论文部分内容阅读
为了聚集足够有效的需求侧资源,从多方面辅助需求侧管理的实施,需求响应要针对用户的用电模式细分类型,尽可能地吸纳市场参与者。通过分析用户的负荷特性可以掌握用户用电模式及其变化规律,从而适应推行智能需求侧管理的需要。
本文从多维度精细化挖掘用户的用电模式,提出结合系统聚类法和模糊C均值聚类法的优点,进行二次聚类,并在数据预处理等方面做出改进,从时间维度、类属维度、响应维度、空间维度对用户进行精细化用电特征挖掘:
(1)基于类属维度的用电模式分类——摆脱传统的负荷按行业分类的方法,以某典型日不同企业负荷点为特征向量进行聚类,可挖掘出同一行业有分属不同类型的用户负荷,全面掌握某一行业的用电特性,推测不同类型用户的生产特性:
(2)基于时间维度的用电模式分类——以同一用户一年中每日的负荷点为特征向量,从聚类结果中分析用户日常和特殊的用电特征,挖掘其参与需求响应项目的潜力,并分析了不同类型用户在节假日前后负荷特性的变化,推断其生产性质与用电特性;
(3)基于响应维度的用电模式分类——依据消费者心理学建立的峰谷分时电价模型,提取负荷转移率为特征向量进行聚类分析,用各类的负荷转移率聚类结果代表这一类用户的响应行为,方便建模仿真;
(4)基于空间维度的用电模式分析——从城市微气象对气温累积效应的作用下,用户用电负荷反应的实际温度入手,建立了量化气温累积效应的后评估方法,修正了气温累积日的实际温度,并利用前一天和前两天的气温累积系数建立了温度修正公式,为提高负荷预测的精确度和确定需求响应的负荷基线做铺垫。