具体技术细节
[0004] 本发明的目的在于提供一种基于K-Means聚类算法的工业用户储能建设研判方法，以解决现有技术中导致的模型成本高，缺乏普遍性的缺陷。
[0005] 基于K-Means聚类算法的工业用户储能建设研判方法，所述方法包括如下步骤：
[0006] 获取用电数据，得到负荷类型和负荷曲线；
[0007] 根据负荷类型及负荷曲线计算得到用电峰谷差和储能容量；
[0008] 根据峰谷差得到潜力值；
[0009] 将峰谷差、储能容量、电压额定容量和潜力值输入到构建好的模型中进行储能建设研判。
[0010] 进一步的，所述峰谷差的计算方法包括如下步骤：
[0011] 通过算法对历史数据进行聚类得到样本数据；
[0012] 根据样本数据中数目最多的簇的质心得到用电负荷；
[0013] 根据用电负荷曲线得到用电的峰值与谷值；
[0014] 将用电的峰值与谷值相减得到峰谷差值。
[0015] 进一步的，所述负荷类型包括一充一放型、一充两放型和两充两放型中的一种或多种。
[0016] 进一步的，所述负荷曲线的获取方法包括如下步骤：
[0017] 通过算法将用电数据样本集D划分为k个不相交的簇
[0018] {Cf|f＝1,2,...,k}；
[0019] 其中 f'≠f，且有
[0020] 提取样本数目最多的簇的质心绘制成负荷曲线，上式中C为使用算法进行聚类得到的簇；f为簇的编号；Cf为具体的簇；簇中包含样本数目；Cf中包含样本也就是元素数目最多的簇的质心，即所求的用电负荷曲线。
[0021] 进一步的，所述储能容量的计算方法包括如下步骤：
[0022] 根据负荷曲线，计算高峰负荷时段的平均用电功率Ph_a；
[0023] 通过用电功率Ph_a以及全天的平均功率Paverage计算系统功率等级PES＝Ph_a-Paverage；
[0024] 结合高峰负荷时段持续时间计算得出储能容量。
[0025] 进一步的，所述潜力值的计算方法包括如下步骤：
[0026] 对峰谷差进行归一化；
[0027] 根据归一化的数据以及负荷波动计算得到潜力值，可由下式得到：
[0028]
[0029] 上式中 表示潜力值；ξ代表工业用户的典型负荷曲线中总共的用电量；Phigh与Plow分别为峰值功率与谷值功率；hhigh与hlow分别为用户用电在峰值与谷值时持续的时间。
[0030] 进一步的，所述储能建设研判的方法包括如下步骤：
[0031] 计算高负荷时段(峰值时刻)平均用电功率Ph_a：
[0032]
[0033] 其中Pi是高负荷时段中对应的采样点的瞬时功率；nhigh是高负荷时段中采样点的个数；同理，可以得到典型负荷曲线的整体平均功率Paverage；
[0034] 通过公式PES＝Ph_a-Paverage，可以计算出储能系统功率等级，所以储能系统容量为：
[0035]
[0036] 其中Th为高负荷时段持续时间(单位为h)，Th可以通过高负荷时段中采样点的数目得到：Th＝4×nhigh；
[0037] 根据负荷曲线得到最大需量Ppeak；
[0038] 将最大需量Ppeak与变压器额定容量ω进行比较，可得：
[0039] (1)Ppeak>40％ω；
[0040] (2)(Ppeak-Ph_a)÷Paverage>20％；
[0041] (3)EES÷0.2+Pl_a>Ppeak；
[0042] 当满足上述三个条件则说明适合安装储能设备，反之，不满足其中的一条或者几条时，则说明不适合安装储能设备。
[0043] 进一步的，所述模型的构建方法包括如下步骤：
[0044] 获取历史用电数据中若干时刻下的具体用电数值；
[0045] 将具体用电数值以天为单位进行分组，得到样本模型。
[0046] 进一步的，历史用电数据中若干时刻下的具体用电数值的获取包括如下步骤：
[0047] 从每天的零点时刻开始，间隔5-20分钟进行用电数值的采集。
[0048] 本发明的优点在于：
[0049] (1)用户的普适性较高，适合任何类型的大工业用户使用；
[0050] (2)通过对峰谷差，电压器额定容量等多方面进行分析，能够帮助用户快速进行决策，减少用户不必要的开销；
[0051] (3)综合考虑了用户在节假日，工作日，产能调整以及特殊情况的用电负荷。
法律保护范围
涉及权利要求数量9：其中独权1项，从权-1项
1.基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于，所述方法包括如下步骤：
获取用电数据，得到负荷类型和负荷曲线；
根据负荷类型及负荷曲线计算得到用电峰谷差和储能容量；
根据峰谷差得到潜力值；
将峰谷差、储能容量、电压额定容量和潜力值输入到构建好的模型中进行储能建设研判。
2.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述峰谷差的计算方法包括如下步骤：
通过算法对历史数据进行聚类得到样本数据；
根据样本数据中数目最多的簇的质心得到用电负荷；
根据用电负荷曲线得到用电的峰值与谷值；
将用电的峰值与谷值相减得到峰谷差值。
3.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述负荷类型包括一充一放型、一充两放型和两充两放型中的一种或多种。
4.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述负荷曲线的获取方法包括如下步骤：
通过算法将用电数据样本集D划分为k个不相交的簇
{Cf|f＝1,2,...,k}；其中 f'≠f，且有
上式中C为使用算法进行聚类得到的簇；f为簇的编号；Cf为具体的簇，簇中包含样本数目；
提取样本数目最多的簇的质心绘制成负荷曲线；
Cf中包含样本也就是元素数目最多的簇的质心，即所求的用电负荷曲线。
5.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述储能容量的计算方法包括如下步骤：
根据负荷曲线，计算高峰负荷时段的平均用电功率Ph_a；
通过用电功率Ph_a以及全天的平均功率Paverage计算系统功率等级PES＝Ph_a-Paverage；
结合高峰负荷时段持续时间计算得出储能容量。
6.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述潜力值的计算方法包括如下步骤：
对峰谷差进行归一化；
根据归一化的数据以及负荷波动计算得到潜力值，可由下式得到：
上式中θ表示潜力值；ξ代表工业用户的典型负荷曲线中总共的用电量；Phigh与Plow分别为峰值功率与谷值功率；hhigh与hlow分别为用户用电在峰值与谷值时持续的时间。
7.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述储能建设研判的方法包括如下步骤：
计算高负荷时段(峰值时刻)平均用电功率Ph_a：
其中Pi是高负荷时段中对应的采样点的瞬时功率；nhigh是高负荷时段中采样点的个数；
同理，可以得到典型负荷曲线的整体平均功率Paverage；
通过公式PES＝Ph_a-Paverage，可以计算出储能系统功率等级，所以储能系统容量为：
其中Th为高负荷时段持续时间(单位为h)，Th可以通过高负荷时段中采样点的数目得到：Th＝4×nhigh；
根据负荷曲线得到最大需量Ppeak；
将最大需量Ppeak与变压器额定容量ω进行比较，可得：
(1)Ppeak>40％ω；
(2)(Ppeak-Ph_a)÷Paverage>20％；
(3)EES÷0.2+Pl_a>Ppeak；
当满足上述三个条件则说明适合安装储能设备，反之，不满足其中的一条或者几条时，则说明不适合安装储能设备。
8.根据权利要求1所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：所述模型的构建方法包括如下步骤：
获取历史用电数据中若干时刻下的具体用电数值；
将具体用电数值以天为单位进行分组，得到样本模型。
9.根据权利要求8所述的基于K-Means聚类算法的工业用户储能建设研判方法，其特征在于：历史用电数据中若干时刻下的具体用电数值的获取方法包括如下步骤：
从每天的零点时刻开始，间隔5-20分钟进行用电数值的采集。
