数据驱动的商业负荷集群动态聚合研究
电子技术应用
徐玉婷1，柏晶晶2，朱道华3，刘畅1，许森1，张政1
1.电网安全全国重点实验室（中国电力科学院有限公司）； 2.国网江苏省电力有限公司盐城供电分公司；3.国网江苏省电力有限公司
摘要： 商业负荷集群的动态聚合对提高电网的调度灵活性、优化需求侧管理以及促进可再生能源消纳具有重要意义。基于典型相关分析（CCA）选取商业负荷特征，并结合DBSCAN 和 K-means等聚类算法对负荷进行分类，以构建适用于不同场景的负荷集群。进一步，提出了三种负荷聚合标准，即基于调节速度、负荷稳定性和经济性的标准，并分析不同标准下的商业负荷聚合特性、适用性及其在电力调度中的潜在应用。
中图分类号：TM74 文献标志码：A DOI: 10.16157/j.issn.0258-7998.256516
中文引用格式： 徐玉婷，柏晶晶，朱道华，等. 数据驱动的商业负荷集群动态聚合研究[J]. 电子技术应用，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，朱道华，等. 数据驱动的商业负荷集群动态聚合研究[J]. 电子技术应用，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
随着电力市场的发展和新能源比例的提高[1]，商业负荷集群在需求侧响应和负荷调度中的作用愈发重要。然而，由于商业负荷具有较强的随机性和时变性，传统的静态负荷分类方法难以有效应对实际电力系统需求。Valero等人利用自组织映射神经网络无监督、高效率的特性，对大规模用户的多种负荷类型进行识别并分类聚合，从而在电力价格变化的情况下，实现了对大规模用户响应的预测，有助于帮助制定需求响应调控策略以降低用电成本[2]。之后，Bashash等人利用偏微分方程描述了一定温度范围内负荷数量在单位时间的变化，建立了一阶ETP的负荷聚合模型，并以这种偏微分方程模型为基础，设计了一种针对空调系统的需求响应控制器。实验表明这种控制器拥有良好的鲁棒性，在系统含高比例波动性风力发电的条件下可以达到良好的节能效果[3]，结果表明，研究如何根据不同的负荷特性进行动态聚合，以提高负荷资源的可调度性和响应效率，是当前电力系统负荷管理的重要课题。本文研究了一种基于数据驱动的方法，通过关联系列分析 (CCA) 选取负荷特征，并结合先进的聚类算法[4]对商业负荷进行分类，进而提出不同的聚合标准，以适应不同的应用场景。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006556
作者信息：
徐玉婷1，柏晶晶2，朱道华3，刘畅1，许森1，张政1
（1.电网安全全国重点实验室（中国电力科学院有限公司），北京100192；
2.国网江苏省电力有限公司盐城供电分公司，江苏 盐城224001；
3.国网江苏省电力有限公司，江苏 南京210024）
此内容为AET网站原创，未经授权禁止转载。