基于改进k-means算法的VPP负荷曲线聚类方法及应用

doi:10.12204/j.issn.1000-7229.2020.05.004

电力建设 ›› 2020, Vol. 41 ›› Issue (5): 28-36.doi: 10.12204/j.issn.1000-7229.2020.05.004

• 虚拟电厂 ·栏目主持胡泽春副教授、刘敦楠副教授、王宣元高级工程师· • 上一篇下一篇

基于改进k-means算法的VPP负荷曲线聚类方法及应用

艾欣1，杨子豪1，胡寰宇1，王智冬2，彭冬2，赵朗2AI

1．华北电力大学电气与电子工程学院，北京市 102206；2. 国网经济技术研究院有限公司，北京市 102209

出版日期:2020-05-01
作者简介:艾欣(1964)，男，教授，博士生导师，主要研究方向为新能源电力系统与微网；杨子豪(1995)，男，硕士研究生，主要研究方向为电力系统分析与控制；胡寰宇(1995)，男，博士研究生，主要从事电力系统分析与控制方面的研究工作；王智冬(1981)，男，高级工程师，主要研究方向为大电网规划与量化分析；彭冬(1977)，女，教授级高级工程师，主要研究方向为大电网规划与量化分析；赵朗(1990)，男，工程师，主要研究方向为大电网规划与量化分析。
基金资助:
国家电网公司科技项目(基于数据驱动的电网发展智能诊断分析与综合决策技术研究)（SGJSJY00JJJS1900018）

A Load Curve Clustering Method Based on Improved K-means Algorithm for Virtual Power Plant and Its Application

Xin1， YANG Zihao1， HU Huanyu1， WANG Zhidong2， PENG Dong2 ， ZHAO Lang2

1. School of Electrical and Electronic Engineering， North China Electric Power University， Beijing 102206， China; 2. State Grid Economic and Technological Research Institute Co.， Ltd.， Beijing 102209， China

Online:2020-05-01
Supported by:
This work is supported by Science and Technology Project of State Grid Corporation of China（No. SGJSJY00JJJS1900018）.

摘要/Abstract

摘要： 能源互联网的建设，将物联网、人工智能、云计算等技术融入电网。虚拟电厂作为能源互联网的基本单元，其聚合、运行方式也将迎来改变。针对虚拟电厂如何有效参与电网运行，提出一种基于主成分分析降维和凝聚层次聚类与k-means聚类相结合的虚拟电厂负荷曲线聚类方法，并对聚类结果的应用进行了研究。首先，结合信息物理网络所获数据，采用主成分分析方法对参与虚拟电厂聚合的不同负荷的特征进行分析，对数据进行标准化处理并降低维度；然后，利用凝聚层次聚类和k-means聚类相结合的算法，对所有参与聚合的负荷出力曲线进行聚类，得到同类别的负荷曲线簇并找出聚类中心；最后，分析聚类结果，建立与之匹配的评价体系，通过综合评价选取合适的负荷组合参与虚拟电厂聚合。

关键词: 虚拟电厂, 负荷曲线, 主成分分析, k-means算法, 层次聚类, 综合评价

Abstract: The construction of energy internet integrates the Internet of Things， artificial intelligence， cloud computing and other technologies into the power grid. As the basic unit of energy internet， virtual power plant (VPP) will change its aggregation and operation mode. In view of how virtual power plants can effectively participate in power grid operation， this paper proposes a VPP load curve clustering method based on principal-component dimension-reduced analysis， aggregation level clustering and k-means clustering， and studies the application of the clustering results. Firstly， combined with the data obtained from the information physical network， the principal-component analysis method is adopted to analyze the characteristics of different loads participating in the VPP aggregation， so as to standardize the data and reduce the dimension. Then， the algorithm combining aggregation hierarchical clustering and k-means clustering is used to cluster all load output curves participating in the aggregation， to obtain load curve clusters of the same class and find out the clustering center. Finally， the clustering results are analyzed， and the corresponding evaluation system is established. Through comprehensive evaluation， appropriate load combinations are selected to participate in the VPP aggregation.

Key words: virtual power plant, load curve , principal component analysis, k-means algorithm, hierarchical clustering, comprehensive assessment

中图分类号:

TM 71

艾欣，杨子豪，胡寰宇，王智冬，彭冬，赵朗. 基于改进k-means算法的VPP负荷曲线聚类方法及应用[J]. 电力建设, 2020, 41(5): 28-36.

AI Xin， YANG Zihao， HU Huanyu， WANG Zhidong， PENG Dong， ZHAO Lang. A Load Curve Clustering Method Based on Improved K-means Algorithm for Virtual Power Plant and Its Application[J]. Electric Power Construction, 2020, 41(5): 28-36.

参考文献

［1］李立浧，张勇军，徐敏. 我国能源系统形态演变及分布式能源发展［J］. 分布式能源， 2017，2(1): 1-9.
LI Licheng， ZHANG Yongjun， XU Min. Morphological evolution of energy system and development of distributed energy in China［J］. Distributed Energy， 2017，2(1): 1-9.
［2］ SHAFIE-KHAH M， CATALAO J P S. A stochastic multi-layer agent-based model to study electricity market participants behavior［J］. IEEE Transactions on Power Systems， 2015， 30(2): 867-881.
［3］季阳. 基于多代理系统的虚拟发电厂技术及其在智能电网中的应用研究［D］. 上海: 上海交通大学， 2011.
JI Yang. Multi agent system based control of virtual power plant and its application in smart grid［D］. Shanghai: Shanghai Jiaotong University， 2011.
［4］王宣元，刘敦楠，刘蓁，等. 泛在电力物联网下虚拟电厂运营机制及关键技术［J］. 电网技术， 2019， 43(9): 3175-3183.
WANG Xuanyuan， LIU Dunnan， LIU Zhen， et al. Operation mechanism and key technologies of virtual power plant under ubiquitous Internet of Things［J］. Power System Technology， 2019， 43(9): 3175-3183.
［5］彭显刚，赖家文，陈奕. 基于聚类分析的客户用电模式智能识别方法［J］. 电力系统保护与控制， 2014， 42(19): 68-73.
PENG Xiangang， LAI Jiawen， CHEN Yi. Application of clustering analysis in typical power consumption profile analysis［J］. Power System Protection and Control， 2014， 42(19): 68-73.
［6］王帅，杜欣慧，姚宏民，等. 面向含多种用户类型的负荷曲线聚类研究［J］. 电网技术， 2018， 42(10): 3401-3412.
WANG Shuai， DU Xinhui， YAO Hongmin， et al. Research on load curve clustering with multiple user types［J］. Power System Technology， 2018， 42(10): 3401-3412.
［7］张斌，庄池杰，胡军，等. 结合降维技术的电力负荷曲线集成聚类算法［J］. 中国电机工程学报， 2015， 35(15): 3741-3749.
ZHANG Bin， ZHUANG Chijie， HU Jun， et al. Ensemble clustering algorithm combined with dimension reduction techniques for power load profiles［J］. Proceedings of the CSEE， 2015， 35(15): 3741-3749.
［8］张素香，赵丙镇，王风雨，等. 海量数据下的电力负荷短期预测［J］. 中国电机工程学报， 2015， 35(1): 37-42.
ZHANG Suxiang， ZHAO Bingzhen， WANG Fengyu， et al. Short-term power load forecasting based on big data［J］. Proceedings of the CSEE， 2015， 35(1): 37-42.
［9］ FERRAZ B P， JUNIOR J D A， LEMOS F， et al. Analysis of distribution system considering load uncertainties: A k-means clustering approach［C］//2019 IEEE PES Innovative Smart Grid Technologies Conference-Latin America (ISGT Latin America)， September 15-18， 2019. Gramado， Brazil: IEEE， 2019: 1-6.
［10］王潇笛，刘俊勇，刘友波，等. 采用自适应分段聚合近似的典型负荷曲线形态聚类算法［J］. 电力系统自动化， 2019， 43(1): 110-121.
WANG Xiaodi， LIU Junyong， LIU Youbo， et al. Shape clustering algorithm of typical load curves based on adaptive piecewise aggregate approximation［J］. Automation of Electric Power Systems， 2019， 43(1): 110-121.
［11］刘思，李林芝，吴浩，等. 基于特性指标降维的日负荷曲线聚类分析［J］. 电网技术， 2016， 40(3): 797-803.
LIU Si， LI Linzhi， WU Hao， et al. Cluster analysis of daily load curves using load pattern indexes to reduce dimensions［J］. Power System Technology， 2016， 40(3): 797-803.
［12］ CAO M M， SHI L J， WANG Z Z， et al. Node net load forecasting of distributed photovoltaic considering different user characteristics［C］//2019 IEEE Innovative Smart Grid Technologies-Asia (ISGT Asia)， May 21-24， 2019. Chengdu， China: IEEE， 2019: 1766-1771.
［13］ NISHA， KAUR P J. Cluster quality based performance evaluation of hierarchical clustering method［C］//2015 1st International Conference on Next Generation Computing Technologies (NGCT)， September 4-5， 2015. Dehradun， India: IEEE， 2015: 649-653.
［14］孙强，葛旭波，刘林，等. 智能电网多属性网络层次组合评价法及其应用研究［J］. 电网技术， 2012， 36(10): 49-54.
SUN Qiang， GE Xubo， LIU Lin， et al. Multi-attribute network process comprehensive evaluation method for smart grid and its application［J］. Power System Technology， 2012， 36(10): 49-54.
［15］徐佳敏，孙英云，孙芊，等. 虚拟电厂有功调度综合评价指标体系［J］. 电工电能新技术， 2020， 39(3): 32-39.
XU Jiamin， SUN Yingyun， SUN Qian， et al. A comprehensive evaluation index system of VPP participating in active power dispatching［J］. Advanced Technology of Electrical Engineering and Energy， 2020， 39(3): 32-39.
［16］李军，李继光，姚建刚，等. 属性识别和G1-熵权法在电能质量评价中的应用［J］. 电网技术， 2009， 33(14): 56-61.
LI Jun， LI Jiguang， YAO Jiangang， et al. Application of attribute recognition and G1-entropy method in evaluation of power quality［J］. Power System Technology， 2009， 33(14): 56-61.
［17］和敬涵，卢育梓，陆金耀，等. 基于"进化"主成分分析法的用户分类及其应用［J］. 电力建设， 2017， 38(3): 101-107.
HE Jinghan， LU Yuzi， LU Jinyao， et al. User classification method based on 'evolution' PCA and its application［J］. Electric Power Construction， 2017， 38(3): 101-107.
［18］段明秀. 层次聚类算法的研究及应用［D］.长沙:中南大学，2009.
DUAN Mingxiu. Research and application of hierarchical clustering algorithm ［D］. Changsha:Central South University，2009.

[1]	刘赛, 刘宇, 高山, 郭昊旻, 宋天成, 蒋伟毅, 李正, 王俊成, 徐逸民. 基于多特征目标函数PCA-ILP的非侵入式负荷分解方法[J]. 电力建设, 2020, 41(8): 1-8.
[2]	安麒，王剑晓，李庚银，王宣元，刘蓁. 基于均衡理论的虚拟电厂市场参与模式及方法[J]. 电力建设, 2020, 41(6): 1-8.
[3]	谭忠富，谭彩霞，蒲雷，杨佳澄. 基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型[J]. 电力建设, 2020, 41(6): 9-17.
[4]	叶飞，邵平，王宣元，左娟，王俊，窦迅，张鑫. 考虑购售风险的虚拟电厂双层竞标策略[J]. 电力建设, 2020, 41(6): 28-35.
[5]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[6]	陆秋瑜，杨银国，王中冠，谭嫣，夏天，伍双喜. 基于次梯度投影分布式控制法的虚拟电厂经济性一次调频[J]. 电力建设, 2020, 41(3): 79-85.
[7]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[8]	朱誉，仪忠凯，陆秋瑜，杨银国，李博，许银亮. 基于典型场景集的虚拟电厂与配电网协同定价策略[J]. 电力建设, 2019, 40(6): 74-85.
[9]	何奇琳，艾芊. 售电侧放开环境下含需求响应虚拟电厂的电力市场竞价策略[J]. 电力建设, 2019, 40(2): 1-10.
[10]	江叶峰，熊浩，胡宇，刘宇. 考虑电热综合需求响应的虚拟电厂优化调度[J]. 电力建设, 2019, 40(12): 61-69.
[11]	秦玉杰，胡健，焦提操. 基于泛在电力物联网的分布式可再生能源（DRE）理性消纳调峰模型[J]. 电力建设, 2019, 40(12): 120-128.
[12]	闫园，林鸿基，文福拴，龚建荣，李道强，陈成. 考虑电价和碳价间Copula风险依赖的虚拟电厂竞标策略[J]. 电力建设, 2019, 40(11): 106-115.
[13]	董京营，周博，刘晋源，高红均，石玉东，刘俊勇，吕林. 考虑用户舒适度的虚拟电厂热电联合调度模型[J]. 电力建设, 2019, 40(1): 19-26.
[14]	周冰钰，刘博，王丹，兰宇，马喜然，孙冬冬，霍秋屹. 基于自组织中心K-means算法的用户互动用电行为聚类分析[J]. 电力建设, 2019, 40(1): 68-76.
[15]	周博，吕林，高红均，谭心怡，吴泓灏. 基于两阶段随机规划的虚拟电厂优化交易策略[J]. 电力建设, 2018, 39(9): 70-77.

基于改进k-means算法的VPP负荷曲线聚类方法及应用

A Load Curve Clustering Method Based on Improved K-means Algorithm for Virtual Power Plant and Its Application

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价