【技术实现步骤摘要】
本专利技术涉及工业园区电力调控，尤其是指工业园区的用电感知要素辨识应用方法及系统。
技术介绍
1、近年来，具备源-网-荷-储协同互动特性的新型电力系统飞速发展，如何提升新型电力系统供需友好互动成为缓解电力供需紧张形势的关键。而工业园区既是社会化生产的重要主体，也是用户侧需求响应的重要对象，且工业园区涵盖了大量的负荷，其可调节负荷潜力巨大，是新型电力系统的重要组成部分之一，而对于工业园区的电力感知能够为优化后续工业园区负荷调控提供技术支撑，是通过工业园区负荷调控来提升新型电力系统供需友好互动的重要环节之一
2、工业园区负荷的用电特征辨识是工业园区用电感知的基础工作，当前主流的负荷用电特征辨识方法有基于信息融合技术的多维度负荷用电特性分析与非侵入式的电气量特征分析两大类。基于信息融合技术的多维度负荷用电特征分析主要通过设备枚举、模式识别、关联分析、数据挖掘等算法逐一收集各种园区负荷的用电参数与生产特性，再以此构建用电特征数据库，实现负荷用电特征辨识。该方法面临着多用户负荷信息数据庞大、种类繁多、信息失真等难点；同时由于工业用户本身具有的属性、用电时间规律、电压等级以及需求响应能力有很大差异，该方法并不适用于这种存在诸多影响因素的负荷动态分解以及负荷特性提取场景。而非侵入式的电气量特征分析方法，具体通过基于图形信号处理算法、时间概率最大似然估计、动态时间弯曲算法等算法分析不同用电负荷的工作特性，从负荷功率、电流和谐波等自身信息中提取用电负荷的特征，以实现负荷用电特征的辨识。但是非侵入式的电气量特征分析方法仅能依据关口表获得
3、综上所述，现有的负荷辨识方法普遍存在难以准确分辨工业园区负荷核心用电感知特征的缺陷。后续进行工业园区用电感知工作时，因负荷辨识方法存在的缺陷，会引发负荷画像计算量巨大、负荷工况辨识准确性低、无法为负荷优化调控提供数据支撑等一系列问题。尤其是面对工业园区中分布式光伏、储能装置、生产线上多元负荷、电动汽车及充电桩等大规模差异化灵活性资源广泛分布的用电场景时，由于无法辨识工业园区负荷的核心用电特征，很可能导致负荷用电感知分析的数据规模与运算量激增，后续在进行工业园区的负荷用电画像、负荷灵活调控等用电感知业务时，难以满足其对于数据运算精度与响应时间的要求，工业园区负荷的调控优化效率较低。
技术实现思路
1、本专利技术的目的是克服现有技术中难以准确分辨工业园区负荷核心用电感知特征，从而在应用用电感知特征进行负荷画像等用电感知业务时，存在计算量大、辨识准确性低以及难以为负荷优化调控提供数据支撑等问题，工业园区负荷的调控优化效率较低的缺点，提供一种工业园区的用电感知要素辨识应用方法及系统，通过分析工业园区生产特性与负荷参数来构建对应的关键负荷集群，再通过对关键负荷集群的多维度用电特征进行降维处理，以辨识出一系列核心的用电感知要素，降低关键负荷集群用电感知样本集的数据规模并剔除冗余数据，从而有效降低数据运算量，并进一步构建用电感知要素样本库的复杂网络模型，以揭示用电感知样本之间的用电相似度以及可能的负荷分类，为后续工业园区负荷的需求响应、调控潜力推演、负荷聚合与虚拟电厂等用电感知业务提供数据基础与技术支撑，以提高对于工业园区负荷的调控优化效率。
2、本专利技术的目的是通过下述技术方案予以实现：
3、工业园区的用电感知要素辨识应用方法，包括：
4、确定目标工业园区，根据工业园区生产特性与负荷参数构建目标工业园区的关键负荷集群；
5、对获取的关键负荷集群进行多维度用电特征辨识，构建关键负荷集群的用电感知样本集合；
6、对用电感知样本集合进行数据降维处理；
7、基于数据降维处理后的用电感知样本集合，构建用电感知要素样本库的复杂网络模型；
8、基于用电感知要素样本库的复杂网络模型，执行目标工业园区的用电感知业务。
9、进一步的，所述基于数据降维处理后的用电感知样本集合，构建用电感知要素样本库的复杂网络模型，包括：
10、设置用电感知要素样本库的复杂网络顶点及对应权重，并设定用电感知要素样本库的复杂网络模型无向边及对应权重；
11、基于设定的复杂网络顶点以及复杂网络模型无向边建立用电感知要素样本库的复杂网络模型。
12、进一步的，所述设置用电感知要素样本库的复杂网络顶点及对应权重，并设定用电感知要素样本库的复杂网络模型无向边及对应权重，包括：
13、根据数据降维处理后的用电感知样本集合，选取若干个用电感知样本为复杂网络的顶点，并根据每条用电感知样本的二维数组为对应的复杂网络顶点权重；
14、基于用电相似度计算公式计算任意两个设置的复杂网络顶点之间的用电相似度；
15、将对应的用电相似度计算结果作为两个复杂网络顶点之间无向边的权重。
16、进一步的，所述用电相似度计算公式的表达式为：
17、
18、其中，ri,j为关键负荷集群中负荷li和负荷lj的用电相似度，和分别为负荷li和负荷lj的用电感知样本，为负荷li和负荷lj的欧式空间距离，δ为设定参数，m为关键负荷集群中负荷总数量。
19、进一步的，执行所述基于设定的复杂网络顶点以及复杂网络模型无向边建立用电感知要素样本库的复杂网络模型后，还包括：
20、根据设定的复杂网络顶点以及复杂网络模型无向边权重，得到复杂网络模型的全联通矩阵；
21、根据复杂网络模型的全联通矩阵计算用电感知要素样本库中负荷分类的最小类别数量；
22、根据复杂网络模型的全联通矩阵对复杂网络模型进行简化处理。
23、进一步的，所述根据复杂网络模型的全联通矩阵计算用电感知要素样本库中负荷分类的最小类别数量，包括：
24、构建复杂网络模型的全联通矩阵的拉普拉斯矩阵；
25、对构建的拉普拉斯矩阵进行特征值求解，获取特征值中零特征值与近零特征值的数量；
26、将零特征值与近零特征值的数量作为用电感知要素样本库中负荷分类的最小类别数量。
27、进一步的，所述根据复杂网络模型的全联通矩阵对复杂网络模型进行简化处理，包括：
28、对复杂网络模型的全联通矩阵中各个元素按照数值大小进行排序，得到无向边集合；
29、从无向边集合中选择元素数值最大的一条无向边；
30、对选择的无向边进行删除处理，并对删除选择的无向边后，复杂网络模型的连通性进行校验；
31、若复杂网络模型中任意两个顶点之间仍保持连通，则判定删除的无向边为冗余边，维持该无向边的删除操作；
32、若复杂网络模型中存在不连通的顶点，则标注该无向边为关键边，并撤销该无向边的删除操作，在无向边集合中保留该无向边；本文档来自技高网...
【技术保护点】
1.工业园区的用电感知要素辨识应用方法，其特征在于，包括：
2.根据权利要求1所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述基于数据降维处理后的用电感知样本集合，构建用电感知要素样本库的复杂网络模型，包括：
3.根据权利要求2所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述设置用电感知要素样本库的复杂网络顶点及对应权重，并设定用电感知要素样本库的复杂网络模型无向边及对应权重，包括：
4.根据权利要求3所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述用电相似度计算公式的表达式为：
5.根据权利要求2所述的工业园区的用电感知要素辨识应用方法，其特征在于，执行所述基于设定的复杂网络顶点以及复杂网络模型无向边建立用电感知要素样本库的复杂网络模型后，还包括：
6.根据权利要求5所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述根据复杂网络模型的全联通矩阵计算用电感知要素样本库中负荷分类的最小类别数量，包括：
7.根据权利要求5所述的工业园区的用电感知要素辨识应用方法，其特征在于，
8.根据权利要求1所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述对获取的关键负荷集群进行多维度用电特征辨识，构建关键负荷集群的用电感知样本集合，包括：对获取的关键负荷集群从设备用电特性、时间用电特性和空间用电特性维度进行特征提取，并对获取的关键负荷集群进行负荷分类，根据负荷种类和提取到的多维度的用电特征构建用电感知样本集合。
9.根据权利要求8所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述对用电感知样本集合进行数据降维处理，包括：对用电感知样本集合中各个用电特征的属性值进行零均值化计算，根据计算得到的新属性值构建新用电感知样本集合；计算新用电感知样本集合的协方差矩阵，并计算协方差矩阵的特征值以及对应的特征向量；基于协方差矩阵的特征值和特征向量，构建降维矩阵；根据构建的降维矩阵对新用电感知样本集合进行数据降维处理。
10.工业园区的用电感知要素辨识应用系统，用于执行权利要求1-9任意一项所述的工业园区的用电感知要素辨识应用方法，其特征在于，包括：
11.根据权利要求10所述的工业园区的用电感知要素辨识应用系统，其特征在于，所述数据分析模块包括复杂网络模型建模单元和复杂网络模型应用单元，所述复杂网络模型建模单元，用于通过设置复杂网络顶点、复杂网络模型无向边以及两者相应权重来构建用电感知要素样本库的复杂网络模型；
12.根据权利要求10所述的工业园区的用电感知要素辨识应用系统，其特征在于，所述数据处理模块包括关键负荷集群构建单元、特征辨识单元和降维处理单元，
13.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序或指令，所述计算机程序或指令在被处理设备执行时，使所述处理设备执行权利要求1至9中任意一项所述的方法。
...【技术特征摘要】
1.工业园区的用电感知要素辨识应用方法，其特征在于，包括：
2.根据权利要求1所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述基于数据降维处理后的用电感知样本集合，构建用电感知要素样本库的复杂网络模型，包括：
3.根据权利要求2所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述设置用电感知要素样本库的复杂网络顶点及对应权重，并设定用电感知要素样本库的复杂网络模型无向边及对应权重，包括：
4.根据权利要求3所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述用电相似度计算公式的表达式为：
5.根据权利要求2所述的工业园区的用电感知要素辨识应用方法，其特征在于，执行所述基于设定的复杂网络顶点以及复杂网络模型无向边建立用电感知要素样本库的复杂网络模型后，还包括：
6.根据权利要求5所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述根据复杂网络模型的全联通矩阵计算用电感知要素样本库中负荷分类的最小类别数量，包括：
7.根据权利要求5所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述根据复杂网络模型的全联通矩阵对复杂网络模型进行简化处理，包括：
8.根据权利要求1所述的工业园区的用电感知要素辨识应用方法，其特征在于，所述对获取的关键负荷集群进行多维度用电特征辨识，构建关键负荷集群的用电感知样本集合，包括：对获取的关键负荷集群从设备用电特性、时间用电特性和空间用电特性维度进行...
【专利技术属性】
技术研发人员：陈利跃，王宇飞，吴青青，张波，胡卫军，胡李栋，王健，傅国豪，桑家琪，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
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。