基于模糊c均值聚类的分类分时电价研究

摘要

随着第三产业的发展和居民生活用电的不断攀升，电网峰谷差和最大负荷越来越大，对电网的稳定和供电质量带来了不利的影响。为缓解这种电力紧张的局面，国家大力推广需求侧管理(Demand Side Management，DSM)，而分时电价是一种有效的DSM激励手段。我国从上世纪八十年代开始试行分时电价,近几年已经初见成效，但是我国分时电价的实施仍然存在很多问题。
　　 目前，我国对不同类型的电力用户采取同一种分时电价，然而不同的电力用户其负荷特性并不相同。根据这一特点，可以改变传统的“一刀切”的分时电价定价方法，实行分类分时电价，即为不同类型的电力用户制定符合其用电方式的分时电价。现阶段我国对电力用户的分类是通过需求分析，按照电力用户性质和营销业务需要来划分的，不能反映电力用户的负荷特性。
　　 针对这个问题，本文根据电力用户的负荷曲线，通过模糊c均值(Fuzzyc-Means，FCM)聚类算法对电力用户进行了聚类分析，将电力用户分为了特征明显的六类。FCM聚类算法是基于目标函数的聚类算法中理论最为完善、应用最为广泛的一种算法。由于FCM算法的初始化和参数确定对聚类效果有很大的影响，因此本文通过减法聚类算法、模糊决策算法和聚类有效性函数对FCM算法进行了初始化和参数的优化，得到了比较科学、合理的聚类结果。
　　 在对电力用户分类的基础上，本文通过模糊隶属度和FCM聚类算法对电网综合负荷进行了峰平谷时段的划分，通过各类用户综合负荷曲线对其需求响应度进行了分析，通过电量转移仿真分析了各类用户对电网综合负荷的影响程度，并根据仿真结果对现阶段各类电力用户分时电价的优化提出了合理建议，为实现分类分时电价提供了理论依据，对最大程度地调动用户响应分时电价的积极性，更好的改善电网负荷曲线具有重要意义。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 国内外研究现状

1．3 本论文的思路及目标

1．4 本论文的组织结构

第二章 模糊c均值聚类算法及其优化

2．1 FCM聚类算法

2．1．1 FCM算法简介

2．1．2 FCM算法步骤

2．1．3 FCM算法存在的问题

2．2 FCM算法初始化

2．2．1 初始化方法

2．2．2 减法聚类

2．3 加权指数m的优选

2．3．1 加权指数m对FCM算法的影响

2．3．2 基于模糊决策的方法

2．4 聚类类别数c的优选

2．5 算例分析

2．5．1 数据来源及预处理

2．5．2 程序仿真及结果

第三章 分时电价时段划分

3．1 模糊隶属度

3．1．1 峰谷隶属度

3．1．2 隶属度函数

3．2 峰平谷时段的划分

3．2．1 划分方法

3．2．2 划分原则

3．3 算例分析

3．3．1 峰谷模糊隶属度

3．3．2 时段划分

第四章 分类分时电价

4．1 电力用户需求响应

4．1．1 用户需求响应及意义

4．1．2 影响用户需求响应的因素

4．1．3 用户需求响应建模

4．2 分类分时电价

4．2．1 用户分类

4．2．2 用户需求响应度

4．2．3 仿真条件

4．3 算例分析

4．3．1 用户分类情况

4．3．2 用户响应分析

4．3．3 用户对电网负荷的影响

4．3．4 分类分时电价

第五章 结论

5．1 主要工作和意义

5．2 展望

参考文献

致谢

攻读学位期间发表的学术论文和参加科研情况