一种基于用户用电行为分析的有序用电决策方法与流程

本发明涉及用户侧负荷管理领域，尤其一种基于用户用电行为分析的有序用电决策方法。

背景技术：

1、近年以来，我国经济的持续发展导致电力需求的增长日益显著，高峰时期的电力供需不平衡问题表现尤为突出。应对我国电力供应不足的紧张局势，实施有序用电仍然是近期我国重要的负荷管理手段。为更好地实施有序用电管理措施，基于用户用电行为分析，综合考虑用户用电行为特征来制定用序用电策略，对提升电力用户的用电满意度、优化电力资源配置具有重要意义。

2、随着我国用电信息采集系统的大力建设，电力公司所能够获得的用户电力负荷数据呈现指数型增长，获取的海量用电负荷数据为更加全面地分析用户用电行为提供了充足的数据准备。因此，如何充分利用海量电力用户用电数据，提取用户的典型用电行为，准确掌握不同类别用户的用电行为特点，是智能电网需求响应中用序用电管理和决策的核心。当前有序用电策略制定中，针对用户在工作日与周休日的用电行为差别，往往仅作数量上的简单假设，如此可能导致周休日采取错误的有序用电策略，大大降低需求侧管理水平。

技术实现思路

1、为了解决背景技术中提到的至少一个技术问题，本发明的目的在于提供一种基于用户用电行为分析的有序用电决策方法，准确掌握用户的用电规律，合理区分用户工作日与周休日的典型用电行为，制定更适宜的有序用电措施。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于用户用电行为分析的有序用电决策方法，包括以下步骤：

4、步骤1、基于典型负荷形态进行编码，构建用户负荷字典；

5、步骤2、分析有序用电用户的典型用电行为；

6、步骤3、基于用户用电行为分析制定有序用电策略。

7、在本发明的某些实施例中，所述步骤1包括：

8、步骤101、提取负荷形态；

9、步骤102、构建动态自适应的k均值算法，以聚类中心作为典型负荷形态；

10、步骤103、对典型负荷形态进行编码，记录属性值，构建用户负荷字典。

11、在本发明的某些实施例中，所述步骤101的方法如下：

12、设用户的日用电负荷为l(t)，将其分解为l(t)＝as(t)，其中：

13、

14、

15、式中，a表示日用电总量，s(t)表示经过标准化处理后的用户用电负荷，即负荷形状。

16、在本发明的某些实施例中，所述步骤102的方法如下：

17、首先，设定初始聚类中心数,当负荷形状不满足以下均方误差临界条件时，增加聚类中心：

18、

19、式中，θ是一个临界选值，代表当前s(t)所属的聚类中心，即典型负荷形态。

20、在本发明的某些实施例中，在使用用户负荷字典时，负荷形状s(t)被划分到平方误差最小的编码负荷i*(s)，公式如下:

21、

22、i*(s)＝argmini e(s,i)                    (5)

23、基于该负荷形态s(t)对应编码，直接得出用户用电负荷的属性值。

24、在本发明的某些实施例中，所述步骤2包括：

25、步骤201、分析用户一周工作日与周休日用电行为的相关性；

26、步骤202、基于方差与k均值算法对周时间尺度负荷进行聚类；

27、步骤203、通过聚类有效性指标确定聚类数目。

28、在本发明的某些实施例中，所述步骤201的方法如下：

29、首先分别以周六日的日用电负荷为基准，计算周一至周五5个工作日的日用电负荷与二者的皮尔森相关系数，再取平均值来提取特征值，皮尔森相关系数采用公式：

30、

31、式中，xi表示工作日任一天中i时的用电量，yi表示周六或周日一天i时的用电量，均表示日平均负荷，n取24，表示一天中的24小时；

32、分别计算用户工作日与周六日相关系数向量rsat＝(r11,r12,r13,r14,r15)与rsun＝(r21,r22,r23,r24,r25)，其中,r1i,i＝1,2,…,5，r2j,j＝1,2,…,5代表用户周六与周日分别与5个工作日的日用电负荷的皮尔森相关系数，取rsat与rsun的平均值作为用户分类的特征值向量r＝(r1,r2,r3,r4,r5)，其中，

33、rm＝(r1i+r2j)/2,其中m,i,j＝1,2,…,5  (7)。

34、在本发明的某些实施例中，所述步骤202的方法如下：

35、从已分离出无规律用户的数据集中任意选取k-1个赋给初始的聚类中心v1,v2,…,vk-1，其中k表示聚类数目，n为总用户数，n1为无规律用户数；

36、i.对数据集中的第i个样本点ri，计算其与各聚类中心vj的欧式距离，获取ri用户与k-1个簇相比距离最近的簇vmin，并将其归为簇vmin中；

37、ii.重新计算k-1个聚类中心：

38、

39、式中，n′表示中的用户个数；

40、iii.重复步骤ii和步骤iii，直到达到准则函数收敛为止,收敛评判依据为平方误差准则，采用公式：

41、

42、式中，e表示数据库中所有对象的平方误差的总和；表示vi的平均值。

43、在本发明的某些实施例中，所述步骤203的方法如下：

44、最优聚类数的计算通过db(-)、sil(+)、cs(-)、sf(+)4个聚类有效性指标确定，分别记作其中(+)表示该指标为极大型指标，取值越大时所对应的聚类数目聚类效果最好；(-)表示该指标为极小型指标，取值越小时所对应的聚类数目聚类效果最好；

45、db(-)定义为下式：

46、

47、其中，dij表示第i类与第j类之间的距离，ei、ej分别表示第i类与第j类的平均误差；

48、sil(+)定义为下式：

49、

50、其中，aj表示样本rj到第i类的平均距离ni表示第i类的样本个数，bj表示样本rj到所有类ch(h＝1,2,…k)的最小平均聚类，

51、cs(-)定义为下式：

52、

53、sf(+)定义为下式：

54、

55、其中，表示整个数据集的均值向量，

56、在本发明的某些实施例中，所述步骤3的方法如下：

57、首先，分析用户参与有序用电的潜力大小，提取出适合参与有序用电策略的用户类型；然后，分析有序用电用户在工作日与周休日的用电行为变化情况，判别是否需要在工作日和周休日分别提取用户的典型用电行为；最后，在周时间尺度上制定有序用电策略。

58、与现有技术相比，本发明的有益效果是：

59、针对海量用电数据处理的难题，本发明提出了一种基于用户用电行为分析的有序用电决策方法，同时考虑了用户典型用电负荷在周休日和工作日的区别，基于用户用电行为分析制定有序用电策略，可避免或减少电力用户的经济损失，提升用户满意度，合理配置电力资源，对我国电力需求响应的发展和智能电网建设具有积极意义。