CN107656898B - 一种需求响应资源聚类方法 - Google Patents

Abstract

本发明公开了一种需求响应资源聚类方法，包括如下步骤：初次运行时，包括如下步骤：步骤1、对园区内所有资源前一日负荷进行离散傅里叶变换，并提取前五个傅里叶分量；步骤2、对所提取的分量以及资源的特征量进行标准化，形成资源单日的标准特征向量；步骤3、设置聚类中心和聚类结束条件，基于FCM算法以及资源单日的标准特征向量，对资源进行聚类，直至满足聚类结束条件；步骤4、根据步骤3的聚类结果，对聚类进行更新。突破传统的依据工、商、居民等信息的资源分类方式，实现响应资源的聚类，从而显著提升需求响应的效率，提高资源的响应达标率。

Description

一种需求响应资源聚类方法

技术领域

本发明涉及一种需求响应资源聚类方法。

背景技术

在电力改革的背景下，智能电网面临着新能源就地消纳、快速应急响应、差异化客户服务等多类不同的业务场景。这些业务场景促使电网公司在执行需求响应时，需要对资源进行分类，从而有针对性地服务，提高需求响应效率。

传统的需求响应分类往往是按照行业的类别或者负荷量的大小来分类，诸如分为工业用户、商业用户、居民用户等几类。但是，这样的分类较为粗糙，工业用户可以细分为很多不同的行业，商业用户有不同的营业时间和特点，居民用户也存在工作和养老的差异。照此分类，会加大***管理员的工作难度，同时***的不稳定性也随之增加。

已有的聚类算法可以在一定程度上解决上述问题，但是，这些聚类算法普遍依赖于已进行过的需求响应事件。但对多数***而言，每年的需求响应次数不多，有限的样本量使聚类效果表现出很大的随机性。

发明内容

针对上述问题，本发明提供一种需求响应资源聚类方法，针对***执行需求响应时，资源执行率较低的问题，根据资源的负荷曲线和特性，提取特征分量，进行聚类。突破传统的依据工、商、居民等信息的资源分类方式，实现响应资源的聚类，从而显著提升需求响应的效率，提高资源的响应达标率。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种需求响应资源聚类方法，初次运行时，包括如下步骤：

步骤1、对园区内所有资源前一日负荷进行离散傅里叶变换，并提取前五个傅里叶分量；

步骤2、对所提取的分量以及资源的特征量进行标准化，形成资源单日的标准特征向量；

步骤3、设置聚类中心和聚类结束条件，基于FCM算法以及资源单日的标准特征向量，对资源进行聚类，直至满足聚类结束条件；

步骤4、根据步骤3的聚类结果，对聚类进行更新。

优选，当非初次运行时，根据老化函数更新各资源的隶属度，并根据需求响应的调控效果，对聚类进行修正。

优选，步骤1中，根据下述公式提取前五个分量：

式中，p(n)为资源在时间点n的负荷值，N为资源一天的采样次数。

优选，步骤2包括如下步骤：

步骤201、用F_a1、F_b1、F_a2、F_b2分别表示单位化以后的分量，则：

步骤202、资源前一日的原始特征分量为：

(C_降,C_升,C_出力,S_响应,T_通知,F_a1,F_b1,F_a2,F_b2)

式中，C_降、C_升、C_出力分别表示资源的降负荷、升负荷、出力的能力；S_响应、T_通知分别表示资源响应的速度、提前通知的时长；

步骤203、对资源前一日的原始特征分量进行标准化，其中：

式中，σ_降表示所有资源的C_降所对应的方差，σ_升表示所有资源的C_升所对应的方差，σ_出力表示所有资源的C_出力所对应的方差，σ_响应表示所有资源的S_响应所对应的方差，σ_通知表示所有资源的T_通知所对应的方差，σ_a1表示所有资源的F_a1所对应的方差，σ_a2表示所有资源的F_a2所对应的方差，σ_b1表示所有资源的F_b1所对应的方差，σ_b2表示所有资源的F_b2所对应的方差；

步骤204、形成资源单日的标准特征向量为：

优选，步骤3具体包括如下步骤：

步骤301、用户设置分类数量c、各分类ψ_i的初始聚类中心c_i，最大循环次数s_max，以及初始隶属度μ_ij′；

步骤302、利用步骤301获得的各聚类中心c_i′计算隶属度μ_ij′，其中，隶属度μ_ij′是资源θ_j属于分类ψ_i的程度，设资源θ_j的单日的标准特征向量为x_j：

式中，||·||表示两个特征向量的距离；

步骤303、根据步骤302获得的隶属度μ_ij重新计算各聚类中心c_i′：

步骤304、设

表示第s轮计算得到的资源θ_j属于分类ψ_i的隶属度，计算

或者s≥s_max是否成立，其中ε是算法精度，s_max是最后一轮；

步骤305、如果上述

s≥s_max两个公式都不成立，则跳转至步骤302继续循环；只要有一个公式成立，则循环结束，资源θ_j对应的隶属度中，数值最大的隶属度即为资源θ_j对应的分类。

优选，根据前一日的负荷数据，每日进行更新，设

表示更新前的聚类中心，

表示更新后的聚类中心和隶属度，则更新算法如下：

优选，当非初次运行时，对执行过需求响应以后的资源隶属度进行修正，如果***只标记资源是否达标，设用户对已有分类中的几类执行了需求响应，则：

步骤401、如果资源θ'_j不达标，则老化函数f(t)为：

f(t)＝1-e^-t

其中，t表示需求响应事件距今的天数；

步骤402、对资源的隶属度按照下述公式进行更新：

其中，

其中，

表示修正后的隶属度，c'₁、c'₂…c'_d表示执行了需求响应的分类所对应的聚类中心。

优选，当非初次运行时，对执行过需求响应以后的资源隶属度进行修正，如果***以得分方式表示资源的达标情况，则：

步骤501、修正系数f'_j(t)如下：

其中，s_j为相应资源的得分，σ为资源达标的分数；f(t)为老化函数；

步骤502、设置判决式Δ，按照下述公式计算：

步骤503、如果Δ≥1，那么隶属度的修正公式如下：

如果Δ＜1，修正隶属度按下述公式计算：

其中，

表示修正后的隶属度；c'₁、c'₂…c'_d表示执行了需求响应的分类所对应的聚类中心。

本发明的有益效果是：

第一、用户的负荷曲线与用户对负荷的调控能力息息相关，提取负荷曲线特征，作为聚类的依据，可以弥补样本不足所带来的影响。因此，将负荷曲线、资源特征和已进行的需求响应结合起来，是解决需求响应资源聚类问题的一种行之有效的思路。

第二、本发明提出的一种需求响应资源聚类算法，通过对负荷曲线提取傅立叶系数，可以有效提高算法的运行速度，同时使负荷曲线本身的特性纳入到资源聚类的影响因素中。

第三、本发明提出的一种需求响应资源聚类算法，通过老化函数的设置，统一分析资源本身的特性和历史需求响应的效果对资源的影响。这种方法能够更好地贴合实际需求，从而得到更高的资源响应率。

附图说明

图1是本发明一种需求响应资源初次聚类方法的流程图；

图2是本发明一种需求响应资源非初次聚类方法的流程图；

图3是本发明实施例中资源的特征分量提取前后的对比图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

如图1所示，一种需求响应资源聚类方法，初次运行时，包括如下步骤：

步骤1、对园区内所有资源前一日负荷进行离散傅里叶变换，并提取前五个傅里叶分量；

步骤2、对所提取的分量以及资源的其它特征量进行标准化，形成资源单日的标准特征向量；

步骤3、设置聚类中心和聚类结束条件，基于FCM算法以及资源单日的标准特征向量，对资源进行聚类，直至满足聚类结束条件。本发明基于FCM算法(模糊C均值(Fuzzy C-means)算法)以及资源单日的标准特征向量，对资源进行聚类；

步骤4、根据步骤3的聚类结果，每日对聚类进行更新。

优选，当非初次运行时，根据老化函数更新各资源的隶属度，并根据需求响应的调控效果，对聚类进行修正。

本发明提供一种需求响应资源聚类算法，属于电力***需求响应技术领域。该算法首先利用傅里叶级数，选取五维低频分量，实现了负荷信息的压缩和提取。然后结合资源的出力特性、响应特性等，用向量形式表示了需求响应资源。针对各分量方差不同的问题，通过向量的单位化，构建了响应资源的表示空间，并在该空间下定义了距离。随后，在需求响应场景下，构建了基于模糊C均值的资源聚类算法。最后，算法对***已执行的需求响应效果进行充分挖掘，利用老化函数、响应达标情况的评分，针对两种不同的达标情况表示方式，实现了资源聚类的修正。本发明能够突破传统的依据工、商、居民等信息的资源分类方式，实现响应资源的聚类，从而显著提升需求响应的效率，提高资源的响应达标率，下面进行详细介绍。

优选，步骤1中，根据下述公式提取前五个分量：

式中，p(n)为资源在时间点n的负荷值，N为资源一天的采样次数。

优选，步骤2包括如下步骤：

步骤201、用F_a1、F_b1、F_a2、F_b2分别表示单位化以后的分量，则：

步骤202、资源前一日的原始特征分量为：

(C_降,C_升,C_出力,S_响应,T_通知,F_a1,F_b1,F_a2,F_b2)

式中，C_降、C_升、C_出力分别表示资源的降负荷、升负荷、出力的能力；S_响应、T_通知分别表示资源响应的速度、提前通知的时长；

步骤203、对资源前一日的原始特征分量进行标准化，其中：

式中，σ_降表示所有资源的C_降所对应的方差，σ_升表示所有资源的C_升所对应的方差，σ_出力表示所有资源的C_出力所对应的方差，σ_响应表示所有资源的S_响应所对应的方差，σ_通知表示所有资源的T_通知所对应的方差，σ_a1表示所有资源的F_a1所对应的方差，σ_a2表示所有资源的F_a2所对应的方差，σ_b1表示所有资源的F_b1所对应的方差，σ_b2表示所有资源的F_b2所对应的方差；

步骤204、形成资源单日的标准特征向量为：

优选，步骤3具体包括如下步骤：

步骤301、用户设置分类数量c、各分类ψ_i的初始聚类中心c_i，最大循环次数s_max，以及初始隶属度μ_ij；

步骤302、利用步骤301获得的各聚类中心c_i′计算隶属度μ_ij′，其中，隶属度μ_ij′是资源θ_j属于分类ψ_i的程度，设资源θ_j的单日的标准特征向量为x_j：

式中，||·||表示两个特征向量的距离，以||x_j-c_i||为例：

步骤303、根据步骤302获得的隶属度μ_ij重新计算各聚类中心c_i′：

步骤304、设

表示第s轮计算得到的资源θ_j属于分类ψ_i的隶属度，计算

或者s≥s_max是否成立，其中ε是算法精度，可根据实际需要设定；s_max是最后一轮；

步骤305、如果上述

s≥s_max两个公式都不成立，则跳转至步骤302继续循环；只要有一个公式成立，则循环结束，资源θ_j对应的隶属度中，数值最大的隶属度即为资源θ_j对应的分类。

优选，步骤4中，根据前一日的负荷数据，每日进行更新，设

表示更新前的聚类中心，

表示更新后的聚类中心和隶属度，则更新算法如下：

优选，如图2所示，当非初次运行时，对执行过需求响应以后的资源隶属度进行修正，如果***只标记资源是否达标(0-1值方式)，设用户对已有分类中的几类执行了需求响应，则：

步骤401、如果资源θ'_j不达标，则老化函数f(t)为：

f(t)＝1-e^-t

其中，t表示需求响应事件距今的天数；

步骤402、对资源的隶属度按照下述公式进行更新：

其中，

其中，

表示修正后的隶属度，c'₁、c'₂…c'_d表示执行了需求响应的分类所对应的聚类中心。

如果***以得分方式表示资源的达标情况(分数值方式)，那么修正系数如下所示：

步骤501、修正系数f'_j(t)如下：

其中，s_j为相应资源的得分，σ为资源达标的分数；f(t)为老化函数；

步骤502、设置判决式Δ，按照下述公式计算：

步骤503、如果Δ≥1，那么隶属度的修正公式如下：

如果Δ＜1，修正隶属度按下述公式计算：

其中，

表示修正后的隶属度，c’₁、c’₂…c’_d表示执行了需求响应的分类所对应的聚类中心。

选择218个需求响应资源，涵盖居民用户、宾馆、营业厅、商场等几类，对这些资源的单日负荷提取特征分量，采用上述方法对需求响应资源聚类，图3是资源的特征分量提取前后的对比图。

对资源的特征分量进行标准化，得到每个资源的标准化特征分量：

计划将所有资源分为六类，包括多时段易调控用户(1类资源)、早峰易调控用户(2类资源)，午高峰易调控用户(3类资源)、晚高峰易调控用户(4类资源)、惰性用户(5类资源)以及储能设备(6类资源)。

利用FCM算法，得出1类资源有51个，2类资源有23个，3类资源有83个，4类资源有42个，5类资源有14个，6类资源有5个。此后，依据资源每日的负荷曲线，以及实际需求响应的情况，定期对用户的分类进行修正。

上述的需求响应资源聚类算法，综合考虑需求响应次数少、样本少的实际情况，结合资源的负荷曲线，实现了需求响应资源的聚类，相较于现有方法更加精确；本发明可以推广到解决其它类型的智能电网园区，也可以推广到包含智能设备的工业园区，有利于需求响应业务的拓展。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (2)

1.一种需求响应资源聚类方法，其特征在于，初次运行时，包括如下步骤：

步骤1、对园区内所有资源前一日负荷进行离散傅里叶变换，并提取前五个傅里叶分量；

步骤2、对所提取的分量以及资源的特征量进行标准化，形成资源单日的标准特征向量；

步骤3、设置聚类中心和聚类结束条件，基于FCM算法以及资源单日的标准特征向量，对资源进行聚类，直至满足聚类结束条件；

步骤4、根据步骤3的聚类结果，对聚类进行更新；

当非初次运行时，根据老化函数更新各资源的隶属度，并根据需求响应的调控效果，对聚类进行修正；

步骤1中，根据下述公式提取前五个分量：

式中，p(n)为资源在时间点n的负荷值，N为资源一天的采样次数；

步骤2包括如下步骤：

步骤201、用F_a1、F_b1、F_a2、F_b2分别表示单位化以后的分量，则：

步骤202、资源前一日的原始特征分量为：

(C_降,C_升,C_出力,S_响应,T_通知,F_a1,F_b1,F_a2,F_b2)

式中，C_降、C_升、C_出力分别表示资源的降负荷、升负荷、出力的能力；S_响应、T_通知分别表示资源响应的速度、提前通知的时长；

步骤203、对资源前一日的原始特征分量进行标准化，其中：

式中，σ_降表示所有资源的C_降所对应的方差，σ_升表示所有资源的C_升所对应的方差，σ_出力表示所有资源的C_出力所对应的方差，σ_响应表示所有资源的S_响应所对应的方差，σ_通知表示所有资源的T_通知所对应的方差，σ_a1表示所有资源的F_a1所对应的方差，σ_a2表示所有资源的F_a2所对应的方差，σ_b1表示所有资源的F_b1所对应的方差，σ_b2表示所有资源的F_b2所对应的方差；

步骤204、形成资源单日的标准特征向量为：

步骤3具体包括如下步骤：

步骤301、用户设置分类数量c、各分类ψ_i的初始聚类中心c_i，最大循环次数s_max，以及初始隶属度μ_ij；

步骤302、利用步骤301获得的各聚类中心c_i′计算隶属度μ_ij′，其中，隶属度μ_ij′是资源θ_j属于分类ψ_i的程度，设资源θ_j的单日的标准特征向量为x_j：

式中，||·||表示两个特征向量的距离；

步骤303、根据步骤302获得的隶属度μ_ij′重新计算各聚类中心c_i′：

步骤304、设

表示第s轮计算得到的资源θ_j属于分类ψ_i的隶属度，计算

或者s≥s_max是否成立，其中ε是算法精度,s_max是最后一轮；

步骤305、如果上述

s≥s_max两个公式都不成立，则跳转至步骤302继续循环；只要有一个公式成立，则循环结束，资源θ_j对应的隶属度中，数值最大的隶属度即为资源θ_j对应的分类；

根据前一日的负荷数据，每日进行更新，设

表示更新前的聚类中心，

表示更新后的聚类中心和隶属度，则更新算法如下：

当非初次运行时，对执行过需求响应以后的资源隶属度进行修正，如果***只标记资源是否达标，设用户对已有分类中的几类执行了需求响应，则：

步骤401、如果资源θ'_j不达标，则老化函数f(t)为：

f(t)＝1-e^-t

其中，t表示需求响应事件距今的天数；

步骤402、对资源的隶属度按照下述公式进行更新：

其中，

其中，

表示修正后的隶属度，c'₁、c'₂…c'_d表示执行了需求响应的分类所对应的聚类中心。

2.根据权利要求1所述的一种需求响应资源聚类方法，其特征在于，当非初次运行时，对执行过需求响应以后的资源隶属度进行修正，如果***以得分方式表示资源的达标情况，则：

步骤501、修正系数f'_j(t)如下：

其中，s_j为相应资源的得分，σ为资源达标的分数；f(t)为老化函数；步骤502、设置判决式Δ，按照下述公式计算：

步骤503、如果Δ≥1，那么隶属度的修正公式如下：

如果Δ＜1，修正隶属度按下述公式计算：

其中，

表示修正后的隶属度，c’₁、c’₂…c’_d表示执行了需求响应的分类所对应的聚类中心。

Images