羅滇生，杜 乾，別少勇，龐振國，李盛興

基于負(fù)荷分解的居民差異化用電行為特性分析

羅滇生，杜 乾，別少勇，龐振國，李盛興

(湖南大學(xué)電氣與信息工程學(xué)院，湖南 長(zhǎng)沙 410082)

針對(duì)智能電網(wǎng)建設(shè)過程中需要準(zhǔn)確掌握居民用電特性的要求，將居民負(fù)荷分解為基本負(fù)荷和季節(jié)性負(fù)荷?；谧赃m應(yīng)模糊c均值算法，分別對(duì)居民日基本負(fù)荷和夏季降溫設(shè)備日負(fù)荷進(jìn)行聚類分析。根據(jù)分類結(jié)果進(jìn)行負(fù)荷特性分析，并在此基礎(chǔ)上提出一種用戶分類的方法，實(shí)現(xiàn)對(duì)居民用電行為特性的差異化分析。實(shí)驗(yàn)結(jié)果表明，基于該分類方法能夠準(zhǔn)確地描述用戶用電行為特性，為需求響應(yīng)如峰時(shí)電價(jià)制定、錯(cuò)峰管理、負(fù)荷調(diào)控等提供了有效的數(shù)據(jù)支撐。

多維度；聚類分析；用戶分類；用電特性；負(fù)荷分解

0 引言

智能用電是堅(jiān)強(qiáng)智能電網(wǎng)的重要組成部分，其指導(dǎo)思想是調(diào)動(dòng)用戶參與需求響應(yīng)，實(shí)現(xiàn)用戶與電力運(yùn)營商的雙向互動(dòng)[1]。對(duì)居民住宅、商業(yè)建筑、公共建筑等非生產(chǎn)性負(fù)荷用電特性的研究在智能用電管理中將起到基礎(chǔ)性的作用。隨著智能電網(wǎng)技術(shù)的發(fā)展，誕生了智能電表，將雙向通信、動(dòng)態(tài)電價(jià)、負(fù)荷監(jiān)控等功能融入電網(wǎng)服務(wù)，可采集各類用戶用電數(shù)據(jù)[2-3]。海量實(shí)時(shí)的用戶用電數(shù)據(jù)中隱藏著用戶的用電行為習(xí)慣，對(duì)這些數(shù)據(jù)進(jìn)行挖掘，研究用戶類型，可以幫助電網(wǎng)了解用戶的個(gè)性化、差異化服務(wù)需求，為未來電力需求響應(yīng)政策的制定提供數(shù)據(jù)支撐。

居民用電負(fù)荷主要由基本負(fù)荷和季節(jié)性負(fù)荷組成[4]。近年來隨著經(jīng)濟(jì)快速發(fā)展，城網(wǎng)的負(fù)荷水平和負(fù)荷構(gòu)成發(fā)生了許多變化，尤其是空調(diào)類的負(fù)荷有了迅速的增長(zhǎng)，降溫負(fù)荷在居民用電負(fù)荷中所占的比重越來越大[5]。目前，研究人員對(duì)居民負(fù)荷特性和季節(jié)性負(fù)荷特性做了大量研究。文獻(xiàn)[6]根據(jù)常德地區(qū)歷史負(fù)荷及氣象等相關(guān)資料，研究分析了該地區(qū)的負(fù)荷特性，并著重分析了季節(jié)性負(fù)荷對(duì)地區(qū)負(fù)荷特性的影響。文獻(xiàn)[7]深入分析氣溫對(duì)負(fù)荷的影響，計(jì)算出廣州夏季降溫負(fù)荷的比重，對(duì)電力負(fù)荷預(yù)測(cè)具有指導(dǎo)作用。

對(duì)電力用戶進(jìn)行分類研究可以實(shí)現(xiàn)對(duì)用戶負(fù)荷特性精細(xì)化挖掘。文獻(xiàn)[8]基于云計(jì)算平臺(tái)和并行k-means聚類算法，將智能小區(qū)的居民用戶分為五類，并且聚類的準(zhǔn)確度達(dá)到91.2%。文獻(xiàn)[9]運(yùn)用模糊c均值聚類和模式識(shí)別原理，提出了一種基于日負(fù)荷曲線的用戶所屬用電行業(yè)的分類方法。但在實(shí)施中發(fā)現(xiàn)，如果直接使用用電總負(fù)荷進(jìn)行分類，某些用戶雖然屬于同一類，但其基本負(fù)荷之間存在較大差異并且季節(jié)性負(fù)荷同樣差異較大，調(diào)控的潛力是不同的。

本文在深入研究上述問題的基礎(chǔ)上，以夏季負(fù)荷為例，采用自適應(yīng)模糊c均值算法，分別以日基本負(fù)荷數(shù)據(jù)、夏季降溫負(fù)荷數(shù)據(jù)作為特征向量，對(duì)居民用戶聚類分析，在此基礎(chǔ)上提出了一種新的用戶分類方法，完成了對(duì)居民用戶用電特性的多維度分析。主要貢獻(xiàn)包括以下內(nèi)容：(1)對(duì)居民用電特性同時(shí)進(jìn)行兩級(jí)分析，即基本負(fù)荷級(jí)和夏季降溫負(fù)荷級(jí)；(2)通過對(duì)基本負(fù)荷和夏季降溫負(fù)荷的聚類分析，分析居民負(fù)荷調(diào)控潛力的大小，提出一種居民用戶分類的新方法；(3)實(shí)現(xiàn)了對(duì)各個(gè)用戶的用電行為特性的差異化分析，為居民負(fù)荷調(diào)控提供依據(jù)。

1 整體思路與實(shí)現(xiàn)方法

本文從時(shí)間維度、類屬維度、影響維度分別對(duì)基本負(fù)荷級(jí)、夏季降溫負(fù)荷級(jí)的用電特性進(jìn)行精細(xì)挖掘，提出盡可能差異化各個(gè)用戶的用電行為特性分析方法，為居民負(fù)荷調(diào)控提供依據(jù)。首先，以居民日基本負(fù)荷為研究對(duì)象，以各個(gè)用戶夏季典型日基本負(fù)荷特性曲線值為特征向量，利用自適應(yīng)模糊c均值算法進(jìn)行分析，通過對(duì)同類曲線間距離L1、不同類典型曲線間的距離L2、聚類生成的隸屬度矩陣中每條曲線的最大隸屬度的平均值 L3進(jìn)行綜合分析，確定最優(yōu)的分類數(shù)c值[10]，實(shí)現(xiàn)居民用戶在基本負(fù)荷級(jí)的分類；然后以居民夏季降溫負(fù)荷為研究對(duì)象，以各個(gè)用戶典型日空調(diào)等設(shè)備降溫負(fù)荷特性曲線值為特征向量，對(duì)其進(jìn)行聚類。在此基礎(chǔ)上，建立反映居民基本負(fù)荷的用電特性模型和夏季降溫負(fù)荷的用電特性模型，針對(duì)分類情況進(jìn)行負(fù)荷調(diào)控潛力分析，提出了一種新的用戶分類方法，最后從居民負(fù)荷特性、用電類型和錯(cuò)峰潛力共三個(gè)方面對(duì)各個(gè)用戶的用電行為特性進(jìn)行差異化的分析。用電行為特性分析流程如圖1所示。

圖1 居民用電特性分析流程圖Fig. 1 Flow chart of residential electricity consumption characteristic analysis

2 居民用電負(fù)荷特性分析

2.1 原始數(shù)據(jù)來源

選取廣東省某智能小區(qū)作為研究對(duì)象，通過智能電表和智能插座采集居民不同時(shí)段用電的數(shù)據(jù)，每戶居民每天采樣24點(diǎn)負(fù)荷數(shù)據(jù)，并以這些用戶的24點(diǎn)日負(fù)荷曲線數(shù)據(jù)作為原始數(shù)據(jù)樣本。

2.2 居民基本負(fù)荷特性分析

選取智能小區(qū)80個(gè)用戶夏季典型日的24點(diǎn)基本負(fù)荷數(shù)據(jù)作為聚類特征向量，利用自適應(yīng)模糊 c均值算法對(duì)居民用戶日基本負(fù)荷曲線進(jìn)行聚類分析。經(jīng)計(jì)算分析，樣本聚類有效性函數(shù)值0.532，因?yàn)?，可見最佳聚類?shù)c=4，即A類、B類、C類、D類，其典型用戶夏季典型日基本負(fù)荷曲線如圖2所示。

圖2 居民夏季典型日基本負(fù)荷曲線Fig. 2 Typical daily basic load curve of resident users in summer

為了更準(zhǔn)確地分析居民用戶的基本負(fù)荷用電行為特性，對(duì)各類典型用戶，計(jì)算其日負(fù)荷率、峰期耗電率、平期耗電率、谷期耗電率等負(fù)荷特性指標(biāo)，如表1所示。

表1 日基本負(fù)荷特性指標(biāo)Table 1 Load characteristic index of daily basic load

結(jié)合圖2和表1可以看出，四類居民典型日基本負(fù)荷特性呈現(xiàn)一定程度的差異。A類居民日負(fù)荷率較低且不到0.6，日基本負(fù)荷曲線表現(xiàn)為兩峰一平一谷，用電高峰分別出現(xiàn)在11點(diǎn)和20點(diǎn)左右，屬于典型的迎峰負(fù)荷曲線，且峰期耗電率接近一半，低谷時(shí)段用電比例較小，所以該類用戶的基本負(fù)荷具有較大的負(fù)荷調(diào)控能力，應(yīng)加強(qiáng)宣傳教育，實(shí)施分時(shí)電價(jià)，提高居民參與錯(cuò)峰管理的意愿。B類居民一天中不同時(shí)段的用電量一直較低，幾乎接近于0，不具有負(fù)荷調(diào)控的潛力。C類居民日基本負(fù)荷曲線表現(xiàn)為一峰一平一谷，用電高峰晚于A類用戶，其負(fù)荷特性與A類用戶相似，具有較大的負(fù)荷調(diào)控潛力。D類居民日負(fù)荷率較高，峰期耗電率與平期耗電率接近，且谷期耗電率明顯高于 A、B、C類用戶，說明該類居民峰期負(fù)荷轉(zhuǎn)移的潛力不大。

2.3 居民夏季降溫負(fù)荷特性分析

本文對(duì)夏季降溫負(fù)荷的研究主要指對(duì)空調(diào)、電扇等設(shè)備的夏季降溫負(fù)荷聚類分析以及負(fù)荷特性分析。選取智能小區(qū)80個(gè)用戶夏季典型日的24點(diǎn)降溫負(fù)荷數(shù)據(jù)作為聚類特征向量，利用自適應(yīng)模糊 c均值聚類算法對(duì)空調(diào)、電扇等設(shè)備負(fù)荷曲線進(jìn)行聚類分析。樣本聚類有效性函數(shù)值，因?yàn)?，所以將空調(diào)、電扇等設(shè)備的降溫負(fù)荷數(shù)據(jù)分為a類、b類、c類、d類共四類最佳，其典型用戶夏季典型日降溫負(fù)荷曲線如圖3所示，負(fù)荷特性指標(biāo)如表2所示。

圖3 夏季典型日降溫負(fù)荷曲線Fig. 3 Typical daily cooling load curve in summer

表2 夏季降溫負(fù)荷特性指標(biāo)Table 2 Load characteristic index of daily cooling load in summer

a類居民日夏季降溫負(fù)荷曲線表現(xiàn)為兩峰兩谷，用電高峰分別出現(xiàn)在12點(diǎn)半和20點(diǎn)左右，屬于典型的迎峰負(fù)荷曲線，且日負(fù)荷率較低，峰期耗電率達(dá)到將近47%，低谷時(shí)段用電比例較小，所以該類用戶的峰期負(fù)荷轉(zhuǎn)移到平期時(shí)段和低谷時(shí)段的潛力很大，應(yīng)參與錯(cuò)峰管理。b類居民降溫負(fù)荷曲線與B類居民基本負(fù)荷曲線相似，一天中不同時(shí)段的用電量幾乎接近于0，不具有負(fù)荷調(diào)控的潛力。c類、d類居民日降溫負(fù)荷曲線均表現(xiàn)為兩峰兩谷，雖然負(fù)荷率相對(duì)于a類較大，但其峰期耗電率最大，且與平期、谷期耗電率存在一定的差距，說明該類居民峰期負(fù)荷仍然存在轉(zhuǎn)移的潛力，這兩類用戶應(yīng)作為錯(cuò)峰管理實(shí)施的對(duì)象。

3 居民差異化用電行為特性分析

根據(jù)居民日基本負(fù)荷和降溫負(fù)荷調(diào)控潛力的大小對(duì)選取的80個(gè)居民進(jìn)行重新分類，將居民日基本負(fù)荷和降溫負(fù)荷調(diào)控潛力較大的居民歸屬于第一類，共46個(gè)用戶，其中老人家庭17個(gè)，上班族24個(gè)；將居民日基本負(fù)荷調(diào)控潛力較大、降溫負(fù)荷調(diào)控潛力較小的居民歸屬于第二類，共9個(gè)用戶，其中老人家庭5個(gè)，上班族3個(gè)；將居民日基本負(fù)荷調(diào)控潛力較小、降溫負(fù)荷調(diào)控潛力較大的居民歸屬于第三類，共11個(gè)用戶，其中商業(yè)居民9個(gè)；將居民日基本負(fù)荷和降溫負(fù)荷調(diào)控潛力較小的居民歸屬于第四類，共14個(gè)用戶，其中空置房13個(gè)。 分類結(jié)果如表3所示。最后從用電類型、負(fù)荷特性、錯(cuò)峰潛力3維度，分析各個(gè)用戶的用電行為特性。

表3 居民用戶分類情況Table 3 Classification of resident users

由表3中居民的分類情況看出，同一類用戶的基本負(fù)荷調(diào)控潛力相似，并且夏季降溫負(fù)荷調(diào)控潛力同樣相似，從而可以實(shí)現(xiàn)對(duì)同一類用戶的基本負(fù)荷和季節(jié)性負(fù)荷的精細(xì)化分析。在這四類居民中，除了第四類居民不適合參與負(fù)荷調(diào)控，其余三類共82.5%的居民都存在負(fù)荷調(diào)控的可能性。對(duì)于第一類和第二類的居民，其夏季基本負(fù)荷的調(diào)控潛力較大，可以通過宣傳教育以及分時(shí)電價(jià)等措施，改善居民的用電行為，引導(dǎo)居民合理用電，如使用電熱水器、電炒鍋等高耗能家用電器時(shí)錯(cuò)開用電高峰，從而實(shí)現(xiàn)峰期負(fù)荷的轉(zhuǎn)移，改善居民日基本負(fù)荷曲線。對(duì)于第一類和第三類居民，其夏季降溫負(fù)荷的調(diào)控潛力較大，可以通過合理控制空調(diào)溫度、用電高峰期關(guān)閉不必要的制冷設(shè)備等用電行為實(shí)現(xiàn)峰期負(fù)荷的轉(zhuǎn)移，改善居民日降溫負(fù)荷曲線。

基于該分類方法的居民差異化用電行為特性分析，可實(shí)現(xiàn)對(duì)不同用戶在基本負(fù)荷級(jí)和季節(jié)性負(fù)荷級(jí)分別制定不同的需求響應(yīng)方案，實(shí)現(xiàn)在對(duì)基礎(chǔ)負(fù)荷調(diào)控時(shí)不影響用戶季節(jié)性負(fù)荷的正常運(yùn)行，對(duì)季節(jié)性負(fù)荷調(diào)控時(shí)不影響基礎(chǔ)負(fù)荷，最終輔助需求側(cè)管理的實(shí)施。對(duì)于現(xiàn)有的電力用戶的分類方法[11-12]，一般直接使用用電總負(fù)荷及其特征向量進(jìn)行分類，某些用戶雖然屬于同一類，但其基本負(fù)荷之間存在較大差異并且季節(jié)性負(fù)荷同樣差異較大，調(diào)控的潛力是不同的，如某一用戶無法實(shí)現(xiàn)本文所提方法對(duì)用戶用電行為特性在基本負(fù)荷級(jí)和季節(jié)性負(fù)荷級(jí)的精細(xì)化分析。

4 結(jié)論

本文基于自適應(yīng)模糊c均值算法，從日基本負(fù)荷級(jí)、降溫負(fù)荷級(jí)分別對(duì)智能小區(qū)居民用戶進(jìn)行聚類分析，針對(duì)分類情況進(jìn)行負(fù)荷調(diào)控潛力分析，提出了一種新的用戶分類方法。該方法克服了在以往電力用戶分類過程中，同一類用戶的基本負(fù)荷和夏季降溫負(fù)荷特性差異較大的問題，從而可以實(shí)現(xiàn)居民差異化用電行為特性的精細(xì)化分析，為負(fù)荷調(diào)控、錯(cuò)峰管理、電價(jià)制定、效益分析等提供有力的數(shù)據(jù)支撐。如何快速有效地將精細(xì)化分析結(jié)果應(yīng)用于需求響應(yīng)將是下一步工作的重點(diǎn)。

[1] 湯慶峰, 劉念, 張建華. 計(jì)及廣義需求側(cè)資源的用戶側(cè)自動(dòng)響應(yīng)機(jī)理與關(guān)鍵問題[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(24): 138-147.

TANG Qingfeng, LIU Nian, ZHANG Jianhua. Theory and key problems for automated demand response of user side considering generalized demand side resources[J]. Power System Protection and Control, 2014, 42(24): 138-147.

[2] 張新昌, 周逢權(quán). 智能電網(wǎng)引領(lǐng)智能家居及能源消費(fèi)革新[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(5): 59-67.

ZHANG Xinchang, ZHOU Fengquan. Smart grid leads the journey to innovative smart home and energy consumption patterns[J]. Power System Protection and Control, 2014, 42(5): 59-67.

[3] 鄭小霞, 劉慶強(qiáng), 林順富, 等. 面向非干預(yù)式負(fù)荷監(jiān)測(cè)的居民負(fù)荷微觀特性研究[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(10): 62-70.

ZHENG Xiaoxia, LIU Qingqiang, LIN Shunfu, et al. Research of the microscopic signatures of residential loads for NILM[J]. Power System Protection and Control, 2014, 42(10): 62-70.

[4] 姜勇. 南京市居民夏季用電負(fù)荷特性分析[J]. 電力系統(tǒng)保護(hù)與控制, 2003, 31(4): 24-26.

JIANG Yong. Analysis of residents' summer load characteristics in Nanjing[J]. Power System Protection and Control, 2003, 31(4): 24-26.

[5] 張利民, 付紅軍, 李育燕, 等. 空調(diào)降溫負(fù)荷比例估計(jì)及其對(duì)電壓穩(wěn)定的影響[J]. 繼電器, 2005, 33(22): 33-36.

ZHANG Limin, FU Hongjun, LI Yuyan, et al. Relationship between air conditioner load and temperature and its influences on voltage stability[J]. Relay, 2005, 33(22): 33-36.

[6] 廖峰, 徐聰穎, 姚建剛, 等. 常德地區(qū)負(fù)荷特性及其影響因素分析[J]. 電網(wǎng)技術(shù), 2012, 36(7): 117-125.

LIAO Feng, XU Congying, YAO Jiangang, et al. Load characteristics of Changde region and analysis on its influencing factors[J]. Power System Technology, 2012, 36(7): 117-125.

[7] 陳健, 劉明波, 樊亞亮, 等. 廣州電網(wǎng)負(fù)荷特性分析[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2009, 21(6): 78-83.

CHEN Jian, LIU Mingbo, FAN Yaliang, et al. Studies on load characteristics of Guangzhou power network[J]. Proceedings of the CSU-EPSA, 2009, 21(6): 78-83.

[8] 張素香, 劉建明, 趙丙鎮(zhèn), 等. 基于云計(jì)算的居民用電行為分析模型研究[J]. 電網(wǎng)技術(shù), 2013, 37(6): 1542-1546.

ZHANG Suxiang, LIU Jianming, ZHAO Bingzhen, et al. Cloud computing-beaed analysis on residential electricity consumption behavior[J]. Power System Technology, 2013, 37(6): 1542-1546.

[9] 李欣然, 姜學(xué)皎, 錢軍, 等. 基于用戶日負(fù)荷曲線的用電行業(yè)分類與綜合方法[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(10): 56-61.

LI Xinran, JIANG Xuejiao, QIAN Jun, et al. A classifying and synthesizing method of power consumer industry based on the daily load profile[J]. Automation of Electric Power Systems, 2010, 34(10): 56-61.

[10] 楊浩, 張磊, 何潛, 等. 基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(16): 111-115.

YANG Hao, ZHANG Lei, HE Qian, et al. Study of power load classification based on adaptive fuzzy C means[J]. Power System Protection and Control, 2010, 38(16): 111-115.

[11] 張少敏, 趙碩, 王保義. 基于云計(jì)算和量子粒子群算法的電力負(fù)荷曲線聚類算法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(21): 93-98.

ZHANG Shaomin, ZHAO Shuo, WANG Baoyi. Research of power load curve clustering algorithm based on cloud computing and quantum particle swarm optimization[J]. Power System Protection and Control, 2014, 42(21): 93-98.

[12] 黃宇騰, 侯芳, 周勤, 等. 一種面向需求側(cè)管理的用戶負(fù)荷形態(tài)組合分析方法[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(13): 20-25.

HUANG Yuteng, HOU Fang, ZHOU Qin, et al. A new combinational electrical load analysis method for demand side management[J]. Power System Protection and Control, 2013, 41(13): 20-25.

羅滇生(1971-)，男，教授，碩導(dǎo)，研究方向?yàn)殡娏ο到y(tǒng)負(fù)荷預(yù)測(cè)、電力市場(chǎng)理論及其應(yīng)用；E-mail: lhx20070322@ hnu.edu.cn

杜 乾(1992-)，男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)負(fù)荷預(yù)測(cè)、電力市場(chǎng)理論及其應(yīng)用；E-mail: duqiancui@ 163.com

別少勇(1990-)，男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)負(fù)荷預(yù)測(cè)、電力市場(chǎng)理論及其應(yīng)用；E-mail: shaoyong_bie @163.com

(編輯 魏小麗)

Analysis of differentiation residential electricity consumption characteristic based on power load decomposition

LUO Diansheng, DU Qian, BIE Shaoyong, PANG Zhenguo, LI Shengxing
(College of Electrical and Information Engineering, Hunan University, Changsha 410082, China)

In view of the need of accurately grasping the characteristics of residential electricity consumption in the process of the design and construction of smart grid, residential load is decomposed to basic load and cooling load which are classified based on adaptive fuzzy C-means algorithm. Then residential load characteristic is analyzed according to clustering analysis result, based on this, a new classified method is proposed and then the analysis of residential electricity consumption characteristic is realized. The analysis results for residential electricity consumption behavior is accurate and effective based on the new classified method, and thus it may provide support for demand response, such as making electricity price of peak load, power load staggering management, and load control. This work is supported by National Natural Science Foundation of China (No. 51277057).

multiple dimensions; cluster analysis; classification of power customers; electricity characteristic; load decomposition

2015-10-29；

2015-11-29作者簡(jiǎn)介：

10.7667/PSPC151908

國家自然科學(xué)基金項(xiàng)目(51277057)