數據驅動的商業負荷集群動態聚合研究
電子技術應用
徐玉婷1，柏晶晶2，朱道華3，劉暢1，許森1，張政1
1.電網安全全國重點實驗室（中國電力科學院有限公司）； 2.國網江蘇省電力有限公司鹽城供電分公司；3.國網江蘇省電力有限公司
摘要： 商業負荷集群的動態聚合對提高電網的調度靈活性、優化需求側管理以及促進可再生能源消納具有重要意義?；诘湫拖嚓P分析（CCA）選取商業負荷特征，并結合DBSCAN 和 K-means等聚類算法對負荷進行分類，以構建適用于不同場景的負荷集群。進一步，提出了三種負荷聚合標準，即基于調節速度、負荷穩定性和經濟性的標準，并分析不同標準下的商業負荷聚合特性、適用性及其在電力調度中的潛在應用。
中圖分類號：TM74 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256516
中文引用格式： 徐玉婷，柏晶晶，朱道華，等. 數據驅動的商業負荷集群動態聚合研究[J]. 電子技術應用，2025，51(6)：16-20.
英文引用格式： Xu Yuting，Bai Jingjing，Zhu Daohua，et al. Research on data-driven dynamic aggregation of commercial load clusters[J]. Application of Electronic Technique，2025，51(6)：16-20.
中文引用格式： 徐玉婷，柏晶晶，朱道華，等. 數據驅動的商業負荷集群動態聚合研究[J]. 電子技術應用，2025，51(6)：16-20.
英文引用格式： Xu Yuting，Bai Jingjing，Zhu Daohua，et al. Research on data-driven dynamic aggregation of commercial load clusters[J]. Application of Electronic Technique，2025，51(6)：16-20.
Research on data-driven dynamic aggregation of commercial load clusters
Xu Yuting1，Bai Jingjing2，Zhu Daohua3，Liu Chang1，Xu Sen4，Zhang Zheng4
1.State Key Laboratory of Power Grid Safety（China Electric Power Research Institute）； 2.Yancheng Power Supply Branch， State Grid Jiangsu Electric Power Co.， Ltd.； 3.State Grid Jiangsu Electric Power Co.， Ltd.；4.School of Computer Science （National Demonstrative Software College）， Beijing University of Posts and Telecommunications
Abstract： The dynamic aggregation of commercial load clusters is crucial for enhancing the flexibility of power grid dispatch, optimizing demand-side management, and promoting the integration of renewable energy. This paper selects commercial load features using Canonical Correlation Analysis (CCA) and employs DBSCAN and K-means clustering algorithms to classify loads, forming load clusters suitable for different scenarios. Furthermore, three load aggregation criteria are proposed, namely, regulation speed-based, load stability-based, and economic-based standards. The characteristics, applicability, and potential applications of commercial load aggregation under different standards in power dispatch are analyzed.
Key words : commercial load；canonical correlation analysis （CCA）；DBSCAN；K-means；load aggregation criteria
引言
隨著電力市場的發展和新能源比例的提高[1]，商業負荷集群在需求側響應和負荷調度中的作用愈發重要。然而，由于商業負荷具有較強的隨機性和時變性，傳統的靜態負荷分類方法難以有效應對實際電力系統需求。Valero等人利用自組織映射神經網絡無監督、高效率的特性，對大規模用戶的多種負荷類型進行識別并分類聚合，從而在電力價格變化的情況下，實現了對大規模用戶響應的預測，有助于幫助制定需求響應調控策略以降低用電成本[2]。之后，Bashash等人利用偏微分方程描述了一定溫度范圍內負荷數量在單位時間的變化，建立了一階ETP的負荷聚合模型，并以這種偏微分方程模型為基礎，設計了一種針對空調系統的需求響應控制器。實驗表明這種控制器擁有良好的魯棒性，在系統含高比例波動性風力發電的條件下可以達到良好的節能效果[3]，結果表明，研究如何根據不同的負荷特性進行動態聚合，以提高負荷資源的可調度性和響應效率，是當前電力系統負荷管理的重要課題。本文研究了一種基于數據驅動的方法，通過關聯系列分析 (CCA) 選取負荷特征，并結合先進的聚類算法[4]對商業負荷進行分類，進而提出不同的聚合標準，以適應不同的應用場景。
本文詳細內容請下載：
http://www.cowatch.cn/resource/share/2000006556
作者信息：
徐玉婷1，柏晶晶2，朱道華3，劉暢1，許森1，張政1
（1.電網安全全國重點實驗室（中國電力科學院有限公司），北京100192；
2.國網江蘇省電力有限公司鹽城供電分公司，江蘇 鹽城224001；
3.國網江蘇省電力有限公司，江蘇 南京210024）
此內容為AET網站原創，未經授權禁止轉載。