考虑电能使用行为的用户碳画像研究

随着我国提出“碳达峰、碳中和”的双碳建设目标,节能减碳成为当下的热点问题。用户碳画像对电力公司分析居民用户的电能使用行为,制定合理的电能减碳调控措施具有重要意义。为此,对基于电能使用行为的用户碳画像标签体系和画像方法进行研究。首先对用户多维用能数据进行搜集和筛选;然后根据筛选后的用户电能使用行为数据,结合画像目的,从用户减碳负荷特性、用户低碳用电特性、用户电能产消碳特性3个维度设计用户碳画像的标签体系;再将子标签进行数据处理并对各类综合指标分析得到各维标签数据。最后通过使用k-means聚类算法判断并确定用户的所属簇别,以三维散点图进行展示;再根据标签体系计算获得用户的减碳综合指数并以柱状图进行展示,实现了用户碳画像的可视化呈现,反映了用户电能减碳的综合能力;通过选取典型用户对比实施减碳措施前后的碳排放量,验证了所提方法的有效性。     

基于大数据平台的居民负荷变尺度画像技术实现与应用

传统的负荷曲线描述方法难以全面描述负荷变化特征。文章尝试采用用户画像技术进行居民负荷多尺度立体化的用电特性研究。首先,基于大数据平台中的可用数据资源,建立了表征居民负荷用电特性的标签体系。为了快速高效地获取各类典型用户特征,应用标签体系,在大数据平台支撑下,应用分布式聚类算法对海量居民用户用电数据进行聚类分析。最后,针对每类用户,文章绘制了四季的典型日和典型月负荷曲线以及年持续负荷曲线并进行了对比,同时分析了每类用户的负荷波动率和需求响应水平,以构建包含用户的用电时序规律和用电弹性特征的变时间尺度用户画像。分析结果能够可视化地描述居民负荷的时间分布特性及用户用电特性,可为合理制定电价套餐及优化用电模式提供参考。     

基于套餐隐式评分与用户画像的电力套餐推荐方法

面向售电公司提供差异化售电服务、提高用户黏性的市场需求,提出基于套餐隐式评分与用户画像的电力套餐推荐方法。首先,提取电力套餐属性标签,以用户的套餐历史购买行为作为其对电力套餐的隐式评分,构建计及偏好衰减的用户-套餐标签画像模型。然后,以皮尔逊相关系数和欧氏距离分别表征用户的分时负荷与总负荷水平的相似性,提出基于双尺度负荷聚类和轮廓系数的套餐标签赋权方法。在此基础上,构建基于加权欧氏距离的用户画像相似度评估模型,提出电力套餐协同过滤推荐方法,为目标用户筛选并推荐最经济的电力套餐。对不同负荷水平和用电习惯的用户进行电力套餐推荐仿真,结果表明,所提套餐推荐方法可根据用户的套餐历史购买信息发掘其消费偏好,提高售电公司的电力套餐推荐准确率。     

能源互联网背景下园区用户画像及成熟度评价模型研究

随着能源互联网建设的不断深入,中国能源相关行业从上到下均积极创新,促进能源的高效、合理利用发展,园区用户作为能源消费的重点以及能源互联网技术集中应用地,是能源革命的重要前沿阵地。如何高效深入挖掘海量数据蕴含的价值信息,刻画园区用户的用能特征为用户、电网及更多市场主体提供价值服务是能源互联网建设的重要内容与研究方向。基于用户画像技术,基于用户负荷水平、用户日常用电行为、用户多元互动能力等因素,构建多个维度用户特征的园区用户三级标签体系,并以此构建了园区用户成熟度评价模型,分别从负荷水平、用电行为、互动能力三个维度对用户的用电特性进行评价。实例分析表明该模型有助于区域电网运营商快速直观掌握电力用户的负荷行为模式以及电量需求规律,进而高效开展精准的供电及增值服务。     

基于家用电器特性的居民用电行为优化研究

随着电力竞争市场的发展与完善,电网利益主体逐步走向多元化,用户主动参与电网互动的背景下,开展用户用电行为研究具有重要意义。提出了一种基于家用电器特性的居民用电行为优化模型,首先,开展了居民家用电器的用电特性分析,对用户用电设备的使用效用和可调度潜力进行了研究,实现了典型家庭响应能力的评估;然后建立了计及用户舒适度的居民家用电器综合管理优化模型,该模型以使用时间期待、使用效果期待和电费变动期待为优化目标,以家用电器的使用和调控存在时间为约束条件;最后,基于家庭典型案例进行了算例测试,结果验证了模型的经济性与有效性。     

基于多维特征分析与动态定权聚类的电力居民用户分类

由于居民用户用电需求的高度随机性和不规则性,亟需详细的数据分析来定义用户的行为特征,以提供更加合理的用电建议和需求响应潜力。为了进一步挖掘非介入式辨识数据的价值,提出一种基于多维用电行为数据的电力居民用户分类方法。首先通过非介入式智能电表获取居民细粒度用电数据,分析用户的用电行为,寻找到关键用电特征量;接着使用CRITIC权重法自适应配置各指标权重,通过6类聚类评价指标,对4种聚类算法和3个数据距离计算进行对比,实现最优聚类方法和聚类数目的选择。通过某小区实际数据验证了本文所提用电特征量以及定权聚类方法的有效性,将居民用户群体分成用电行为差异明显的两类。     

基于数据驱动方法的疫情阶段电力用户负荷特性画像模型

电力用户负荷画像建模是一种面向用户的、通过挖掘用电数据中的负荷特性建立差异化画像标签的重要方法,现有研究方法多侧重于画像方法的研究,而缺乏完善的负荷特性标签体系.文章提出了一种基于数据驱动的负荷特性分析通用方法,从调度部门最关注的用电规律性、平顺度、负荷调控能力以及疫情影响度四方面构建负荷特性标签体系.首先,采用模糊C...     

电力用户行为画像构建技术研究

电力行业数据涵盖了丰富的用户行为信息,但仍存在数值型数据比重大且很难被业务人员直观理解的问题。针对电力行业的特性提出一个面向用户行为的标签层次体系,以及基于密度、距离的聚类算法和梯度提升树算法的标签生成方法,形成了一整套电力用户行为画像技术。通过实际数据验证,该行为画像技术有效地解决标签语义化问题,方便识别用户行为的发生,并通过刻画用户行为的统计特征,预知行为发生的可能性,面向用户行为的用户分类,最终完整刻画一个电力用户。     

基于用电行为数字特征画像的电力用户两阶段分类方法

对用户开展精细化用电行为画像及分类,是电力企业精准掌握用户用电规律、提升服务水平和市场竞争力的关键因素之一.针对当前电力用户分类研究中用户用电行为画像结果片面、集成学习负荷分类研究中的基分类器冗余问题及负荷类别不平衡问题,提出一种基于用电行为数字特征画像的电力用户两阶段分类算法.第一阶段,提出一种结合谱聚类和集成强基分...     

基于多源多维度用能数据的用户标签萃取方法研究

随着电力行业数字化、智能化水平稳步提升,电力公司利用大数据技术精准识别用户需求、掌握用户用能规律,进而满足用户多样化的用能需求成为营造良好用电体验的关键.为此提出一种基于多源多维度用能数据的用户标签萃取方法,旨在通过采用模糊C均值聚类算法进行标签聚类、用户智能画像,更好支撑用户用电行为掌握、精准营销策略执行,辅助制定电力需求侧响应策略,推动电力服务质效提升.     

基于负荷分解的居民差异化用电行为特性分析

针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。     

基于信息增益与Spearman相关系数的电力用户行为画像

随着电力系统新技术的发展以及需求响应等灵活性政策的实施,传统的电力消费者正在逐步转变为产消者,其用电行为习惯也在逐步发生演变。在这一背景下,电力用户画像技术的运用可以有效把握电力用户用电特性,挖掘海量用电数据的潜在价值。本文提出了一种基于信息增益与相关系数的电力用户行为画像方法。首先,利用基于间隔统计量确定最优聚类数的k-means算法对电力用户用电数据进行了聚类分析。然后综合考虑特征有效性与冗余度,构建了特征集适应性评价系数用于选择最优特征集。最后通过遗传算法进行迭代求解得到最优特征子集,在此基础上对电力用户行为画像进行了刻画分析。最后的算例分析结果验证了所提方法的有效性。     

基于聚类的电网低压台区用电画像方法研究

对用电对象进行用电特征分析在电力系统的电力调度、负荷预测、安全性评估等方面具有重要意义。目前的用电特征分析多集中在对用户用电画像方法的研究。低压台区是电网用电中的重要维度,对低压台区进行用电特征分析同样不可或缺。台区用电画像可以帮助电网快速准确地把握台区的负荷特性和用电模式,对挖掘台区用电数据信息并对不同的业务场景进行指导具有重要意义。本文针对台区日冻结量和96点功率数据,提出了台区用电特征标签提取方法并形成标签系统,然后基于聚类技术对获得的台区标签进行聚类分析得到台区画像。最后,本文基于上海市181个台区的用电数据进行案例分析,得到台区用电标签和画像。     

数据驱动的中大型能源用户多类型用能特性画像及评价方法

针对传统电力用户画像无法全面反映综合能源用户的多类型用能特性,提出了一种数据驱动的中大型能源用户多类型用能特性画像方法。首先,从用电负荷水平、用电稳定性、用电互动能力、用热特性及用冷特性5个方面构建中大型能源用户用能特性综合评价体系。其次,采用客观权重赋权法(criteria importance though intercriteria correlation,CRITIC)对各项指标进行加权计算,分别从短期和中长期两种时间尺度对用户进行评价,实现用户综合用能画像。最后,通过算例分析表明所提方法能全面反映不同类型能源使用特点,为用户用能趋势预测、用能行为优化等业务开展提供了有利条件。     

基于最大互信息的干扰源类型识别及电能质量需求画像技术

干扰源类型的准确识别以及电能质量治理需求的直观刻画,是电力公司开展“基础性+增值性”有偿电能质量新业务的关键。文中提出基于最大互信息的干扰源类型识别及电能质量需求画像技术。首先,以用户用电水平特征与电能质量特征之间的相关性为基础,提出基于最大互信息的干扰源类型识别方法;然后,基于电能质量监测数据,构建了一套完整的需求画像标签体系,为干扰源电能质量需求画像技术研究提供了数据基础;最后,提出电能质量发射水平和综合用电水平特征的统一量化方法,构建了综合用电水平-电能质量发射水平图,实现了干扰源电能质量治理需求程度的直观刻画。应用中国东部某大型城市的实测数据和双馈风机实验平台,验证了所提方法的正确性和有效性。     

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。     

基于综合用电指数的用户精细画像方法研究

在能源互联网建设背景下,迫切需要对企业进行全方位用电水平和特征分析,从而优化企业能源消费结构,提升电力企业的综合能源服务水平。首先,采用综合用电指数反映企业的用电情况,从可靠用电、经济用电、绿色用电、智能用电、互动用电、经济宏观景气度和行业景气度等 7 个维度出发,构建多层次、多维度的综合用电指数指标体系;其次,以综合用电指数指标体系为基础构建用户用电情况综合评价模型,准确评估用户的用电水平和效率,实现对企业用户用电情况的层次化、精细化、多维度画像。基于多维度画像结果,分析企业用电情况。最后,选取4个企业进行算例分析,并提出相应的优化建议。本研究方法可以有效指导企业科学用电,为电力企业综合能源业务提供支持。     

基于海量用电数据的农业灌溉用户识别方法

为了确定农业灌溉系统的使用者,优化水资源利用效率,提高农业生产效率,为以电折水系数计算提供支撑。利用农业灌溉的通用行为规律建立初步分类模型,进行数据标签与特征关联度构建,最终构建用户识别模型。首先针对种植不同作物的用户样本进行统计分析,结合不同作物普适的灌溉用电规律,建立基于降雨特征的农业灌溉用户识别规则模型。其次选取某个区县的用户,利用密度聚类算法,为不同簇群用户打上分类标签,构建基于随机森林的农业灌溉用户用电特征识别分类模型。最后进行模型融合,构建混合农业灌溉用户分类模型,实现农业灌溉用户、混合农业灌溉用户、非农业灌溉用户的精准识别。依据模型计算结果在现场核实,准确率达90%以上,减少了人力成本,为后续以电折水系数的精确计算提供了一定基础。     

智能电网环境下基于多代理的商业用户可控负荷管理策略

智能电网的发展为电力用户积极参与电网运行调控提供了必要的技术支持。文中针对智能电网环境下商业用户的用电响应行为提出了基于多代理系统(MAS)的负荷控制策略方案。设计了包含多类具有一定用电响应能力的用电设备的MAS及互动协调机制,结合商业电力用户的特点,为突出商业用户对整体用电舒适度的要求,在居民用户MAS的基础上增加了负载聚合代理;以酒店类商业用户为例,根据各类用电设备的运行特性建立了相应的负荷响应模型,基于典型用电设备的实时信息,采用区间数排序法确定用电负荷的优先级,构建了以优化商业用户用电整体舒适度为目标的负荷管控模式。通过算例分析,分析了所述模型和方法的特点与合理性。     

基于非侵入式负荷监测的居民用电行为分析

对基于非侵入式负荷监测的居民用电行为分析方法进行了研究。首先,设计了一种基于滑动窗的事件探测算法,并以负荷电流奇次谐波幅值为特征建立负荷特征库,提出基于Adaboost的BP神经网络负荷识别算法,集成多个BP神经网络以提高识别准确率。然后,利用负荷识别结果对用户总功率信号进行分解,得到各个电器具体的用电信息,并结合分时电价,得到居民用电行为的详细分析结果。最后通过实际居民用户数据验证所提方法的有效性,并从家庭节能和需求侧管理两个方面给出了优化用电建议。研究成果对实现居民用户与电网友好互动提供了决策支持。