面向海量用户用电特性感知的分布式聚类算法

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。     

基于改进k-means算法的电站最优外部运行工况划分

采用电站历史运行数据对外部运行工况进行划分的结果取决于挖掘算法对数据的适应性。本文提出了适用于电站历史运行数据外部工况划分的k-means算法,并对该算法的初始聚类数与聚类中心的计算方法进行分析改进,将其应用于某电站历史运行数据的机组负荷、煤质特性的外部工况的数据挖掘中,并采用等宽度法对电站外界环境温度历史运行数据进行聚类分析。挖掘结果表明,本文提出的改进k-means算法和等宽度法的工况划分结果更合理,且可得到描述机组运行的最优外部运行工况组合,能为现场运行人员提供更合理的数据参考依据。     

基于电力数据聚类分析的算法改进

为了提高信息检索的精准性,在电力数据搜索引擎中采用K-means算法,并针对K-means算法初始聚类中心的随机性对聚类效果的影响及K值的不确定性带来的聚类结果不稳定的问题,提出了一种改进的K-means算法。该改进算法基于欧氏最远距离选择初始簇心,通过多次聚类探测,对聚类结果的聚类均值总方差进行统计,选取方差值不再减小时对应的K值为聚类数。测试结果证明改进的K-means算法在实现自动聚类的同时聚类效果提高10%,在克服原算法缺点的同时保留了其简单高效的优点。     

基于无监督极限学习机的用电负荷模式提取

能源互联网的建设及发展使得用能端数据不断积累,充分利用用电信息,挖掘典型的用电负荷模式,是协调规划能源互联网并为其用户提供个性化服务的基础。用电负荷模式的提取通常以对负荷曲线进行聚类分析为基础,作为聚类算法输入的负荷曲线特征对聚类效果影响较大,高维输入容易使传统聚类算法表现不佳,对负荷曲线特征进行优化选取成为了一个重要问题。提出一种基于降维的负荷曲线聚类方法,首先用无监督极限学习机对原始负荷序列数据集进行低维嵌入,然后采用k-means算法对提取的低维特征进行聚类。给出了采用无监督极限学习机结合k-means方法进行负荷模式提取的具体流程。通过算例对比了传统k-means、其它降维算法加k-means与所提方法,实验结果证明所提方法聚类效果更好且效率较高,区分出的负荷曲线类别更能反映实际规律,得到的不同典型负荷曲线之间差异性更大。基于无监督极限学习机的聚类方法因其有效性可应用到用电负荷模式提取过程中。     

基于去噪自编码器网络特征降维与改进小批优化K均值算法的海量用户用电行为聚类及分析

海量用户用电特性的挖掘与分析对实现电网与用户间的双向互动具有十分重要的意义。提出一种适用于海量用户用电行为聚类及分析的算法,以降低算法时间复杂度,提升海量用户负荷数据分析效率。提取用户用电行为特征,构建多层去噪自编码网络,实现多维特征的降维;利用小批优化K均值算法进行聚类分析,并对算法进行初始聚类质心优化与超参数优化的改进以提升算法收敛速度与效果,其中超参数优化利用基于高斯过程的贝叶斯优化算法进行;利用类间分离度和类内内聚度的相关指标对聚类效果进行评价;通过互信息筛选有效聚类特征,实现用户画像。算例结果表明,所提方法在特征优化、聚类效果与收敛速度上均有较好的表现。     

基于电厂工况划分的双层聚类算法研究

以利用火电厂实时数据的工况划分为对象,提出了一种基于SOM网络模型和改进K-均值算法的双层聚类算法。海量数据通过SOM网络的压缩,神经元保持了与原始数据的相同结构;再利用优化了初始聚类中心和可自适应调整到最佳K值的改进K-均值聚类算法,将神经元进一步聚类。实现了在较短时间内合理划分电厂生产过程工况的目标。     

聚类K—means算法的应用研究

聚类分析是数据挖掘中的一个重要研究领域。它将数据对象分组成为若干个类或簇,使得在同一个簇中的对象比较相似,而不同簇中的对象差别很大。K-means算法对随机选取K个初始点作为初始值是很敏感的,这将导致得到一个不合理的聚类结果,因此聚类的质量依赖于初始值。一方面论文提出了一种有效的改进方法,通过试验证明了改进算法的有效性;另一方面将该改进算法应用到对学生学习成绩的分析中,实践证明算法是可行的。     

基于数据挖掘的工业用户用电行为分析

文中以上海市部分地区工业用户为研究对象,利用数据挖掘技术分析其用电行为。根据用户档案采集和整合用电数据,同时对数据进行修复和归一化预处理;综合考虑聚类数的确定及初始聚类中心的选择这两个因素,对K-means算法进行优化;利用优化的算法对用户负荷曲线分类并提取特征曲线,分析其用电行为典型特征,并与传统的K-means算法进行比较,同时引入相关指标检验聚类效果。结果表明,采用优化的K-means聚类算法能准确实现不同用户类型的分类识别功能,可以更加准确有效的进行用户用电行为的分析。     

基于数据挖掘技术的气温敏感负荷短期预测研究

提出一种基于改进K-means聚类算法的ARMA预测模型来提高短期负荷预测的精度。采用改进K-means算法解决了传统K-means聚类算法聚类数不确定、初始聚类中心盲目选取的缺点,同时还可提高聚类的效率。在考虑气象因素的情况下,建立了气温与湿度的关系模型,通过负荷与气温的聚类分析,在不同簇内建立相应的ARMA预测模型进行负荷预测,对预测结果进行修正与综合。实例分析表明:运用该方法可将预测结果的平均相对误差控制在2%以内,夏季和冬季的预测平均误差更是低至1.78%和1.48%;相比于单纯的ARMA预测法和考虑气象因素的传统K-means聚类的ARMA预测法,该方法在提高预测精度上有更明显的优势。     

基于k-means的加权聚类算法研究

聚类是将数据对象分组为多个有意义或有用的类或簇的数据挖掘技术。聚类分析方法作为统计学的分支,在其多年的研究中主要集中在距离的聚类分析上。从较为经典的k-means算法出发,分析出存在的不足,并提出一种改进算法,通过实验证实了改进算法的高效性。     

220 kV变电站10 kV直供负荷的改善措施及其经济分析

为了协调220 kV与110 kV变电站布点关系,结合某省220 kV变电站三卷变压器10 kV低压侧直接向负荷供电（简称直供）的实际情况,对全省220 kV变电站进行统计分析,研究其直接供电的现状及运行中反映的问题,并有针对性地从技术和经济层面提出解决办法：对10 kV直供负荷供电时,将配电网规划和10 kV直供负荷相结合,优化配电网的结构,合理利用220 kV变电站的容量,由220 kV变电站向周边10 kV负荷系统直接供电,在确保供电可靠性的情况下,控制10 kV线路的送电距离。以上措施可挖掘现有电网的供电潜能,降低线路损耗,使电网布局更趋合理。     

大规模储能系统发展现状及示范应用

随着储能技术的飞速发展,大规模储能系统已经成为保证电力系统可靠供电的一个重要手段。介绍了储能技术的类别及其在电力系统中的作用,并阐述了其在电力系统中的应用研究现状和目前的主要示范应用实例,论述了储能技术未来发展趋势。     

智能变电站中高频开关电源技术应用

高频开关电源因其性能可靠、体积小、效率高等优点,已广泛应用于智能变电站直流系统中,为变电站安全、可靠运行提供保障。首先简单介绍了交直流一体化电源系统,然后分别对直流充电模块、通信电源模块、UPS电源模块作了详细分析,重点研究了高频开关电源的N+1冗余技术和均流技术。通过研究发现,这2种技术的应用提高了高频开关电源模块的可靠性。高频开关电源能够满足智能变电站对直流系统可靠性的要求。     

基于先验方差的发电机惯量辨识数据质量评估

发电机惯量是电力系统频率特性分析与在线应用的重要参数。基于发电机正常运行时机端有功功率和频率的类噪声信号可对发电机惯量进行实时辨识。然而实测数据质量存在的缺陷,导致现有算法对实测数据辨识效果较差。为解决该问题,本文以谱分析与系统辨识理论为基础,通过参考系统估计、模型参数方差估计、惯量方差估计三个步骤,建立惯量辨识结果的先验方差统计量,在进行辨识前对类噪声数据段进行评价和筛选,提升了惯量辨识的准确度。基于仿真数据和实测数据的数据评估筛选结果验证了本文提出方法的有效性。结果表明,先验方差较小的数据段,惯量辨识的准确度较高。     

微电网概率性最优的储能容量研究

针对可再生能源发电受外界环境影响较大、难以控制,接入微电网后对其安全运行带来很大挑战的问题,指出在微电网中接入储能装置可有效地解决此问题;研究了微电网孤岛运行时储能容量的确定方法,提出了一种概率性最优的储能容量确定方法：计算了微电网调度出力与负荷需求的功率差额,并根据其概率函数密度曲线确定储能系统的最大充放电功率;根据储能系统不同时刻其充、放电量累计值的概率函数密度曲线,求出其最优储能容量,使电网能实现经济效益最优和可再生能源利用率最大。采用该方法确定微电网储能容量,具有求解方法简捷、所需储能容量小的特点。     

基于暂态相关性分析的小电流接地故障选线方法

小电流接地系统发生单相接地故障时,接地点产生的暂态故障电流包含了整个系统中全部的暂态故障电流特征量。非故障线路的三相暂态电流主要表现为对地电容电流,考虑到系统中存在的电感影响,健全线路中的两相电流差非常小,且波形与自身的暂态零序电流明显不相关,而故障线路的两相电流差与其暂态零序电流表现出明显的相关性。利用这一特征,首先对母线电压进行小波变换,通过三相近似系数比例AR检测配电网是否发生了单相接地故障,并找出故障相;然后,运用相关性分析比较各条线路的两相电流差与零序电流的相关性,能够正确地选出故障线路,文章通过MATLAB/SIMULINK建模,验证了该方法的正确性。     

East China Market in Dire Need of Three Major Breakthroughs

Since started as a pilot project of regional power marketin June, 2003, East China power market has been actively andsteadily progressing, and has promulgated in succession amarket establishing program, market operating rules andspecifications for the functions of technical support systems.The technical support systems have been built up by stagesincluding the master station system in East China region and     

12th International Conference on Electronic Measurement & Instruments(ICEMI'2015)

正Qingdao,China 7.16-19,2015 The International Conference on Electronic MeasurementInstruments(ICEMI)is the world's premier conference dedicated to the electronic measurement and test of devices,boards and systems that is covering the complete cycle from design,verification,test,diagnosis,failure analysis and process of manufactory and products     

ICEMI' 2015征文通知（英文）

正Qingdao,China7.16-19,2015The International Conference on Electronic MeasurementInstruments(ICEMI)is the world’s premier conference dedicated to the electronic measurement and test of devices,boards and systems that is covering the complete cycle from design,verification,test,diagnosis,failure analysis and process of manufactory and products     

基于改进动态灵敏度的配电网无功优化规划

目前配电网无功优化规划多采用网损灵敏度分析等方法来确定配电网候选无功补偿点,可能选择虚假高灵敏度节点,选点分布较集中。提出一种基于改进动态灵敏度选点的配电网无功优化方法,对灵敏度和负荷阻抗矩进行修正结合并进行层次聚类,避免选择虚假高灵敏度节点,使得选点分布均匀。通过实例仿真分析,验证了该方法的有效性,并对几种灵敏度选点方法进行了比较研究,得出了一些有益的结论。