一种对用户实施不同电价策略的聚类方法与流程

本发明属于电力电网领域，涉及一种对用户实施不同电价策略的聚类方法。

背景技术：

需求侧资源是由不同类型的电力用户组成的，不同类型的电力用户用电负荷特性、发展规律、对电能质量的要求、对需求侧经济刺激手段的敏感程度都存在差异。所以在需求侧管理中，需要在实施区域内针对不同用电需求、不同用电特性及行为的电力用户采用不同的电价实施方案。这种差别化的服务是要建立在用户不同需求的基础上，而对用户不同需求的分析，则是建立在用户聚类的基础上的。

用户聚类是要在电力企业收集和整理电力用户的用电相关信息的基础上，根据用户的用电特性、用电要求等方面的差异，将用户划分成若干个用户群的聚类过程。每一个聚类群中的电力用户不一定是完全一样的，但是都应该是在某一方面或是某几方面具有类似的共同点，分属不同聚类群中的电力用户应该具有明显的差异性，没有差异性的用户是没有必要进行聚类分析的。目前的聚类方法内容繁琐，结果不能很好地达到用户的需求。

技术实现要素：

有鉴于此，本发明的目的在于提供一种对用户实施不同电价策略的聚类方法，针对不同电价策略的用户提供聚类方法。

为达到上述目的，本发明提供如下技术方案：

一种对用户实施不同电价策略的聚类方法，该方法包括以下步骤：

s1：选取样本数据，包括用户的电量信息和电力信息；

s2：选定k-means算法作为聚类算法；

s3：分析聚类结果。

进一步，步骤s1中所述样本数据还包括同比去年电量波动率、环比上月电量波动率、典型日峰用电占比、典型日谷用电占比、典型日平用电占比、负荷率和季节用电占比。

进一步，所述k-means算法具体为：

s201：数据标准化：对聚类的各个样本数据进行数据标准化处理，以消除量纲不同带来的计算影响；在对样本数据变量进行处理时，对具有不同量纲单位的样本数据进行数据标准化处理，以消除标度的影响，数据标准化处理的方式为：其中，x′i为标准化后的样本数据，xi为样本数据，为样本数据的平均值，σ为样本数据的标准差；

s202：数据干扰项处理：对标准化后聚类的各个样本数据边界进行过滤以消除干扰；若标准化后的数据分布在3σ之外，则考虑滤除掉，滤除掉的数据用边界值代替；

s203：k-means聚类：在每个聚类集中选取一个聚类中心点，分别计算每个点到聚类中心的欧式距离，并将每个点分配到最接近其聚类中心的聚类集中，然后计算被分配到每个聚类的点的均值向量作为新的中心点；欧式距离公式为

s204：重复s203直至聚类不再发生变化为止。

进一步，所述s3具体为：通过对电力用户的聚类计算后，得到既定k个用户聚类集，同一聚类集中的用户之间相似性大，不同聚类集中的用户之间相似性较小；具体地，相同聚类集中的用户电力电量变化具有相似的变化规律，符合特定的电价实施方案。

进一步，所述特定的电价实施方案包括分时电价方案、可中断电价方案和高可靠性电价方案；

当用户的聚类结果特征为日负荷波动性大或负荷曲线有明显峰谷差别时，采用分时电价方案；

当用户的聚类结果特征为受电容量大、用电量相对稳定或电量变化与供电区域整体负荷的电量变化规律一致时，采用可中断电价方案；

当用户的聚类结果特征为用电量稳定、用电量波动小或对供电可靠性要求高时，采用高可靠性电价。

本发明的有益效果在于：本发明在聚类计算时，大大加快了收敛速度，使聚类集更紧凑，聚类方法简单，可针对不用用户的需求特征提供不同的电价策略基础。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为正太分布曲线图；

图2为需求侧管理实施对象匹配示意图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

一、基于对用户实施不同电价策略的聚类模型

对实施需求侧管理的用户进行聚类的目的是要与选择实施的目标相匹配，尤其是要从海量的用户用电信息中选择出相关的样本数据集，利用合适的聚类算法，挖掘出存在的自然子类的特定属性作为我们进行实施不同电价策略的判定依据。概括来说，这一过程主要包括样本数据选取、聚类算法选定和聚类结果分析等几个步骤。

1、样本数据选择

关于电力用户的信息多种多样，数据的选择与采集是确定电价实施策略难度很大的一项基础性工作，需要以最少量为原则采集那些必不可缺的数据。一般来说，用户的用电信息主要包括用户的属性类和计量类信息，属性类的如用户的供电电压等级、行业类别用电性质等离散型变量，计量类的如用户的用电量，最大负荷、电流、电压、功率因素等连续型变量。这些信息可以分别从电力企业的营销系统、调度自动化系统、计量自动化系统中获得。在实施不同电价策略时，最主要改变的用户的电量和电力，所以在进行用户聚类计算时主要考虑输入的样本数据就是用户电量信息和电力信息，对主要是表征用户基本属性的离散型变量，可以考虑在聚类结果分析中进行刻画时使用，在具体的聚类算法中就不引入，避免对聚类结果产生引导作用，弱化了重要信息的差异化区别。

在进行实施不同电价策略的用户聚类时，用户电量和电力的波动是进行聚类的基本计算数据，除了在各种系统中直接采集到的相关数据外，还可以增加一些在基础数据上稍作计算后得到的计算数据，基于对用户实施不同电价策略的用户聚类输入样本数据可以考虑包含如下一些类型：

(1)同比去年电量波动率

(2)环比上月电量波动率

(3)典型日峰用电占比

(4)典型日谷用电占比

(5)典型日平用电占比

(6)负荷率

(7)季节用电占比

电量的波动情况主要反映电力用户的生产生活用电的稳定性和可靠性；各时段的用电占比和负荷率可以反映出用户负荷曲线的波动情况；季节用电占比则是反映用户的用电特性是否与季节变化相关。

2、聚类算法选定

聚类算法有有多种，最为著名和常用的是k-means算法，它在算法运行前先确定了聚类的数量k，然后随机选取k各聚类中心，再根据欧式距离将每个点分配到最接近其均值的聚类中，然后再计算被分配到每个聚类的点的均值向量，并作为新的中心进行递归，直到聚类中的点不再发生变化为止。具体算法如下：

(1)数据标准化：对聚类的各个样本数据进行数据标准化处理，以消除量纲不同带来的计算影响。

在对样本数据变量进行处理时，如果每一个数据使用的是统一的量纲单位，就可以容易地进行聚类计算，但往往在进行聚类计算时，不一定都使用统一的量纲单位，如果直接计算，公式就是没有意义的，为了使公式有效，有必要对具有不同量纲单位的样本数据进行数据标准化处理，以消除标度的影响。数据标准化处理的方式为

xi'：标准化后的样本数据

xi：样本数据

样本数据的平均值

σ：样本数据的标准差

(2)数据干扰项处理：对标准化后聚类的各个样本数据边界进行过滤以消除干扰。

根据统计学原理，约99.7％数值分布在距离平均值有3个标准差之内的范围内，如图1所示。所以标准化后的数据如果分布在3σ之外，就考虑滤除掉，以免给后续计算带来干扰，滤除掉的数据可以考虑用边界值代替。

(3)k-means聚类：在每个聚类集中选取一个聚类中心点，分别计算每个点到聚类中心的欧式距离，并将每个点分配到最接近其聚类中心的聚类集中，然后计算被分配到每个聚类的点的均值向量作为新的中心点，欧式距离公式：

(4)重复(3)直至聚类不再发生变化为止。

由上述可见，k-means算法中聚类数量k是预先确定了的，而我们在进行不同实施电价方案的设计时，往往是多种方案需要选取不同的实施对象，不同电价方案的个数也是预先确定好了的，所以是选用k-means的典型情况。另外一方面，我们在进行聚类计算是是需要预先确定每个聚类的中心点，我们可以充分利用运行人员的实际经验，事先有针对性的将典型用户设置为聚类中心点，这样在进行聚类计算时，收敛速度会大大加快，聚类集就会有针对性的更紧凑。所以在进行实施不同电价方案的用户聚类计算时选择k-means聚类算法能发挥它的最大优点。

3、聚类结果分析

通过对电力用户的聚类计算后，可以得到既定k个用户聚类集，同一聚类集中的用户之间相似性大，不同聚类集中的用户之间相似性较小。具体来说相同聚类集中的用户电力电量变化应该具有相似的变化规律，就应该符合特定的电价实施方案，这就涉及到后面将分析的将聚类结果与不同实施电价方案相匹配的内容了。

二、用户聚类结果与不同电价方案的匹配

一般来说实施需求侧管理时常常采用的电价实施方案有分时电价、可中断电价与高可靠性电价方案，需要将实施对象与这三种电价方案进行匹配，即对实施用户的聚类分析结果与不同的电价方案做出相关性判断，为实施不同的电价方案提供决策依据。虽然这三种电价模型都是需求侧管理的重要措施，都是旨在通过有效的经济激励措施，引导电力用户改变用电方式和用电时间，从而改善负荷曲线形状，提高用户的用电效率，节约能源，使社会综合资源得到优化配置。但是三者之间还是有差异的，是不能互相替代的，选择何种方案是要根据方案的特点和对用户用电特性的聚类计算结果才能确定。

三种电价方案中，相对而言，分时电价的实施难度较小，几乎没有什么参与门槛限制，对电力企业来说，实施起来比较简单，但是由于削峰填谷的主动权掌握在电力用户手中，实施起来有明显的滞后性，即电力用户负荷曲线的调整效果不能短时间体现，如果在电力系统的电力供需形势极为紧张，高峰时段缺电显著的情况下，分时电价就不能在短期内解决矛盾。

可中断负荷电价的实施方案的目的比较明确，就是希望通过电费的补偿，使电力用户在负荷峰值期或紧急状态下按照合同要求中断或削减负荷，从而解决电力系统阶段性、季节性缺电的矛盾，实施的门槛值较高，都是中断潜力较大的大工业用户，对电力企业来说，实施起来要复杂些，要选择合适的参与用户、计算中断容量、确定中断时间和中断时段，要与这些用户签订合同，但是由于中断的主动权在电力企业手中，实施效果在短时间内就极为明显。

而高可靠性电价是一种考虑供电可靠性因素而制定的电价，是有别于现行的销售电价的，现行的电价是以量定价，而高可靠性电价则是以质定价，电价将随着供电可靠性的变化而变化，同时为了保证高可靠性电价执行的有效性，还要建立相应的可靠性经济赔偿机制：用户可以选择支付较高的电费获取较高的供电可靠性，反之，如果用户在分摊这部分成本之后，供电的可靠性水平未达到要求，电力企业就要承担中断供电对用户带来的停电损失，即电力企业要对用户进行可靠性经济赔偿。同时，电力用户也可以选择较低供电可靠性的供电方式，少支出电费，但是用户要自己承担中断供电带来的停电损失。可以看出高可靠性电价和可靠性经济赔偿机制的实施对供电方和用电方都有利的事情。

在对三种电价方案进行对比分析之后，就需要对电力用户的聚类结果也进行用电特性分析，分析与不同电价方案之间的相关性，才能作为实施需求侧管理的决策依据。根据对三种需求侧管理方案的分析，可以得出对应匹配的实施用户应该具有的用电特性，如图2所示。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。