技术领域
[0001] 本发明涉及能源规划技术领域，具体是一种综合能源规划典型日选取方法及系统。
相关背景技术
[0002] 目前的综合能源规划典型日选取主要面向能源系统优化运行、能源供需平衡和可再生能源整合等方面，而针对一种考虑用户需求的综合能源规划典型日选取，以用户偏好进行典型日选取的方法，尚无公开文献。
[0003] 现有技术存在以下问题：难以根据用户需求和偏好，综合评估典型日方案并给出最符合用户需求的典型日结果。
具体实施方式
[0062] 下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。
[0063] 实施例1
[0064] 如图1所示，本发明涉及一种考虑用户需求的综合能源规划典型日选取方法，该方法可用于热、气、电负荷的综合能源规划中选取典型日。本方法由用户根据其场景需求设置典型日个数(聚类数目)，包含典型日生成、典型日分析、典型日选取三个环节。本方法可支持用户设置不同的典型日数，并输出典型日选取和分析结果，为其提供更符合用户场景的典型日选取方案。
[0065] 本发明方案如图1所示，含典型日生成、典型日分析、典型日选取三个步骤迭代优化实现典型日选取：
[0066] 具体如下。
[0067] (1)典型日生成：
[0068] 典型日的生成是根据用户设置的典型日个数K为依据，采用聚类的方法生成。
[0069] 主要由以下两个步骤实现：
[0070] 第一阶段：用户根据所在区域的历史信息，结合用户的历史经验设置典型日个数K。
[0071] 第二阶段：执行聚类算法，在用户提供的数据集中生成K个典型日。
[0072] 其中，第二阶段基于聚类的典型日生成算法首先把n个自然日划分为K个簇，并以簇的质心作为典型日。
[0073] 该算法的目标函数为下式：
[0074]
[0075] 式中，K为簇的数量；p为自然日对象空间中任意数据点；mk为簇μk的质心。
[0076] 为了比较典型日生成的效果，定义总量偏差和分布偏差两个指标进行评估，如下所示：
[0077]
[0078]
[0079] 式中，Δtot和Δdis分别为典型日集合的总量偏差和分布偏差；D和D0分别为典型日集合和自然日集合；Sd和wd分别为典型日的特征数据全天累计值和代表的天数；Sa为特征数据全年累计值； 和 分别为典型日和自然日在t时刻的特征数据值。
[0080] 算法实现流程如下：
[0081] 第一步：初始化：随机选择K个数据点作为初始聚类中心；
[0082] 第二步：分配：将每个数据点分配给与其最近的聚类中心，形成K个簇；
[0083] 第三步：更新：计算每个簇的平均值，并将其作为新的聚类中心；
[0084] 第四步：迭代：重复第二步、第三步，直到聚类中心不再改变或达到预定迭代次数。
[0085] 本方法示例如下。
[0086] 输入：输入数据为一年的电力负荷数据，每个数据点代表一个小时的电力负荷值，因此共有365*24＝8760个数据点。
[0087] 输出：输出数据为K个典型日的负荷数据，每个典型日包含一天的24小时负荷值。
[0088] (2)典型日分析：
[0089] 通过比较选取的K个典型日来深入理解负荷数据的特征和规律，本发明主要采用下述两种方法：
[0090] 方法一：负荷波动特征提取法。使用数学或统计方法提取负荷波动的特征，计算每个典型日的平均负荷、峰值负荷、谷值负荷指标，确认负荷波动的主要周期和时段。相关计算方法如下。
[0091] 典型日平均负荷计算方法为： 其中Xi为第i个小时的负荷值。
[0092] 典型日峰值负荷、谷值负荷即为典型日中的负荷数据的最大、最小值。
[0093] 负荷波动范围＝最大负荷值‑最小负荷值。
[0094] 标准差 其中Xi为第i个小时的负荷值，Xmean为日平均负荷。
[0095] 变异系数越大，负荷的波动程度越高；变异系数越小，负荷的波动程度越低。
[0096] 方法二：能耗和成本评估法。根据每日的负荷曲线和能源价格，估计每个典型日的能源消耗和成本。相关计算方法如下。
[0097] 典型日能源消耗计算方法为： 其中k为典型日的个数，Xk,j为第k个典型日第j个小时的负荷值，η为能源供应效率。
[0098] 典型日能源成本计算方法为： 其中Xk,j为第k个典型日第j个小时的负荷值，Pk,j为第k个典型日第j个小时的能源价格。
[0099] 通过上述分析方法，可了解典型日的特征和规律，为能源规划和管理决策提供依据。
[0100] (3)典型日选取：
[0101] 根据典型日生成、典型日分析结果，结合用户需求，完成典型日选取。
[0102] 具体方法如下，其中下述1)‑3)项在(1)和(2)流程中完成。
[0103] 1)用户设置K值：用户通过前端界面输入不同的K值，即希望选取的典型日个数。
[0104] 2)聚类生成典型日序列：使用K‑Means算法对负荷数据进行聚类，将用户选择的不同k值对应的典型日数据生成不同的序列。
[0105] 3)计算指标：针对每个生成的典型日序列，计算能耗成本和负荷波动指标。由于能耗与成本通常呈正相关，故将成本作为计算指标；而负荷波动则以变异系数为指标。
[0106] 4)用户设置权重：用户可以设置能耗成本和负荷波动的权重，表明对于两个指标的重视程度。
[0107] 5)综合评估：使用用户设置的权重，对每个典型日序列进行综合评估计算，得到综合得分。综合得分采用加权和的方式，将能耗成本和负荷波动指标乘以权重后相加。具体公式为分数F＝ω1y1+ω2y2，其中ω1、ω2为用户设置的不同权重，y1、y2为能耗成本和负荷波动指标值。综合得分越小，越满足用户需求。
[0108] 6)输出推荐结果：根据综合得分，推荐最合适的k值和对应的典型日序列输出给用户，该k值和典型日序列可以提供一个较好的平衡，符合用户设置的能耗成本和负荷波动要求。
[0109] 本发明具有以下有益效果：
[0110] (1)本发明用户可设置典型日个数；
[0111] (2)本发明按照典型日个数设置、典型日分析、典型日选取三个步骤迭代优化实现典型日选取的流程；
[0112] (3)本发明根据用户需求和偏好，综合评估典型日方案并给出最符合用户需求的典型日结果。
[0113] 如上所述，可较好地实现本发明。
[0114] 本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
[0115] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。
