基于数据驱动方法的疫情阶段电力用户负荷特性画像模型

电力用户负荷画像建模是一种面向用户的、通过挖掘用电数据中的负荷特性建立差异化画像标签的重要方法,现有研究方法多侧重于画像方法的研究,而缺乏完善的负荷特性标签体系。文章提出了一种基于数据驱动的负荷特性分析通用方法,从调度部门最关注的用电规律性、平顺度、负荷调控能力以及疫情影响度四方面构建负荷特性标签体系。首先,采用模糊C均值聚类算法从海量实际负荷数据中提取行业典型负荷曲线,综合考虑各行业用电特性,从4个方面构建完善的负荷特性标签体系,并建立考虑疫情影响的多类型用户负荷特性画像模型。其次,细化负荷特性标签,给出相应指标定义和计算方法,并采用模糊聚类算法判定指标分界,采用熵权法对用电平顺度进行综合评分。最后,通过算例对各行业典型用户的用电数据进行分析,并给出普适的指标分界,为各行业电力用户负荷建模提供了一种新思路。     

基于大数据平台的居民负荷变尺度画像技术实现与应用

传统的负荷曲线描述方法难以全面描述负荷变化特征。文章尝试采用用户画像技术进行居民负荷多尺度立体化的用电特性研究。首先,基于大数据平台中的可用数据资源,建立了表征居民负荷用电特性的标签体系。为了快速高效地获取各类典型用户特征,应用标签体系,在大数据平台支撑下,应用分布式聚类算法对海量居民用户用电数据进行聚类分析。最后,针对每类用户,文章绘制了四季的典型日和典型月负荷曲线以及年持续负荷曲线并进行了对比,同时分析了每类用户的负荷波动率和需求响应水平,以构建包含用户的用电时序规律和用电弹性特征的变时间尺度用户画像。分析结果能够可视化地描述居民负荷的时间分布特性及用户用电特性,可为合理制定电价套餐及优化用电模式提供参考。     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同,需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用。通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

基于数据特征提取与自适应K-means聚类算法的用户用电画像*

随着大数据研究的不断深入与配电自动化建设的逐步完善,电网的态势感知功能正在发挥越来越大的作用,也越来越受到电力公司的重视,其中实现用户用电特征的画像是最重要与基础的一部分.首先对现有用电数据进行特征提取,通过这种方式实现了初步的用电特征提取,同时大大降低了后续算法运行所需的计算资源,随后通过自适应K-means聚类算法对用电特征进行自适应聚类.最后,将得到的结果与常规方法进行准确率比对,验证了该方法的有效性.     

智能配电网大数据下的归一化负荷建模

本文研究用于智能配电网用电行为分析的归一化负荷建模,获取变电站综合日负荷曲线和电力用户日负荷曲线数据,对数据进行预处理,剔除无效数据,采用聚类算法进行聚类分析,建立归一化负荷模型。并基于归一化负荷建模所得区域用电特性,建立与之相匹配的配电网规划基本参数,实现配电网规划模型设计。     

基于综合用电指数的用户精细画像方法研究

在能源互联网建设背景下,迫切需要对企业进行全方位用电水平和特征分析,从而优化企业能源消费结构,提升电力企业的综合能源服务水平。首先,采用综合用电指数反映企业的用电情况,从可靠用电、经济用电、绿色用电、智能用电、互动用电、经济宏观景气度和行业景气度等 7 个维度出发,构建多层次、多维度的综合用电指数指标体系;其次,以综合用电指数指标体系为基础构建用户用电情况综合评价模型,准确评估用户的用电水平和效率,实现对企业用户用电情况的层次化、精细化、多维度画像。基于多维度画像结果,分析企业用电情况。最后,选取4个企业进行算例分析,并提出相应的优化建议。本研究方法可以有效指导企业科学用电,为电力企业综合能源业务提供支持。     

融合多源数据的智能配用电多时间尺度数据分析技术

随着分布式发电、储能和需求侧响应负荷的不断发展,传统的被动型用电网正在逐步演变为具有主动调节能力的主动配电网。为了充分发挥主动配电网的主动调节能力,需要在配用电网中安装智能电表、远程测控终端和配电网同步测量等数据采集装置,建设配电、用电、客服、营销等信息管理系统。这些数据采集装置和系统的建设,在配用电领域产生了大量的数据。文章在讨论智能配用电大数据来源、生命周期及数据特征的基础上,从数据集成平台、智能电网统一数据模型、多源数据在线、数据分析算法库、用户画像、机器学习算法等角度分析了智能配用电大数据分析的关键技术,然后提出了智能配用电大数据分析在电网运行、社会服务和用户服务方面的典型应用。     

基于聚类的电网低压台区用电画像方法研究

对用电对象进行用电特征分析在电力系统的电力调度、负荷预测、安全性评估等方面具有重要意义。目前的用电特征分析多集中在对用户用电画像方法的研究。低压台区是电网用电中的重要维度,对低压台区进行用电特征分析同样不可或缺。台区用电画像可以帮助电网快速准确地把握台区的负荷特性和用电模式,对挖掘台区用电数据信息并对不同的业务场景进行指导具有重要意义。本文针对台区日冻结量和96点功率数据,提出了台区用电特征标签提取方法并形成标签系统,然后基于聚类技术对获得的台区标签进行聚类分析得到台区画像。最后,本文基于上海市181个台区的用电数据进行案例分析,得到台区用电标签和画像。     

基于社群特征的配电网异常用电行为分析

针对目前配电网异常用电行为精度欠佳、效率低下、人力资源耗费量大等问题,在海量用电数据中利用数据挖掘技术实现异常用电数据的精确查找与定位。通过引入社群习惯的行业季节用电水平等异常分类指标,对可能存在非技术性损耗(NTL)的配网用户进行分析和检测,利用改进粒子群LM神经网络算法建立了有效的异常用电行为的自动识别模型。实验结果表明:该模型能够有效地提取用电特征,实现对异常用户的检测,具有较强的识别能力和较高的实用性。     

考虑电能使用行为的用户碳画像研究

随着我国提出“碳达峰、碳中和”的双碳建设目标,节能减碳成为当下的热点问题。用户碳画像对电力公司分析居民用户的电能使用行为,制定合理的电能减碳调控措施具有重要意义。为此,对基于电能使用行为的用户碳画像标签体系和画像方法进行研究。首先对用户多维用能数据进行搜集和筛选;然后根据筛选后的用户电能使用行为数据,结合画像目的,从用户减碳负荷特性、用户低碳用电特性、用户电能产消碳特性3个维度设计用户碳画像的标签体系;再将子标签进行数据处理并对各类综合指标分析得到各维标签数据。最后通过使用k-means聚类算法判断并确定用户的所属簇别,以三维散点图进行展示;再根据标签体系计算获得用户的减碳综合指数并以柱状图进行展示,实现了用户碳画像的可视化呈现,反映了用户电能减碳的综合能力;通过选取典型用户对比实施减碳措施前后的碳排放量,验证了所提方法的有效性。