基于长短期记忆神经网络和改进型K-means聚类算法的居民峰谷时段划分模型

江兵，李国荣，孙赵盟，庞宗强

（南京邮电大学自动化学院，江苏省 南京市 210023）

0 引言

峰谷分时电价作为一种常用的电力需求侧管理手段，通过充分发挥电价杠杆作用，促使用户采取合理的用电方式和用电结构，有利于实现电力负荷“削峰填谷”，提高电力系统稳定性及安全性[1-2]。

峰谷时段的划分是制定峰谷分时电价的基础，划分方法的结果直接影响用户的需求响应程度，从而影响分时电价的实施效果[3-5]。当前我国居民峰谷时段划分主要依据地区负荷的基本特征及工作人员的经验，缺乏相应的理论依据。因此，研究有效的居民峰谷时段划分模型具有十分重要的理论与现实意义[6-7]。

一个科学合理的居民峰谷时段划分模型应满足以下2 个特点：1）长期适用性。时段划分结果应在一个较长的时间范围内适用，如1 季度、半年、1 年等；2）差异性。同一时段负荷数据差异最小化，不同时段负荷数据差异最大化[5]。

当前国内外已有很多关于居民峰谷时段划分的方法。文献[8]采用半梯形隶属度方法对单个典型日的负荷曲线进行分析，通过判断时段所处高峰或低谷的概率来划分峰谷时段；文献[9]提出一种基于用户需求响应的峰谷时段划分方法，即在文献[8]方法基础上，对用户进行电价响应评估，通过评估结果调整峰谷时段划分属性，然而，文献[8-9]都仅考虑用户某一典型日的负荷曲线特点，无法保证时段划分结果的长期适用性；文献[10]提出一种以数据样本集高维化处理和K均值聚类分析相结合的时段划分模型，即对全年的用户负荷数据进行K 均值聚类，通过取平均值的方式获得最终的时段划分结果；……