智能用电中的用户行为分析

智能用电的理念与内涵2012年6月,在深圳召开的中美智能电网对话会上,中国国家能源局首次对中国智能电网的定义给出了明确的说明：集成新能源、新材料、新设备和先进的信息技术、控制技术、储能技术,以实现电力在发、输、配、用、储过程中的数字化管理、智能化决策、互动化交易,优化资源配置,满足用户多样化的电力需求,确保电力供应的安全、可靠和经济,满足环保约束,     

基于戴蒙德模型的用户响应行为分析

针对传统的需求价格弹性理论仅考虑到需求与价格之间的关系,无法同时考虑到用户的意愿和反映用户对于分时电价的真实响应情况等问题,提出了基于戴蒙德模型的同时,可考虑价格与用户意愿的响应行为分析方法。首先,结合需求价格弹性、相对风险厌恶不变函数,考虑价格与用户意愿等因素对用户响应行为进行建模;其次以效用函数最大为目标,结合各时段的用电约束,构建了用户优化决策模型,继而进行优化求解,模拟用户的最优决策行为;最后通过算例验证了该模型改善了居民用户的用电曲线,降低了居民用户的电费成本,可以模拟拥有不同意愿的用户响应情况。     

基于欠完备自编码器的用户用电行为分类分析方法

针对电力大数据背景下用户用电行为复杂多变、分析困难的问题,提出了一种基于欠完备自编码器的用户用电行为分类分析方法。首先,通过欠完备自编码器对智能电表数据进行编码,实现对原始数据的特征抽取,并使用反向传播(BP)神经网络进行用户用电行为分类分析;然后,对最佳编码比率进行优选,并结合用户的典型用电特征作为神经网络的输入,提高了分类准确率;最后,在爱尔兰智能电表数据集上进行了仿真实验,并与直接使用BP神经网络进行对比,分析表明,文中所提出的用户用电行为分类分析方法不仅可以提高检测准确率,帮助电力公司更好地掌握用户用电规律,辅助需求响应实施,还能显著降低算法的运行时间。     

分时电价下用户响应行为的模型与算法

为满足需求响应机制中描述用户行为规律的需要,提出一种电力用户需求响应行为的模型与算法。在获取足够的用户历史数据的基础上,通过支持向量机(support vector machine,SVM)回归进行数据挖掘,建立了电力用户在分时电价下的响应行为模型。该方法以用户响应的影响因素分析为基础,确定了回归模型的输入与输出属性;并通过定义等效电价比率,构建了含丰富数据信息的训练样本;最后采用网格搜索法选择SVM回归的最佳参数,实现了回归模型的高精度预测。该模型实现了电力用户在分时电价下行为规律的模拟,可揭示用户响应电量变化与分时电价政策激励力度间的关系,从而为更多研究提供基础数据。仿真分析证明了该模型和算法的有效性和合理性。     

智能用电用户行为分析特征优选策略

针对大数据应用背景下用户智能用电行为分类的计算复杂性和特征选择有效性的问题,提出一种基于特征信息量的特征优选策略。首先,以用电特征的互信息量与相关系数作为特征有效性和关联性判据,设计用电特征优选准则。然后,提出一种该准则下的用电行为特征优选策略,通过减少特征间的分类信息冗余实现高维特征的降维,并选取有效独立的特征,从而构建用户用电行为聚类精简特征集。最后,基于特征优选策略实现了一种特征自适应的用户用电行为分析方法,完成优化的用户用电行为分析。通过电网实际用电数据验证了所提策略能提高聚类准确率和减少计算复杂性的有效性。     

峰谷分时电价下的用户响应行为研究

在基于消费者心理学原理建立的峰谷分时电价下用户响应模型的基础上,根据峰谷分时电价制定过程需要,准确把握用户响应特性的需求,基于加权最小二乘法建立了用户响应度曲线的参数辨识模型;提出了用户真实响应度曲线的获取是一个利用历史数据反复修正的过程,并解决了分段线性的响应度曲线的拐点处理问题;然后针对峰谷电价不同实施情况的用户,制定了峰谷分时电价下用户响应行为的实时仿真流程,并用实例说明了上述模型的有效性和优越性     

智能用电用户行为分析的聚类优选策略

针对大数据背景下用户智能用电行为最佳聚类数目的选择问题,提出一种用户用电行为分析的聚类优选策略。在前期智能用电用户行为分析的特征优选策略研究的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行聚类分析;然后提出聚类数优选策略,通过综合考虑准确度评价指标和有效度评价指标确定最佳聚类数目。以国内外的用电数据为数据源,仿真验证了所述策略可以选择合理的聚类数目,有效提高用电行为分析的数据聚类效果。     

参与需求响应的工业用户智能用电管理

智能电网的不断发展与需求响应的逐步实施促进了电力用户对智能用电的关注。工业用户耗电量大、自动化程度高,具有开展智能用电管理的良好基础。在此背景下,首先提出计及需求响应的工业智能用电管理系统架构,涵盖工业用户的各类用电管理模块和光伏发电管理模块。随后,基于状态任务网络建立生产设备用电管理的数学模型,并计及生产环境舒适度对温控设备用电负荷建模。在此基础上,综合考虑用户购电成本与售电收益,建立工业智能用电管理的优化运行模型。最后,以某工业用户为例对所述方法的基本特征进行了说明,并分析了用电响应情况和经济效益。     

分时电价下居民用户用电需求响应估计方法

在组织需求侧资源参与需求响应(DR)的过程中,除了应关注已参加DR的存量资源的管理,还应考虑如何实现对未参加DR的潜在增量用户的潜力分析。针对基于价格的需求响应(PBDR),关注给定价格下用户响应量估计的关键环节,通过支持向量机回归模型,建立未参加和参加PBDR用户间用电规律的相似性,解决了DR事件起始和持续时间不固定、未参加PBDR用户自身的历史用电信息无法反映其DR特性等难题,实现在假设施加价格信号下,对未参加PBDR用户的用电响应情况及需求弹性的量化估计。基于伦敦地区智能电表实际数据进行实验以验证所提方法的优越性,结果表明所提方法的估计效果优于基于相似日的方法,可为用户筛选提供一定依据。     

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。     

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。     

基于奇异谱分析的用户用电行为变化检测方法

用户的用电行为代表着用户的用电特征,是进行用电预测分析的基础条件.现实生活中由于外部因素导致的用电行为变化,会使得用电特征随之发生变化,在进行用电预测分析时就需要区分历史用电特征和当前用电特征.为此本文提出了基于奇异谱分析的用户用电行为检测方法,对检测点前后的用户用电数据进行奇异谱分析,通过计算奇异值向量与历史特征超平...     

基于高级量测体系的用户主动需求响应特点分析

近年来,智能电网已经成为电力行业研究的热点与重点,与传统电网相比,智能电网的一大特点就是实现互动,即电能和信息的互动,智能电网的互动性主要是通过部署各类需求响应(Demand Response,DR)项目来实现的,需求响应的主体是用户,要使需求响应项目得到广泛的开展,就需要用户掌握全面的用电信息,进而能更加主动地作出响应。     

居民智能用电态度分析——以银川地区为例

居民智能用电是智能电网研究的重要领域,本文以对银川居民的调研结果为基础,对居民智能用电的态度进行了研究。通过对居民智能用电态度进行的问卷调查和实际调研,分析了银川居民目前的用电情况和智能用电的基本态度,结果显示居民大多持有节约用电的用电态度,并愿意尝试智能化用电。同时,提炼出居民用电的影响因素,指出收入和住房面积对居民家庭用电的影响较大。根据居民的偏好情况对智能用电能够提供的各项信息、功能以及调节方式进行评分,指出居民对能够指导其家庭用电的信息和对居民日常生活不造成较大影响的智能用电调节方式比较偏好。     

居民用户智能用电建模及优化仿真分析

随着居民用户智能家电普及率的不断提高,实现智能用电优化已成为电力需求侧管理的重要研究内容。通过对居民用户智能家电的用电起始时间、用电时长、用电时段数的设计,并结合智能家电的用电特征及电价机制,给出了一种以用电费用最小为目标的智能用电优化方法。该方法同时考虑了用电起始时间、结束时间和允许的最大中断次数等约束条件。通过算例中电价机制及智能家电约束对用电安排影响的仿真分析,验证了该方法可有效减少用电费用及降低居民用户用电负荷峰值;同时探讨了在实时电价机制及更灵活的家电中断约束下,智能用电优化效果更为显著。     

基于实时电价的用户用电响应行为研究

随着智能电网的发展,电网开放性不断增强,需求响应(demand response,DR)策略被提出,并被广泛应用于电力市场的运营模式中。各国相继推出需求响应的实时电价(real-time pricing,RTP)策略,来提高电网的有效性与电力市场的可靠性。合理地分析实时电价下用户的用电响应行为,对制定更高效的实时电价机制,实施需求响应策略具有重要意义。因此,基于用户的需求价格弹性(price elasticity of electricity demand,PED)模型,通过回归模型学习需求价格弹性,模拟用户响应行为。实验表明,学习获得的用户价格弹性可以很好地实现用户响应行为的拟合,较传统的调查问卷方式获得固定的用户价格弹性,回归模型克服时间与空间的变化问题,更高效地实现用户响应行为的学习,为实时电价提供决策支持。     

智能电网下的用电服务新技术

智能用电是中国坚强智能电网的重要组成部分,其建设的好坏直接关系到电网的能源使用效率、经济运行和有序用电。基于对智能用电技术国内外研究现状的分析,本文探讨了我国用电服务技术存在的问题和差距。结合我国智能电网的发展计划,从用电业务体系、量测控制技术、信息通信技术、客户服务体系、需求侧管理、检验检测技术6个领域对智能用电的关键技术进行了深入分析,并展望了我国智能用电技术的未来发展趋势。     

峰谷分时电价在商业用电中的杠杆作用

针对中国部分地区、高峰时段电力供需矛盾突出的问题,阐述了黑龙江省商业用电执行峰谷分时电价的现状,分析了哈尔滨电业局商业用电情况,提出了电价政策调整方案.调整方案测算分析表明,采用调整峰谷电价的执行范围和峰谷时段调整方案,才能在商业用电方面运用峰谷分时电价的杠杆,有效地调节电力供需矛盾.     

基于改进SVM的电力用户异常用电行为检测方法研究

针对现有异常用电行为检测方法提取特征单一、检测精度不高等问题,提出了一种将改进蚁狮优化算法和改进支持向量机相结合用于检测电力用户异常用电行为。采用决策树优化支持向量机转换为多级分类器,通过改进蚁狮优化算法优化支持向量机参数提高训练速度。通过试验对多种异常用电行为进行分析,验证了所提方法的优越性。结果表明,与传统的异常数据检测方法相比,该方法具有更高的检测精度和更低的训练时间。     

售电市场环境下基于数据驱动的用户用电行为分析

智能电能表能够实时采集用户的用电数据,在未来数字化配用电系统中将得到广泛普及。在我国售电市场进一步放开并逐步繁荣的背景下,售电商能够通过分析海量用户用电数据,掌握用户用电行为,从而实现更好的服务。探讨了面向售电市场用户行为分析的特征提取方法,采用了k-means、模糊聚类、层次聚类等不同的聚类算法实现典型用户用电行为的模式提取,分析了不同用户用电行为的基本特征。对爱尔兰地区6 445名用户的公开用电数据进行实证分析,结果表明,该方法能够有效提取用户的用电行为模式,分辨用户用电行为异同。