基于大数据分析的综合能源系统负荷特性聚类分析_赵莎莎.pdf

基于大数据分析的综合能源系统负荷特性聚类分析赵莎莎，朱雅魁，王悦（国网河北省电力有限公司营销服务中心，石家庄）摘要：随着我国综合能源系统的迅速发展，用户侧出现越来越多的综合负荷尤其是电冷热耦合负荷，而针对冷热电负荷的耦合特性的研究极为重要，其决定了综合能源系统规划和运行是否科学合理。因此，将大数据分析法应用到冷热电综合负荷的耦合特性分析中，建立了基于改进 算法的冷热电负荷耦合特性分析模型，该模型利用国外某高校实测综合能源系统相关真实数据，对学校用能负荷按照春夏秋冬四季进行合理聚类分析，以获得不同季节时段以及同一季节时段的用能负荷耦合特性，在此基础上，对该综合能源系统中电、冷综合需求响应的潜力进行研究。最后，通过仿真分析，结果表明文中方法能较好地深入挖掘该综合能源系统的用能耦合特性和需求响应潜力，为制定合理的综合需求响应方案提供有力数据支撑。关键词：冷热电负荷；类聚分析；耦合特性；综合能源系统；算法：中图分类号：文献标识码：文章编号：（）o，（kg c，cc ，g 5，）：o o ，o o o o，o o o，o ，o o o oo，o o，oo o o o，o o o o o o o，o o o o o o o o o o o o o o o o o，o o o oo o o o o o，o o o o o ，o，o ooo o o o o o o ，o o o o oo o o o：o o，o，o基金项目：国家自然科学青年基金项目（）引 言近年来，我国经济保持着稳中求进的良好发展势头，随着我国物质基础的提高，能源的需求日益加大，且能源需求的多样性也在增多，能源供给面临挑战。能源利用率低、严重的环境污染以及全球气候变暖是制约全球经济健康持续发展的三大因素。而我国能源短缺问题突出，且能源利用效率低于世界平均水平，达到了 吨标准煤 万元。因此，大力开发清洁第 卷 第 期电测与仪表 年 月 日 ，新能源、发展含多种能源的综合能源系统、实现多种能源的集成与高效利用将是解决能源短缺问题的关键途径。然而，在综合能源系统选型及定容以及优化调度中均需充分考虑需求侧综合负荷特性，以实现规划区域内不同能源间的高效利用。由此可见，开展冷热电负荷耦合特性及需求响应潜力分析的研究是建设综合能源系统的首要工作基础。目前，针对综合负荷特性及综合需求侧响应的研究尚处于起步阶段，国内外学者开展了一定研究。在综合负荷特性研究方面典型文献有：文献给出了冷热电负荷不确定性与冷热电供能设备配置的耦合关系；文献建立了燃气轮机在不同容量范围和不同热电比下的适应范围模型；文献研究了考虑冷热电负荷耦合特性下的综合能源系统规划优化模型；文献深入分析了建筑负荷变化规律，提出了建筑型综合能源系统的规划运行优化方法。在综合需求响应研究方面典型文献有：文献提出了通过不同能源间相互转换的方法来实现综合需求响应；文献提出了计及可平移综合负荷的需求侧响应潜力评价方法；文献提出了一种基于随机优化的综合需求响应模型。综上所述，现有研究主要集中在分析冷热电负荷变化与供能设备和多能耦合等设备的相关性上以及冷热电负荷间的可平移性，而在针对实际综合能源系统中综合负荷在不同时间尺度上负荷特性以及需求侧响应潜力问题的研究，缺少一种通用的分析框架、方法和模型。基于凝聚层次聚类的 聚类冷热电负荷曲线聚类方法 冷热电负荷是指含冷、热和电等多种类型能源的负荷。冷热电耦合负荷与传统单一电力负荷的负荷特性差异性较大，这是因为冷热电负荷要多一个冷热电的转换特性，因此，充分挖掘冷负荷、热负荷和电负荷之间的耦合信息极为重要。图 为综合负荷不同时间尺度形态演化规律示意图。由图 可知，常见电、冷、热负荷在各时间尺度维度下可相互转化，使得负荷形态除了电、冷、热三种形态外，还存在另外三种形态，即电热负荷形态、电冷负荷形态和热冷负荷形态。目前我国电力体制改革正稳步推进，配电电力市场正逐步放宽，允许需求侧参与配电系统的优化运行，以缓解用电负荷的峰谷差问题。相较于单一电能需求侧响应，综合能源需求侧响应将更为复杂，其既可以在用能种类间相互转换，也可以在不同时间上进行平移或削减，因此，深入挖掘和分析冷热电负荷的耦合特性将是制定综合需求响应方法的基础。电负荷热负荷冷负荷电热负荷形态电冷负荷形态热冷负荷形态在一定条件下不同用能负荷可相互转化时间尺度形态指标小时级尺度周级尺度季节尺度图 综合负荷不同时间尺度形态演化规律示意图 o ooo oo ooo 原始数据预处理首先，先将原始数据进行坏数据处理，得到合理的日冷热电负荷数据，再将此数据进行极差归一化处理，可得到处于区间，的标准化日冷热电负荷数据。具体步驟为：采用横向识别和纵向识别相结合的方式对坏数据进行识别与修正。当确定好坏数据后，需要对正常数据进行极差归一化处理，具体如下所示：，kk，kk，kk，（）式中 ，；，；，为冷 热 电负荷第 天第 时刻的观测值；，为极差归一化变换后的，kk，为，的观测值最小值；kk，kk，为，的观测值极差。凝聚层次聚类考虑到校园综合能源系统包含的负荷类型多种多样，其负荷特性也各不相同，高效识别不同负荷的特性曲线，找出同类簇曲线的特性，为下一步进行有效聚合提供了条件。首先运用凝聚层次聚类对预处理后原始数据进行划分，确定初始聚类中心，再利用 聚类对冷热电负荷曲线进行聚类分析，来提高负荷预测精度，保障综合需求响应方案的有效性。图 为凝聚层次聚类方法的示意图。初始状态:类簇A,B,C,D,E,F状态一:类簇C,D,E,FAB状态二:类簇C,FABDE状态三:类簇CABDEF状态N:类簇ABCDEF图 凝聚层次聚类方法的示意图 o o o 第 卷 第 期电测与仪表 年 月 日 ，由图 可知，该方法先假定原始数据为 个类簇，然后通过下式计算每个类簇之间的欧氏距离为：()()()（）式中 表示第 条曲线和第 条曲线之间的距离；，为得分矩阵中对应的主成分得分；个类簇共有（）个距离。将距离从小到大排列，排列中包含对 个对象的标记。最后按照顺序，对于每个距离，比较其所标记的 和 两个类簇，若其在不同类簇，则把它凝聚为一个类簇，直到总的类簇数为 或是达到具体情况要求。改进 聚类算法考虑到 聚类算法对初始聚类中心有一 定要求，且初始聚类中心选择会导致聚类结果差距较大，因此，利用凝聚层次聚类确定初始聚类中心后，再进行 聚类。图 为改进算法流程图。开始输入原始数据,预处理坏数据,极差归一化凝聚层次聚类得出K个初始聚类中心计算数据到各聚类中心的距离将数据归入距离最近的聚类中心所在的类簇聚类中心发生变化?结束重新计算 K个类簇的聚类中心停止聚类,输出结果YN图 改进算法流程图 o o o o 聚类有效性检验当计算出聚类结果后，需要检验聚类的有效性。而有效的分类主要满足以下二个条件：（）同类曲线间的相似系数很小；（）不同类的曲线间的相似系数很大。因此，为了较好的检验聚类结果的有效性，本文引入一项评价指标为：cc（，）（）式中 表示聚类曲线与样本曲线的距离，其距离较大时，表明该类与样本的差异性明显，而数值较小时，表明该类曲线与样本曲线具有较好的相似性；为第 类的聚类中心；为第 类中所有负荷曲线集合。基于指标评价的冷热电负荷耦合特性分析当完成冷热电数据的聚类后，为了进一步研究不同类型负荷形态间的耦合关系，本文定义不同负荷间耦合特性评价指标，如下所示：（）电热差 和电冷差 。它们反映了某段时间内电负荷与热负荷和冷负荷间的最大可转换值；（）和 分别为热电比和冷电比。它们反映了某段时间内电负荷与热负荷和冷负荷间的最大可转换比例；（）、和 分别为时间 时刻电负荷、热负荷和冷负荷的变化率；（）（o）、（o）和（o）分别为时间 时刻电负荷、热负荷和冷负荷的方差值。通过计算不同时间尺度下上述四个指标可充分体现出该校区冷热电负荷的耦合特性，以获得该校区冷热电负荷不同时间尺度下的形态变换规律。其中，（o）、（o）和（o）的详细计算方法分别为：（o）（）（）（）（）（o）（）（）（）（）（o）（）（）（）（）综合能源系统需求响应潜力分析针对上述聚类分析得到的负荷特性，进一步研究了综合能源系统需求响应潜力。综合能源系统需求响应潜力分析是指在不同时间尺度下，定义负荷间峰谷互补程度指标以计算理论最大可转移负荷量，并结合由设备、传输容量等分析得到的单独负荷转换约束与负荷间的转换约束，计算实际最大可转移负荷量，探究各时间段可转移负荷量规律特征，为需求响应相应措施研究提供参考结果。建立的不同能源间综合需求响应潜力分析模型为：（）第 卷 第 期电测与仪表 年 月 日 ，式中 为综合能源系统运行周期内电、热和冷负荷间实际可转移负荷量，即所指的综合能源系统需求响应潜力；为综合能源系统运行周期内电、热和冷负荷间可转移负荷量，上述模型第二行约束为通用储能设备约束；为综合能源系统运行周期内电、热和冷负荷间转换效率，上述模型第三行约束为不同能量转换设备间的转换约束。以电、冷负荷间需求响应为例：（）式中 c为实际电能用于产冷部分占总体的比。假定在各时段冷负荷 可用于电、冷综合需求响应，则上述比值也是实际可调电能占总电能的比，其能为实际电、冷综合需求响应提供启示和参考。具体方法如图 所示。开始结束计算电、冷负荷之和曲线的日平均值,定义日平均值线与电、冷负荷之和曲线高于日平均值线的部分所围成的区域为峰,设峰的面积为S0。设计一条平行于,自电、冷负荷之和曲线的峰的最高点水平向下移动的截取线,电、冷负荷之和曲线在截区域的面积为80%S0时,该区域即为要移去的峰。设计另一条平于水平,自电、冷负荷之和曲线的最低点水平向上移动的截取线,当截取线与电、荷之和曲线在截取线以下为80%S0时,要填满的谷。以直线替换曲线的形式替换对应部分的曲线,得到电、冷综合需求响应后的电、冷负荷之和曲线。保持电负荷曲线不变,根据式(8)以及步骤(4)中结果,需求响应后冷负荷曲线。程中,80%Ss0即为式(2)中,计算时设=1,负荷转换满足负荷储约束。转换约束与能量存的部分所围成区域的面积轴行取线以上的部分所围成的当截取线与水平轴冷负该区域即为得到综合上述过cold图 电冷负荷综合需求响应方法流程图 o o oo o o o 仿真验证 案例参数说明仿真对象为亚利桑那州州立大学综合能源系统记录的 年 月至 年 月每天 的冷热电负荷数据。数据采集上传间隔为 ，每个用户的单日负荷数据量为 个点。考虑到一年四季中冷热电负荷的差异性较大，通过对夏季负荷数据进行合理聚类，可获得该校区夏季用能特性和同一季节不同类型负荷的耦合特性。冷热电负荷的夏季聚类分析分别对冷热电负荷日采用 算法进行聚类，图 为夏季电负荷的聚类结果，其中，深黑色虚线曲线是负荷整体的平均值：1电负荷量0.5010.500246810 12 14 16 18 20 22时间/h240246810 12 14 16 18 20 22时间/h241冷负荷量/p.u./p.u.电负荷量/p.u.0.50(c)第三类(b)第二类0246810 12 14 16 18 20 22时间/h24(a)第一类图 电负荷的夏季聚类结果 o o从聚类的结果可以看出：夏季电负荷曲线集也被分成 类，可以归为单峰、双峰和三峰三种类型。在夏季，由于气温高，潮湿，使得电负荷多个时段的增加相比于春季都有所増加。因此，夏季电负荷曲线集与春季电负荷曲线集差异性较大。图 为夏季冷负荷的聚类结果，图 为夏季热负荷的聚类结果。由图 和图 可知，夏季冷负荷曲线集也为三种类，且与春季冷负荷差异性较大，这是因为夏季多时段气温高于春季，用冷增幅较大，夜间为休息时间，炎热会使得用户增加制冷，使得午夜出现用冷峰值，午夜后随着温度下降，冷负荷也跟着下降。此外，夏季用热较少，因此，聚类结果仅为一种。图 为电冷负荷的夏季第 卷 第 期电测与仪表 年 月 日 ，聚类结果。由图 可知，三种用能主体的电冷比差异性较大，说明三种主体的电负荷和热负荷的耦合性差异较大。其中，学校食堂的电冷比最大，这是因为食堂夜间无人用餐，用冷几乎为零。1冷负荷量/p.u.0.501冷负荷量/p.u.0.50