计及用户需求响应的智能用电互动潜力分析

收稿日期:2016-04-29基金项目:国家重点研发计划(2016YFB0901104);中央高校基本科研业务费专项资金(2015ZD01)

;国家电网公司科技项目(521820150007)通讯作者:孙 毅(1972-),男,博士,教授,主要从事电力系统通信二智能电网以及电力大数据等的研究;E -mail :s y @nce p https://www.360docs.net/doc/127000391.html, 第31卷第4期

2016年12月电力科学与技术学报JOURNAL OF EIECTRIC POWER SCIENCE AND TECHNOLOGY Vol.31No.4Dec.2016

计及用户需求响应的智能用电互动潜力分析

孙 毅1,贾孟扬1,陆 俊1,朱炎平1,李 彬1,崔高颖2,李德智3

(1.华北电力大学电气与电子工程学院,北京 102206;2.国家电网江苏省电力公司电力科学研究院,江苏南京 210003;3.

中国电力科学研究院,北京 100192)摘 要:针对用户用电行为特征进行分析是一项重要的工作三针对需求响应下居民用电互动行为模式与响应潜力问题,以及负荷聚类中不同特征之间相关性干扰的问题,提出一种基于响应特征聚类的分析方法三考虑实际运行中用户对电价的反应,通过提取用户在分时电价政策下的互动响应特征,使用改进马氏距离的模糊C 均值

(FCM )算法,对负荷进行聚类分析,并利用马氏距离中协方差因子排除特征之间的相关性干扰,最后对某电网用户负荷数据进行实验,将用户分为特征较明显的5类,并对其互动响应潜力进行分析三实验结果验证了该文方法的有效性与实用性三关 键 词:需求响应;用电行为;互动潜力;模糊C 均值;马氏距离

中图分类号:TM73 文献标识码:A 文章编号:1673-9140(2016)04-0043-08

Anal y sis on interactive p otential of intelli g ent p ower utilization considerin g user demand res p onse

SUN Yi 1,JIA Men g -y an g 1,LU Jun 1,ZHU Yan -p in g 1,LI Bin 1,CUI Gao -y in g 2,LI De

-zhi 3(1.School of Electrical and Electronics En g ineerin g ,North China Electric Power Universit y ,Bei j in g 102206,China ;2.State Grid Jian g su Electric Power Research Institute ,Nan j in g 210003,China ;3.China Electric Power Research Institute ,Bei j in g 100192,China )

Abstract :The electricit y behavior characteristics anal y sis is an im p ortant work.Accordin g to the p otential p roblem of user electricit y demand res p onse under interaction mode and res p onse ,as well as the p roblem of correlation interference between different characteristics of load clusterin g ,a new res p onse anal y sis method based on feature clusterin g was p ro p osed in this p a p er.The user 's res p onse to p rice in actual o p eration was considered in this method.Throu g h extractin g the user 's interaction res p onse characteristics under the time -of -use p rice p olic y ,and usin g im p roved Mahal -anobis distance fuzz y C -means (FCM )clusterin g al g orithm ,the loads were clustered and the correlation interferences were excluded b y utilizin g covariance factor in the Mahalanobis distance 万方数据