本发明属于负荷辨识技术领域，尤其涉及一种不同形态弹性控制负荷的辨识方法
背景技术：
实际运行经验表示，不同形态弹性控制负荷具备一定的可调节能力，对缓解大规模新能源基地因为外送能力和调峰容量不足造成的弃风弃光起到重要作用。但在电力系统的负荷监控或统计中，通常观测到的是综合负荷，所以必须对综合负荷中将所含不同形态弹性控制负荷的比例进行辨识，方能有效利用负荷的调节能力，与网-源进行协调控制，增加新能源的消纳能力。
常规的负荷辨识的方法包括统计综合法和总体测辨法2种。统计综合法针对冶炼、水泥等不同工艺的负荷，分别从物料流程、设备状况、人员配置等多方面分析负荷各组成部分的调节或中断的能力，再根据负荷内部组成间的关联、制约关系，综合得到不同时段、不同生产周期下负荷整体的特性。该方法物理概念明晰，对实际调节或中断过程有指导作用，但需要建立较为复杂的数学模型；同时需要通过大量实验来获取重要的参数，费时、费力，且准确性受限。此外，工况变化或生产方式改变会引起负荷特性变化。
技术实现要素：
针对现有技术的不足，本发明的目的是提供一种不同形态弹性控制负荷的辨识方法，以聚类分析为基础，对综合负荷进行辨识。
一种不同形态弹性控制负荷的辨识方法，包括以下步骤：
s1：读取不同形态典型负荷和已知构成比例的母线负荷历史数据以及待测母线的实时数据；
s2:计算不同形态弹性控制负荷的特征参数矩阵；
s3：计算不同形态弹性控制负荷的聚类中心矩阵；
s4：计算已知母线负荷的隶属度向量；
s5：计算已知母线负荷构成比例相对其隶属度的映射关系矩阵；
s6：对实时母线负荷进行负荷比例的辨识；
所述s1包括以下步骤：
s101：针对不同形态弹性控制负荷调节能力和调节时间的不同，把其分为离散调节，可连续调节，常规不可调负荷三类。读取三类典型负荷和已知构成比例的母线负荷历史数据；
s102：读取待测母线的实时数据。
所述s2包括以下步骤：
s201：依据挑选的特征(负荷率j，负荷同电价曲线的正相关性φ，曲线变化系数γ，最大负荷出现的时间占比l)，计算各类典型负荷的特征参数；
s202：计算三类负荷的典型特征参数矩阵xj＝[x1,j,x2,j,...xn,j]，xi,j表示j类负荷第i条曲线的特征参数。
所述s3包括以下步骤：
s301:以欧式距离最小为目标方程计算聚类中心向量。
s302:计算典型聚类中心矩阵
c＝[c1,c2,c3]t,其中cj＝[jj,φj,γj,lj]，j＝1,2,3。
所述s4包括以下步骤：
s401：计算多条已知负荷比例的特征参数矩阵。
s402：计算其特征参数矩阵与典型聚类中心的欧氏距离，得到距离向量d＝[d1,d2,d3]。
s403：计算其隶属度向量矩阵l＝[l1,l2,l3]
所述s5包括以下步骤：
s501：计算已知母线的各类负荷比例关系矩阵
pi＝[p1，p2，p3]，i＝1，2，...，n(pi为一条综合负荷的符合比例)；
s502：计算比例关系矩阵与隶属度之间的映射关系矩阵mij＝(pj)-1li；
s503：对映射关系矩阵的每个元素求平均值，计算出平均映射关系矩阵
所述s6包括以下步骤：
s601：计算实时母线的特征参数向量。
s602：计算实时母线负荷欧式距离向量。
s603：计算实时母线负荷的隶属度向量。
s604：计算实时母线负荷的中三类负荷构成比例。
本发明提供的一种不同形态弹性控制负荷的辨识方法，通过：提取大量典型的负荷曲线，计算其典型特征参数矩阵；计算典型聚类中心矩阵；根据大量已知构成比例的母线负荷计算隶属度向量；计算隶属度对应的平均映射关系矩阵；对实测母线负荷进行负荷比例的辨识。通过提取大量的已知负荷来减少误差，并利用平均映射关系矩阵来对结果进行修正，使辨识结果更具备可靠性。
附图说明
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
图1是本发明提供的一种不同形态弹性控制负荷的辨识方法流程图；
图2是本发明仿真所用的甘肃酒泉河西附近地区变电站示意图。
图3是本发明仿真中作为实测曲线验证辨识方法可靠性的2条综合负荷曲线。
具体实施方式
为了清楚了解本发明的技术方案，将在下面的描述中提出其详细的结构。显然，本发明实施例的具体施行并不足限于本领域的技术人员所熟习的特殊细节。本发明的典型实施例详细描述如下，除详细描述的这些实施例外，还可以具有其他实施方式。
下面结合附图和实施例对本发明做进一步详细说明。
实施例1
一种不同形态弹性控制负荷的辨识方法。图1中，本发明提供的一种不同形态弹性控制负荷的辨识方法流程图包括：
s1：读取不同形态弹性控制负荷和已知构成比例的母线负荷历史数据以及待测母线的实时数据；
s2:计算不同形态弹性控制负荷的特征参数矩阵；
s3：计算不同形态弹性控制负荷的聚类中心矩阵；
s4：计算已知母线负荷的隶属度向量；
s5：计算已知母线负荷构成比例相对其隶属度的映射关系矩阵；
s6：对实时母线负荷进行负荷比例的辨识；
所述s1包括以下步骤：
s101：把不同形态弹性控制负荷分为离散调节，可连续调节，常规不可调负荷三类。读取三类典型负荷和已知构成比例的母线负荷历史数据；
s102：读取待测母线的实时数据。
所述s2包括以下步骤：
s201：获取大量典型的不同类型负荷的日负荷曲线，提取其典型特征向量x＝[j,φ,γ,l]，(j,φ,γ,l分别对应4个不同的特征值：负荷率，负荷同电价曲线的正相关性，曲线变化系数，最大负荷出现的时间占比)。
负荷率(j):
负荷同电价曲线的正相关性(φ):
φ＝average(yi(k)|k∈peak)-average(yi(k)|k∈valley)(2)
曲线变化系数(γ):
最大负荷出现的时间占比(l):
s202：按负荷类别对特征向量进行划分，构建典型特征参数矩阵xj＝[x1,j,x2,j,...xn,j]，xi,j表示j类负荷第i条曲线的特征参数。
所述s3包括以下步骤：
s301:以欧式距离最小为目标方程计算聚类中心向量。
s302:计算典型聚类中心矩阵
c＝[c1,c2,c3]t,其中cj＝[jj,φj,γj,lj]，j＝1,2,3。
cj分别为三类负荷各自的典型聚类中心向量。
所述s4包括以下步骤：
s401：计算多条已知负荷比例的特征参数矩阵[j,φ,γ,l]。
s402：计算其特征参数矩阵与典型聚类中心的欧氏距离，得到距离向量d＝[d1,d2,d3],其中：
式中的[ji,φi,γi,li]为i类负荷(可离散调节负荷，可连续调节负荷，常规不可调负荷)的典型聚类中心向量。
s403：计算其隶属度向量矩阵l＝[l1,l2,l3]，其中：
所述s5包括以下步骤：
s501:计算已知母线的各类负荷比例关系矩阵
pi＝[p1，p2，p3]，i＝1，2，...，n(pi为一条综合负荷的符合比例)。
s502:对多条已知负荷构成比例的同一变电站母线负荷曲线，根据上述4步得到其隶属度矩阵li＝[l1,l2,l3],i＝1,2,...,n，n为已知负荷构成比例的负荷曲线数目。设变电站负荷构成比例为pi＝[p1,p2,p3],i＝1,2,...,n，则可得到n个变电站隶属度与负荷构成比例的映射关系mij：
mij＝(pj)-1li。(8)
s503：为了减小误差，对映射关系矩阵的每个元素求平均值，计算出平均映射关系矩阵：
所述s6包括以下步骤：
s601：计算实时母线负荷的特征参数向量xw＝[jw,φw,γw,lw]。
s602：计算实时母线负荷的特征参数同典型聚类中心的欧式距离向量dw＝[d1,d2,d3]。
s603：依据距离行向量计算实时母线负荷对典型负荷聚类中心的隶属度向量lw＝[l1,l2,l3]。
s604：根据平均映射关系矩阵计算实时母线负荷的三类负荷构成比例pw＝lw*m，对负荷构成比例进行归一化处理得到实际负荷比例
实施例2：
图2是本发明仿真所用的甘肃酒泉河西附近地区变电站示意图，以此为例，本发明提供的一种不同形态弹性控制负荷的辨识方法包括：
s1：把不同形态弹性控制负荷分为离散调节，可连续调节，常规不可调负荷三类，读取三类典型负荷和已知构成比例的母线负荷历史数据以及待测母线的实时数据；
选取东兴铝业站，光辉变1113辉靖二线，桃树村变1119桃开一回线负荷作为三类负荷的典型负荷来求取典型特征参数矩阵。
已知甘酒泉变电站母线1(有较多的可连续调节负荷)上某日的平均负荷为105.88mw，其中可离散调节负荷为8.65mw(8.18％)，可连续调节负荷为65.93mw(58.49％)，常规不可调负荷为35.27mw(33.33％)；
同时已知武胜变电站母线2(有较多的可离散调节负荷)上某日的149.84mw，其中可离散调节负荷为85.36mw(57.02％)，可连续调节负荷为27.21mw(18.16％)，常规不可调负荷为37.18mw(24.82％)；
把这两条母线作为实测曲线验证辨识方法的正确性，图3是两条母线的负荷曲线。
s2：计算三类典型负荷的特征参数矩阵；
以东兴铝业站10日的生产负荷数据作为数据源提取可离散调节负荷的典型特征参数矩阵xj＝[x1,x2,...,x10]t，xi＝[ji,φi,γi,li](限于篇幅，只列出4天的数据，下同)。
以光辉变1112辉靖二线的铁合金10日的生产负荷数据源提取可连续调节负荷的典型特征参数矩阵：
以桃树村变1119桃开一回线的典型民用负荷10日的负荷数据源提取常规不可调负荷的典型特征参数矩阵：
通过对典型不同负荷曲线的特征参数矩阵对比可知，在特征负荷率(j)上，可离散调节负荷的特征参数大于常规不可调负荷的特征参数大于可连续调节的特征参数；在特征同电价曲线的正相关性(φ)上，连续调节负荷为小于0，离散调节负荷接近于0，常规不可调负荷大于0，差异十分明显；在特征曲线变化系数(γ)上，可连续调节负荷由于其可以频繁调节，所以在该特征值上，可连续调节负荷远大于可离散调节负荷和常规不可调负荷；在特征最大负荷出现的时间占比(l)上，可离散调节负荷也因为其不能频繁调节的特点使其最大负荷出现时间远大于另外2类负荷。
3类负荷的典型特征参数矩阵各种之间存在较大的差异，且与上文中的特征分析相吻合，说明了特征提取的准确性。
s3：计算典型聚类中心矩阵；
求出典型特征参数矩阵后，求得典型聚类中心矩阵c＝[c1,c2,c3]t。
表1三类负荷的典型聚类中心
s4：根据大量已知构成比例的母线负荷计算隶属度向量；
已知甘酒泉变电站母线1和武胜变电站母线2上10日的可离散，可连续调节负荷和常规不可调负荷的比值矩阵为pl＝[p1,p2,...,p10]t，pi为某日三类负荷(可离散调节负荷、可连续调节负荷、常规不可调负荷)的具体比值向量(限于篇幅，只列出4天的数据，下同)：
求得10日的特征参数矩阵：xl＝[x1,x2,...,x10]t，xi为某一天的综合负荷特征参数向量：
由公式(6)可以算得特征参数矩阵xl与典型聚类中心矩阵的欧式距离矩阵：dl＝[d1,d2,...,d10]t，di为xi对应与典型聚类中心的欧式距离向量：
得到欧氏距离矩阵之后再根据式(7)算出其隶属度矩阵：
ll＝[l1,l2,...,l10]t，li为对应di的隶属度：
得到的隶属度向量也反映了母线上3类负荷所占容量的大小，在母线1上可连续调节负荷含量最大，其次是常规不可调负荷，最后是可离散调节负荷。在母线2上可离散调节负荷含量最大，其次是常规不可调负荷，最后是可连续调节负荷，但要求三类负荷的具体构成比例的话，还需要求得其比例映射关系。
s5：计算负荷构成比例与隶属度对应的平均映射关系矩阵；
每天的隶属度都能得到一个比例映射关系，根据式(8)可以求取10天的隶属度对构成比例的映射关系ml＝[m1,m2,...,m10],mi∈r3*3，根据式(9)求10天映射关系的平均值：
得到最后的平均映射关系矩阵：
得到隶属度对构成比例的映射关系之后，对之后未知构成比例的该母线实测曲线我们都可以通过映射关系矩阵mij求得其构成比例。
s6：对实测综合母线负荷进行负荷比例的辨识；
(1)甘酒泉变电站母线1
计算该条母线的特征参数向量：
xw＝[0.8044-41.19373.53130.3229]
计算该条曲线的欧式距离：
dw＝[41.58190.55846.7050]
计算隶属度向量：
lw＝[0.01220.91180.0759]
根据映射关系矩阵得到实际负荷比例系数：
归一化后可得pw＝[0.06030.65160.2881]。仿真得到的实测母线1负荷比例与实际母线负荷比例误差如表2所示。
表2仿真负荷比例与母线1实际负荷比例比较
(2)武胜变电站母线2
计算该条母线的特征参数向量：
xw＝[0.83284.03782.96310.2847]
计算该条曲线的欧式距离：
dw＝[1.174416.27864.9241]
计算隶属度向量：
lw＝[0.76300.05500.1820]
根据映射关系矩阵得到实际负荷比例系数：
归一化后可得pw＝[0.56560.20460.2298]仿真得到的实测母线1负荷比例与实际母线负荷比例误差如表3所示。
表3仿真负荷比例与母线2实际负荷比例比较
仿真比例中最大误差为6.67％，两条母线的平均误差仅为4.45％、1.53％。因此，证明了本文所提的一种不同形态弹性控制负荷的辨识方法的有效性。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的权利要求保护范围之内。