【技术实现步骤摘要】
本专利技术涉及负荷分解，具体涉及一种考虑光伏的居民非侵入式负荷分解方法、系统及介质。
技术介绍
1、随着大力发展分布式光伏产业的推进，光伏产业进入了新的发展阶段，光伏投产量逐年增加，2021年新增装机容量5488万千瓦，其中分布式光伏2928万千瓦，占比高达53.35％，但是大量的户用分布式光伏系统(<10kwp，wp：太阳能电池的峰值功率)并不单独安装光伏出力计量表，这就使得电力公司和用户只能从电表获取净负荷功率，无法得到户用光伏系统的实际发电量与一般负荷用电量，大大增加了光伏出力评估与用户负荷分析的难度。
2、近年来，研究人员基于“数据分解”的思想，设法实现光伏出力与总功率的分解，从而使户用光伏功率预测、用户用电行为分析等一系列高级应用成为可能。非侵入式负荷监测(no-intrusive load monitoring，nilm)是获得用户设备级用电数据的常用方法，该方法不需要深入到用户家庭内部，基本不会侵犯用户的隐私。但是由于光伏出力存在的极大不确定性，对非侵入式负荷功率分解带来了极大挑战，目前针对装有户用光伏家庭的非侵入式负荷分解方法多是将光伏出力数据与用户总体功率数据进行分离，缺少对其它负荷的进一步分解。因此，需要一种非侵入式负荷分解方法，不仅可以实现光伏出力数据与总功率的分离，还可以获取一般负荷设备级数据，为用户提供更加全面精细化的用电数据。
技术实现思路
1、本专利技术所要解决的技术问题是：目前针对装有光伏设备的用户，在进行非侵入式负荷分解时，主要将
2、本专利技术通过下述技术方案实现：
3、本方案提供一种考虑光伏的用户非侵入式负荷分解方法，包括：
4、步骤一，获取用户的光伏历史出力数据；
5、步骤二，采集用户各负荷的功率数据，并基于功率数据构建各负荷的有功功率模板；
6、步骤三，将用户各负荷的有功功率模板拼接成一个整体得到所有负荷的组合状态；
7、步骤四，考虑负荷和光伏在一天中不同时段的运行特性，将用户每天各负荷的功率数据划分成多个时段，统计各时段所有负荷的组合状态；
8、步骤五，基于各时段所有负荷的组合状态和净负荷功率，分时段建立出隐马尔科夫模型，所述隐马尔科夫模型用历史光伏功率数据与采集到的一般负荷功率数据训练；
9、步骤六，根据待分解净负荷功率的时间，选择相应时段的隐马尔科夫模型结合维特比算法进行负荷分解。
10、本方案工作原理：目前针对装有光伏设备的用户，在进行非侵入式负荷分解时，主要将光伏出力数据与用户总体功率数据进行分离，难以实现其它负荷的进一步分解；本专利技术目的在于提供一种考虑光伏的居民非侵入式负荷分解方法、系统及介质，通过智能电表的低频净负荷功率数据实现包括光伏在内的负荷分解，通过用户一般负荷设备级功率数据和光伏出力数据，实时对户用光伏系统进行监测，光伏出力预测；为用户提供更加全面精细化的用电数据。
11、进一步优化方案为，光伏历史出力数据的获取方法包括：
12、s11，获取用户光伏设备的安装角度、太阳辐照强度、环境温度和安装容量，并估算t时刻的光伏出力：
13、
14、其中，代表t时刻光伏出力估计值；ccap为光伏系统模型的预设等效安装容量；是光伏设备在t时刻接受的太阳辐照强度，η为太阳能板的温度系数，为t时刻太阳能板的温度；对于材质、安装角度相同且处于同一区域的光伏板，其光伏出力的差异主要是由装机容量决定的。
15、s12，获取安装光伏计量表用户或能量代理站点的光伏出力数据并进行拟合，得到待分解用户的拟合光伏出力数据：
16、
17、其中，为待分解用户的拟合光伏出力数据；为与待分解用户处于同一区域安装光伏计量表用户或能量代理站点的光伏出力数据；α为装机容量比例系数，其中：为待分解用户光伏装机容量，为安装光伏计量表用户或能量代理站点的光伏装机容量；
18、s13，以拟合光伏出力数据作为待分解用户的光伏出力数据。
19、进一步优化方案为，自适应k-means聚类算法确定各负荷聚类数目，且初始聚类中心的选取是随机的，导致聚类结果不稳定，容易陷入局部最优解。所以本专利提出自适应k-means聚类算法确定最佳聚类数目，步骤二包括以下子步骤：
20、确定各负荷k-means聚类算法的聚类数目：以1为步长，对各负荷预设不同的聚类数目进行迭代，在每轮迭代中获取聚类损失指标，得到k-损失指标曲线图，k-损失指标曲线的拐点处对应的k值即为该负荷的聚类数目；
21、各负荷的聚类数目向量s与各负荷的有功功率模板pi表示为：
22、s＝(s1,s2,…,si,…,sn)
23、i∈{1,2,…,n}
24、其中，si表示负荷i的状态数目，n表示负荷个数，若负荷i的聚类数目si＝2，则表示该负荷有2种运行状态；pi中的元素表示负荷i每种状态对应的功率。
25、进一步优化方案为，步骤三包括以下子步骤：
26、s31，将用户的所有负荷组合为一个整体，作为最多具有种状态的负荷；si表示负荷i的状态数目；
27、s32，引入二进制编码表示各负荷的负荷状态：
28、对于具有si种状态的负荷，其二进制码具有si位，其负荷状态表示为：
29、i∈{1,2,…,n}
30、式中，所有的元素中只有一位为1，其它位为0；比如该负荷处于第2运行状态时x2＝1其它位为0；
31、对于由各个负荷的二进制码拼接组成n个负荷的组合状态，其位数为所有负荷的组合状态表示为：
32、
33、则组合有功功率模板由各个负荷的有功功率模板拼接得到，表示为：
34、
35、当前时刻的总有功功率表示为：
36、
37、式中，pnoise为噪声，ppv为光伏功率。
38、进一步优化方案为，用户每天的功率数据多个时段的划分方法包括：
39、将一天划分成11个时段：由于凌晨时处于活跃状态的负荷较少，1点～5点作为1个时段，5点～19点鉴于其功率连续变化且可能存在较大功率波动，故以每2小时为1个时段；19点～次日1点为用电高峰期以每2小时为1个时段。
40、进一步优化方案为，各时段的隐马尔科夫模型表示为：
41、
42、其中，分别为ti时段内的初始概率矩阵、状态概率转移矩阵和观测矩阵。
43、进一步优化方案为，将户用光伏考虑为功率为负的背本文档来自技高网...
【技术保护点】
1.一种考虑光伏的用户非侵入式负荷分解方法，其特征在于，包括：
2.根据权利要求1所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，光伏历史出力数据的获取方法包括：
3.根据权利要求1所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤二包括以下子步骤：
4.根据权利要求3所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤三包括以下子步骤：
5.根据权利要求2所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤四中多个时段的划分方法包括：
6.根据权利要求5所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，Ti时段的隐马尔科夫模型表示为：
7.根据权利要求6所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，将用户的光伏出力数据考虑为功率为负的背景负荷，得到各时段的初始概率矩阵、状态概率转移矩阵和观测矩阵：
8.根据权利要求7所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，
9.一种考虑光伏的居民非侵入式负荷分解系统，其特
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行可实现如权利要求1-8中任意一项所述的一种考虑光伏的居民非侵入式负荷分解方法。
...【技术特征摘要】
1.一种考虑光伏的用户非侵入式负荷分解方法，其特征在于，包括：
2.根据权利要求1所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，光伏历史出力数据的获取方法包括：
3.根据权利要求1所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤二包括以下子步骤：
4.根据权利要求3所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤三包括以下子步骤：
5.根据权利要求2所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，步骤四中多个时段的划分方法包括：
6.根据权利要求5所述的一种考虑光伏的居民非侵入式负荷分解方法，其特征在于，ti时段的隐...
【专利技术属性】
技术研发人员：刘丽娜，王韬，李锐超，刘兵，武昕，符玲，申杰，李方硕，屈鸣，罗银康，
申请(专利权)人：国网四川省电力公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。