CN107656898B - 一种需求响应资源聚类方法 - Google Patents
一种需求响应资源聚类方法 Download PDFInfo
- Publication number
- CN107656898B CN107656898B CN201710958627.1A CN201710958627A CN107656898B CN 107656898 B CN107656898 B CN 107656898B CN 201710958627 A CN201710958627 A CN 201710958627A CN 107656898 B CN107656898 B CN 107656898B
- Authority
- CN
- China
- Prior art keywords
- resource
- resources
- clustering
- representing
- demand response
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 20
- 230000032683 aging Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Discrete Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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
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Fa1、Fb1、Fa2、Fb2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,Fa1,Fb1,Fa2,Fb2)
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,σa1表示所有资源的Fa1所对应的方差,σa2表示所有资源的Fa2所对应的方差,σb1表示所有资源的Fb1所对应的方差,σb2表示所有资源的Fb2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ψi的初始聚类中心ci,最大循环次数smax,以及初始隶属度μij′;
步骤302、利用步骤301获得的各聚类中心ci′计算隶属度μij′,其中,隶属度μij′是资源θj属于分类ψi的程度,设资源θj的单日的标准特征向量为xj:
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μij重新计算各聚类中心ci′:
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:
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,sj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:
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Fa1、Fb1、Fa2、Fb2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,Fa1,Fb1,Fa2,Fb2)
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,σa1表示所有资源的Fa1所对应的方差,σa2表示所有资源的Fa2所对应的方差,σb1表示所有资源的Fb1所对应的方差,σb2表示所有资源的Fb2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ψi的初始聚类中心ci,最大循环次数smax,以及初始隶属度μij;
步骤302、利用步骤301获得的各聚类中心ci′计算隶属度μij′,其中,隶属度μij′是资源θj属于分类ψi的程度,设资源θj的单日的标准特征向量为xj:
式中,||·||表示两个特征向量的距离,以||xj-ci||为例:
步骤303、根据步骤302获得的隶属度μij重新计算各聚类中心ci′:
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:
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,sj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:
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Fa1、Fb1、Fa2、Fb2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,Fa1,Fb1,Fa2,Fb2)
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,σa1表示所有资源的Fa1所对应的方差,σa2表示所有资源的Fa2所对应的方差,σb1表示所有资源的Fb1所对应的方差,σb2表示所有资源的Fb2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ψi的初始聚类中心ci,最大循环次数smax,以及初始隶属度μij;
步骤302、利用步骤301获得的各聚类中心ci′计算隶属度μij′,其中,隶属度μij′是资源θj属于分类ψi的程度,设资源θj的单日的标准特征向量为xj:
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μij′重新计算各聚类中心ci′:
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:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710958627.1A CN107656898B (zh) | 2017-10-16 | 2017-10-16 | 一种需求响应资源聚类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710958627.1A CN107656898B (zh) | 2017-10-16 | 2017-10-16 | 一种需求响应资源聚类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107656898A CN107656898A (zh) | 2018-02-02 |
CN107656898B true CN107656898B (zh) | 2020-11-10 |
Family
ID=61118466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710958627.1A Active CN107656898B (zh) | 2017-10-16 | 2017-10-16 | 一种需求响应资源聚类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107656898B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636087B (zh) * | 2018-10-24 | 2023-01-24 | 中国电力科学研究院有限公司 | 一种需求响应资源动态分群方法及*** |
CN109902949A (zh) * | 2019-02-22 | 2019-06-18 | 云南电网有限责任公司 | 一种需求响应资源分类方法 |
CN116663854B (zh) * | 2023-07-24 | 2023-10-17 | 匠人智慧(江苏)科技有限公司 | 一种基于智慧园区的资源调度管理方法、***及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675610A (zh) * | 2013-09-29 | 2014-03-26 | 国家电网公司 | 局部放电在线检测中的特征因子提取方法 |
CN104376402A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于频域指标的负荷特性分类与综合方法 |
CN106410781A (zh) * | 2015-07-29 | 2017-02-15 | 中国电力科学研究院 | 一种电力用户需求响应潜力确定方法 |
-
2017
- 2017-10-16 CN CN201710958627.1A patent/CN107656898B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675610A (zh) * | 2013-09-29 | 2014-03-26 | 国家电网公司 | 局部放电在线检测中的特征因子提取方法 |
CN104376402A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于频域指标的负荷特性分类与综合方法 |
CN106410781A (zh) * | 2015-07-29 | 2017-02-15 | 中国电力科学研究院 | 一种电力用户需求响应潜力确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107656898A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107656898B (zh) | 一种需求响应资源聚类方法 | |
CN109766950B (zh) | 一种基于形态聚类和LightGBM的工业用户短期负荷预测方法 | |
CN102521656B (zh) | 非平衡样本分类的集成迁移学习方法 | |
CN109657844A (zh) | 电力短期负荷预测方法和装置 | |
CN109492748B (zh) | 一种基于卷积神经网络的电力***的中长期负荷预测模型建立方法 | |
CN104391879B (zh) | 层次聚类的方法及装置 | |
CN111325248A (zh) | 降低贷前业务风险的方法及*** | |
CN108268872B (zh) | 一种基于增量学习的鲁棒非负矩阵分解方法 | |
CN105719045A (zh) | 留任风险确定器 | |
CN109685649A (zh) | 基于人工智能确定授信额度的方法、装置及存储介质 | |
CN102129574B (zh) | 一种人脸认证方法及*** | |
CN104408479A (zh) | 一种基于深度局部特征描述符的海量图像分类方法 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN110634288B (zh) | 基于三元高斯混合模型的多维城市交通异常事件识别方法 | |
CN111104541A (zh) | 一种高效的人脸图片检索方法及装置 | |
CN106919808A (zh) | 基于变步长最小均方误差自适应滤波器的基因识别*** | |
CN108808657B (zh) | 一种电力负荷短期预测方法 | |
CN111275128B (zh) | 图像识别模型训练方法及***和图像识别方法 | |
CN109871403B (zh) | 基于产业供应链的工业大数据分析方法 | |
CN110084498B (zh) | 一种服务端的派工方法、装置、计算机设备及存储介质 | |
CN104468276A (zh) | 基于随机抽样多分类器的网络流量识别方法 | |
JPH10143613A (ja) | パタン認識方法 | |
CN106548301A (zh) | 电力用户聚类方法及装置 | |
CN109784748A (zh) | 一种市场竞争机制下用户用电行为辨识方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |