[发明专利]一种基于聚类的电力系统需求响应用户标记方法

说明书

本发明公开了一种基于聚类的电力系统需求响应用户标记方法，包括：1）整理电力用户的需求响应数据，区分已标记和未标记的电力用户，提取所有电力用户的属性数据；2）采用近邻法在已标记电力用户集合中确定边界样本集；3）针对边界样本集中处于同类别的两两电力用户，基于密度加权法，生成该类别的范例样本集；4）针对范例样本集中的每一个电力用户，采用近邻法标记与其相邻的未标记电力用户；5）重复迭代上述过程，直到所有未标记电力用户都已标记需求响应类别。本发明方法充分利用电力用户自身的数据特征，应用聚类思想，结合电力用户在需求响应类别上的分布情况，在少量标记的基础上，完成大量电力用户的需求响应类别预测。

技术领域

本发明属于电力系统智能控制技术领域，具体涉及一种基于聚类的电力系统需求响应用户标记方法。特别针对已标记电力用户数量少，标记成本高的问题，结合聚类思想和电力用户属性数据，利用少量已标记电力用户，完成海量电力用户的需求响应类别标记工作，辅助电力系统制定需求侧管理策略。

背景技术

随着我国经济的不断发展和产业结构调整，尤其是制冷制、热设备的普遍使用，导致电力供需矛盾日益深化，造成电网负荷峰谷差不断增大。现阶段我国很多地区在电力需求的高峰时段会出现电力缺口，不得不拉闸限电，影响了供电可靠性，单纯増加发电侧的装机容量或者扩大输电侧的传输容量并不是解决该问题的最优方法，因为用电高峰只出现在特定条件下，例如夏天高温导致用电负荷飙升，春秋季节用电负荷没有那么大，导致增加的设备闲置，带来供电成本的上升。

需求响应(Demand Response，DR)即电力需求响应的简称，是电力需求侧管理的重要技术手段。由电网提出需求调整请求，比如减少负荷的直接补偿通知，或者电力价格的调整，电力用户对这些请求做出响应，改变自身的习惯用电模式，从而减轻电网的压力。但是现实中，并不是所有电力用户都会对需求请求做出响应，并且响应的程度也不相同。在进行需求调整之前，需要对需求响应策略进行评估，此时需要对电力用户的需求响应情况进行预测。这个预测的依据是电力用户以往的参与情况，但是电力用户的基数十分庞大，能获取到历史参与数据的电力用户在总的电力用户中占比很小，另外，获取参与数据的成本高且耗时。

聚类分析方面的工作需要与具体的应用场景结合，当前对聚类分析的研究有：约束聚类，即半监督聚类，通过添加约束条件来控制聚类结果；多维数据聚类，由于在处理多维数据时，聚类效果不稳定，通过属性分组等方式控制聚类过程；聚类数目问题，大部分聚类算法需要人为设定聚类数目，聚类结果的好坏依赖于开发者自身专业素养和经验，可应用启发式聚类或机器学习方法等找出最优聚类数目。在电力行业中，聚类分析技术的应用已经得到一定成果，但在需求响应问题领域中还没有得到很好应用。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于聚类的电力系统需求响应用户标记方法。本发明的方法根据少量的电力用户需求响应参与数据，应用聚类分析技术，自动标记需求调整涉及到的所有电力用户的需求响应类别，从而为需求调整策略制定提供依据，提高电力需求侧管理的效率。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于聚类的电力系统需求响应用户标记方法，包括步骤如下：

1)整理电力用户的需求响应数据，区分已标记和未标记的电力用户，提取所有电力用户的属性数据，并对属性数据进行规范化；

2)采用近邻法在已标记电力用户集合中确定边界样本集，包含处于需求响应类别边界的所有已标记电力用户；

3)针对每一个需求响应类别，基于边界样本集中处于该类别的两两电力用户，基于密度加权法，生成该类别的范例样本集；

4)针对范例样本集中的每一个范例电力用户，采用近邻法标记与其相邻的未标记电力用户；

5)重复迭代上述过程，直到所有未标记电力用户都已完成需求响应类别标记。