一種多能源互補(bǔ)微網(wǎng)系統(tǒng)的典型日負(fù)荷曲線提取方法

趙鑒，袁渤巽，劉又榕，王維，林順富

摘? 要： 典型負(fù)荷場景對多能互補(bǔ)微網(wǎng)系統(tǒng)規(guī)劃有著十分重要的意義。針對傳統(tǒng)的歷史典型日負(fù)荷曲線數(shù)據(jù)過于保守的問題，提出一種利用DeST軟件結(jié)合k-means聚類算法得到典型日負(fù)荷曲線的方法。首先對區(qū)域內(nèi)各建筑體進(jìn)行建模;其次通過DeST中的DeST-h求得該模型的全年負(fù)荷需求數(shù)據(jù);最后使用k-means聚類算法對場景進(jìn)行提取，得到典型的日負(fù)荷曲線。基于某規(guī)劃區(qū)實(shí)際場景數(shù)據(jù)，利用所提出方法提取典型的負(fù)荷場景曲線，驗(yàn)證了該方法的可行性。

關(guān)鍵詞： 多能源互補(bǔ)微網(wǎng); DeST; k-means聚類算法; 典型日負(fù)荷曲線

中圖分類號：TM769? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2022）06-40-03

Method for extracting typical daily load curve of multi-energy

complementary microgrid system

Zhao Jian1， Yuan Boxun1， Liu Yourong2， Wang Wei2， Lin Shunfu2

（1. China Shanghai Architectural Design and Research Institute Co.Itd， Shanghai 200062， China;

2. School of Electric Power Engineering， Shanghai University of Electric Power）

Abstract： Typical load scenarios are very important for the planning of multi-energy complementary microgrid systems. Aiming at the problem that the traditional historical typical daily load curve data is too conservative， a method of using DeST software and k-means clustering algorithm to obtain the typical daily load curve is proposed. Firstly， the multi-source equipments in the region are modeled， then the annual load demand data of the model is obtained through DeST-h in DeST， and finally the typical daily load curve is obtained by using the k-means clustering algorithm to extract the scene. Based on the actual scene data of a certain planning area， the proposed method is used to extract the typical load scene curve， which verifies the feasibility of the method.

Key words： MECE（multi-energy complementary microgrid）; DeST; k-means clustering; typical daily load curve

0 引言

多能源互補(bǔ)微網(wǎng)（multi-energy complementary microgrid，MECM）可以耦合多種新能源，充分發(fā)揮不同可再生能源的各種優(yōu)點(diǎn)，平抑風(fēng)、光等可再生能源的不確定性，提高可再生能源的消納能力[1]。目前關(guān)于MECM的研究熱電主要有系統(tǒng)建模、規(guī)劃配置和經(jīng)濟(jì)效益評估等[2]，其中在規(guī)劃配置研究中考慮負(fù)荷的不確定性，提取典型性的負(fù)荷場景具有十分重要的意義。典型負(fù)荷場景曲線主要有三種提取方法，分別為：最接近某月平均負(fù)荷率的日負(fù)荷曲線、某月日負(fù)荷最大的日負(fù)荷曲線和某特定工作日的日負(fù)荷曲線。文獻(xiàn)[3-4]采用日負(fù)荷率與峰谷差率作為指標(biāo)，根據(jù)負(fù)荷曲線變化規(guī)律對負(fù)荷場景進(jìn)行提取。文獻(xiàn)[5]針對典型日負(fù)荷曲線預(yù)測方法誤差較大的問題，提出分形插值算法和粒子群算法相結(jié)合提高負(fù)荷預(yù)測的精確性，但需要規(guī)劃地區(qū)多年負(fù)荷精確數(shù)據(jù)和復(fù)雜的計(jì)算。針對MECM典型日負(fù)荷曲線提取的聚類算法主要有：k-均值聚類算法（k-means clustering algorithm）、模糊C均值（fuzzy C-means， FCM）、自組織映射神經(jīng)網(wǎng)絡(luò)（self-organizing map， SOM）和層次聚類等多種聚類算法。文獻(xiàn)[6]闡述k-means算法較其他聚類方法有更高的效率的優(yōu)點(diǎn)，且k-means算法具有易實(shí)現(xiàn)、效果良好且應(yīng)用廣泛的特點(diǎn)。

本文將應(yīng)用k-means算法于MECM系統(tǒng)規(guī)劃區(qū)，進(jìn)行典型日負(fù)荷曲線提取。首先，基于AutoCAD軟件對MECM系統(tǒng)區(qū)域內(nèi)建筑和設(shè)備進(jìn)行繪畫建模;其次，利用DeST軟件中的DeST-h模塊得到系統(tǒng)的全年負(fù)荷場景數(shù)據(jù);最后，采用k-means聚類算法進(jìn)行場景削減。本文基于某規(guī)劃區(qū)實(shí)際場景數(shù)據(jù)，利用所提出方法提取典型的負(fù)荷場景曲線，驗(yàn)證了所提出方法的可行性。

1 典型日負(fù)荷曲線提取工具和算法

1.1 建筑熱環(huán)境設(shè)計(jì)模擬工具包

建筑熱環(huán)境設(shè)計(jì)模擬工具包簡稱DeST軟件，主要應(yīng)用于建筑的能耗分析、溫控系統(tǒng)設(shè)計(jì)和科學(xué)研究等方面。首先在建筑能耗分析方面，DeST能夠計(jì)算出建筑體內(nèi)的冷熱的流失程度，模擬生成相關(guān)溫度數(shù)據(jù)，方便使用者對建筑體的能耗進(jìn)行分析;其次在溫控系統(tǒng)設(shè)計(jì)方面，DeST軟件能幫助使用者對建筑體的圍護(hù)結(jié)構(gòu)與空調(diào)系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì);最后，DeST軟件能夠?qū)ㄖw的外環(huán)境進(jìn)行逐時(shí)的模擬計(jì)算，為相關(guān)科學(xué)領(lǐng)域的研究提供十分重要的幫助。

1.2 k-means聚類算法

k-means聚類算法是工程運(yùn)算中最為常用的聚類算法之一，它是基于劃分的聚類算法。k-means算法對樣本集中的相似程度進(jìn)行計(jì)算，也就是樣本對中心點(diǎn)的距離，與中心點(diǎn)相近的為一簇，計(jì)算每簇的均值為新的中心點(diǎn)，直到樣本的簇分類不再改變。分類后同簇的樣本距離較近，不同簇的樣本距離較遠(yuǎn)。它具有運(yùn)算速度快、簡單且易實(shí)現(xiàn)的優(yōu)點(diǎn)。具體步驟如下[7]：

⑴ 選取樣本組成樣本集[D=d1，d2，d3，...，dn]，其中[di]為第[i]個(gè)樣本，在樣本集[D]中選擇[k]個(gè)樣本作為初始的聚類中心點(diǎn)，即[mi（i=1，2，...，k）];

⑵ 計(jì)算樣本集中所有的[di]到中心點(diǎn)的距離[Lk=mi-xi]，按照樣本點(diǎn)到中心點(diǎn)的最小距離劃分[k]個(gè)簇，即有[k]個(gè)簇[Ci=（i=1，2，...，k）]，每簇含有[N]個(gè)樣本點(diǎn);

⑶ 樣本集全部劃分之后，按照新劃分的簇求每簇的均值，也就是新的中心點(diǎn)：

[mi=xi?Cixi/Ni]? ⑴

⑷ 重復(fù)迭代⑵、⑶步驟，更新簇類的信息，直到中心點(diǎn)不再更新為止。

2 MECM系統(tǒng)日負(fù)荷曲線提取方法

負(fù)荷曲線可以直觀的體現(xiàn)出負(fù)荷時(shí)變性與季節(jié)性的特點(diǎn)，且日負(fù)荷曲線能體現(xiàn)用戶的用電行為，描述用戶一天的負(fù)荷變化。典型日負(fù)荷的曲線對電網(wǎng)規(guī)劃有著十分重要的意義。提取典型日負(fù)荷曲線的流程主要包括獲取負(fù)荷數(shù)據(jù)、確定聚類數(shù)目、進(jìn)行負(fù)荷聚類、分析聚類結(jié)果。本文首先對規(guī)劃區(qū)進(jìn)行建模，利用DeST軟件獲得負(fù)荷數(shù)據(jù);其次對多個(gè)可能的聚類數(shù)目[k]實(shí)行負(fù)荷聚類，對比不同[k]值的鄧恩指數(shù)[8]確定聚類數(shù)目;最后對最優(yōu)聚類結(jié)果進(jìn)行分析與評價(jià)。

2.1 負(fù)荷模擬計(jì)算

本文考慮在MECM系統(tǒng)規(guī)劃區(qū)域獲得全年8760小時(shí)的電-熱-冷負(fù)荷數(shù)據(jù)的方法如下：首先，對MECM系統(tǒng)區(qū)域內(nèi)的建筑設(shè)施、地理信息和所屬地區(qū)的氣象信息進(jìn)行調(diào)研，得到該區(qū)域的建筑參數(shù)、氣象參數(shù)和設(shè)備參數(shù);其次，利用AutoCAD軟件對規(guī)劃區(qū)的建筑繪畫建模，再將畫出的dwg文件作為底圖導(dǎo)入到DeST軟件，并對底圖進(jìn)行描畫。由于DeST軟件是通過對建筑進(jìn)行熱性能分析來模擬計(jì)算，所以模擬計(jì)算之前需要設(shè)定門窗、墻體、天花板、地板等相關(guān)參數(shù)，輸入建筑的地理氣象信息并對房間之間的通風(fēng)關(guān)系進(jìn)行描述。設(shè)計(jì)符合建筑情況的空調(diào)系統(tǒng)和照明系統(tǒng)，輸入相關(guān)的設(shè)備參數(shù)，并對人行為模式進(jìn)行建模。最后，利用DeST軟件的DeST-h模塊對該區(qū)域進(jìn)行負(fù)荷模擬，經(jīng)過模擬計(jì)算生成全年8760小時(shí)電-熱-冷負(fù)荷需求數(shù)據(jù)。

2.2 典型的日負(fù)荷曲線聚類

由于模擬的得到的負(fù)荷需求數(shù)據(jù)是復(fù)雜的全年逐時(shí)負(fù)荷，因此要先將多能負(fù)荷數(shù)據(jù)進(jìn)行處理，本文將全年負(fù)荷數(shù)據(jù)按365天劃分，其中每天的負(fù)荷數(shù)據(jù)包含了全天區(qū)域內(nèi)24點(diǎn)的電-熱-冷數(shù)據(jù)，以24×3的矩陣表示：

[xe1xh1xc1………xe24xh24xc24]? ⑵

由于聚類數(shù)[k]是預(yù)先設(shè)定的，本文通過對的不同[k]值的聚類結(jié)果的鄧恩指數(shù)（Dunn Validity Index， DVI）計(jì)算比較，得到最適合的聚類數(shù)[k]。鄧恩指數(shù)越大，不同簇類的距離越大，簇內(nèi)的聚合效果越好。鄧恩指數(shù)的計(jì)算公式如下：

[DVI=min0<m≠n<kminxi∈Ωmxj∈Ωnxi-xjmax0<m<kmaxxi，xj∈Ωmxi-xj]? ⑶

本文采用k-means聚類方法從全年電-熱-冷負(fù)荷需求數(shù)據(jù)中提取典型的日負(fù)荷曲線，主要步驟如下：

⑴ 對全年負(fù)荷需求數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，得到樣本集[D]，其中含有365個(gè)樣本點(diǎn)，每個(gè)樣本點(diǎn)以24×3的矩陣[A]表示，即[D=A1，A2，A3，...，A365];

⑵ 設(shè)定聚類數(shù)[k={3，4，5，6，7，8}]，對樣本集[D]中的每個(gè)樣本進(jìn)行聚類，多次迭代后得到聚類數(shù)目為[k]時(shí)的聚類結(jié)果;

⑶ 計(jì)算聚類數(shù)目為[k]時(shí)的DVI值，當(dāng)DVI值最大時(shí)，將對應(yīng)的聚類數(shù)[k]選為最優(yōu)[k]值;

⑷ 對最優(yōu)聚類結(jié)果得到的典型日負(fù)荷曲線進(jìn)行評價(jià)與分析。

3 算例分析

本文先對某規(guī)劃區(qū)的建筑群進(jìn)行繪圖建模，通過DeST軟件對底圖重新進(jìn)行描畫，確定建筑體的墻體與門窗結(jié)構(gòu)，設(shè)計(jì)出建筑體所需要的空調(diào)系統(tǒng)和照明系統(tǒng)。輸入該區(qū)域的建筑參數(shù)、氣象參數(shù)和設(shè)備參數(shù)，根據(jù)人員的日常行為模式進(jìn)行人行為建模，利用DeST軟件的DeST-h模塊中的負(fù)荷模擬計(jì)算功能獲得全年8760小時(shí)電-熱-冷負(fù)荷需求數(shù)據(jù)。所得到的規(guī)劃區(qū)全年電、熱、冷負(fù)荷需求數(shù)據(jù)如圖1所示。

通過k-means聚類分群采用不同的聚類數(shù)對全年多能負(fù)荷數(shù)據(jù)進(jìn)行處理，選擇鄧恩指數(shù)最大的一次聚類結(jié)果，最終提取出了六條典型的電熱冷負(fù)荷日負(fù)荷曲線，其概率分別為0.3107、0.2534、0.0954、0.1406、0.0739和0.1259，如圖2所示。

從圖2中可以看出，從全年負(fù)荷數(shù)據(jù)中提取的六種典型日負(fù)荷曲線形態(tài)差異較大。典型日負(fù)荷曲線1只有電負(fù)荷，且在9點(diǎn)到20點(diǎn)之間電負(fù)荷較高，根據(jù)日常生活用電習(xí)慣，判定典型日負(fù)荷曲線1為春秋的過渡季。典型日負(fù)荷曲線2、3只有電、熱負(fù)荷，且在0點(diǎn)到7點(diǎn)之間熱負(fù)荷逐漸增加，該曲線表明熱負(fù)荷的波動與氣溫有關(guān)，判定典型日負(fù)荷曲線2、3為冬季。典型日負(fù)荷曲線4、5、6只有電、冷負(fù)荷，且在8點(diǎn)到20點(diǎn)之間冷負(fù)荷較高，該曲線也表明冷負(fù)荷的大小與氣溫有關(guān)，判定典型日負(fù)荷曲線4、5、6為夏季。

4 結(jié)束語

本文利用DeST軟件結(jié)合k-means聚類算法得到典型日負(fù)荷曲線。首先對規(guī)劃區(qū)的建筑與設(shè)備進(jìn)行建模;其次輸入規(guī)劃區(qū)相關(guān)參數(shù)，并利用DeST-h模塊求得該模型的全年負(fù)荷需求數(shù)據(jù);最后采用k-means聚類算法對典型的負(fù)荷場景進(jìn)行提取，并對最優(yōu)聚類結(jié)果進(jìn)行分析與評價(jià)?；谀扯嗄芑パa(bǔ)微網(wǎng)系統(tǒng)規(guī)劃區(qū)實(shí)際場景數(shù)據(jù)，驗(yàn)證了所提出方法的有效性。該方法可以有效提取區(qū)域的典型日負(fù)荷曲線，無需依賴區(qū)域多年負(fù)荷需求數(shù)據(jù)，更加適用于新建的含有較多建筑與電氣設(shè)備的多能互補(bǔ)微網(wǎng)系統(tǒng)。但是規(guī)劃區(qū)域更大建筑更多的多能互補(bǔ)微網(wǎng)具有更加復(fù)雜的負(fù)荷需求數(shù)據(jù)，未來需要進(jìn)一步改進(jìn)k-means聚類算法提高算法的精確度與計(jì)算速度，來處理更大的規(guī)劃區(qū)數(shù)據(jù)，以滿足優(yōu)化計(jì)算能力的需求。

參考文獻(xiàn)（References）：

[1] 田世明，欒文鵬，張東霞，等.能源互聯(lián)網(wǎng)技術(shù)形態(tài)與關(guān)鍵技術(shù)[J].中國電機(jī)工程學(xué)報(bào)，2015，35（14）：3482-3494

[2] 趙璞，周滿，高建宇，等.基于電能替代的園區(qū)綜合能源規(guī)劃評價(jià)方法[J].中國電力，2021，54（4）：130-140

[3] 唐學(xué)用，萬會江，葉航超，等.貴州統(tǒng)調(diào)電網(wǎng)典型日負(fù)荷特性分析與預(yù)測[J].中國電力，2015，48（9）：24-30

[4] 肖建華，王銳鳳，溫春楠，等.典型日負(fù)荷曲線預(yù)測的一種簡單方法[J].吉林電力，2006（2）：14-17

[5] 李萌，程浩忠，楊宗麟，等.采用分形插值的典型日負(fù)荷曲線改進(jìn)預(yù)測方法[J].電力系統(tǒng)及其自動化學(xué)報(bào)，2015，27（3）：36-41

[6] 胡陽春.基于改進(jìn)k均值聚類算法的電力負(fù)荷模式識別方法研究[D].電子科技大學(xué)碩士學(xué)位論文，2018

[7] 李亞玲，李濤.改進(jìn)K-means算法在風(fēng)電異常數(shù)據(jù)的識別研究[J].計(jì)算機(jī)時(shí)代，2020（2）：6-8

[8] 林志堅(jiān)，魯?shù)希咒J濤，等.基于k-means聚類和變分位魯棒極限學(xué)習(xí)機(jī)的短期負(fù)荷預(yù)測方法[J].智慧電力，2019，47（3）：46-53