基于自组织中心K-means 算法的用户互动用电行为聚类分析

电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。     

面向分布式电源就地消纳的园区分时电价定价方法

在能源互联网的背景下,园区运营商首先对内利用分布式电源满足园区用电需求,然后对外进行不平衡能量交换。园区运营商通过制定差异化分时电价套餐,挖掘园区用户的需求响应潜力,能够促进分布式电源就地消纳,优化园区内外交换负荷,对此提出一种园区分时电价定价方法。首先,综合考虑园区用户的用电负荷和需求响应特征,基于谱聚类算法形成园区用户群体;然后,根据园区用户群体的用电负荷特征,基于k-means聚类算法确定分时时段;最后,构建园区分时电价定价优化模型,形成面向不同园区用户群体的差异化分时电价套餐。根据算例分析可知,基于该方法制定园区分时电价,能够有效提高园区分布式电源的就地消纳率和综合利用效率、与外部电网的友好程度和整体经济性。     

基于模糊密度K-medoids聚类和NSGA-Ⅱ算法的绿色分时电价优化研究

立足可再生能源配额制研究背景,将分时电价与绿色证书机制相结合,提出一种包含分时电力交易和绿色证书交易的绿色分时电价机制。深入分析了绿色分时电价机制下用户需求响应,构建了基于模糊密度Kmedoids聚类的峰谷平阶段划分模型,以峰谷差为优化目标的基于NSGA-Ⅱ算法的绿色分时电价优化模型。优化结果显示,绿色分时电价能更好地调动起电力用户改变用电习惯的积极性,在削峰填谷的同时促进可再生能源的发展。     

基于分时电价和激励补贴机制的家庭能量双层优化模型

为了降低居民日负荷曲线峰谷差,提高居民参与电网需求响应的积极性之前,文章基于分时电价和激励机制,提出双层模型实现家庭能量的优化调度。该模型以需求侧响应为手段,以家庭能量优化为策略,实现供电端与用电端的互动,刻画出电价、激励机制与用户用电行为之间的交互关系。外层模型在分时电价的环境下,采用模糊C-均值聚类算法(fuzzy C-means algorithm, FCM)对用户用电情况进行分析,以日负荷曲线削峰填谷为目标,设计包含激励补贴和峰谷系数的电力套餐。内层模型基于电力套餐实现家用电器的智能管理,模拟实施套餐前后的居民日负荷曲线,实时调整用电计划,使用户日负荷曲线满足电力套餐中的峰谷系数。通过仿真验证双层优化模型有效降低了用户日负荷曲线的峰谷差,且设计的电力套餐在用户侧有一定的实用性,有利于用户更加积极地参与电网的优化调度,满足电网削峰填谷的要求。     

需求响应对配电网供电可靠性的影响

鉴于峰谷分时电价能够引导用户用电行为,促使用户积极参与到电力系统的削峰填谷行为中,而负荷与可靠性之间存在着复杂的非线性关系,文中重点研究了需求侧响应对配电网供电可靠性的影响。首先,建立分时电价优化模型:进行时段划分、确定电力价格弹性矩阵和制定各时段电价,再以峰负荷最小及峰谷负荷差最小确定多目标优化函数,考虑电网和电力市场基本约束条件建立分时电价优化模型;然后,在基于二分法的聚类负荷分析法中引入依据电力报价的负荷修正环节;最后,将不同负荷水平下的可靠性指标按持续时间进行加权平均,得到精确的可靠性指标。利用上述模型和方法,对改进的RBTS BUS6测试系统进行分时电价建模和可靠性评估。结果表明,需求响应策略改善了配电网的供电可靠性。     

实时电价下源网荷各侧收益的优化研究

基于用户在峰谷分时电价中的响应机制和价格弹性理论,用户会随着电价的变化调整自身用电量,因此通过电价变化引导用户主动地调整用电计划,从而达到缩小负荷曲线峰谷差,降低源网荷各侧成本以及增加收益的目的。文中采用模糊聚类算法对日负荷进行峰平谷分类,根据各小时的峰平谷隶属度建立实时电价模型,并且依据新电改之后相关政策对电源侧和电网侧的收益建立数学模型,以电源侧和电网侧收益最大、峰谷差最小为目标函数,将以负荷侧用户用电成本不上涨为约束条件的源网荷各侧收益作为优化模型,采用粒子群算法进行求解,并在Matlab仿真平台上验证了该模型缩小峰谷差和增加收益的有效性。     

基于用户行为的分时电价时段划分和价格制定

以往分时电价的时段划分仅考虑负荷曲线的数值变化,忽视了时段划分对分时电价的制定和对用户行为的影响,使得分时电价优化受限,需求侧响应不能达到最优的效果。为此提出了基于用户行为的分时电价时段划分和价格制定模型,首先通过模糊聚类法初步制定峰段、平段、谷段,然后将峰谷时段的起始时间和终止时间设为待优化的变量,并根据消费者心理学建立用户电价电量响应行为模型,最后以用户满意度和电网收益最大化为目标,同时对分时电价和时段划分进行优化。仿真结果显示,与直接根据FCM模糊聚类分析方法划分时段相比,该模型更能针对负荷特性激励用户响应分时电价,促使用户响应曲线更加平滑,进一步降低调峰成本,验证了该模型通过优化时段划分方法提高社会福利的有效性。     

计及用电行为聚类的智能小区互动化需求响应方法

针对复杂智能用电环境下智能用电小区的多用户日负荷需求响应问题,提出一种考虑用户用电行为聚类的互动需求响应方法。首先,以智能小区用户的基本负荷、可调度负荷、电动车负荷和储能装置负荷为约束条件,建立电网负荷波动最小优化目标的需求响应模型;然后,阐述了提出的智能小区互动化需求响应方法,将需求响应模型求解过程分解为电网侧子响应和用户侧子响应的协作互动过程;最后,基于用户侧用电行为聚类分析,采用行为矫正的混合粒子群优化算法实现需求响应模型的互动化方法求解。实验中与分时电价下的响应算法及无用户聚类的集中响应算法对比,其结果表明所提方法通过聚类分析与互动化策略能够在优化结果和算法性能方面优于对比方法。     

基于用户响应的分时电价策略研究

针对因不恰当电价政策改变负荷曲线的峰谷特性而引起的用电时段需要频繁重新划分的问题,首先,引入弹性效应权重对需求价格弹性矩阵进行改进,建立了用户响应模型。然后,基于模糊聚类对负荷峰谷时段进行了划分。最后,以负荷峰值和负荷波动系数最小为目标,建立了峰谷分时电价的决策模型,讨论了峰谷倒置对优化结果的影响。结果表明,应用所提模型可使负荷曲线保持原有峰谷特性,同时可使负荷波动有效降低。     

面向海量用户用电特性感知的分布式聚类算法

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。     

基于离散选择的可控负荷菜单定价方法

合理的需求侧电价是促进和引导用户主动需求响应的关键因素。借助离散选择理论,针对地域分散、数量庞大的可控负荷需求响应的不同边际成本和消费偏好,提出了基于离散选择的可控负荷菜单定价方法。考虑到用户在多种电价下的不同偏好选择行为,该方法以负荷削减边际成本、负荷削减量以及补偿电价为影响因素,建立了用户对菜单电价的离散选择模型,计算了用户对菜单电价的离散选择概率。然后以需求响应电价和负荷削减量为菜单选项,以系统供电成本最小为目标,构建了反映用户不同消费偏好的可控负荷菜单定价模型。最后通过算例仿真,分析了有无离散选择下系统供电成本和用户总负荷削减量以及影响用户选择因素的敏感度,表明考虑离散选择的菜单定价,能够有效地反映用户对不同电价的选择偏好,诱导其内在需求弹性,从而使菜单电价更好地满足用户的消费偏好,促进用户主动参与并削减更多的负荷,节约系统供电成本,实现电力资源的优化配置。     

基于模糊聚类的电力客户用电行为模式画像

随着电力客户数据采集频度不断提高、数据分析维度不断扩展,客户的用电行为变得更加复杂。客户标签和画像技术的发展,给客户用电行为分析带来了更直观、简洁的表现方式。论文基于海量的客户档案、负荷、电量数据,综合考虑客户用电特征、影响因素,建立了客户用电行为标签库,并采用模糊聚类算法进行客户用电模式分析,实现不同类型客户的用电行为模式画像。某地区20 000户工商业客户的用电行为模式画像分析结果表明:文中选取的用电行为标签合理有效、采用的聚类算法效果显著、客户画像精准,能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供有力支撑。     

计及价格要素的城市公共建筑群虚拟电厂负荷聚类分析研究

价格机制是引导城市公共建筑调整用电行为的手段之一。为评估价格对城市公共建筑用电行为的影响及进一步挖掘城市公共建筑群作为可控负荷式虚拟电厂能源资源参与到电力调度或电力市场交易中,文章通过引入分时电价机制和用户心理学模型,对城市建筑日负荷曲线进行调整,形成考虑价格要素的日计价拟合负荷曲线;采用结合了聚合聚类法和模糊C均值法的两阶段聚类分析算法,对调整后的日负荷曲线进行聚类分析。根据上述方法,通过对100个典型负荷的聚类分析,验证了文章所选算法的有效性,并进一步探讨了通过价格机制引导不同的城市建筑负荷调整用电行为的潜力,为利用价格手段深入挖掘城市公共建筑群作为虚拟电厂资源提供依据。     

新型电力系统下电力用户的需求响应潜力评估

需求响应(Demand Response, DR)是在用户进行电力消费环节,通过价格信号或激励措施使得用户改变用电模式,对推动电力市场化改革、减少电网供电压力意义重大。文章分析总结了新型电力系统下需求响应的特点,在此基础上从用户负荷、用户参与意愿度、智能化水平和经济性4个维度构建了DR潜力评估指标体系;利用层次分析法和CRITIC法来确定各指标的主观权重和客观权重,求取组合权重;建立改进物元可拓模型,并应用所建立指标体系和评估模型对实际调研的10个用户响应潜力进行评估排名,证明了所提方法的科学性与有效性。采用简化后的模型对96个用户进行潜力评估,并比较在不同补贴激励下的潜力大小。结果表明,对于价格敏感性用户,补贴激励越高,用户的响应潜力越大。     

基于戴蒙德模型的用户响应行为分析

针对传统的需求价格弹性理论仅考虑到需求与价格之间的关系,无法同时考虑到用户的意愿和反映用户对于分时电价的真实响应情况等问题,提出了基于戴蒙德模型的同时,可考虑价格与用户意愿的响应行为分析方法。首先,结合需求价格弹性、相对风险厌恶不变函数,考虑价格与用户意愿等因素对用户响应行为进行建模;其次以效用函数最大为目标,结合各时段的用电约束,构建了用户优化决策模型,继而进行优化求解,模拟用户的最优决策行为;最后通过算例验证了该模型改善了居民用户的用电曲线,降低了居民用户的电费成本,可以模拟拥有不同意愿的用户响应情况。     

基于前景理论量化充电效用的浮动充电服务费优化

通过价格手段对电动汽车的充电行为进行引导,有助于削弱大量电动汽车接入对电力系统产生的不良影响。文章提出一种针对充电浮动服务费的优化模型,引导电动汽车用户更合理地充电。首先考虑用户偏好进行用户分类,并在此基础上建立基于前景理论的用户充电效用模型;其次采用转移概率矩阵建立电动汽车用户的价格响应模型;然后综合考虑电网、充电站和用户的利益,建立浮动服务费的多目标优化模型;最后采用非均匀变异操作对基于自适应网格归档的多目标粒子群算法进行改进并对所建模型进行了求解。以某典型城区为例,对比分析了不同基线负荷下浮动服务费优化结果,不同服务费机制下的用户价格响应结果以及不同用户构成下的用户响应行为,验证了本文所述机制和模型的正确性和有效性。结果表明,文章所提浮动服务费机制及其优化模型可以在分时电价的基础上进一步对电动汽车充电行为进行引导,并起到削峰填谷和保证多方利益的作用。     

基于极限学习机的居民用电行为分类分析方法

针对大数据背景下智能用户用电行为分类问题,提出一种基于极限学习机(ELM)算法的用户用电行为分类方法。首先,在前期用户行为的特征优选策略的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行分类分析。然后,将特征优选集作为输入,通过比较不同隐含层激活函数和隐含层节点个数下训练集和测试集的正确率,优选出适用于用户用电行为分析的ELM算法的输入参数。最后,以国内和国外用户用电数据为数据源,进行算例仿真实验,通过与反向传播(BP)神经网络的对比分析表明,所提出的基于ELM算法的用户用电行为分析方法提高了检测的正确率并且降低了算法运行时间,能够更好地掌握用户用电负荷状态,实现配电网的削峰填谷。     

考虑用户差异性的售电公司需求响应电价模型

随着售电市场的放开,大量社会资本进入电力市场,售电公司数量急剧增加。在激烈的市场竞争下,如何保证自身收益的同时,提高用户的用电满意度,是售电公司亟待解决的问题。为此,构建了基于电力用户用电差异性的售电侧定价策略。首先,根据负荷曲线,分析不同用户用电行为的相似性和差异性,对用户进行细分;然后,为获得售电公司及其用户收益最大化的最优定价策略,构建定制化的分时电价模型;最后,通过电力用户的实际负荷数据,利用遗传算法和纵横交叉算法对模型进行求解,对比证明所提的电价决策模型的有效性。