[发明专利]一种柔性负荷可调区间预测方法及装置有效
| 申请号: | 201811110332.X | 申请日: | 2018-09-21 |
| 公开(公告)号: | CN109193630B | 公开(公告)日: | 2021-06-15 |
| 发明(设计)人: | 柯德平;张震;张喆;刘博;徐箭;廖思阳;孙元章 | 申请(专利权)人: | 武汉大学 |
| 主分类号: | H02J3/00 | 分类号: | H02J3/00 |
| 代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 鲁力 |
| 地址: | 430072 湖*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 柔性 负荷 可调 区间 预测 方法 装置 | ||
1.一种柔性负荷可调区间预测方法,其特征在于,包括以下步骤:
步骤1,进行非侵入式负荷状态辨识,具体是通过智能电表监测有功功率变化,当有功功率的增量处于事先调研得到的柔性负荷开启时的有功功率变化区间内,就认为该时刻负荷开启,当有功功率的减量处于柔性负荷关闭时的有功功率变化区间内就认为该时刻负荷关闭;
步骤2,进行关联规则分析,具体是利用Apriori关联规则挖掘算法得到时间序列和柔性负荷启停的定量关系,利用步骤1的非侵入式负荷辨识出的柔性负荷启停序列和事件序列进行Apriori关联规则,得到事件之间的相关度和置信度;
步骤3,进行区间预测,具体是基于改进条件密度函数预测柔性负荷的可调区间,将Apriori算法的输出结果应用于条件分布函数及其期望之中,可以得到统计意义上的负荷未来的功率区间,结合空调的实际开启情况才能得到真正具有现实意义的可调区间预测模型,将空调的实际开启情况与统计意义的功率区间结合起来便可以得到柔性负荷的可调区间预测结果;本发明可以给居民柔性负荷的调控提供更加精确的判断依据;
所述的步骤1中,辨识负荷状态的具体操作方法如下:
步骤1.1,在入户安设测量装置;该测量装置可以采集入户端的总功率,总电压,总电流电气量;所用到的数据来源是加利福尼亚大学提供的数据库,其测量装置为智能电表;
步骤1.2,确定和测量负荷特征;不同种类的用电设备具有不同的用电特征,设备启动和关闭时的电压波动,工作时的谐波特征,称为负荷特征;这些负荷特征需要预先测量,作为先验知识;本发明选用用电设备开启和关闭时的有功波动作为负荷特征;
步骤1.3,辨识启停;检测入户端的智能电表有功功率变化,当有功功率增加并且增量等于提前调研得到的用电器启动时的有功功率时,认为该用电器开启,同样的,有功功率减少并且减量与用电器关闭时的有功变化量相同时,认为该用电器关闭。
2.根据权利要求1所述的一种柔性负荷可调区间预测方法,其特征在于,所述步骤2中,关联规则分析的具体操作方法如下:
步骤2.1,首先对一些基本概念进行说明,项的集合称作项集,包含n个项的项集称为n项集,支持度指的是项集A、B同时发生的概率,置信度指的是在项集A发生的条件下项集B发生的概率,最小支持度是人为设定的支持度阈值,大于最小支持度的项集被称为频繁项集;
步骤2.2,首先在有的1项候选集C1中选择出所有大于最小支持度的项集L1;L1互相之间组合产生2项候选集C2,同样选择C2中的所有频繁项集得到2项频繁集的集合L2,这一步筛去了不是频繁项集的多余项集,再将L2与L1组合生成3项候选集C3,筛选C3得到3项频繁集L3,LK-1与L1连接产生CK的过程称为连枝步,在候选项CK的过程中筛去非频繁集,留下频繁集的过程称为剪枝步,连接步与剪枝步交替迭代进行,最后便可以得到所有的K项频繁集,在K项频繁集中那些满足了预定的最小置信度的项集就是具有强关联规则的项集;
步骤2.3,利用加利福尼亚大学的数据进行时间序列与空调启停的关联规则分析;将采样频率设定为1分钟,首先对时间进行离散化处理,把全天1440分钟处理为离散的24个时间段,再利用步骤1辨识得到的空调启停序列,对空调的启停与时间点进行关联规则分析。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811110332.X/1.html,转载请声明来源钻瓜专利网。





