一种基于用户侧负荷曲线预判潜在优质储能用户的方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 111598446 A(43)申请公布日 2020.08.28

(21)申请号 202010412298.2(22)申请日 2020.05.15

(71)申请人 广东电网有限责任公司

地址 510060 广东省广州市越秀区东风东

路757号

申请人 广东电网有限责任公司东莞供电局(72)发明人 罗金满　梁浩波　晏晶　刘卓贤　

封祐钧　(74)专利代理机构 北京集佳知识产权代理有限

公司 11227

代理人 李宁(51)Int.Cl.

G06Q 10/06(2012.01)G06Q 30/02(2012.01)G06Q 50/06(2012.01)

权利要求书1页 说明书4页 附图3页

()发明名称

一种基于用户侧负荷曲线预判潜在优质储能用户的方法(57)摘要

本发明实施例公开了一种基于用户侧负荷曲线预判潜在优质储能用户的方法，包括：S100、采集储能用户的用电负荷数据；S200、收集本区域中储能用户所在行业的典型负荷数据，并对典型负荷数据进行处理后对应绘制出最佳储能用户的负荷曲线图形；S300、对储能用户的用电负荷进行聚类结果分析，判断分时电价的区域内潜在优质的储能用户。本发明通过获取用户负荷数据基本信息，采用基于聚类分析的方式，来为能源投资服务商提供是否为优质储能用户的判断方法，为使其更好地准确获取该区域范围潜在的储能目标用户，并合理匹配相应的储能设备建设规模，提供一项技术分析参考依据，从而达到投资效益最大化。

CN 111598446 ACN 111598446 A

权　利　要　求　书

1/1页

1.一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，包括：S100、采集储能用户的用电负荷数据；S200、收集本区域中储能用户所在行业的典型负荷数据，并对典型负荷数据进行处理后对应绘制出最佳储能用户的负荷曲线图形；

S300、对储能用户的用电负荷进行聚类结果分析，判断分时电价的区域内潜在优质的储能用户。

2.根据权利要求1所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，用电负荷数据通过自动抄表系统进行采集。

3.根据权利要求2所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，自动抄表系统采集时间段为24h，且每隔15min进行一次采集，在一个采集时间段中采集的用电负荷数据为96个。

4.根据权利要求1所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，所述步骤S200中，所述典型负荷数据包括三类：早上9:00-12:00；，晚上19:00-22:00；；谷时电价时间段：次日凌晨0:00-06:00。

5.根据权利要求2所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，步骤S200中的处理过程具体包括：

S201、根据公式当C＝a时，ɑ＝b，

分为n1组～nm组，确定聚类数据分组；其

中，C为用户的变压器报装容量，ɑ为模糊匹配参数，其范围为0-100％，m为一个采集时间段下的采集点的数量；

S202、依据公式

建立储能用户模糊类似矩阵，筛选峰谷时段的数据某

个n1～m组s1～m；S203、算法迭代，绘制出最佳储能用户的负荷曲线图形。

6.根据权利要求5所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，步骤S300中聚类结果分析具体包括：根据

计算储能

用户的用电复合数据中的模糊匹配度；其中，i为一个采集时间段下的时刻点，Sn,i和Sn-1,i-1分别表示在i时内，n时刻负荷值前一个与后一个计量点负荷n-1负荷对应时刻的负荷值。

7.根据权利要求6所述的一种基于用户侧负荷曲线预判潜在优质储能用户的方法，其特征在于，步骤S300中的判断标准为：当步骤S300中得到的ɑ的值越大，则该储能用户的日负荷情况与储能容量越相匹配，越满足潜在优质储能用户的要求。

2

CN 111598446 A

说　明　书

1/4页

一种基于用户侧负荷曲线预判潜在优质储能用户的方法

技术领域

[0001]本发明实施例涉及储能用户分析技术领域，具体涉及一种基于用户侧负荷曲线预判潜在优质储能用户的方法。

背景技术

[0002]近些年随着电力行业的发展和深化电力改革，储能技术的大力应用推广，储能用户逐渐成为各类能源投资服务商展开争夺的主要业务之一。国内对潜在储能用户探索主要集中在实行峰谷电价的区域内的信息的获取，而峰谷电价则是储能收益获取利润空间的方式。

[0003]当前对于储能用户的分析普遍是通过对用户的负荷曲线来分析用户用电消费行为，而能源投资服务商如何准确挖掘出潜在的储能用户却缺少有效的技术分析手段，虽然国内有众多技术应用于用户的负荷分析，例如：聚类分析方法、负荷密度法、回归分析法、概率统计方法、趋势分析法等，但较为缺少尤其针对储能用户的分析判断方法。发明内容

[0004]为此，本发明实施例提供一种基于用户侧负荷曲线预判潜在优质储能用户的方法，通过获取用户负荷数据基本信息，采用基于聚类分析的方式，来为能源投资服务商提供是否为优质储能用户的判断方法，为使其更好地准确获取该区域范围潜在的储能目标用户，并合理匹配相应的储能设备建设规模，提供一项技术分析参考依据，从而达到投资效益最大化。

[0005]为了实现上述目的，本发明的实施方式提供如下技术方案：[0006]在本发明实施例的一个方面，提供了一种基于用户侧负荷曲线预判潜在优质储能用户的方法，包括：[0007]S100、采集储能用户的用电负荷数据；[0008]S200、收集本区域中储能用户所在行业的典型负荷数据，并对典型负荷数据进行处理后对应绘制出最佳储能用户的负荷曲线图形；[0009]S300、对储能用户的用电负荷进行聚类结果分析，判断分时电价的区域内潜在优质的储能用户。

[0010]作为本发明的一种优选方案，用电负荷数据通过自动抄表系统进行采集。[0011]作为本发明的一种优选方案，步骤S100中，采集时间段为24h，且每隔15min进行一次采集，在一个采集时间段中采集的用电负荷数据为96个。[0012]作为本发明的一种优选方案，所述步骤S200中，所述典型负荷数据包括三类：早上9:00-12:00；，晚上19:00-22:00；；谷时电价时间段：次日凌晨0:00-06:00。[0013]作为本发明的一种优选方案，步骤S200中的处理过程具体包括：

[0014]

S201、根据公式当C＝a时，ɑ＝b，分为n1组～n m组，确定聚类数据分

组；其中，C为用户的变压器报装容量，ɑ为模糊匹配参数，其范围为0-100％，m为一个采集时

3

CN 111598446 A

说　明　书

2/4页

间段下的采集点的数量；

[0015]

S202、依据公式建立储能用户模糊类似矩阵，筛选峰谷时段的数

据某个n1～m组s1～m；

[0016]S203、算法迭代，绘制出最佳储能用户的负荷曲线图形。[0017]作为本发明的一种优选方案，步骤S300中聚类结果分析具体包括：根据

计算储能用户的用电复合数据中的模糊匹配度；其中，i为一

个采集时间段下的时刻点，Sn,i和Sn-1,i-1分别表示在i时内，n时刻负荷值前一个与后一个计量点负荷n-1负荷对应时刻的负荷值。[0018]作为本发明的一种优选方案，步骤S300中的判断标准为：当步骤S300中得到的ɑ的值越大，则该储能用户的日负荷情况与储能容量越相匹配，越满足潜在优质储能用户的要求。

[0019]本发明的实施方式具有如下优点：[0020]1)基于对典型负荷数据的分析，探索出符合储能用户的负荷曲线规律，为并据此根据储能用户的用电负荷数据进行比对分析，为储能项目的投资建设提供重要的技术参考依据；

[0021]2)结合聚类分析算法来分析储能用户侧负荷曲线特性，预测分析潜在的储能用户，为能源投资服务商带来最大效益。附图说明

[0022]为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。[0023]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

[0024]图1为本发明实施例提供的基于用户侧负荷曲线预判潜在优质储能用户的方法的流程图；

[0025]图2为本发明实施例提供的获取的储能用户用电负荷数据图形；[0026]图3为本发明实施例提供的“驼峰”形负荷曲线；[0027]图4为本发明实施例提供的“直线”形负荷曲线；[0028]图5为本发明实施例提供的“心电图”形负荷曲线。具体实施方式

[0029]以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一

4

CN 111598446 A

说　明　书

3/4页

部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0030]如图1所示，本发明提供了一种基于用户侧负荷曲线预判潜在优质储能用户的方法，以下对其步骤进行具体的示例性说明：[0031]第一步，获取储能用户的用电负荷数据，具体操作可以为：采取自动抄表系统，采集时间为每隔15min，一天按照24h计算，每日需采集96个时间点的负荷数据(其中，如图2所示，横坐标为24小时刻，纵坐标为用户的用电负荷值，单位为kW·h)，具体如图2所示。[0032]第二步，找出各类储能用户在不同商业模式的典型负荷曲线，具体如下：[0033]通过收集本区域中储能用户所在行业中比较典型的用户负荷曲线，发现有三类较为典型的用户侧负荷曲线特性。以下场景默认设定每日分时的峰值电价时间在：早上9:00-12:00，晚上19:00-22:00；谷时电价时间段：次日凌晨0:00-06:00，N＝jm，(N为采集计量点负荷，每个计量点信息记为j，每日采样96个，m＝1～96)，用户的变压器报装容量为C＝a，引入模糊匹配参数ɑ(0-100％)，储能用户潜力值Q，ɑ的数据接近Q则说明储能用户的市场价值越大。按照每时刻采集的数据进行分类组合排序，具体算法描述如下：

[0034]

首先，确定聚类数据分组，依据公式当C＝a时，ɑ＝b，分为n1组～nm

组；

[0035]

其次，依据公式建立储能用户模糊类似矩阵，筛选峰谷时段的数

据某个n1～m组s1～m；[0036]最后，算法迭代，绘制出最佳储能用户的负荷曲线图形。[0037]具体地，得到三种典型的用户侧负荷曲线图形：[0038]第一种，“驼峰”形负荷曲线：夜间22点到次日8点用电负荷极少，这种负荷曲线在市政商业区域较多，主要以写字楼、商场等业态为主。主要特点是，从早上7点开始到晚上10点范围内(尤其夏季格外突出)为主要用电高峰期，基本占变压器容量总负荷70％以上，而非用上班营业时间负荷将降到接近10％以下。根据以上负荷图像特性，来获取采样分析数据，如这类用户的日负荷曲线呈“驼峰”形布局，具体如图3所示。[0039]第二种，“直线”形负荷曲线：连续负荷曲线特性为24小时负荷基本平稳，变化幅度小于20％，具体如图4所示。[0040]第三种，“心电图”形负荷曲线：冲击负荷曲线特性为每15分钟负荷变化很大，超过20％，具体如图5所示。[0041]第三步，储能用户的聚类结果分析：根据定义数据模糊匹配度ɑ，其中i表示24个时刻点(即个整点为对应的时刻点)，Sn,i和Sn-1,i-1分别表示在i时内，n时刻负荷值前一个与后一个计量点负荷n-1负荷对应时刻的负荷值，C为用户的变压器报装容量，公式如下：

[0042]

据此计算储能用户的用电负荷数据的模糊匹配度ɑ，当ɑ越大，则说明潜在储能用户的日负荷情况将与储能容量相匹配，满足分时电价的时段内的最优负荷需求，让储能投资得到最大的收益。

[0044]本发明基于储能用户的负荷中的大量数据和用户负荷特性曲线的深入研究，从中

5

[0043]

CN 111598446 A

说　明　书

4/4页

探索出符合满足储能用户的负荷曲线规律，为用户的储能项目的投资建设提重要的技术参考依据，从而实现经济效益最大。取每个储能用户的计量点负荷数据特性归为一组，来区分不同聚类的类别界限；但由于储能用户每天的负荷情况都有所不同，对于用户来说储能容量能否满足削峰填谷的负荷需求将存在诸多变数。进一步通过结合模糊聚类的算法中的FCM算法来分析出储能用户侧负荷曲线特性，预测分析潜在的储能用户，为能源投资服务商带来最大效益。[0045]虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

6

CN 111598446 A

说　明　书　附　图

1/3页

图1

图2

7

CN 111598446 A

说　明　书　附　图

2/3页

图3

图4

8

CN 111598446 A

说　明　书　附　图

3/3页

图5

9