本發(fā)明屬于調(diào)節(jié)潛力預測，尤其涉及基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法及系統(tǒng)。

背景技術：

1、本部分的陳述僅僅是提供了與本發(fā)明相關的背景技術信息，不必然構成在先技術。

2、隨著新型電力系統(tǒng)的轉(zhuǎn)型，新能源裝機容量與發(fā)電量逐年遞增。然而，大量新能源接入電力系統(tǒng)削弱了發(fā)電側調(diào)節(jié)能力，僅靠發(fā)電側電源難以實現(xiàn)電離平衡，因此挖掘負荷側可調(diào)節(jié)資源對保證電力系統(tǒng)安全穩(wěn)定運行具有重要意義。

3、工業(yè)化的快速發(fā)展，導致工業(yè)用戶的電力負荷需求不斷增長，且呈現(xiàn)復雜多變的特點。相比居民和商業(yè)用戶，工業(yè)用戶耗電量大，自動化控制水平高，是負荷側可調(diào)節(jié)資源的重要組成部分；因此，對工業(yè)用戶的可調(diào)節(jié)潛力進行預測，從而識別或挖掘出負荷側可調(diào)節(jié)的工業(yè)用戶，顯得尤為重要。

4、傳統(tǒng)的電力負荷側可調(diào)節(jié)潛力預測方法，往往基于經(jīng)驗或簡單的分類進行，比如單一的聚類方法，受不平衡數(shù)據(jù)的影響較為嚴重，適應能力較弱，難以滿足工業(yè)用戶負荷的分層精細化和個性化管理需求，導致對工業(yè)用戶的可調(diào)節(jié)潛力預測不準確。

技術實現(xiàn)思路

1、為克服上述現(xiàn)有技術的不足，本發(fā)明提供了基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法及系統(tǒng)，使用二次聚類算法對工業(yè)用戶進行分組，精細化識別具有相似負荷特征的用戶群，從而提高電力資源利用效率、促進節(jié)能減排。

2、為實現(xiàn)上述目的，本發(fā)明的一個或多個實施例提供了如下技術方案：

3、本發(fā)明第一方面提供了基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法。

4、基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，包括：

5、利用工業(yè)用戶的原始日負荷曲線，對待預測的若干個工業(yè)用戶進行第一次聚類分組，以組的日負荷曲線作為組中工業(yè)用戶的日負荷曲線；

6、將工業(yè)用戶的基線負荷曲線與日負荷曲線的差值作為原始可調(diào)節(jié)潛力值，對工業(yè)用戶進行第二次聚類分組，以組的可調(diào)節(jié)潛力值作為組中工業(yè)用戶的可調(diào)節(jié)潛力值；

7、以二次聚類得到的可調(diào)節(jié)潛力值為企業(yè)用戶的初始可調(diào)節(jié)潛力值，連同待預測工業(yè)用戶的運行輔助數(shù)據(jù)，輸入到可調(diào)節(jié)潛力預測模型中，得到待預測工業(yè)用戶最終的可調(diào)節(jié)潛力預測值。

8、進一步的，所述第一次聚類分組，采用k-means算法，計算各個工業(yè)用戶的原始日負荷曲線之間的距離，從而對工業(yè)用戶進行初始分組。

9、進一步的，所述組的日負荷曲線是對組中所有工業(yè)用戶的日負荷曲線進行求和平均的方式計算得到的。

10、進一步的，所述第二次聚類分組，采用層次聚類算法，計算各個工業(yè)用戶的原始可調(diào)節(jié)潛力值之間的距離，從而對同一初始分組中的工業(yè)用戶進行進一步分組，得到工業(yè)用戶的最終分組。

11、進一步的，所述組的可調(diào)節(jié)潛力值是對組中所有工業(yè)用戶的可調(diào)節(jié)潛力值進行求和平均的方式計算得到的。

12、進一步的，所述運行輔助數(shù)據(jù)，包括生產(chǎn)時間占比、設備運行效率、設備老化率、能源價格、溫度。

13、進一步的，所述可調(diào)節(jié)潛力預測模型，基于神經(jīng)網(wǎng)絡構建，采用模擬退火算法，以實際可調(diào)節(jié)潛力與預測可調(diào)節(jié)潛力之間的差異最小為目標，對可調(diào)節(jié)潛力預測模型的模型參數(shù)進行尋優(yōu)。

14、本發(fā)明第二方面提供了基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測系統(tǒng)。

15、基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測系統(tǒng)，包括：

16、第一聚類模塊，被配置為：利用工業(yè)用戶的原始日負荷曲線，對待預測的若干個工業(yè)用戶進行第一次聚類分組，以組的日負荷曲線作為組中工業(yè)用戶的日負荷曲線；

17、第二聚類模塊，被配置為：將工業(yè)用戶的基線負荷曲線與日負荷曲線的差值作為原始可調(diào)節(jié)潛力值，對工業(yè)用戶進行第二次聚類分組，以組的可調(diào)節(jié)潛力值作為組中工業(yè)用戶的可調(diào)節(jié)潛力值；

18、潛力預測模塊，被配置為：以二次聚類得到的可調(diào)節(jié)潛力值為企業(yè)用戶的初始可調(diào)節(jié)潛力值，連同待預測工業(yè)用戶的運行輔助數(shù)據(jù)，輸入到可調(diào)節(jié)潛力預測模型中，得到待預測工業(yè)用戶最終的可調(diào)節(jié)潛力預測值。

19、本發(fā)明第三方面提供了計算機可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法中的步驟。

20、本發(fā)明第四方面提供了電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，所述處理器執(zhí)行所述程序時實現(xiàn)如本發(fā)明第一方面所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法中的步驟。

21、以上一個或多個技術方案存在以下有益效果：

22、本發(fā)明分別以日負荷曲線和原始可調(diào)節(jié)潛力值為依據(jù)，對工業(yè)用戶進行二次聚類分組，精細化識別具有相似負荷特征的用戶群，從而提高電力資源利用效率、促進節(jié)能減排。

23、本發(fā)明考慮生產(chǎn)計劃、設備效率、能源價格、天氣因素構建可調(diào)節(jié)潛力預測模型，優(yōu)化負荷可調(diào)節(jié)潛力預測值，從而支撐對典型工業(yè)用戶的負荷需求響應調(diào)節(jié)的優(yōu)化。

24、本發(fā)明附加方面的優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

技術特征：

1.基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，包括：

2.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述第一次聚類分組，采用k-means算法，計算各個工業(yè)用戶的原始日負荷曲線之間的距離，從而對工業(yè)用戶進行初始分組。

3.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述組的日負荷曲線是對組中所有工業(yè)用戶的日負荷曲線進行求和平均的方式計算得到的。

4.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述第二次聚類分組，采用層次聚類算法，計算各個工業(yè)用戶的原始可調(diào)節(jié)潛力值之間的距離，從而對同一初始分組中的工業(yè)用戶進行進一步分組，得到工業(yè)用戶的最終分組。

5.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述組的可調(diào)節(jié)潛力值是對組中所有工業(yè)用戶的可調(diào)節(jié)潛力值進行求和平均的方式計算得到的。

6.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述運行輔助數(shù)據(jù)，包括生產(chǎn)時間占比、設備運行效率、設備老化率、能源價格、溫度。

7.如權利要求1所述的基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法，其特征在于，所述可調(diào)節(jié)潛力預測模型，基于神經(jīng)網(wǎng)絡構建，采用模擬退火算法，以實際可調(diào)節(jié)潛力與預測可調(diào)節(jié)潛力之間的差異最小為目標，對可調(diào)節(jié)潛力預測模型的模型參數(shù)進行尋優(yōu)。

8.基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測系統(tǒng)，其特征在于，包括：

9.一種電子設備，其特征是，包括：

10.一種存儲介質(zhì)，其特征是，非暫時性地存儲計算機可讀指令，其中，當所述計算機可讀指令由計算機執(zhí)行時，執(zhí)行權利要求1-7任一項所述的方法。

技術總結
本發(fā)明提出了基于二次聚類的工業(yè)用戶可調(diào)節(jié)潛力預測方法及系統(tǒng)，涉及調(diào)節(jié)潛力預測技術領域，包括：利用工業(yè)用戶的原始日負荷曲線，對待預測的若干個工業(yè)用戶進行第一次聚類分組，以組的日負荷曲線作為組中工業(yè)用戶的日負荷曲線；基于工業(yè)用戶的基線負荷曲線與日負荷曲線的差值，對工業(yè)用戶進行第二次聚類分組，以組的可調(diào)節(jié)潛力值作為組中工業(yè)用戶的可調(diào)節(jié)潛力值；以二次聚類得到的可調(diào)節(jié)潛力值為企業(yè)用戶的初始可調(diào)節(jié)潛力值，連同待預測工業(yè)用戶的運行輔助數(shù)據(jù)，輸入到可調(diào)節(jié)潛力預測模型中，得到可調(diào)節(jié)潛力預測值；本發(fā)明使用二次聚類算法對工業(yè)用戶進行分組，精細化識別具有相似負荷特征的用戶群，從而提高電力資源利用效率、促進節(jié)能減排。

技術研發(fā)人員：劉繼彥,李秋爽,趙昕,王鵬,薛萬磊,劉知凡,厲艷,白穎,牟穎,李晨輝,李?，?張棟梁,史英,牛華忠,管大順
受保護的技術使用者：國網(wǎng)山東省電力公司經(jīng)濟技術研究院
技術研發(fā)日：
技術公布日：2024/12/12