基于二次聚类的工业用户可调节潜力预测方法及系统与流程

本发明属于调节潜力预测，尤其涉及基于二次聚类的工业用户可调节潜力预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着新型电力系统的转型，新能源装机容量与发电量逐年递增。然而，大量新能源接入电力系统削弱了发电侧调节能力，仅靠发电侧电源难以实现电离平衡，因此挖掘负荷侧可调节资源对保证电力系统安全稳定运行具有重要意义。

3、工业化的快速发展，导致工业用户的电力负荷需求不断增长，且呈现复杂多变的特点。相比居民和商业用户，工业用户耗电量大，自动化控制水平高，是负荷侧可调节资源的重要组成部分；因此，对工业用户的可调节潜力进行预测，从而识别或挖掘出负荷侧可调节的工业用户，显得尤为重要。

4、传统的电力负荷侧可调节潜力预测方法，往往基于经验或简单的分类进行，比如单一的聚类方法，受不平衡数据的影响较为严重，适应能力较弱，难以满足工业用户负荷的分层精细化和个性化管理需求，导致对工业用户的可调节潜力预测不准确。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了基于二次聚类的工业用户可调节潜力预测方法及系统，使用二次聚类算法对工业用户进行分组，精细化识别具有相似负荷特征的用户群，从而提高电力资源利用效率、促进节能减排。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了基于二次聚类的工业用户可调节潜力预测方法。

4、基于二次聚类的工业用户可调节潜力预测方法，包括：

5、利用工业用户的原始日负荷曲线，对待预测的若干个工业用户进行第一次聚类分组，以组的日负荷曲线作为组中工业用户的日负荷曲线；

6、将工业用户的基线负荷曲线与日负荷曲线的差值作为原始可调节潜力值，对工业用户进行第二次聚类分组，以组的可调节潜力值作为组中工业用户的可调节潜力值；

7、以二次聚类得到的可调节潜力值为企业用户的初始可调节潜力值，连同待预测工业用户的运行辅助数据，输入到可调节潜力预测模型中，得到待预测工业用户最终的可调节潜力预测值。

8、进一步的，所述第一次聚类分组，采用k-means算法，计算各个工业用户的原始日负荷曲线之间的距离，从而对工业用户进行初始分组。

9、进一步的，所述组的日负荷曲线是对组中所有工业用户的日负荷曲线进行求和平均的方式计算得到的。

10、进一步的，所述第二次聚类分组，采用层次聚类算法，计算各个工业用户的原始可调节潜力值之间的距离，从而对同一初始分组中的工业用户进行进一步分组，得到工业用户的最终分组。

11、进一步的，所述组的可调节潜力值是对组中所有工业用户的可调节潜力值进行求和平均的方式计算得到的。

12、进一步的，所述运行辅助数据，包括生产时间占比、设备运行效率、设备老化率、能源价格、温度。

13、进一步的，所述可调节潜力预测模型，基于神经网络构建，采用模拟退火算法，以实际可调节潜力与预测可调节潜力之间的差异最小为目标，对可调节潜力预测模型的模型参数进行寻优。

14、本发明第二方面提供了基于二次聚类的工业用户可调节潜力预测系统。

15、基于二次聚类的工业用户可调节潜力预测系统，包括：

16、第一聚类模块，被配置为：利用工业用户的原始日负荷曲线，对待预测的若干个工业用户进行第一次聚类分组，以组的日负荷曲线作为组中工业用户的日负荷曲线；

17、第二聚类模块，被配置为：将工业用户的基线负荷曲线与日负荷曲线的差值作为原始可调节潜力值，对工业用户进行第二次聚类分组，以组的可调节潜力值作为组中工业用户的可调节潜力值；

18、潜力预测模块，被配置为：以二次聚类得到的可调节潜力值为企业用户的初始可调节潜力值，连同待预测工业用户的运行辅助数据，输入到可调节潜力预测模型中，得到待预测工业用户最终的可调节潜力预测值。

19、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于二次聚类的工业用户可调节潜力预测方法中的步骤。

20、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于二次聚类的工业用户可调节潜力预测方法中的步骤。

21、以上一个或多个技术方案存在以下有益效果：

22、本发明分别以日负荷曲线和原始可调节潜力值为依据，对工业用户进行二次聚类分组，精细化识别具有相似负荷特征的用户群，从而提高电力资源利用效率、促进节能减排。

23、本发明考虑生产计划、设备效率、能源价格、天气因素构建可调节潜力预测模型，优化负荷可调节潜力预测值，从而支撑对典型工业用户的负荷需求响应调节的优化。

24、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.基于二次聚类的工业用户可调节潜力预测方法，其特征在于，包括：

2.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述第一次聚类分组，采用k-means算法，计算各个工业用户的原始日负荷曲线之间的距离，从而对工业用户进行初始分组。

3.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述组的日负荷曲线是对组中所有工业用户的日负荷曲线进行求和平均的方式计算得到的。

4.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述第二次聚类分组，采用层次聚类算法，计算各个工业用户的原始可调节潜力值之间的距离，从而对同一初始分组中的工业用户进行进一步分组，得到工业用户的最终分组。

5.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述组的可调节潜力值是对组中所有工业用户的可调节潜力值进行求和平均的方式计算得到的。

6.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述运行辅助数据，包括生产时间占比、设备运行效率、设备老化率、能源价格、温度。

7.如权利要求1所述的基于二次聚类的工业用户可调节潜力预测方法，其特征在于，所述可调节潜力预测模型，基于神经网络构建，采用模拟退火算法，以实际可调节潜力与预测可调节潜力之间的差异最小为目标，对可调节潜力预测模型的模型参数进行寻优。

8.基于二次聚类的工业用户可调节潜力预测系统，其特征在于，包括：

9.一种电子设备，其特征是，包括：

10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述计算机可读指令由计算机执行时，执行权利要求1-7任一项所述的方法。

技术总结本发明提出了基于二次聚类的工业用户可调节潜力预测方法及系统，涉及调节潜力预测技术领域，包括：利用工业用户的原始日负荷曲线，对待预测的若干个工业用户进行第一次聚类分组，以组的日负荷曲线作为组中工业用户的日负荷曲线；基于工业用户的基线负荷曲线与日负荷曲线的差值，对工业用户进行第二次聚类分组，以组的可调节潜力值作为组中工业用户的可调节潜力值；以二次聚类得到的可调节潜力值为企业用户的初始可调节潜力值，连同待预测工业用户的运行辅助数据，输入到可调节潜力预测模型中，得到可调节潜力预测值；本发明使用二次聚类算法对工业用户进行分组，精细化识别具有相似负荷特征的用户群，从而提高电力资源利用效率、促进节能减排。技术研发人员：刘继彦,李秋爽,赵昕,王鹏,薛万磊,刘知凡,厉艳,白颖,牟颖,李晨辉,李校莹,张栋梁,史英,牛华忠,管大顺受保护的技术使用者：国网山东省电力公司经济技术研究院技术研发日：技术公布日：2024/12/12