云南省两地区典型用户负荷特性及用电特点分析

用电需求日益剧增,为了获取用户用电负荷情况,明确负荷的变化规律,提高负荷预测的准确度,就需要对用户用电负荷特性展开研究。本文在对云南省两地区的上百个典型用户的调研和分析的基础上,按行业分类对不同用户的用电负荷特性进行了对比分析,使用负荷特性曲线、负荷率等指标总结了各类型用户负荷的基本特性,为电力企业做好负荷预测、指定科学的电力规划方案提供了重要依据。     

基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测

提出了一种将模糊聚类技术与人工神经网络中的BP网络相结合的日负荷特性曲线分类与短期负荷预测的方法。通过模糊聚类技术将不同用户的负荷特性曲线进行分类,建立出不同的典型负荷曲线。然后利用同预测曲线相同类型的典型曲线,结合温度、日类型、湿度等对短期负荷预测影响较大的因素作为学习样本建立相应的BP网络模型。针对传统BP算法的不足,利用变学习速率和附加动量来改进BP算法并预测日负荷曲线。通过对实际日负荷曲线样本进行分类和对短期负荷进行预测证明该方法预测精度较高,在实际应用中具备可行性。     

改进的电力负荷曲线集成K-medoids聚类算法

电力负荷曲线聚类是配用电大数据挖掘的基础。针对常规K-medoids聚类算法的不足,利用CH指标和启发式方法对常规K-medoids聚类算法进行了改进,实验结果表明,改进的K-medoids聚类算法具有更高的聚类有效性,克服了传统K-medoids聚类算法由用户指定簇族数和随机选取初始质心的问题。为方便分析对22个典型用户年负荷曲线进行归一化处理,并分别采用行业性质、常规K-medoids聚类算法和改进K-medoids聚类算法对经过归一化处理的22个典型用户年负荷曲线进行分类,实验结果表明,根据年负荷曲线特性对负荷曲线进行分类相较于按行业性质对负荷曲线进行分类有更好的效果,而且改进K-medoids聚类算法相较于常规K-medoids聚类算法,能够更客观、准确地对负荷曲线进行有效分类,改进K-medoids聚类算法在电力负荷大数据挖掘具有良好的应用前景。     

基于深度神经网络和SoftMax分类器的台区负荷分类识别方法

随着传统分类分析算法研究的不断深入,台区用电负荷模式的分类识别也在不断发展。提出了一种基于深度神经网络(deep neural networks, DNN)和SoftMax分类器的台区负荷分类识别方法,结合已有的典型负荷曲线特征库,实现对台区未知用户的负荷预测,为电网部门需求侧管理提供可靠的支撑。对某台区1 200个用户负荷数据进行实证分析,结果表明,提出的分类方法在算法收敛性、计算时间以及预测精度等方面具有更好的性能。     

基于用户用电特性及供电成本分摊的销售侧电价机制研究

针对现行销售电价机制中用户分类不够科学规范、繁简不当的问题,借助模糊C均值算法,根据用户的典型日负荷曲线对用户进行分类并得到了典型用户负荷率曲线及用电参数。在此基础上,考虑用户需求响应建立了分时电价的最优化模型,分别计算分析了在峰荷最小、谷荷最大和峰谷差最小三种优化目标下的负荷曲线及各方收益变化。结果表明,在执行所设计的分时电价后,削峰填谷、改善负荷曲线的目标得以实现,有效缓解了电力供应高峰时段的负荷缺口,同时各方收益也得到了保证。     

基于用户实际日负荷曲线的负荷分类策略研究

首先介绍了灰色关联聚类分析方法,然后选用该方法对某供电局涉及9类国民经济行业中的12个用户典型日负荷曲线进行聚类分析。通过案例说明采用该分类方法对负荷进行分类可更简单直接的表现各类用户负荷特性,为负荷特性分析、负荷预测、电网规划及需求侧管理等提供依据。     

基于“进化”主成分分析法的用户分类及其应用

在负荷曲线形态较多时,传统聚类方法对用户负荷分类的效率不高,阻碍了聚类方法在电力负荷大数据分析中的应用。该文提出一种"进化"主成分分析法。首先,采用主成分分析法对用户的负荷特征矩阵进行降维;之后,在主成分分析法的基础上,提出基于欧式距离的分类规则。以某地区用户实际负荷为算例,通过余弦相似定理拟合各类用户曲线形态,验证所提出算法的有效性。经过与传统负荷曲线分类方法的对比,证明了基于"进化"主成分分析法能提升负荷曲线分类效率。在负荷曲线分类的基础上,与当地总体负荷曲线进行对比,将用户负荷分为迎峰用电型、部分迎峰用电型、少量迎峰用电型以及异常用电型4类,分析结果证明了基于"进化"主成分分析法的负荷分类的有效性和实用性。所提出的负荷分类方法可以更加有效地对用户用电行为进行分类,从而针对各类用户制定动态电价,作为开展智能电网相关增值服务的基础。     

基于实际负荷曲线的电力用户分类技术研究

开展电力用户负荷特性分析可以帮助供电企业获得其负荷需求变化的知识,对于企业负荷预测、需求侧管理、以及改进电价目录都有重要意义。针对某电力公司大用户实际负荷曲线数据,使用模糊聚类中的典型算法模糊c均值(FCM)对其进行聚类分析,得到负荷簇和负荷代表曲线,然后分析了属于各行业和电价类的用户负荷聚类结果,显示了按负荷特性进行用户分类与现行按行业和电价的用户分类差异显著。并通过案例说明负荷分析可以帮助企业改善运营。     

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。     

基于特征负荷的用户日负荷削峰试验效果评估

为确定基于经济补偿协议的电力试点居民用户在日负荷削峰试验中对削峰调度策略的响应情况,并根据试点地区的试验统计数据外推估计全市的试验效果,结合某市用电峰谷时段特点,建立了考虑早/晚高峰时段的试点区域用户日负荷削峰试验负荷率模型,据此设计了特征负荷占比推广法和分类负荷电量占比推广法两种试点用户负荷率外推模型。该模型在试验前后负荷率统计结果的基础上,外推估算全市的试验效果。试点统计结果和外推计算结果表明,日负荷削峰试验可有效减小负荷曲线的峰谷差,达到了提高负荷率的预期效果。     

规模化电动汽车有序充电分层控制策略研究

电动汽车作为一种特殊电力负荷大规模投入电网后,对其有序充电策略进行研究,能够降低充电负荷对电网的冲击、平抑负荷波动,降低用户充电费用。文中以电动私家车为研究对象、居民小区为应用场景,提出了一种上层根据居民小区的充电需求与负荷方差最小的优化目标确定功率指导曲线、下层同时考虑下发的指导曲线以及充电站峰谷差最小的优化目标来满足用户充电需求的有序充电优化方法。分析充电模式等因素对电动汽车(Electric Vehicle,EV)充电负荷的影响,并基于蒙特卡洛方法进行充电负荷预测的计算;提出了电动汽车有序充电的分层控制架构,并建立了能够平抑总体负荷波动、降低变电站负荷峰谷差的双层优化模型,采用粒子群算法进行计算;以某居民小区为例进行仿真计算,对比电动汽车在不同渗透率下使用该优化充电方法前后的结果。结果表明,该控制策略使充电负荷的高峰期往后推迟至基础负荷的用电低谷期,实现了负荷曲线的“削峰填谷”,且随着渗透率的增加,在降低负荷峰谷差、平抑负荷波动方面的优化效果更好;在充电费用方面,有序充电情况下充电费用减少了29.0%,降低了电动汽车用户的充电负担。     

一种基于时间序列数据挖掘的用户负荷曲线分析方法

针对目前用户负荷曲线分析方法研究中传统方法在单一用户典型负荷曲线提取以及负荷曲线特征提取的不足,提出了一种基于时间序列数据挖掘的用户负荷曲线分析方法。该方法首先基于分段聚合近似方法对单一用户的负荷曲线降维,并基于符号聚合近似方法对该用户一段时期内的负荷曲线重表达,用符号化序列表示该用户的负荷曲线,提取该用户的典型负荷曲线。然后结合不同用户典型负荷曲线的负荷特性、指标特征和时间序列特征,基于k-means算法对不同用户的典型负荷曲线聚类分析,分析不同类型用户的用电特征。以UCI一个测试数据集进行算例分析,结果表明所提方法能够挖掘出用户的典型用电行为特征,并提升用户负荷曲线分析效率与聚类质量。     

月度实际线损率定量计算方法

针对目前供电企业计算线损率方法过于落后,不能满足降损工作需要这一问题,结合电力系统实际情况,在充分考虑抄表方式、负荷波动、过境电量等影响线损率波动因素的前提下,分别求出低压用户、专变用户、工业大用户的实际售电量,从而得到实际总售电量,再利用传统线损率计算公式求出月度实际线损率。MATLAB仿真结果表明,该方法在实际计算线损率的应用中具有较高的可靠性和精度。     

区分工作日和非工作日负荷的用户侧储能多目标优化策略

在两部制电价下,为了更高效地利用储能提升用户的综合效益,通过构建需量管理、储能收益、负荷波动幅度增加率及SOC过程控制模型,提出了区分工作日和非工作日负荷的用户侧储能多目标优化策略,可有效实现降低用户月度用电成本、降低负荷波动幅度增加率及减少储能充放电及待机状态转换次数的多目标优化,并利用Matlab调用Cplex求解器对某大工业用户进行算例优化,验证了策略的可行性。     

一种多功能负荷预测系统的开发

根据区域电网调度运行部门的要求,开发了一套多功能负荷预测系统。该系统不仅能预测未来24 h的电力曲线,而且还可以预测未来月度单日总电量及单日电力峰谷值,根据不同预测量的自身特点,提供了多种不同的预测方法。系统将规律性评价理论应用其中,实现了规律性评价与实际预测相结合,有助于对预测结果的合理性进行判断。文中对各种方法的预测结果进行了对比分析,指出了一些方法的优缺点及适用范围。该软件具有良好的人机界面,操作方便,为区域电网调度运行工作人员提供了一个强有力的支持。     

考虑数据周期性及趋势性特征的长期电力负荷组合预测方法

为解决长期电力负荷预测精度不足及模型适用性不强等问题,考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合。利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型,提高年度负荷预测模型的趋势预测能力。采用函数型非参数方法预测月度负荷数据中周期性负荷数据,将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度。最后通过灰色预测等模型数据比对及MAPE误差分析方法验证,考虑数据周期性与趋势性组合的模型方法预测精度显著提升,适用于区域电力负荷的长期性预测。     

基于分时电价和激励补贴机制的家庭能量双层优化模型

为了降低居民日负荷曲线峰谷差,提高居民参与电网需求响应的积极性之前,文章基于分时电价和激励机制,提出双层模型实现家庭能量的优化调度。该模型以需求侧响应为手段,以家庭能量优化为策略,实现供电端与用电端的互动,刻画出电价、激励机制与用户用电行为之间的交互关系。外层模型在分时电价的环境下,采用模糊C-均值聚类算法(fuzzy C-means algorithm, FCM)对用户用电情况进行分析,以日负荷曲线削峰填谷为目标,设计包含激励补贴和峰谷系数的电力套餐。内层模型基于电力套餐实现家用电器的智能管理,模拟实施套餐前后的居民日负荷曲线,实时调整用电计划,使用户日负荷曲线满足电力套餐中的峰谷系数。通过仿真验证双层优化模型有效降低了用户日负荷曲线的峰谷差,且设计的电力套餐在用户侧有一定的实用性,有利于用户更加积极地参与电网的优化调度,满足电网削峰填谷的要求。     

考虑电价不确定性的负荷价-量曲线聚合方法

随着电力市场的发展,需求侧逐渐参与电力市场报价。报价曲线需要反映需求侧的真实价格响应特征。然而,需求侧的负荷资源具有数量多、单个容量小的性质。大量用户聚合上报的价-量曲线尽量准确地反映需求侧特征,有利于售电侧准确掌握聚合用电特性,维护电力市场经济信号准确性。针对此,提出一种考虑电价不确定性的需求侧用户价-量曲线聚合方法,该方法可有效保留各负荷的价格响应特性,并为大量需求侧用户参与市场出清提供技术支撑。首先,该文考虑电价预测的不确定性,基于后验误差与核密度估计,建立适应多种电价预测模型的电价概率分布生成方法;在此基础上,提出需求侧用户价-量曲线的最优聚合模型,能在预测电价附近展现良好的聚合精度,且适用于不同出清模式的电力市场。针对所提模型具有的分段非线性特性,该文采用启发式算法-粒子群算法求解该模型。最后,基于真实电价数据验证了所提方法的有效性。     

基于精准气象数据的地区电网短期负荷智能预测系统设计

基于分时分区精细化气象数据,研发地区电网短期负荷智能预测系统,实现功率曲线的日前精确预测。该系统的特点在于将网供负荷分解为多种功率分量的叠加,并针对各功率分量特点和影响因素,提供多种特征选择模式、预测方法以及历史参照日,以提高短期负荷预测的精度、自动化程度和工作效率。