地区区域已知的某年全年电力负荷数据，按照每天96个时刻，选取每天的负荷数据，选取时剔除因检修、表具失灵不正常原因而出现的异常数据；2)将整理好的数据放入数据库中，进行聚类寻优编程，生成轮廓系数图及手肘图，通过轮廓系数图中纵坐标SILHOUETTE指标的第i个极值确定聚类数Ki，将Ki拿到手肘图中验证点Ki的斜率下降幅度是否变得缓和，如是则Ki为最佳聚类数，如不是则寻找轮廓系数图中下一个极值点，并重复上述过程，得到最佳的聚类数n；3)将最佳聚类数代入程序进行负...

【专利技术属性】
技术研发人员：郭帅，任洪波，吴琼，皇甫艺，
申请(专利权)人：上海电力学院，上海福阳能源科技有限公司，
类型：发明
国别省市：上海,31