基于层次聚类的峰谷时段划分的优化

(整期优先)网络出版时间:2021-05-21
/ 3


基于层次聚类的峰谷时段划分的优化

胡敏 曾小青

长沙理工大学 湖南 长沙 410076

摘要:以某省南部六个市2016-2018年的用电情况为例进行分析,研究用户用电负荷的平稳性,结果表明该地区用户的用电分布不均衡,当前时段区间的设置不适合变化的负荷。基于时段划分问题遵循的原则,本文采用层次聚类法,结合负荷变化特征,对其时段划分进行优化,以反映负荷的峰谷特性,促进用户对峰谷分时电价机制的响应,提高其实施效果。

关键词:时段划分;层次聚类;峰谷分时电价;负荷特征

1引言

随着中国经济结构的转型升级,用电负荷呈现出尖峰化特征,调峰压力随之增加。实施峰谷分时电价,可以有效缓解负荷缺口,提高电力资源利用率。时段划分作为分时电价的一项重要内容,其划分的合理性直接影响着电力系统的移峰填谷效果。因此,科学合理的时段划分研究对实现电力系统的经济有效运行具有重要的现实意义。

然而我国大部分地区现阶段实施的峰谷时段划分存在很多不足和亟待改进的地方,如时段区间设置目前是固定的[1],峰谷时段划分缺乏针对性和灵活性。且负荷具有一定的时间特性,为了更真实地反映价格,促进需求侧响应,要灵活的进行时段划分。本文以某省南部六个市的用电情况为例进行分析,取2016-2018年历史负荷进行负荷特征分析,并基于层次聚类法对其时段划分进行优化,以反映负荷的峰谷特性。

2时段划分原则

时段划分遵循峰谷分时电价制订的所有原则,且有自己的特殊性[2]。因此,结合国内外有关峰谷时段划分研究,本文遵循以下峰谷时段划分的原则:

(1)能够客观地反映负荷的实际峰谷特性。

(2)划分时段时要充分体现不同时段电力成本的差异,反映市场的供需关系。

(3)考虑用户的用电特征,方便用户调整用电时段。

(4)时段不宜划分的太小,每个时段不应低于1小时。若某个时间点被孤立出来,可将其归为相邻时段,或将相邻时段的某个时间点归到孤立时间点所在时段。所有时段内的时间点总数应为6-10个[3]

3典型负荷特征分析

选取某省南部六个市2016-2018年负荷进行负荷特征分析。取三年全年的每日96点负荷数据作年负荷曲线图,如图1所示,由图可以看出,三年来整体的日负荷变化趋势相同,但每年同一时点的平均负荷在不断增加。电力用户每天的用电趋势三年基本未变,只是随着经济水平的提高,用电量逐年提高。尖峰时刻在2016-2017年出现在中午的11:00-12:00,而在2018年,在17:00-19:00时段出现新尖峰时刻,而当前执行的时段划分方案将17:00-19:00时段设为高峰时段不能真实地反映负荷变化,因此现有的时段划分对现在的负荷特点不在适用,需要对时段划分作一定调整。

60a73ee9b8aa2_html_58d4dc3c125e351c.gif

图1某省2016-2018年每天各时点平均负荷曲线

月负荷率是月内平均日电量与该月内最大负荷日电量的比值,可以反映月内日电量分布的均衡性。季负荷率为全年各月最大负荷的平均与年最大负荷的比值,它反映了一年内月最大负荷分布的不均衡性,体现年负荷曲线的波动情况。我们对每年的月负荷率和季负荷率进行研究比较。表1为电网月负荷率,表2为电网季负荷率。

表1 2016-2018年电网月负荷率


1月

2月

3月

4月

5月

6月

7月

8月

9月

10月

11月

12月

2016年

0.965

0.814

0.954

0.953

0.940

0.863

0.863

0.825

0.926

0.947

0.964

0.949

2017年

0.884

0.875

0.940

0.925

0.940

0.868

0.841

0.846

0.937

0.916

0.896

0.971

2018年

0.935

0.816

0.923

0.928

0.943

0.867

0.894

0.849

0.918

0.975

0.927

0.932

夏冬时期的用电主要集中在温度较高或较低特别是空调开启较多的时期,且冬季时期负荷波动还受春节节假日的影响,因此冬季一月份和夏季八月份的负荷率在四季中最低,用电分布不均衡性更大,春季的负荷变化较平稳。

表2 2016-2018年电网季负荷率

年度

2016

2017

2018

季负荷率

0.826

0.799

0.823

从表2可知,该省电网的季负荷率波动呈波动变化,但变化幅度不大,2017年全年各月的负荷峰值水平,较2016年、2018年差异较大。从以上分析可以看出,固定时段区间设置并不适合变化的负荷,不能很好地反映该地区的负荷特性。为使峰谷分时电价的实施效果更加显著需要对时段划分进行合理优化。

4基于层次聚类的时段划分优化

4.1层次聚类的原理

层次聚类试图在不同层次对数据集进行划分,从而形成树形的聚类结构。AGNES是一种采用自底向上聚合策略的层次聚类算法。它先将数据集中的每个样本看作一个初始聚类簇,然后在算法运行的每一步中找出距离最近的两个聚类簇进行合并,该过程不断重复,直至达到预设的聚类簇个数。实际上,每个簇是一个样本集合,因此,只需采用关于集合的某种距离即可。

AGNES算法先对仅含一个样本的初始聚类簇和相应的距离矩阵进行初始化;然后不断合并距离最近的聚类簇,并对合并得到的聚类簇的距离矩阵进行更新;上述过程不断重复,直至达到预设的聚类簇数。在树状图的特定层次上进行分割,则可得到相应的簇划分结果;将分割层逐步提升,则可得到聚类簇逐渐减少的聚类结果。

4.2峰谷时段划分的优化

选取该地区的典型日负荷曲线,以一小时为单位将一天24小时的时间通过聚类分析划分为四类,即谷时段、平时段、峰时段和尖峰时段,聚类结果如图2。

60a73ee9b8aa2_html_72916864b29bef67.png

图2时段聚类结果

由于大部分企业在白天作业,夜间用电基本上为部分夜间作业用户,因此将夜间的低谷时段减少,平时段时间点增加,可缓解高峰负荷压力,既划分峰时段8个小时,平段9个小时,低谷时段7个小时。2018年划分的尖峰时段仅为10:00-12;00,从图1负荷曲线看17:00-18:30时段的负荷值高于10:00-12;00时段的负荷值,17:00-18:30时段更应为尖峰时段。从2016-2018年各时刻点负荷曲线看出,每年各时刻点的负荷都在增加,在2018年19:00-21:00时段的负荷值已经超过13:00-16:00时段的负荷值,为使峰谷特征更明显,优化后的时段将原来19:00-21:00的平时段变为高峰时段,将原来13:00-16:00高峰时段变为平时段。得出新的时段划分如下:

谷时段:23:00-次日6:00(7小时)

平时段:6:00-9:00(3小时)、12:00-16:00(4小时)、21:00-23:00(2小时)

高峰时段:9:00-10:00(1小时)、16:00-17:00(1小时)、18:00-21:00(3小时)

尖峰时段:10:00-12;00(2小时)、17:00-18:00(1小时)

调整后的各时段较为集中,与负荷曲线的尖峰、高峰、平段、低谷负荷发生时间匹配度较高,既可反映峰谷负荷特征,又方便用户调整生产时间,更有利于需求侧的快速响应,对于短期内实现负荷的转移预计将有明显的效果。

各时段平均负荷与平时段平均负荷之比可以体现峰谷差异,说明时段划分的合理性。计算优化前后该比值见表3,从表中可以看出,优化后该比值有明显提高,说明优化后的时段划分更能刻画出负荷的峰谷特性。

表3时段优化前后各时段平均负荷比

时段

各时段平均负荷与平时段平均负荷的比值

时段优化前

时段优化后

谷时段

0.84003528

0.84294323

平时段

1

1

高峰时段

1.05063997

1.06556345

尖峰时段

1.06120081

1.08953615

5 结论

本文研究了用户的用电负荷的平稳性,对比某地区2016-2018年的月负荷率、季负荷率,结果表明每年的每个月、每个季度用电分布都是不均衡的,固定时段区间的设置不适合变化的负荷,因此,基于峰谷时段划分原则,对固定的时段区间采用层次聚类的方法进行优化。优化后的时段划分更符合负荷曲线的分布特征,且分布较为集中,有利于用户调整用电时间,促进峰谷分时电价政策的实施,增强其实施效果,实现负荷转移的目的。

参考文献

[1]连振洲,温步瀛,江岳文.基于负荷曲线分布特征的峰谷时段划分和修正策略研究[J].电网与清洁能源, 2014,30(7):15-19.

[2]徐翔.苏州地区典型行业用户负荷时段划分研究[D].苏州科技大学, 2017.

[3]连振洲,温步瀛,江岳文.基于负荷曲线分布特征的峰谷时段划分和修正策略研究[J].电网与清洁能源, 2014,30(7):15-19.



作者简介1胡敏(1993-),女,汉族,山西晋中人,硕士研究生,硕士在读,研究方向为大数据分析。

作者简介2:曾小青,1975年1月,男,江西吉水 ,汉族 ,博士后,副教授,长沙理工大学经济与管理学院,研究方向:大数据分析。


基金项目:湖南省教育厅科学研究重点项目(基于用电行为大数据分析的湖南省峰谷分时电价优化研究,编号:19A028).