一种用户需求响应潜力画像方法与流程

本发明涉及电力系统用户需求相应分析方法，特别是涉及一种用户需求响应潜力画像方法。
背景技术：
：由于各用户的负荷类型，负荷重要程度、负荷可中断性等存在较大差异，各不同类型用户对日期类型、温度、价格、政策的敏感度也各不相同，导致了不同用户在具体实施需求响应中潜力的多样性。为了更加精确有效地聚集需求响应资源，发掘响应潜能。有必要基于对数据的深入分析，提炼出用户用电模式的共性特征和共同规律，并将此作为指标对需求响应潜力进行量化。根据量化结果为需求响应的具体实施提供依据，真正实现信息和电能的交互。要实现对用户需求响应潜力的量化，首要任务是需要建立多指标评价体系。目前国内已经有诸多的学者对这方面进行了研究，但是研究的大多数涉及需求响应方式单一，评价体系参量的设定较少，不能充分、全面地对用户的用电模式进行反映，不足以对用户的用电规律进行全面概括，对基于评价体系得到的结果也缺乏深入的研究和分析。技术实现要素：发明目的：为解决现有技术的不足，提供一种用户需求响应潜力画像方法，该方法能够为需求响应的评估和实施提供可靠的依据。技术方案：为了达到上述发明目的，本发明的技术方案是：一种用户需求响应潜力画像方法，包括以下步骤：(1)通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；(2)利用统计平均方法和向量规范化方法相结合的方法，对负荷特性指标进行去量纲化和归一化处理；(3)利用熵权法，分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；(4)结合加权后的指标评价体系，根据逼近理想解排序方法(topsis)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；(5)利用近邻传播算法(ap)，按照用户综合潜力量化值进行聚类，将用户细分为不同特征群，实现对用户需求响应潜力的画像。进一步的，步骤(1)中，按照不同的时间尺度，可以将指标评价体系按照需求响应方式分为轮休指标评价体系、错时指标评价体系和避峰指标评价体系，其中，轮休指标评价体系包含两个特性指标和一个经济指标，错时指标评价体系包含三个特性指标和一个经济指标，避峰指标评价体系包含三个特性指标和一个经济指标；不同指标评价体系的特性指标各不相同，而经济指标是三种指标评价体系的共有指标。可选的，轮休指标评价体系的特性指标包括周休负荷α11和周休负荷下降率α12，其中，周休负荷计算公式为：其中，为用户工作日的日负荷的平均值，为用户周末的日负荷的平均值；周休负荷下降率计算公式为：可选的，错时指标评价体系的特性指标包括波动率α21、错时负荷α22和峰谷差率α23，其中，波动率计算公式为：α21＝σ/μ(3)；其中，σ为用户典型日负荷曲线的标准差，μ为用户典型日负荷曲线的负荷均值；错时负荷计算公式为：α22＝(ppeak-min(padvance,pdelay))(4)；其中，ppeak全省高峰时刻用户的负荷值，padvance和pdelay分别是全省高峰时刻提前t1小时和推迟t2小时的用户负荷值，t1、t2根据电网高峰时段持续的时间来确定，高峰时段认为是负荷值大于95％ppeak所持续的时段；峰谷差率计算公式为：α23＝(pmax-pmin)/pmax(5)；其中，pmax、pmin分别为用户典型日的负荷曲线的最高负荷和最低负荷。可选的，避峰指标评价体系的特性指标包括峰时平均负荷差异系数α31、最大负荷与温度相关性α32和避峰负荷α33，其中，峰时平均负荷差异系数的计算公式为：其中，为高峰时段用户负荷的平均值，为用户全天负荷平均值pmax全天最大负荷；避峰负荷计算公式为：α33＝ppeak-psafe(7)；其中，ppeak全省高峰时刻用户的负荷值，psafe是保证安全生产的安保负荷。可选的，经济指标包括单位电量成本α41，计算公式为：α41＝ctotal/wtotal(8)；其中，ctotal为用户的年生产总值，wtotal为用户的年总用电量。进一步的，步骤(2)中，对各指标进行去量纲化和归一化处理，其中指标包括各指标评价体系中的特性指标和经济指标，具体方法为：1)统计平均法：式中，mij是经统计平均法处理后第i个用户的第j个指标的值，yij是第i个用户的第j个指标的值，是各用户指标j的均值，m为用户个数，m的取值可以在0.5-0.75之间，为第j个指标的最大值；2)向量规范化法：式中，mij是经统计平均法处理后第i个用户的第j个指标的值；zij是经向量规范化法处理后的第i个用户的第j个指标的值。进一步的，步骤(3)中，熵权法求取不同指标的权重的方法为：(31)对经预处理后的指标评价矩阵按列进行归一化处理，得：其中，i＝1,2,...,m，j＝1,2,...,n，每列的(32)按列计算第j个指标的熵式中，i＝1,2,...,m，j＝1,2,...,n，其中(33)计算第j个指标的差异系数gjgj＝1-ej(13)；其中，j＝1,2,...,n，差异系数和熵相反，差异系数越大说明指标之间的差别越大，对决策的作用越大，因此相应的权重就要大；(34)确定权重，第j个指标的权重为：式中，j＝1,2,...,n。进一步的，步骤(4)中根据第i个用户第j个指标的客观权重ωij确定该用户的加权指标值kij＝zijωj，然后根据逼近理想解排序方法(topsis)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值，实现对用户的排序，具体为：设正理想解k*的第j个指标值为负理想解k0第j个指标值为则效益型指标为：成本型指标为：计算用户各指标值到正理想解与负理想解的距离；用户i的指标值到正理想解的距离为：式中，i＝1,2,...,m；用户i的指标值到负理想解的距离为：式中，i＝1,2,...,m；计算各用户的综合潜力量化值ri为：其中，i＝1,2,...,m。进一步的，根据步骤(4)中求得的轮休、错时和避峰三种需求响应综合潜力量化值，利用近邻传播算法(ap)进行三维聚类分析。将不同用户的轮休、错时、避峰三种需求响应综合潜力量化值作为近邻传播算法(ap)的输入值，通过ap算法将轮休、错时、避峰三种需求响应综合潜力量化值类似的用户聚为一类，从而将用户细分为不同特征群，对不同特征群的特征进行概括描述，实现对用户需求响应潜力的画像。有益效果：与现有技术相比，本发明提出的一种用户需求响应潜力画像方法，对用户的用电规律进行全面概括，充分考虑用户类型的多样化，更加精细化的反映用户的用电行为，充分辨识其响应特性，形成针对用户需求响应潜力的全面、完整、科学的画像，提高需求响应执行效率。附图说明图1是用户需求响应潜力画像流程图；图2是典型用户综合量化值聚类图。具体实施方式下面结合附图和具体实施方式对本发明作进一步详细说明：如图1所示，本发明提出的一种用户需求响应潜力画像方法，包括以下步骤：步骤1：通过数据挖掘，充分提取用户在不同时间尺度下的用电特征，形成指标评价体系；按照不同的时间尺度，可以将指标评价体系分为轮休指标评价体系、错时指标评价体系和避峰指标评价体系。其中，轮休指标评价体系包含两个特性指标和一个经济指标，错时指标评价体系包含三个特性指标和一个经济指标，避峰指标评价体系包含三个特性指标和一个经济指标；特性指标是用于反映不同的需求响应方式的特点，不同指标评价体系的特性指标各不相同；而经济指标是三种需求响应方式的共有指标，反映由于实施需求响应带来的不可避免的经济损失。其中轮休指标评价体系的特性指标包括周休负荷α11和周休负荷下降率α12。对于有周休安排的用户，通常休息的时间都是周六周日，此时周末的负荷会较工作日的负荷有所下降，将下降的值定义为周休负荷。周休负荷是一个绝对的值，越大的话表明用户具有明显轮休潜力，应该优先安排进行轮休。公式为：其中，为用户工作日的日负荷的平均值，为用户周末的日负荷的平均值。周休负荷下降率反映的是周末负荷较工作日负荷下降的程度，是一个反映轮休潜力的相对值。同样地，周休负荷下降率越大，表明用户轮休特征显著，定义为：错时指标评价体系的特性指标包括波动率α21、错时负荷α22和峰谷差率α23。波动率反映的是负荷曲线的波动情况，定义为用户典型负荷曲线的标准差除以平均值。用标准差除以平均值能够有效消除单位和平均值不同对波动性比较的影响。波动率越大的话，说明该用户的负荷曲线起伏越大，进行错时错峰的可靠性就越高，相应的潜力也就越大。其表达式为：α21＝σ/μ(3)；其中，σ为用户典型日负荷曲线的标准差，μ为用户典型日负荷曲线的负荷均值。错时负荷是指在用电高峰时段有计划减少的用电量，通过错时能够有效减少全网高峰时段的用电负荷。具体公式为：α22＝(ppeak-min(padvance,pdelay))(4)；其中，ppeak全省高峰时刻用户的负荷值，padvance和pdelay分别是全省高峰时刻提前t1小时和推迟t2小时的用户负荷值，t1、t2根据电网高峰时段持续的时间来确定，高峰时段认为是负荷值大于95％ppeak所持续的时段。峰谷差率是指用户典型日负荷曲线的最高负荷与最低负荷之差占最高负荷的比重。具体公式为：α23＝(pmax-pmin)/pmax(5)；其中，pmax、pmin分别为用户典型日的负荷曲线的最高负荷和最低负荷。避峰指标评价体系的特性指标包括峰时平均负荷差异系数α31、最大负荷与温度相关性α32和避峰负荷α33。若一个用户具有较大的避峰潜力，那么其在全网负荷的高峰时段必然有相对较高的负荷，推动全网负荷高峰的形成。因此定义峰时平均负荷差异系数为高峰时段用户负荷的平均值除以全天最大负荷与用户全天负荷平均值除以全天最大负荷的差。该指标值大于零时反映用户对全网高峰负荷的形成有贡献，越大表示贡献越大，其相应的避峰潜力也就越大。具体公式为：其中，为高峰时段用户负荷的平均值，为用户全天负荷平均值pmax全天最大负荷。通过计算最大负荷与温度的相关性可以间接反映负荷高峰是否是由温控负荷造成的。相关性越高，表明负荷大部分是温控负荷，而由于关停温控负荷的措施方便快捷，同时造成的经济影响小，对于这样的用户应该优先安排实施避峰类型的需求响应。避峰负荷是指用户在用电高峰时段，通过紧急关停设备所快速下降的负荷量。但并不表示降至零，为了保证生产安全，最多降至安保负荷。其公式为：α33＝ppeak-psafe(7)；其中，ppeak全省高峰时刻用户的负荷值，psafe是保证安全生产的安保负荷。共有的经济指标包括单位电量成本α41。实施需求响应不可避免的会造成一定的经济损失，不同用户其损失值是不同的。为了尽可能提高经济效益，应该优先安排单位电量成本小的用户实施需求响应。其公式为：α41＝ctotal/wtotal(8)；其中，ctotal为用户的年生产总值，wtotal为用户的年总用电量。步骤2：利用统计平均方法和向量规范化方法相结合的方法，对负荷特性指标进行去量纲化和初步归一化处理；对负荷特性指标(包括各指标评价体系的特性指标和经济指标)进行去量纲化和归一化的方法为：1)统计平均法：式中，mij是经统计平均法处理后第i个用户的第j个指标的值，yij是第i个用户的第j个指标的值，是各用户指标j的均值，m为用户个数，m的取值可以在0.5-0.75之间，在本实例中不妨选取m为0.75。为第j个指标的最大值。采用类似评分法的统计平均方法，可以将潜力指标值的均值定位于m。2)向量规范化法：式中，mij是经统计平均法处理后第i个用户的第j个指标的值；zij是经向量规范化法处理后的第i个用户的第j个指标的值。进行规范化后，同一个指标下各个用户的指标值的平方和为1。步骤3：利用熵权法，分别求得轮休、错时、避峰三种需求响应方式下的指标客观权重；为了解决不同指标之间的矛盾性，引入权重。权重是不同指标重要性的度量，可以反映指标之间的差异程度以及指标的可靠程度。通常，确定指标权重的方法有主观赋权法和客观赋权法，本实例中由于缺乏主观经验和判断，为保证结果的客观性，采用了熵权法求取不同指标客观权重。具体为：(1)对经上述预处理后的，由zij构成的指标评价矩阵按列进行进一步归一化处理，得：其中，i＝1,2,...,m，j＝1,2,...,n；每列的(2)按列计算第j个指标的熵式中，i＝1,2,...,m，j＝1,2,...,n；其中(3)计算第j个指标的差异系数gjgj＝1-ej(13)；其中，j＝1,2,...,n，差异系数和熵相反，差异系数越大说明指标之间的差别越大，对决策的作用越大，因此相应的权重就要大。(4)确定指标客观权重，第j个指标客观权重为：式中j＝1,2,...,n。步骤4：结合加权后的指标评价体系，根据逼近理想解排序方法(topsis)得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值；可以根据第i个用户第j个指标的客观权重ωj确定该用户的加权指标值kij＝zijωj。根据求得的由kij构成的加权指标评价矩阵，可以对轮休、错时和避峰指标评价矩阵，分别利用逼近理想解排序方法对用户进行排序，认为越靠近逼近理想解排序方法中的正理想解，越远离该方法中的负理想解的用户排序优先级越高。逼近理想解排序方法求解综合潜力量化值的方法为：设正理想解k*的第j个指标值为负理想解k0第j个指标值为则如果第j个指标为效益型指标(如α11,α12,α21,α22,α23,α31,α32,α33，即希望该指标值尽可能大)，则：正理想解为：负理想解为：如果第j个指标为成本型指标(如α41，即希望该指标值尽可能小)，则：正理想解为：负理想解为：计算用户各指标值到正理想解与负理想解的距离。用户i的指标值到正理想解的距离为：式中，i＝1,2,...,m。用户i的指标值到负理想解的距离为：式中，i＝1,2,...,m。计算各用户的潜力综合排序指示值(即综合潜力量化值)为：其中，i＝1,2,...,m；ri越接近于1，表明用户i的潜力越大，越适合参与需求响应。步骤5：求得的轮休、错时和避峰三种需求响应综合潜力量化值，利用近邻传播算法(ap)进行三维聚类分析。将不同用户的轮休、错时、避峰三种需求响应综合潜力量化值作为近邻传播算法(ap)的输入值，通过ap算法将轮休、错时、避峰三种需求响应综合潜力量化值类似的用户聚为一类，从而将用户细分为不同特征群，对不同特征群的特征进行概括描述，实现对用户需求响应潜力的画像。实施例：实例中选取某一地区10家用户的数据进行分析，各用户的具体初始指标值如表1所示：表1初始指标值由熵权法求得各指标权重如表2所示：表2三种潜力下的各指标权重结合加权后的指标数据，根据逼近理想解排序方法(topsis)分别得到用户轮休、错时、避峰三种需求响应方式下的综合潜力量化值结果见表3所示：表3综合潜力量化值用户轮休潜力错时潜力避峰潜力10.702890.798520.4587220.845140.695920.6293430.051940.825460.2254940.757850.523460.5185550.790730.780180.5569160.733510.041070.4950570.707080.247980.3712380.871400.894930.3958690.651070.810580.30400100.933610.927630.61463分析表3得到的潜力综合量化值：从轮休潜力来看，用户10、用户8和用户2的潜力综合量化值较大，因此在进行轮休方式的需求响应时应该优先考虑用户10、用户8和用户2的参与；从错时潜力来看，用户10、用户8和用户9的潜力综合量化值较大，优先考虑这些用户参与错时方式的需求响应；从避峰潜力来看，用户2、用户10和用户5的综合量化值排名靠前，同样地，在进行避峰方式的需求响应时优先考虑。利用ap对上述数据进行聚类，最终的聚类结果见图2所示。通过分析可知，用户群被分成了三大类，其中用户6、用户7为一类，用户3单独为一类，其余的用户被分为同一类。各用户特征组具有的特征如表4所示表4用户组特征可以根据画像结果，为需求响应的评估和实施提供可靠依据。以上对本发明的原理以及具体实施方式做了详细的阐述，根据该方法，即可实现对用户需求响应潜力的画像。总之，本发明的一种用户需求响应潜力画像方法，则充分考虑用户类型的多样化，将负荷与温度等的相关性也列入指标评价体系之内，更加精细化的反映用户的用电行为，充分辨识其响应特性。同时基于近邻传播算法(ap)对结果进行聚类分析，找到用户之间的用电共性特征，形成针对用户需求响应潜力的全面、完整、科学的画像，充分挖掘用户潜力，提高需求响应执行效率。当前第1页12