一种省电网交易时段划分方法、装置、终端及其存储介质

技术领域

本发明涉及电力系统自动控制领域，更具体的，涉及一种省电网交易时段划分方法、装置、终端及其存储介质。

背景技术

随着建设以新能源为主体的新型电力系统目标的提出，未来我国可再生能源发电量将达到70％以上。一方面，新能源发电的随机性和波动性将随其装机比例而显著增加；另一方面，传统的电网灵活性资源比例骤减，电网的安全运行将面临巨大挑战。

在此情况下，形成科学合理的中长期分时段交易方案，推动形成有效的市场化分时段电价，引导源网荷储之间的友好互动，才能更好地保障电力系统安全、稳定、经济的运行。

目前，大部分的交易时段划分方法类的研究都是直接基于负荷曲线进行的，这种划分方法能够准确的判断负荷数据的峰谷平时段，从而进行简单的交易时段划分。然而，随着电力供需变化、源网荷储互动以及电力行业时段划分精细化要求的提升，现有的划分方式已经难以克服季节性变化的峰谷平负荷数据对电网所造成的影响。

针对上述问题，亟需一种能够满足季节性变化的峰谷平负荷时段的划分方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种省电网交易时段划分方法，根据电力系统中负荷变化的季节性因素，在选定月份中基于净负荷数据和负荷的偏离度数据，采用聚类算法获得准确的峰谷平时段划分。

本发明采用如下的技术方案。

本发明第一方面，涉及一种省电网交易时段划分方法，方法包括以下步骤：

步骤1，采集省电网不同时段的净负荷数据，提取净负荷数据的偏离度，并基于偏离度判定净负荷数据中的负荷偏离时段；步骤2，将净负荷数据与偏离度输入至聚类算法中，以将省电网的不同时刻划分为高峰时段、低谷时段与通常时段。

优选的，省电网t时段下的净负荷数据为：

L

其中，L

P

P

P

P

优选的，负荷偏离时段的提取方法为：步骤1.1，基于净负荷数据获取净负荷偏离月份；步骤1.2，将净负荷偏离月份中的净负荷数据按照时刻维度进行划分，并计算不同维度下的平均净负荷；步骤1.3，计算当前维度下的平均净负荷所对应的偏离度，并基于偏离度排序获取负荷偏离时段。

优选的，负荷偏离时段为偏离度排序前α位的平均净负荷所对应的时段。

优选的，聚类算法的初始质心基于负荷偏离时段所对应的净负荷数据、偏离度确定。

优选的，对聚类结果进行检验，当聚类结果中的高峰时段t的相邻时段为低谷时段时、或当聚类结果中的低谷时段t的相邻时段为高峰时段时，判定聚类结果不符合聚类约束条件。

优选的，当聚类结果不符合聚类约束条件时，选择聚类算法中次高隶属度的聚类方式作为新的聚类结果，并重新对新的聚类结果判定是否符合聚类约束条件。

本发明第二方面，涉及一种利用本发明第一方面中方法的省电网交易时段划分装置，装置包括采集单元和聚类单元；其中，采集单元，用于采集省电网不同时刻的净负荷数据，提取净负荷数据的偏离度，并基于偏离度判定净负荷数据中的负荷偏离时段；聚类单元，用于将净负荷数据与偏离度输入至聚类算法中，以将省电网的不同时刻划分为高峰时段、低谷时段与通常时段。

本发明第二方面，涉及一种终端，终端包括处理器及存储介质；存储介质用于存储指令；处理器用于根据指令进行操作以执行根据本发明第一方面中方法的步骤。

本发明第三方面，涉及计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面中方法的步骤。

本发明的有益效果在于，与现有技术相比，本发明中一种省电网交易时段划分方法，能够根据电力系统中负荷变化的季节性因素，在选定月份中基于净负荷数据和负荷的偏离度数据，采用聚类算法获得准确的峰谷平时段划分。本发明构思巧妙，结果准确，充分考虑了季节性因素对于峰谷平时段划分方式的影响，通过合理选择负荷偏离时段实现了负荷时段的准确划分。

本发明的有益效果还包括：

1、采用净负荷数据充分表征电网中的负荷情况，并基于净负荷数据进行时段划分，能够将新能源发电这类能源调节的不可靠因素充分考虑到时段划分和电价制定的过程中，使得划分结果更加准确。

2、采用时间维度求解负荷偏离月份的平均净负荷，并对于进行排序，通过这种方式，本发明在考虑到季节性因素的同时，也将同一季节中的峰谷平时段进行了初步的划分，从而为聚类算法的实现提供了有力支撑。

3、本发明在聚类算法中涉及了聚类约束条件，该约束条件考虑到负荷高峰时刻与低谷时刻出现的规律，对聚类结果进行了进一步限定，克服了本发明中通常时刻的初始质心难以选取，从而导致高峰时刻或低谷时刻这两个类型解的过度聚集的问题。

附图说明

图1为本发明中一种省电网交易时段划分方法的步骤示意图；

图2为本发明一种省电网交易时段划分方法中第一实施例的净负荷聚类分析图；

图3为本发明一种省电网交易时段划分方法中第二实施例的净负荷聚类分析图；

图4为本发明一种省电网交易时段划分方法中第三实施例的净负荷聚类分析图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

图1为本发明中一种省电网交易时段划分方法的步骤示意图。如图1所示，本发明第一方面，涉及一种省电网交易时段划分方法，包括步骤1和步骤2。

步骤1，采集省电网不同时刻的净负荷数据，提取净负荷数据的偏离度，并基于偏离度判定净负荷数据中的负荷偏离时段。

可以理解的是，本发明中的净负荷数据可以根据省级电网中的实际情况进行获取。这里的省电网是指电网覆盖的地理范围，由于目前的电网发、输、配、变等环节主要是根据地理行政区域实现的功能和设备配置的划分，另外交易电价的设计也需要以该行政区域来进行划分，因此，本发明也以此为场景进行局部电网区域中交易时段的划分。当然，采用类似的方法，也可以对不同层级和不同区域的电网进行划分，并求解区域内的电网交易时段的划分方式。

另外，这里的不同时段可以是指一个季节内的所有时段。由于本发明的根本目的是对于不同季节内的负荷情况按照不同的划分方式进行划分，因此，本发明中首先需要确定当前季节内的多个不同时段。这里的一个季节可以是根据通常意义上的季节进行的划分，也可以是根据当年的天气、温度情况进行的划分，另外还可以综合考虑到电网所在区域的气候情况。本发明中可以考虑到全年的净负荷数据的高峰情况，并在净负荷超过规定范围的多个连续月份作为一个季节来实现后文中聚类算法的运算。

除此之外，本发明一实施例中，一个时段的时长为1个小时，考虑到聚类算法所需要的数据量、结果的精确度和算法的计算时间，也可以采用现有技术中的方式来对于一个时段所代表的具体时间长度进行调整。

优选地，省电网t时段下的净负荷数据为：

L

其中，L

P

P

P

P

可以理解的是，省电网的净负荷数据并非是该区域电网内真实的所有负荷量之和，而是真实负荷、电网参与外部交互、区域电网内部的新能源发电所抵消的负荷三者的综合考虑的结果。

因此，采用上述公式，本发明方法实际上能够获得此时区域电网所需要的最小能源供应能力。而实际上电力营销系统在定义不同时段的电价时，正是根据这一个指标来判断电价的高低的。换言之，采用本发明中净负荷的计算方法，不仅能够考虑到电网中传统发电机组、新能源发电机组之间的综合调节能力的平衡，也能够充分考虑到电价制定的合理性。

优选地，负荷偏离时段的提取方法为：步骤1.1，基于净负荷数据获取净负荷偏离月份；步骤1.2，将净负荷偏离月份中的净负荷数据按照时刻维度进行划分，并计算不同维度下的平均净负荷；步骤1.3，计算当前维度下的平均净负荷所对应的偏离度，并基于偏离度排序获取负荷偏离时段。

可以理解的是，本发明中负荷偏离时段在提取后，可以用作聚类算法的基础，使得聚类算法依据负荷偏离时段来对于其他未划分的时段进行合理的划分。

因此，本发明中需要从年度数据中选取当前需要聚类的所有数据，也就是获取净负荷偏离月份。本发明中，可以根据一年12个月份中所有的负荷情况来进行判断。本发明一实施例中，将一年12个月份中每一天、每个时段的净负荷数据进行提取和排序，从中获得每个月份的一个净负荷取值最大的一个时刻。将该时刻的净负荷取值记录下来。对于12个月的所有最大净负荷的取值进行列表，常采用设定的阈值来对12个月中的最大净负荷进行划分，从而将一年划分为4个或更多个季节。

这里，设定的阈值可以是根据该区域内电网发电机组的发电容量等相关指标实现设计的。例如，在夏季和冬季，由于用电负荷的要求较高，因此，需要增加备用的发电机组投入运行，那么在春秋两季，就不需要这些备用的发电机组。当备用发电机组的容量未被计入时，常用发电机组的总容量就可以作为一个设定的阈值来与最大净负荷进行比较，从而不同的季节划分。

在通过上述方式获取到负荷偏离月份后，就可以将这些月份中每一天、每个时段的净负荷数据进行采集并计算了。本发明中需要按照时段来将净负荷划分为不同的维度，然后在对每个维度下所有的净负荷数据进行平均净负荷的求解。在求解之后，可以将维度进行排序，当前维度的平均净负荷数据的取值若较高，则其排序也越高，若取值较低，则其排序也越低。本发明按照这种方式就可以为每个维度赋予一个偏离度。

本发明一实施例中，偏离度可以是根据平均净负荷的大小确定的，如果其他维度的平均净负荷值比当前维度的平均净负荷值大，则将本维度的偏离度加1，通过这种方式，最终得到所有维度的偏离度。可见，偏离度最小的维度其偏离度的取值为0，而偏离度最大，也就是平均净负荷取值最小的维度，其偏离度的取值为23。

由此，在将维度进行排序后，就可以根据其偏离度的大小来设计相应的偏离时段了。

优选地，负荷偏离时段为偏离度排序前α位的平均净负荷所对应的时段。容易理解的是，本发明中偏离度取值最小的前α个时段可以被预先确定为高峰时段，而偏离度取值最大的后α个时段可以被预先确定为低谷时段。这样，聚类算法就可以步骤1的计算过程获得初始质心了。

步骤2，将净负荷数据与偏离度输入至聚类算法中，以将省电网的不同时刻划分为高峰时段、低谷时段与通常时段。

优选地，聚类算法的初始质心基于负荷偏离时段所对应的净负荷数据、偏离度确定。

可以理解的是，从上述高峰时段和低谷时段中选取一个或多个时段，该时段所对应的净负荷数据和偏离度数据，或者多个时段所对应的这两个数据的平均值就可以作为算法的初始质心，从而为聚类提供初始依据。

本发明中，可以采用的具体算法具体可以为K-means聚类，通过这种聚类算法最终获得的划分结果经验证较好，当然，也可以采用现有技术中存在的其他聚类算法，或者是其他能够实现数据划分的智能算法。

本发明中采用隶属度计算的方式从迭代结果中选择最优解。其中的隶属度算法也可以采用现有技术中常用的算法，本发明中对于这部分内容并未进行更多的改进，因此这里对其不再赘述。

需要说明的是，本发明聚类算法的输入为聚类向量，聚类向量的不同解是基于不同的负荷偏离时段得到的，并且每一个解所对应的向量中既包含了该时段所对应的净负荷，也包含了该时段的偏离度。因此，这里的聚类向量可以为一个至少二维的向量。

优选地，对聚类结果进行检验，当聚类结果中的高峰时段t的相邻时段为低谷时段时、或当聚类结果中的低谷时段t的相邻时段为高峰时段时，判定聚类结果不符合聚类约束条件。

通过迭代运算和隶属度计算最终可以获得最优的聚类结果，其中，最优解的隶属度取值也应当是最优的。不过，本发明中还进一步的设计了聚类约束条件，换言之，当聚类结果中，存在两个相邻时段，其中一个时段被划分至高峰时段，另一个时段则被划分为低谷时段，那么就说明这次聚类的结果是错误的。因此，可以判定该聚类结果不负荷聚类约束条件。

优选地，当聚类结果不符合聚类约束条件时，选择聚类算法中次高隶属度的聚类方式作为新的聚类结果，并重新对新的聚类结果判定是否符合聚类约束条件。

在这种情况下，由于聚类算法的整个过程需要消耗较大的运算量，因此本发明不会重新进行新的聚类运算过程，而是将最优解删除后，将次优解直接作为新的聚类结果。这里的次优解，也就是隶属度函数的取值次优的一个解。

当选择了新的聚类结果后，还需要采用类似的方式再进行一次聚类约束条件的判定，直到选取到满足约束条件的解后获得最终的输出结果。

由于本发明中的这种方式充分的考虑到了高峰、低谷、通常时刻的时间排布情况，因此获得的运算结果非常准确、置信度较高。

本发明以某个省级电网的相关数据作为具体的实施例对于上述过程再次进行说明。

首先，本发明算法从年度数据中采集到每个月份中一个具有最大净负荷的时段，该时段的负荷量如表1所示。

表1月度最大净负荷表

随后，采用本发明中的方法，将一年分为四个区段，分别为2月至6月、7月至8月、9月至10月、11月至次年1月。

上述四个区段中的每一个都可以作为一个具有特定季节性特征的样本集，也就是前文所述的净负荷偏离月份，来通过本发明中的时段划分方法对该区段或该季节下的所有时段进行划分。本发明中，分别对7月至8月、11月至次年1月这两个时段进行了单独的聚类算法，而由于2月至6月、9月至10月的用电特征较为类似，本发明中将其综合起来作为一个样本集，来实现了一次聚类算法。

由于每个样本集中的数据内容众多，本发明只以11至次年1月这个时段中的一部分数据举例来说明平均净负荷与偏离度的计算过程，具体内容如表2。再表2中，根据一月一整月份的所有天，将各个时段的净负荷数据进行维度划分，因此，能够获得24个维度的平均净负荷值。

表2 2020年1月24个维度的平均净负荷表

将该表中的平均净负荷进行排序，从而得到各个时段净负荷的偏离度。例如，当下午13：00的平均净负荷最小，那其偏离度取值可以最高，为23，可以作为低谷时刻的一个典型值。

图2为本发明一种省电网交易时段划分方法中第一实施例的净负荷聚类分析图。图3为本发明一种省电网交易时段划分方法中第二实施例的净负荷聚类分析图。图4为本发明一种省电网交易时段划分方法中第三实施例的净负荷聚类分析图。如图2、3、4所示，采用本发明中的方法可以直观的获得不同区段的净负荷分布情况，由于夏季7、8月份、冬季11、12和1月份的高峰时段和低谷时段较多，因此本发明中聚类分析图的各个解的分散度也相对较高。而其他月份的高峰时段和低谷时段较少，各个解的聚集程度也较高。

本发明中，将聚类中心的数量设置为3个，分别为高峰时段、低谷时段和通常时段的类中心。

当然，也可以采用类似的方式，将聚类中心的数量设计为更多个，例如，在高峰时段和低谷时段中还存在负荷波动较大的时段，当这类时段中的解难以被准确的匹配至其他三个聚类中心时，就可以通过聚类的方式可以将其单独划分为一个类型。在下文中，可以将前三个类型分别缩略称为峰、谷、平时段，而将这一个难以划分的时段成为尖。具体内容如下表3、4、5所示。

经过聚类后，7-8月份的聚类结果如表3所示，11月至次年1月的聚类结果如表4所示，其余7个月的聚类结果如表5所示。

表3 7月至8月的聚类结果

表4 11月至次年1月的聚类结果

表5其余7个月的聚类结果

从上述表格中可以发现，部分结果中的高峰时段和低谷时段是邻接的，并不满足本发明中的聚类约束条件，因此，本发明去除了隶属度函数值最优的解，并重新进行了划分。由于不同实施例所采用的数据内容不同，因此这里对其最终结果不做说明。

由于现有技术中，仍然大量采用省级电网“8小时高峰、8小时平段、8小时低谷”的电价划分方式，因此，本发明所提出的动态划分方案更加能够有利于引导源网荷储互动、激励削峰填谷。

本发明第二方面，涉及一种利用本发明第一方面方法的省电网交易时段划分装置，装置包括采集单元和聚类单元；其中，采集单元，用于采集省电网不同时刻的净负荷数据，提取净负荷数据的偏离度，并基于偏离度判定净负荷数据中的负荷偏离时段；聚类单元，用于将净负荷数据与偏离度输入至聚类算法中，以将省电网的不同时刻划分为高峰时段、低谷时段与通常时段。

可以理解的是，省电网交易时段划分装置为了实现上述本申请实施例提供的方法中的各功能，包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对省电网交易时段划分装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

本发明第三方面，涉及一种终端，终端包括处理器及存储介质；存储介质用于存储指令；处理器用于根据指令进行操作以执行根据本发明第一方面方法的步骤。

具体来说，装置包括至少一个处理器，总线系统以及至少一个通信接口。处理器可以是中央处理器(Central Processing Unit,CPU)，还可以由现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)、专用集成电路(Application-specificintegrated circuit，ASIC)或其他硬件代替，或者，FPGA或其他硬件与CPU共同作为处理器。

存储器可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-onlymemory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

硬盘可以为机械盘或固态硬盘(Solid State Drive,SSD)等。接口卡可以是主机总线适配器(Host Bus Adapter,HBA)、独立硬盘冗余阵列卡(Redundant ArrayofIndependent Disks,RID)、扩展器卡(Expander)或网络接口控制器(NetworkInterfaceController,NIC)等，本发明实施例对此不作限定。硬盘模组中的接口卡与硬盘通信。存储节点与硬盘模组的接口卡通信，从而访问硬盘模组中的硬盘。

硬盘的接口可以为串行连接小型计算机系统接口(Serial AttachedSmallComputer System Interface，SAS)、串行高级技术附件(Serial AdvancedTechnologyAttachment，SATA)或高速串行计算机扩展总线标准(PeripheralComponentInterconnect express，PCIe)等。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，简称DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，简称SSD))等。

本发明第四方面，涉及一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面方法的步骤。

本发明的有益效果在于，与现有技术相比，本发明中一种省电网交易时段划分方法，能够根据电力系统中负荷变化的季节性因素，在选定月份中基于净负荷数据和负荷的偏离度数据，采用聚类算法获得准确的峰谷平时段划分。本发明构思巧妙，结果准确，充分考虑了季节性因素对于峰谷平时段划分方式的影响，通过合理选择负荷偏离时段实现了负荷时段的准确划分。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。