基于负荷特性分析平台的用户负荷特性及用电行为研究

量化分析用户负荷特性及用电行为时,海量负荷数据会造成庞大工作量,亟需研发出考虑负荷特性的用户用电行为分析平台,为售电主体分析用户用电行为及负荷预测提供借鉴。基于负荷特性指标和用电行为指标,该平台分别研究用户负荷特性和用户用电行为。运用实例结果表明,该平台快速展示了用户负荷特性分析结果及在电价发生变化时对电价的响应,具有简化操作、数据分析等优势。     

基于小波去噪和决策树的个性化大用户负荷预测

把握用户的用电规律并对用户未来的用电进行精准的预测对于开展需求响应、提高电网运行效率等具有重要意义。首先对大用户负荷特性进行了分析,指出大用户负荷具有量大面广、个性不一、近大远小、波动显著以及周期失灵等特性。然后针对这些特性,提出了一种基于小波去噪和决策树的个性化模式挖掘预测方法,能够挖掘大用户历史负荷数据进行模式提取,对不同用电模式的大用户分别进行个性化负荷预测。对某省50个典型大用户的算例分析结果表明该方法的准确性较其他常用预测方法更高。     

城市综合体负荷特性建模与实例分析

以长沙地区现有城市综合体用电情况为例,对城市综合体的负荷特性进行了研究,从构成城市综合体的各种业态着手,根据不同业态用电负荷的特点,分析各种业态负荷的发展规律,建立了以建筑面积和单位面积用电指标为基础的城市综合体负荷特性分析模型,定量对城市综合体的用电负荷水平及典型日负荷曲线进行了预测。算例分析表明,该模型能较好地适应城市综合体远期负荷的发展趋势预测,对于指导地区电网建设时序、用户工程电网接入方案制定以及城市饱和负荷密度预测研究等具有重要意义。     

广西电网负荷特性分析与预测

为准确把握广西负荷特性及其发展趋势,满足广西经济社会发展的用电需求,需对广西电网负荷特性进行研究。通过全面调查、分析广西电网统调、非统调以及各行业用户历史数据,分别采用叠加、剔除、还原等方法对历史曲线进行处理,分析负荷特性参数变化发展的规律,并结合广西用电结构预测,分别采用历史年负荷曲线修改法和典型日负荷曲线修改法预测广西年负荷曲线和日负荷曲线。基于历史典型曲线和未来用电结构变化预测所得的广西全社会负荷特性参数,2015年基本维持不变,2020年呈下降趋势。负荷特性预测结果可为广西电网规划研究、运行分析提供参考。     

广东电网用户负荷特性及用电特点研究

在对广东电网各地市用户调研基础上,按《国民经济用电分类表》的分类对各行业用户选取典型值进行负荷特性分析,从负荷特性指标、负荷曲线、用电趋势、负荷密度等方面总结了各类用户负荷特性及用电特点,并对后续开展配电网规划和需求侧管理提出了具体建议。     

基于负荷细分的差异化用户基线负荷预测

电力用户基线负荷(CBL)预测精度会极大影响需求响应效果的评估。本文基于负荷细分,考虑多维用电行为及其影响因素,通过精细化用户用电行为特征,提出一种考虑用户用电模式差异化的基线负荷预测方法。首先采用Ward-模糊C均值(FCM)聚类法,并结合负荷特性指标,改善用户负荷曲线聚类分析的效果;然后,分析气象、时间等多维影响因素,建立考虑温湿度和气温累积效应等城市微气象因素及节假日社会行为因素的差异化用电行为分析模型,提出温度敏感型、节假日敏感型以及两者均不敏感的精细化用电模式;最后,提出不同用电模式的CBL预测方法,建立综合评估方法分析其预测准确度。算例结果表明,所提算法能进一步提高CBL预测精度。     

基于聚类分析的用户分类和用电行为分析

针对用户用电行为特性和用户用电负荷特性,利用K均值聚类法和模糊C均值聚类法对用户用电行为进行了分类分析。依据用户用电负荷曲线特性,使用K均值聚类和模糊C均值聚类的方法对用户用电类型进行了分类;依据聚类分析结果对用户用电行为进行了分析,分别分析了各类用户与总负荷曲线的相似度,分析了2种聚类方法的差异,为供电公司针对不同类型用户提高差异化供电服务提供了参考依据。     

电价机制下商业用户用电响应行为分析

根据实际调查问卷,将电力商业用户按照用电特性分为5类,分析了各类商业用户在不同电价水平下,用电高峰段、用电平段、用电低谷段3个时段的负荷响应程度,利用概率分布函数预测了各类用户的负荷调整可能值,并应用马尔科夫链建立了不同时段负荷响应预测模型,对"十二五"期间商业用户的负荷调整响应度进行了模拟,并通过算例分析验证了其实际意义,挖掘了各类商业用户在不同时段的负荷调整潜力,为区域商业用户智能配电及管理提供了决策支持依据。     

考虑用户用电特性的基线负荷计算方法

准确的基线负荷计算是实施激励的需求响应项目的关键依据,是为参与需求响应项目用户提供补偿的重要前提。文章在分析用户用电行为特性的基础上,建立了基于统计学原理的用户分类体系,将用户划分为稳定型、趋势型和波动型3种,并分别提出各自适用的基线负荷计算方法。测试结果表明,对3种不同类别的用户而言,基于用户用电特性的基线负荷计算方法能获得更高的预测精度。     

县域电网负荷特性分析与短期负荷预测研究

介绍了华北地区某县域电网用电结构,对大工业、城镇居民、农业生产3种典型行业负荷特性进行分析,理清不同用户生产生活规律与用电之间的关系,在此基础上,分析了全县整体负荷特性及其主要影响因素,明确短期负荷预测的难点。为解决节假日期间或天气变化大时短期负荷预测精度低的问题,提出了一种改进的相似日法,建立日特征向量并将各影响因素量化,通过相似度计算找到与预测日负荷最为接近的相似日,提高预测精度。     

基于用电行为综合指标的用户负荷分类研究

用户负荷分类研究是需求侧响应、负荷特性分析以及负荷预测的基础。提出一种综合考虑用户的实际信息(如收入水平、房屋面积、节能环保意识等)与用电负荷信息对用户进行分类的方法。首先通过统计的方法从用户综合信息中提取出若干特征指标,并运用层次分析法确定了指标的权重,得到一套用户评价体系,并根据评价结果对用户进行初分类。在初分类的结果下,对每类用户的用电负荷从季节变化和工作日与否的两个角度运用Kmeans进行二次聚类分析。最后,选用了标杆分析的方法对各类用户用电模式和参与需求响应的潜力进行了分析。     

基于用电模式数的大用户负荷短期预测技术研究

针对传统负荷预测方法适用性差问题,文中通过月均负荷率和负荷标准差与月均负荷率的比值对大用户进行划分,明确大用户的负荷特性分类。在此基础上,对分类用户的典型负荷曲线、波动曲线、连续负荷曲线进行分析,得出各类用户的用电模式数,再分别根据模式数制定针对性预测方法,提高可调度容量预测的精确度,为电力营销需求响应业务的快速发展提供技术支撑。     

需求侧响应下基于负荷特性的改进短期负荷预测方法

为了提高需求侧电力负荷预测精度,针对需求侧自身特点,提出了基于负荷特性的改进短期负荷预测方法。依据需求侧负荷特性与属性聚类算法结合的方法完成两级需求侧负荷分类,并使用优化改进粒子群优化径向基神经网络(MPSO-RBF)和最小二乘支持向量机回归模型(LS-SVM)等算法建立短期预测模型进行负荷预测。利用该方法对某工业园区用电负荷进行预测,并与实际用电负荷数据和利用传统预测模型以及单一模型预测方法进行了比较分析。预测结果平均相对误差表明,基于负荷特性的改进短期负荷预测方法是有效和实用的,既能得到准确的负荷预测结果,方便需求侧用户就地进行各类负荷针对性调控,又方便管理者宏观掌控需求侧用户负荷情况,有效推动能源互联网的发展。     

多级负荷聚类和解耦机制的配电网短期负荷预测方法

为解决配电网供电分区负荷特性因用电结构与用户用电习惯差异呈现多样性,导致泛化的预测模型难以提供满意计算精度,以及新投运配变由于缺乏历史数据积累,无法为机器学习提供大量训练样本的问题,提出了一种多级负荷聚类和解耦机制的短期负荷预测方法.首先,进行基于变电站用电量以及台区用户用电特性差异的多级负荷特性聚类.随后,对不同聚类配变构建基于脉冲神经网络的短期负荷预测模型,并采用负荷标幺曲线和基准值分开预测的解耦机制应对新投运配变的小样本问题.最后,综合分类预测结果得到日负荷预测曲线.实例证明该方法能实现负荷预测的精细化,并减小新投运配变的预测误差影响,改善了综合预测结果.     

基于实时电价的用户短期用电负荷预测

提出了一种基于改进Softmax回归的用户短期用电负荷预测策略,该策略首先进行因素相关度分析,挑选关键因子;然后利用Softmax回归模型进行用户用电类别预测;最终在预测类别中选择与用户最相似的样本用户去预测该用户用电负荷。     

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。     

基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。     

基于“分层-汇集”模型的短期电力负荷预测

针对目前短期电力负荷预测方法未充分利用电力用户用电特征,以及预测精度不高等问题,提出了"分层-汇集"模型。首先,对电力用户按用电特征"分层",得到表征不同类型电力用户用电特征的层负荷特性曲线,并将层负荷特性曲线作为构造总负荷曲线的属性因子;之后,"汇集"不同日的层负荷特性曲线,结合实时负荷训练模型;最后,进行回归预测。以某区域实际电力负荷数据为算例,基于所提出的预测方法进行负荷预测。结果显示,基于"分层-汇集"模型的短期电力负荷预测在平均百分误差(mean absolute percentage error,MAPE)、均方根误差(root-mean-square error,RM SE)以及Pearson(皮尔逊)相关系数3项评价指标上均优于一般的回归预测方法,验证了模型的有效性;在"分层"和"汇集"阶段采用不同算法组合,"分层-汇集"模型均具有较好的预测效果,验证了模型的鲁棒性。使用"分层-汇集"模型可以提高负荷预测的精度,为短期电力负荷预测提供了一种新思路。     

主动配电网中负荷主动管理系统研究与应用

为充分利用用户侧资源,提高居民负荷在电力系统调度中的参与度,主动配电网中负荷主动管理系统采用先进的网络通信技术、传感器技术和计算机技术,基于负荷预测和发电预测,通过智能用户终端实现用户交互,采集用户用电信息和用电偏好,分析负荷特性,优化用户能效,将居民负荷纳入配电网调度范围,实现了主动配电网中负荷的主动管理,使负荷侧和供电侧实时互动。负荷主动管理系统目前在贵阳示范现场投运,试验数据表明,通过主动管理用户侧负荷,能够有效降低负荷峰谷差,提高新能源消纳率,促进电力资源合理配置,改善电网运行曲线,提高配电网智能化水平和运行稳定性。     

考虑主动需求的主动配电网负荷预测

主动配电网的主动需求管理技术(Active Demand,AD)通过市场引导机制来改变用户的典型用电行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。针对AD对主动配电网负荷预测的影响,考虑用户响应特性分析影响AD响应负荷的因素,作为负荷预测的外生输入量,然后利用粒子群优化的支持向量机技术在黑盒框架下建立含AD输入的完备负荷预测模型,提出了适用于考虑主动需求的主动配电网负荷预测新方法。基于用户响应行为的现实考虑,建立时变AD模型产生含AD效应的负荷数据集来测试所提出的负荷预测方法。实验结果表明,所提负荷预测模型与不含AD输入的负荷预测模型相比,预测精度更高。