本发明涉及电力领域，特别是涉及一种获取用电负荷基准量的方法和系统。
背景技术：
用电负荷基准量对于需求响应十分关键，是确定用户响应量的基础；如何确定用户用电负荷基准量直接关系到电力负荷削减量的测量和验证，是电网公司与用户之间利益平衡的基础，用电负荷基准量主要用于核算负荷削减量和需求响应的过程监测。
当前用电负荷基准量都是反映响应时段内的平均负荷，在需求响应执行过程难以判断用户的响应情况，特别是用电负荷波动较大的工业用户。
技术实现要素：
基于此，有必要针对现有技术中在需求响应执行过程中难以判断用户的响应情况的问题，提供一种获取用电负荷基准量的方法和系统。
一种获取用电负荷基准量的方法，包括以下步骤：
获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
根据用电历史负荷进行聚类处理获得聚类负荷；
获取当日响应时段前的用户用电负荷，记为样本负荷；
根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
根据差值最小的聚类负荷输出用电负荷基准量。
在其中一个实施例中，所述根据用电历史负荷进行聚类处理获得聚类负荷的步骤包括：
将用电历史负荷进行顺序排列，取用电历史负荷中值为聚类负荷中心点；
根据所述聚类负荷中心点和用电历史负荷进行聚类处理获得聚类负荷。
在其中一个实施例中，还包括以下步骤：
在根据用电历史负荷进行聚类处理前，将用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出聚类负荷前，将聚类负荷以当日响应时段前负荷均值为基准进行归一化处理；
在利用距离法对比聚类负荷和样本负荷前，将样本负荷以当日响应时段前负荷均值为基准进行归一化处理；
在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原。
在其中一个实施例中，所述根据所述聚类中心点和用电历史负荷进行聚类处理获得聚类负荷的步骤包括以下步骤：
根据聚类负荷中心点和用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，直至剩余聚类负荷不满足合并条件，则输出处理后的聚类负荷。
在其中一个实施例中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
将一天24小时划分为n个周期，判断每一个周期是否满足周期合并条件，若n个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
|dismax1[h]-dismax2[h]|＜dismax[h]*p；
|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于n的正整数，p为预设聚类调整参数。
在其中一个实施例中，还包括：
在根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷之前，剔除输出处理后的聚类负荷中小于或等于总用电历史负荷5％的负荷。
在其中一个实施例中，所述距离法包括欧式距离法或曼哈顿距离法。
一种获取用电负荷基准量的系统，其特征在于，包括：
历史负荷获取模块，用于获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
样本负荷获取模块，用于获取当日响应时段前的用户用电负荷，记为样本负荷；
异常剔除模块，用于剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
归一化模块，用于以当日响应前负荷均值为基准处理用电历史负荷、聚类负荷和样本负荷；
聚类处理模块，用于根据用电历史负荷进行聚类处理获得聚类负荷；
聚类负荷对比模块，用于根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
归一化还原模块，用于在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原；
用电负荷基准量输出模块，用于根据差值最小的聚类负荷输出用电负荷基准量。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述获取用电负荷基准量方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述获取用电负荷基准量方法的步骤。
上述的一个技术方案中具有以下效果和优点：
本发明的一种获取用电负荷基准量的方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，上述方法获取的用电负荷基准量更加接近现实中的负荷变化。
附图说明
图1为一种获取用电负荷基准量的方法示意图；
图2为实施例中获取用电负荷基准量的方法第一示意图；
图3为实施例中获取用电负荷基准量的方法第二示意图；
图4为实施例中获取用电负荷基准量的方法第三示意图；
图5为实施例中判断选取的两个聚类负荷是否满足合并条件过程的示意图；
图6为实施例中两个聚类负荷周期h是否满足周期合并条件过程的示意图；
图7为一种获取用电负荷基准量的系统示意图；
图8为佛山某工业用户2016年第一季度和第二季度的用电历史负荷示意图；
图9为归一化处理后的用电历史负荷示意图；
图10为聚类处理后输出的聚类负荷示意图；
图11为2016年6月30日的样本负荷示意图；
图12为归一化处理后的样本负荷示意图；
图13为归一化处理后的聚类负荷示意图；
图14为归一化的0:00-10:00时段的样本负荷与归一化聚类负荷距离法比较示意图；
图15为输出的用电负荷基准量示意图；
图16为实施例获得的用电负荷基准量和平均值法获得的用电负荷基准量分别与样本实际负荷对比的示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
响应为电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。响应作为需求侧管理的重要部分，将用户侧的负荷资源作为供应侧能源的可替代资源，通过电价变化或直接补偿的手段促使用户改变固有的用电模式，能够有效保障电网稳定。
在基于激励的响应项目中，基线负荷是指根据用户的历史负荷数据估算得到的负荷，体现出用户在未参与需求响应项目实施机构为用户进行补偿的重要依据。如何确定用户用电负荷基准量是直接关系到电力负荷削减量的测量和验证，是电网公司与用户之间利益平衡的基础。
如图1所示，本实施例提供一种获取用电负荷基准量的方法，包括以下步骤：
步骤s102：获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
其中，设定时间的用电负荷数据是指在发生响应当日之前的用电负荷数据；
步骤s104：剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
其中，非典型日为非工作日，例如周末以及节假日；
步骤s106：根据用电历史负荷进行聚类处理获得聚类负荷；
其中，聚类处理包括k-means聚类处理、k-medoids聚类处理或clarans聚类处理。
步骤s108：获取当日响应时段前的用电负荷，记为样本负荷；
步骤s110：根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
步骤s112：根据差值最小的聚类负荷输出用电负荷基准量。
由于传统技术中常采用平均值的方法获取相应时段内的平均负荷，根据平均值方法获得的用电负荷基准量精确度较低，且不能体现出每个时刻波动较大的用户的基准量，得到的用电负荷基准量与实际生产中的差值较大。
在上述实施例中，通过聚类方法对历史用电负荷进行处理，使波动较大的负荷情况能够在输出的聚类负荷中体现；同时剔除大于设定阈值和非典型日的用电历史负荷，减少异常负荷在聚类处理过程中的影响，使得到的聚类负荷更加接近实际生产中的负荷变化；另外，引入当日响应时段前的用电负荷进行比较，使得到的负荷基准量负荷当日的负荷变化，更准确确定当日响应时段的用电负荷变化量。
在其中一个实施例中，步骤s106根据用电历史负荷进行聚类处理获得聚类负荷的步骤包括：
步骤s122：将用电历史负荷进行顺序排列，取用电历史负荷中值为聚类负荷中心点；
步骤s124：根据所述聚类负荷中心点和用电历史负荷进行聚类处理获得聚类负荷。
上述实施例中，采用顺序排列后的中值作为聚类负荷中心点，避免了传统技术中随机选取中心点导致的数据资源浪费，精确度低的问题，提高了聚类处理获得聚类负荷的精确度。
在其中一个实施例中，还包括以下步骤：
步骤s142：在根据用电历史负荷进行聚类处理前，将用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤s144：在输出聚类负荷前，将聚类负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤s146：在利用距离法对比聚类负荷和样本负荷前，将样本负荷以当日响应时段前负荷均值为基准进行归一化处理；
步骤s148：在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原。
上述实施例中，采用归一化处理消除负荷数据分析中不同量纲和不同量纲单位的影响；并且采用归一化处理后负荷被限定在某一范围之内，为后续的聚类处理过程加快了收敛速度，提高聚类处理的效率。
在其中一个实施例中，步骤s124根据所述聚类中心点和用电历史负荷进行聚类处理获得聚类负荷的步骤包括以下步骤：
步骤s181：根据聚类负荷中心点和用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
步骤s184：从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，
步骤s185：直至剩余聚类负荷不满足合并条件，则输出处理后的聚类负荷。
上述实施例中，在聚类负荷个数到达预设个数时，对任意两个满足合并条件的聚类负荷合并为一个聚类负荷，直至剩余聚类负荷都不满足合并条件后输出都不满足合并条件的聚类负荷，使输出的聚类负荷避免聚类负荷预设个数不当，造成后续比较过程的冗余步骤，使输出的聚类负荷更加接近实际生产中的负荷。
如图5和图6所示，在其中一个实施例中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
步骤s202：将一天24小时划分为n个周期，判断每一个周期是否满足周期合并条件，若n个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
步骤s301：对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
步骤s302：将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
步骤s303-步骤s305：若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
第一聚类负荷的h周期极差和第二聚类负荷的h周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h+1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h-1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于n的正整数，p为预设聚类调整参数。
其中，n为预设的周期数，用户可以根据实际情况设定不同的周期数，例如24、36或48。
其中p为预设的聚类调整参数，根据聚类预设个数调试得到，与聚类预设个数以及用户量有关，其中，预设1万个用户对应的预设聚类调整参数p＝0.2。
具体的，例如步骤s202将一天24小时划分为n个周期，选取两个聚类负荷记为第一聚类负荷和第二聚类负荷，步骤s204设h等于1，判断其中周期h是否满足周期合并条件，若周期h满足周期合并条件，步骤s206判断h是否等于n；若h等于n，则第一聚类负荷与第二聚类负荷满足合并条件；若h不等于n，则循环将h递增1，继续判断周期h是否满足周期合并条件。
在其中一个实施例中，还包括：
在步骤s110根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷之前，
步骤s192：剔除输出处理后的聚类负荷中小于或等于用电历史负荷5％的负荷。
上述实施例中，通过剔除小于用电历史负荷5％的负荷，实质上剔除了聚类负荷中的特殊负荷，使输出的聚类负荷更具有普遍性，更符合实际生产中的负荷。
在其中一个实施例中，距离法包括欧式距离法或曼哈顿距离法。
为了更好的说明上述获取用电负荷基准量的方法，以下通过一个具体实施例说明获取用电负荷基准量的方法。
选取佛山某工业用户2016年第一季度和第二季度的用电负荷作为用电历史负荷，其用电历史负荷如图6所示，其中横坐标表示时间(对应一天24小时)，纵坐标表示对应时刻的用电负荷。
剔除用电历史负荷的异常负荷，其中异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷，其中，非典型日包括周末以及节假日。
对剔除异常负荷后的用电历史负荷以当日响应时段前负荷均值为基准进行归一化处理，归一化处理后的用电历史负荷如图7所示，其中横坐标表示时间(对应一天24小时)，纵坐标表示对应时刻的归一化用电负荷。
将归一化的用电历史负荷进行顺序排列，取用电历史负荷的中值作为聚类负荷的中心点，根据聚类负荷中心点和归一化的用电历史负荷重复进行二分聚类，直至二分聚类后的实际聚类负荷个数等于预设个数；
其中，若实际聚类负荷的个数没有达到预设个数，对其进行聚类个数为2的聚类处理，形成两个聚类负荷；若实际聚类负荷的个数仍没有达到预设个数，则分别对上述的两个聚类负荷进行个数为2的聚类处理，计算任意选取的三个聚类负荷的负荷到聚类负荷中值的误差平方和，对另外三个类的误差平方和再求和，记录此时的总误差平方和sse1；再对任意选取的另外三个聚类负荷的负荷到聚类负荷中值的误差平方和，对另外三个类的误差平方和再求和，记录此时的总误差平方和sse2，比较sse1和sse2的大小，保留误差平方和最小的聚类负荷，直至实际聚类负荷个数等于预设个数。
从预设个数的聚类负荷任意选取两个满足合并条件的聚类负荷合并为一个聚类负荷，并根据合并后的聚类负荷取平均值生成合并后聚类负荷的中心点，直至剩余聚类负荷不满足合并条件；
其中，判断选取的两个聚类负荷是否满足合并条件的过程包括以下步骤：
将一天24小时划分为24个周期，判断每一个周期是否满足周期合并条件，若24个周期都满足周期合并条件，则判定选取的两个聚类负荷满足合并条件；
其中，判断每一个周期是否满足周期合并条件的步骤包括：
对于任意一个周期h，获取聚类处理前用电历史负荷在周期h的极差dismax[h]；
将选取的两个聚类负荷记为第一聚类负荷和第二聚类负荷，获取第一聚类负荷在周期h的极差dismax1[h]；获取第二聚类负荷的在周期h的极差dismax2[h]、在周期(h+1)的极差dismax2[h+1]和在周期(h-1)的极差dismax2[h-1]；
若以下三个条件式中任意一个条件式满足，则判定周期h满足周期合并条件：
第一聚类负荷的h周期极差和第二聚类负荷的h周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h+1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h+1]|＜dismax[h]*p；
第一聚类负荷的h周期极差与第二聚类负荷的(h-1)周期极差的差值小于dismax[h]*p，即|dismax1[h]-dismax2[h-1]|＜dismax[h]*p；
其中，h为小于或等于24的正整数，p为预设聚类调整参数。
其中，本实施例中，预设的周期数n＝24；
其中p为预设的聚类调整参数，根据聚类预设个数调试得到，与聚类预设个数以及用户量有关，其中，预设1万个用户对应的预设聚类调整参数p＝0.2。
剔除输出处理后的聚类负荷中小于或等于用电历史负荷5％的负荷，输出如图8所示的聚类负荷。
如图9所示，获取当日响应时段前的用电负荷，记为样本负荷，其中当日响应时段为2016年6月30日(周四)10:00-12:00；
将样本负荷以当日0:00-10:00的负荷均值为基准进行归一化处理，基准值m＝361，归一化的样本负荷如图10所示。
将图8所示输出的聚类负荷再以当日0:00-10:00时段的负荷均值为基准进行归一化处理，归一化后的聚类负荷如图11所示。
将归一化的当日响应时段前，即0:00-10:00时段的样本负荷与归一化的聚类负荷采用欧式距离法进行比较，匹配得到距离最小的聚类负荷，如图12所示，其中聚类5*为距离最小的聚类负荷。
根据聚类5*与归一化基准值m＝361进行归一化复原，得到用电负荷基准量，如图13所示。
其中，分别将本实施例得到的用电负荷基准量和平均值法得到的用电负荷基准量与样本实际负荷进行对比，如图14所示，其中平均值法得到的用电负荷基准量的拟合最大偏差为147.61kw，占最高负荷的13.75％，与实际负荷的标准差为78.37kw，其中，最大偏差小于最高负荷的占比73.8％，最大偏差大于最高负荷10％且最高负荷小于20％的占比18.0％，最大偏差大于最高负荷20％的占比8.3％；而本实施例得到的用电负荷基准量的拟合最大偏差为106.22kw，占最高负荷的8.74％，与实际负荷的标准差为46.14kw，其中，最大偏差小于最高负荷的占比85.2％，最大偏差大于最高负荷10％且最高负荷小于20％的占比11.5％，最大偏差大于最高负荷20％的占比3.3％。明显本实施例得到的用电负荷基准量比平均值法获得的用电负荷基准量更加接近实际生产中的负荷变化，使获得的用电负荷基准量更加精确，更利于保障电网稳定。
一种获取用电负荷基准量的系统，包括：
历史负荷获取模块201，用于获取用电历史负荷，所述用电历史负荷为设定时间的用电负荷数据；
样本负荷获取模块205，用于获取当日响应时段前的用户用电负荷，记为样本负荷；
异常剔除模块202，用于剔除用电负荷数据中的异常负荷，所述异常负荷包括大于设定阈值的用电历史负荷和非典型日的用电历史负荷；
归一化模块203，用于以当日响应前负荷均值为基准处理用电历史负荷、聚类负荷和样本负荷；
聚类处理模块204，用于根据用电历史负荷进行聚类处理获得聚类负荷；
聚类负荷对比模块206，用于根据距离法对比所述聚类负荷和所述样本负荷获得与所述样本负荷差值最小的聚类负荷；
归一化还原模块207，用于在输出用电负荷基准量前，将距离最小的聚类负荷以当日响应时段前负荷均值为基准进行归一化复原；
用电负荷基准量输出模块208，用于根据差值最小的聚类负荷输出用电负荷基准量。
上述实施例中，历史负荷获取模块与样本负荷获取模块获取用电历史负荷和样本负荷，经过异常剔除模块的处理，剔除非工作日的负荷，减少非工作日负荷对工作日负荷基准量的影响；经过归一化模块的处理，使用电历史负荷与样本负荷统一量纲，并且限定在某一范围内，加快聚类的收敛速度；经过聚类处理模块处理用电历史负荷得到接近实际生产的聚类负荷，并通过聚类负荷比对模块与样本负荷比较，得到距离最小的聚类负荷，并通过归一化还原模块还原，最终通过用电负荷基准量输出模块输出，使输出的用电负荷基准量根据历史聚类数据最接近样本负荷当日的负荷变化，更好得到响应过程的负荷变化。
上述一种获取用电负荷基准量的系统可执行本发明实施例所提供的获取用电负荷基准量方法，具备执行方法相应的功能模块和有益效果。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述获取用电负荷基准量方法的步骤。
上述一种计算机设备可执行本发明实施例所提供的获取用电负荷基准量方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，获取的用电负荷基准量更加接近现实中的负荷变化。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述获取用电负荷基准量方法的步骤。
上述一种计算机可存储介质可执行本发明实施例所提供的获取用电量负荷基准量方法，通过对用电历史负荷剔除异常数据后进行聚类处理获取聚类负荷，并与当日响应前的用户用电负荷，即样本负荷进行比对，更加准确地获取用电负荷的基准量，特别对于负荷波动比较大的工业用户，获取的用电负荷基准量更加接近现实中的负荷变化。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，该程序在执行时，包括以上方法所述的步骤，所述的存储介质，如：rom/ram、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。