共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
随着电力市场改革的逐步推进,需求响应将在未来新型电力系统中发挥越来越重要作用。针对目前DR潜力计算过程繁琐、用户数据不足的问题,提出了一种基于用户历史负荷、气温和电价数据的用户集群DR潜力预测方法。首先,通过对用户的历史负荷曲线进行数据处理和信息提取,从月负荷规律性、日负荷波动性、峰谷一致性3个方面对各用户的用电行为进行特征值计算,形成评估用户类型的指标体系。继而,提出基于时序带有外部输入的非线性自回归神经网络的用户负荷和DR潜力预测方法。最后,以工业用户为例采用Meanshift算法实现用户集群划分,并对通用零部件制造行业的DR调节功率进行预测,经与实际调节功率数据进行对比分析,验证了本文所提方法的有效性。 相似文献
4.
随着新能源发电占比增加,发电侧的调节能力降低,挖掘负荷侧的可调节潜力是新型电力系统电力供需平衡的必然选择。针对工业用户,提出了一种基于二次聚类的可调节潜力特征提取与综合评估方法。综合考虑工业用户的可中断性、可转移性和生产属性,建立了负荷可调节潜力评估指标体系。首先,采用近邻传播(affinity propagation, AP)聚类-k均值(k-means)聚类的二次聚类方法挖掘用户可调节潜力特征,计算可调节指标。其次,基于相关性定权(criteria importance through intercriteria correlation, CRITIC)法和多准则妥协解排序(vlsekriterijumska optimizacija I kompromisno resenje, VIKOR)法分别评估工业用户可中断潜力、可转移潜力和生产潜力。然后,利用集对分析(set pair analysis, SPA)-可变模糊集(variable fuzzy set, VFS)法评估工业用户负荷综合可调节潜力,并得到优先级排序。最后,根据某地区9户工业用户历史负荷监测数据进行可调节潜力评估,通过对不同聚类方法、不同指标体系以及不同评估算法结果的对比分析,验证了所提方法在特征提取、指标定义以及评估合理性方面的优势。 相似文献
5.
6.
面向综合的电力负荷动特性建模 总被引:40,自引:12,他引:40
针对目前负荷动特性建模中存在的问题,提出了负荷建必须面向综合的观点,给出了综合的方法,并结合1996年沧州地区现场实测数据分析了负荷组成昌变系统中综合的可行性和有效性。建模实践表明:负荷动特性综合对于解决目前负荷动特性建模中存在的问题,建立适用于仿真计算的负荷模型有着非常重要的作用。 相似文献
7.
采用基于负荷曲线进行用户分类的方法,运用数据挖掘技术中的模糊C均值聚类,将不同行业的用户混合在一起,利用聚类的观点将其分类,对各类负荷曲线进行分析和比较;将模糊C均值聚类算法应用在单个典型行业典型用户(主要是工业和三产的大用户)的分析中,可以发现不同季节、不同月份的负荷数据之间有一定的共性. 相似文献
8.
9.
历史负荷数据是电力系统进行负荷预测的基础,历史数据异常将会影响负荷预测的准确性和有效性,因此需要对负荷数据进行异常数据辨识。本文以某一节点负荷数据为研究对象,提出一种基于二次聚类算法的异常电力负荷数据辨识方法。运用数据挖掘中模糊聚类算法并结合有效指数准则对负荷曲线进行一次聚类;将一次聚类结果结合神经网络实现对负荷曲线的二次聚类,提取出日负荷特征曲线;根据负荷曲线的相似性和平滑性,辨识异常负荷数据。算例分析结果表明,此方法效果良好。 相似文献
10.
基于模糊聚类的电力负荷特性的分类与综合 总被引:33,自引:5,他引:33
在阐述负荷特性分类与综合内涵及意义的基础上,以变电站综合负荷构成成分比例为负荷特性分类和综合的基本特征,基于模糊聚类原理,提出了模糊等价关系和模糊C均值算法的2种分类方法。基于模糊C均值法可以通过优化理论获得聚类中心矩阵,同时完成负荷特性分类与综合。对某省48个变电站采用加权平均的方法进行聚类分析,得出了基于模糊等价关系的聚类综合特性并与模糊C均值算法的聚类中心矩阵进行了比较分析。结果表明,两者都具有良好的聚类综合能力;基于模糊C均值法的聚类能力明显优于基于等价关系的聚类法,而且聚类结果更为合理有效。两种方法都成功地解决了负荷建模中变电站特性分类处理的复杂性与主观性。 相似文献
11.
电力用户侧大数据分析与并行负荷预测 总被引:31,自引:0,他引:31
随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。 相似文献
12.
产业结构的不断转型导致电网负荷不平衡度日益凸显。强制性有序用电、拉闸限电的管理模式已不适应社会的发展,亟须研究更科学有效的办法。提出了一种模糊综合评估方法用于评估分析可中断负荷的调控响应特性,总结出包括用户特性和电力调度需求等在内的影响可中断负荷特性的企业内部关键因素,在对这些关键因素深入分析的基础上建立了可中断负荷特性评估模型和电价补偿方案,克服了本领域可中断负荷特性评估方法单一、不灵活的缺点,提高了电网电力调度以及可中断负荷电价补偿的合理性和可行性。 相似文献
13.
针对每类商业楼宇中可调节负荷分析用电设备/系统的运行状况、可调节能力及用能优化潜力,提出了商业楼宇可调节负荷用能优化系统建设方案。 相似文献
14.
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。 相似文献
15.
基于KOHONEN神经网络的电力系统负荷动特性聚类与综合 总被引:41,自引:8,他引:41
提出了应用Kohonen神经网络解决电力负荷动态特性的聚类问题:首先对每组负荷扰动数据建模,进而将各负荷模型对相同电压激励的响应与相应的负荷有功运行水平合并形成特征向量,最后引入Kohonen神经网络进行聚类。通过对河北沧州地区1996年、1997年和1998年电力负荷特性数据的聚类与综合处理发现:Kohonen神经网络是一种学习速度快、分类精度高、抗噪声能力强、并且适用于电力负荷动态特性聚类的神经网络模型。同时还发现电力负荷特性具有可重复性,这也证明了总体测辨法的可行性。若将这些典型负荷模型实用化,将有利于提高电力系统仿真准确度。 相似文献
16.
提出了一种基于负荷特性聚类及Elastic Net分析的短期负荷预测方法。通过对历史负荷特性进行分析和聚类,对全年日进行分类并指定日类型,避免日类型选择过于宽泛且缺乏针对性。同时采用Elastic Net方法对影响负荷预测的主导因素进行辨识和筛选。最后,在以上预测输入变量优化的基础上,建立神经网络预测模型。以广东省某市实际负荷为例,通过与其他方法对比,验证了所提方法在提高日负荷曲线预测精度方面的有效性。算例结果表明,所提模型适用期较长,无须反复训练,对短期负荷预测有较强的应用价值。 相似文献
17.
提出了一种基于负荷特性聚类及Elastic Net分析的短期负荷预测方法。通过对历史负荷特性进行分析和聚类,对全年日进行分类并指定日类型,避免日类型选择过于宽泛且缺乏针对性。同时采用Elastic Net方法对影响负荷预测的主导因素进行辨识和筛选。最后,在以上预测输入变量优化的基础上,建立神经网络预测模型。以广东省某市实际负荷为例,通过与其他方法对比,验证了所提方法在提高日负荷曲线预测精度方面的有效性。算例结果表明,所提模型适用期较长,无须反复训练,对短期负荷预测有较强的应用价值。 相似文献
18.
19.