配用电数据分析及应用

配用电系统存在海量、多态、异构、高维的数据。为深入挖掘配用电数据的价值,提高电力公司的运营管理水平,首先针对配用电系统数据分析现状,阐述具有超越电能计量功能的智能电表对配网运维和分析的重大意义,并梳理该目标对智能电表提出的基本功能要求;然后从应用场景出发,介绍了国内外配用电数据在负荷预测、状态估计、窃电分析、需求响应等诸多方面的实践;针对现有应用基础,归纳了配用电数据面临的挑战和发展趋势,并结合国内数据基础,提出下一阶段国内配用电数据分析的提升重点;为阐述配用电数据分析的应用,列举了加拿大BC Hydro公司的窃电分析实例,并提出了一种适用于中国行业现状的实用化低压户变关系校验方法。最后对未来的配用电数据分析工作进行展望,希望为我国在此方面工作的深入开展提供参考。     

基于大数据分析的用户超容用电治理

<正>用户超容用电,是一种违约用电行为。超容用电不仅影响电网安全运行,还影响到电能计量的准确性。因此,加强对用户超容用电的检查与处理,对供电企业维护正常用电秩序,确保电网安全运行,维护供用电双方的权益有十分重要意义。1超容用电治理的背景目前,用户超容用电行为仍然普遍存在,用户通过私自增容、更换变压器铭牌、私自启用冷备用或暂停变压器等违约用电行为造成的“超容用电”,     

基于城市商圈用能大数据分析的智慧商业选址应用与研究

基于电力公司全业务数据中心和大数据计算平台,将电网负荷、用户能耗数据和外部共享数据相结合,通过数据采集、整理、分析、挖掘等大数据技术,建立城市商圈商业选址评估模型,实现对城市商圈房产、美食、酒店、景点、停车场、加油站、商超等衣食住行配套设施覆盖情况、商圈内密度、消费购买力、地价发展潜力进行综合分析,为城市商圈建设和商业选址提供辅助决策参考。     

基于宽带电力线通信的大数据分析在用电领域的应用

如何有效采集电力系统在各环节的数据,并使用大数据技术加以分析和应用,是当前物联网、云计算和大数据背景下电力行业信息化、智能电网的重要研究课题。重点论述了用电领域大数据的采集传输和分析应用。首先论述了用电信息采集关键通信技术的挑战和发展;随后分析了大数据存储与计算技术;最后通过一个具体用电量分析应用,测试对比了用电大数据的性能。     

智能用电小区综合用能评价

为了评价智能用电小区综合用能水平,提出了一种基于指标体系的智能用电小区综合用能评价方法。该方法首先结合智能用电小区发展特点,围绕居民用户、电网和环境三个方面建立初选智能用电小区综合用能评价指标体系,然后利用Delphi法对初选指标体系进行筛选优化,保证了指标的有效性和可靠性,应用层次分析法主观评价指标体系的一级指标和改进熵权法客观评价指标体系的二级指标,克服了单一赋权法局限性,最后建立了用于客观评价用能水平的综合评价模型。算例分析表明,该评价方法可有效的客观评价智能用电小区用能水平,可靠性高、可操作性强,具有良好的实用价值。     

基于改进k-means算法的海量智能用电数据分析

针对智能用电数据挖掘面临数据量大、挖掘效率低等难题,进行Map-Reduce模型下基于改进k-means的海量用电数据分析研究。以家庭用户为例,建立了家庭用户用电信息的家庭用户号、房屋面积、家庭成员数、每天用电量、峰谷电量、家用电器数等的数据维度模型,利用k-means算法简单、收敛速度快的优势,克服其容易陷入局部最优解的缺陷,综合考虑初始聚类中心的选择及聚类个数的选取2个因素,以数据对象密度的大小作为初始聚类中心的选取标准,将簇间距离及簇内对象的分散程度作为聚类数目选择的重要参考,对k-means算法进行改进;为提高数据处理效率,进行Map-Reduce处理模型下的海量家庭用户用电数据的并行挖掘。通过在Hadoop集群上进行实验,结果证明提出的算法运行稳定、高效、可行,且具有良好的加速比。     

基于用户用电数据分析的电费回收方法探讨

<正>电费回收是供电企业营收的重要指标,是供电企业生产运营的关键环节。本文提出了基于用户用电数据分析的电费回收方法,基于实际案例数据分析电费回收与缴费时间、缴费方式、用户类型下的关系,察觉电费回收的潜在风险,并从管理与技术两方面提出了应对措施。     

基于改进Adaboost-BP算法的用电行为大数据分析

在智能电网的构建中,电网与居民用电信息的交互主要由用户侧安装的智能监测和计量设备提供。智能设备数量随电网建设扩大完善而不断增长,其记录的用电信息将构成规模庞大、结构多元、类型复杂的用户侧电力大数据,挖掘电力大数据背后隐藏的电力信息是智能电网建设的重要内容。非侵入式负荷监测技术相比于传统电力数据分析,一方面保护了用户的用能隐私,另一方面能够完成对负荷更详细的特征辨识。主要通过非侵入式负荷监测技术结合数据挖掘手段研究居民用电大数据,并准确快速地预测负荷类型和分析居民用电行为。首先设计基于滑动窗口电器投切探测算法,之后介绍机器学习领域中的经典算法Adaboost和BP神经网络,设计了用于居民负荷特征识别和分类的Adaboost-BP改进算法并提出相关标准。算例从BLUED数据库中提取居民用电功率和电流序列,通过滑动窗口算法提取功率序列探测电器投切情况,将libSVM算法、BP神经网络和Adaboost-BP改进算法进行负荷分类测试。测试结果验证了改进算法能够有效提升大量数据样本下对负荷的识别精度并正确分类,同时分类速度快,适用于居民用电行为在线分析的场景。     

美国加州储能技术应用数据分析

在美国最近召开的“北美储能技术（ESNA）应用”研讨会上,人们对储能技术的成本效益、实用价值及安装位置进行了深入探讨．尤其对美国加州储能技术应用的数据（主要是对未来应用的预测数据）进行了分析。     

基于Web Services技术的数据申报实现

介绍了电力市场数据申报系统的作用和Web Services技术的特点，分析了Web Services技术应用于电力市场数据申报系统的优点。提出Web Services技术与Java 2平台企业版(J2EE)技术相结合的数据申报实现方式。利用J2EE技术实现数据申报业务，Web Services技术封装对外调用接口。详细介绍了数据申报系统的运行环境和数据服务层、业务管理层和调用管理层的实现过程，分析了数据申报系统实现中的重点和难点。     

智能电网大数据的分析与应用

能源互联网的兴起是全球能源环境与经济发展双重压力导致的结果,这种趋势不可避免地促进大数据分析技术的快速发展。大数据技术是指从各种各样类型的海量数据中,快速获得有价值信息的技术。简要介绍了国网智研院美国研究院大数据团队的研究工作和实验室软硬件配置,介绍了智能电网数据结构和计算架构等概念性的设计。重点介绍了与斯坦福大学合作进行的用户分组分类和需求响应定量计算方法,以及非侵入式电能分解。这些工作基于集成的数据模型和开源软件技术,将为电网公司和客户同时带来收益。     

基于多传感设备的统一数据服务分析

针对多传感设备系统在物联网技术中带来数据接收与封装工作量大的问题,提出设计解决方案,利用Modbus通信协议接收并读取数据,再使用WCF服务实现统一数据服务封装,最后应用视频监控报警联动实例,通过报警前后对比分析证明了该模式是可行的,该方案的实现对物联网技术的发展具有很高的使用价值与研发价值。     

基于综合能源计量数据的区域用能特性分析

用户耗能的时空分布特性对于电网规划具有重要的参考价值,是电网建设的重要依据。电力运营商通过新型计量设备分析居民的用电行为,从而促进电网高效运营。针对区域用户画像问题,提出基于综合能源计量数据的区域用能特性分析方法。利用“多表合一”用能采集系统,引入用户的燃气消耗数据,基于层次聚类与自组织映射（self organized maps,SOM）聚类方法刻画用能特征分布,通过仿真实验说明所提方法在用能特性分析问题上具有实用价值,有利于挖掘高耗能区域,能帮助电力运营商制定规划方案。     

基于能源大数据中心的数据商业运营模式研究

能源是国家经济发展的命脉,能源大数据是能源生产、消费与大数据理念的深度融合。立足能源大数据对于数据商业运营的需求,设计面向不同服务对象的数据商业运营模式,主要从产品服务模式、盈利方式、交易方式、权利归属等方面开展数据运营商业模式研究,挖掘数据资产商业化潜力,考虑实体资产和虚拟资产的不同性质,明确业务服务对象,探索合适的商业运营模式,实现数据资产利用效率和业务营收提升。     

基于综合能源计量数据的区域用能特性分析

用户耗能的时空分布特性对于电网规划具有重要的参考价值,是电网建设的重要依据。电力运营商通过新型计量设备分析居民的用电行为,从而促进电网高效运营。针对区域用户画像问题,提出基于综合能源计量数据的区域用能特性分析方法。利用“多表合一”用能采集系统,引入用户的燃气消耗数据,基于层次聚类与自组织映射（self organized maps,SOM）聚类方法刻画用能特征分布,通过仿真实验说明所提方法在用能特性分析问题上具有实用价值,有利于挖掘高耗能区域,能帮助电力运营商制定规划方案。     

基于负荷聚集商的多家庭能量管理系统建模

家庭能量管理系统可以合理规划家用电器的工作计划,降低家庭用户购电费用。然而单个家庭的负荷调节能力有限,难以做到最大化消纳光伏发电能量。本文提出了一种包含多个家庭用户的能量管理系统模型。通过负荷聚集商协调多个家庭用户的用电计划,从而降低用户的购电费用。在本模型的算例中,家庭用户购电费用降低的同时实现负荷聚集商的盈利,验证了本模型的可行性。通过算例中不同情境的对比,说明了本模型能够更多地消纳本地光伏发电,降低用户用电成本。     

基于MapReduce模型的间歇性能源海量数据处理技术

针对传统间歇性能源海量数据处理技术的局限性,提出了基于MapReduce模型的间歇性能源海量数据处理技术,利用廉价的商用计算机组成集群,对海量数据进行并行处理,确保了海量数据处理的可靠性、低成本、高效能和扩展性,并对该技术的平台实现进行了论述。最后通过实验对比不同数据平台下海量数据处理的效率,验证了基于MapReduce模型的间歇性能源海量数据处理技术的高效性。     

基于双数据库结合技术的用电信息采集终端

在分析了用电信息采集终端应用软件的基本需求后,提出了一种基于嵌入式数据库SQLite及内存数据库管理技术的用电信息采集终端数据管理系统的设计方法.按照功能类型,采用分层设计,每层由功能独立的模块组成.应用标准C++语言,设计实现了用电信息采集终端的数据管理系统应用软件.