一种基于电力大数据的电网友好型负荷响应方法技术

本发明专利技术属于电网控制技术领域，尤其是一种基于电力大数据的电网友好型负荷响应方法，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；采用K‑means聚类方法进行响应用户选取，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；响应策略根据所述负荷预测单元的结果作出响应动作。该基于电力大数据的电网友好型负荷响应方法，通过提出预见性响应策略与实时响应策略相结合的电网友好型负荷响应策略，以缓解负荷变化对系统稳定运行造成的影响；然后依据负荷预测单元结果分析该策略的基本原理及实现方法；最后通过仿真验证了该响应策略的合理性与可行性，从而实现预见性响应策略与实时响应策略相结合的电网友好型负荷响应方法。

A power grid friendly load response method based on power big data

【技术实现步骤摘要】
一种基于电力大数据的电网友好型负荷响应方法
本专利技术涉及电网控制
，尤其涉及一种基于电力大数据的电网友好型负荷响应方法。
技术介绍
随着智能电网的规模不断扩大，各类电力负荷快速增长，给电网的安全稳定运行带来了挑战。大量波动性用电负荷同时接入电网，极易造成电网超负荷运行，甚至导致电网崩溃，由此而引发的大停电事故频频发生。构建安全、稳定、高效、经济的智能电网是其发展的主要驱动力和目标之一，在智能电网的推动发展下，″电网友好″的负荷需求响应策略越来越受到重视。但是在高比例新能源渗透电网中，当面对冲击负荷或负荷瞬时波动率较大，加之负荷响应具有一定延时特性，因此实时调整策略难以及时应对，这时就增加了电网事故的可能性。为了应对这种延时特性，电网友好响应策略应具有一定的超前效应，因此，预见性响应策略与实时响应策略相结合的电网友好技术具有重要的研究意义。
技术实现思路
基于现有的在高比例新能源渗透电网中，面对冲击负荷或负荷瞬时波动率较大而产生负荷响应具有延时特性的技术问题，本专利技术提出了一种基于电力大数据的电网友好型负荷响应方法。本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法，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。优选地，所述响应用户选取采用K-means聚类方法提取出可响应用户，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要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。优选地，所述不断重复所述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。优选地，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：优选地，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。优选地，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；本文所提出的策略适用于居民或商业用户中可短时间减小用电功率或停止运行且工作性能所受影响不大的负荷，或其运行具有时间弹性的负荷；为了避免节点下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用户群，并对不同的组别设置不同的响应阈值Loni(i＝1，2，3，...)和恢复阈值Loffi(i＝1，2，3，...)，实现用户的分组响应。优选地，所述对用户设置每次最短响应时间Tmin、单次最长响应时间Tmax以及响应休止时间Tω，其典型值分别为5s、10min和10min；用户单次响应时间Ti需满足式Tmin≤ti≤Tmax；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Tω时间才能再次接收控制中心发送给来的响应指令。优选地，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。优选地，所述聚类分析选取可响应用户，选取出能够参与电网友好响应策略的用户和不能参与电网友好响应策略的用户，所述选取条件选取最高负荷出现时间、最低负荷出现时间、日最高负荷、日最低负荷、日峰谷差和平均值的指标作为识别用户群的指标，并对以上6个指标进行最小-最大标准化处理，其转换公式如下：优选地，所述负荷预测单元为运用遗传算法改进的BP神经网络对该用户一天用电负荷进行训练学习，所得出的数据将平均绝对误差MAPE作为预测结果评价指标，其计算公式如式：如上式所示，当MAPE小于10时预测精度较高。本专利技术中的有益效果为：1、通过提出预见性响应策略与实时响应策略相结合的电网友好型负荷响应策略，以缓解负荷变化对系统稳定运行造成的影响；然后依据负荷预测单元结果分析该策略的基本原理及实现方法；最后通过仿真验证了该响应策略的合理性与可行性，从而实现预见性响应策略与实时响应策略相结合的电网友好型负荷响应方法。2、本申请提出预见性响应策略与实时响应策略相结合的电网友好型负荷响应策略，进行智能友好的受送端互动来改变用户用电时间和用电模式，电网负荷友好响应电力高峰需求达到提高电力系统稳定性的最终目的。3、电网友好型负荷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。附图说明图1为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的遗传算法改进神经网络流程图；图2为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的遗传算法运行参数设定图；图3为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的负荷响应策略流程图；图4为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的响应方案控制图；图5为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的用户用电负荷数据表；图6为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的用户聚类结果图；图7为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的用户群特征雷达图；图8为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的阈值参数设置图；图9为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的节点1用电负荷表；图10为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的负荷预测单元曲线图；图11为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的仿真对象参数表；图12为本专利技术提出的一种基于电力大数据的电网友好型负荷响应方法的仿真结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然本文档来自技高网...

【技术保护点】
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；/n所述响应用户选取采用K-means聚类方法提取响应用户；/n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；/n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；/n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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：李利娟，陈永东，鲁尚军，刘红良，唐睿，林琦，赖惠镇，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43