基于聚类法的工业用户需求侧管理(DSM)方案分析与研究

为了解决只是按照电价对用户负荷特性进行分析带来的问题,达到需求侧管理的有序用电,提出了基于聚类法的负荷特性分析方法。以工业企业DSM方案为背景,利用模糊C均值聚类法,对重要企业用户的用电负荷进行聚类。利用基于可能性分布的聚类有效性函数指标作为分类依据,对某公司的负荷特性进行精细挖掘,对聚类结果进行了详细分析。分析结果显示,负荷峰值时段,其在需求响应事件中,可提供气候敏感负荷中断容量和生产负荷中断容量两种类型,并得出了其对应适合的需求响应类型。     

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。     

模糊聚类方法在用户负荷曲线分析中的应用

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.     

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。     

模糊聚类在电力用户分类中的应用

将模糊聚类方法应用于电力销售领域．利用负荷曲线特征实现对电力用户分类,可以为售电企业的合理定价和有效实施负荷管理提供参考。介绍了利用模糊C均值聚类方法实现用户分类的原理和步骤及聚类完成后的有效性检验指标的计算方法。算例表明了该方法的可行性和有效性。     

基于频谱分析的负荷形态分类研究

为了更好地对电力系统进行经济分析、运行与规划,需要寻求高效可靠的负荷形态分类方法。对电力用户日平均负荷数据进行频谱分析,采用动态聚类法将不同的电力用户负荷形态进行聚类并将此方法与传统时域上的负荷形态分类方法比较,算例结果表明,基于频域分析的负荷形态分类方法综合聚类有效性更高,其改善了负荷特性时域分析的不足,为电力公司准确进行电价定制、负荷预测及制定有序用电决策方案提供参考。     

基于模糊聚类的电力系统负荷分类分析

在面向电力系统的稳定运行、经济分析和整体规划的研究过程中,电力系统负荷分类作为基础工作具有重要意义。将模糊聚类方法应用于电力销售领域,利用负荷曲线特征实现对电力用户的分类,应用模糊聚类分析中K-均值聚类方法计算负荷曲线间相似度,对某供电公司的72个用户电力负荷曲线用Matlab进行仿真。最后与传统典型曲线分类仿真结果进行对比,表明所提方法的有效性与可行性,从而使得电力系统的生产和运行效率得到了提高。     

基于自适应k-means++算法的电力负荷特性分析

运用数据挖掘中的聚类算法对电力负荷曲线进行聚类分析,提炼电力负荷曲线之间的共性特征与差异特征,在负荷模型实用化方面有重要应用价值,可以帮助分析用户用电规律,指导电网规划及实时调度。本文提出了一种自适应k-means++负荷特性聚类算法,综合不同聚类数时的聚类结果验证了数据集里各样本的相似性,通过迭代图切分的方法确定了最佳聚类数,避免了人为设定电力用户日负荷曲线聚类数不恰当导致的单一聚类结果的过大偏差,提高了负荷分类的精确性。算例结果验证了该算法的可行性和有效性,表明该算法求最佳聚类数的准确性高、鲁棒性好。     

基于EEMD-FCM的需求响应用户负荷曲线分类研究

需求响应(DR)作为电力需求侧管理(DRM)的重要措施,对提升电网安全、优化电力资源配置具有重要意义,目前已得到深化应用.为明确各类用户负荷特性和评估其参与DR的潜力,需要对电力用户进行分类.首先,综合考虑用户属性、用电时间规律等因素,建立基于集合经验模态分解(EEMD)和模糊C均值聚类(FCM)的需求响应用户负荷曲线分类模型.利用EEMD将某电网82组负荷数据分别分解为本征模态分量和趋势分量;然后,采用FCM对平稳的本征模态分量进行聚类.结果表明:EEMD-FCM模型在迭代12次后目标函数值稳定收敛于69.87,与传统FCM聚类相比,收敛值更小,求解时间更快,此外,EEMD-FCM在用户分类上比传统FCM更加精确;最后,基于用户用电负荷曲线分类结果提出不同的需求响应策略,为电网实施精准需求响应提供理论支撑.     

基于改进FC-IRKM的电力用户负荷分类研究

为了提升电力用户负荷分类精度,从而为电力企业有效掌握用户用电规律,制定电价,合理评估用电需求,进行了基于改进的FC-IRKM的电力用户负荷分类研究。首先,模糊聚类综合了模糊思想与聚类方法,粗糙集则解决了数据分类不清晰的情况,将两种方法的优点进行结合,提出了模糊粗糙K均值算法;其次,对IRKM算法记进行了理论分析,结合模糊粗糙算法,提出了一种FC-IRKM算法,并通过遗传算法对其参数进行优化,获得改进后的FC-IRKM算法;然后通过仿真对比实验,验证了在处理相同数据的时候,改进的FC-IRKM算法比其他常见传统算法的分类精度更高,适用性更广;最后将改进的FC-IRKM算法应用于电力用户负荷分类上,分类结果与预期结果相互印证,验证了该方法的适用性。该研究为电力企业把握电力用户的用电规律、合理规划供电计划提供了可靠的理论支持。     

基于自组织中心K-means 算法的用户互动用电行为聚类分析

电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。     

基于调节潜力指标的用户用电行为聚类分析算法研究

摘 要：针对柔性负荷不断接入背景下,用户参与电网调节潜力能力的持续提升,基于负荷用户的调节潜力大小对用户的用电行为进行聚类分析。在峰谷分时电价背景下,基于用户心理学原理构建基于峰谷分时电价的负荷转移率模型,以该模型为基础构建基于峰谷分时电价的用户调节潜力指标,并利用该指标对负荷用户的用电行为进行聚类分析,通过与传统基于日负荷曲线以及典型负荷特性指标的聚类算法进行结果对比,证明了该算法聚类结果的有效性与正确性,同时通过对大规模用户的用电行为进行聚类分析,证明基于调节潜力指标的聚类分析算法的聚类效果更佳。     

考虑可转移负荷的售电公司负荷组合优化

在电力市场环境下,售电公司根据用户的负荷特性,进行用户负荷的组合优化可以降低售电公司的购电成本,从而提升售电公司效益。针对售电公司如何根据电力负荷的互补性、多样性整合优化用户资源的问题,从降低购电成本,提高售电公司效益角度,首先分析了负荷率对购电成本的影响,接着基于用户综合负荷特性,构建售电公司初步负荷组合优化模型,再进一步考虑了用户可转移负荷,对用户的组合负荷特性进行优化,最大化售电公司售电利益,最后根据某市2019年工业用户群组负荷数据,对提出的模型进行仿真分析,并对研究实施的软件功能架构进行了设计。     

基于主从博弈的共享储能分时电价策略

为提高共享储能收益,同时兼顾用户用电成本,建立了以储能电站为主导者、社区用户为跟随者的主从博弈模型。储能电站依据历史用户用电情况制定充放电策略,决定分时电价;用户根据主导者提供的分时电价,在充分满足不可转移负荷用能需求前提下,给出用电功率,选择合适的能源服务商。使用KKT最优性条件和线性规划对此博弈模型进行线性化处理,并利用商业求解器对其求解,通过算例分析,对所提方法的合理性进行验证。结果表明:基于主从博弈的共享储能电费定价策略,可使共享储能得到较高的收益,且使用户的支出也得到一定程度的降低。     

基于模糊聚类的电力客户用电行为模式画像

随着电力客户数据采集频度不断提高、数据分析维度不断扩展,客户的用电行为变得更加复杂。客户标签和画像技术的发展,给客户用电行为分析带来了更直观、简洁的表现方式。论文基于海量的客户档案、负荷、电量数据,综合考虑客户用电特征、影响因素,建立了客户用电行为标签库,并采用模糊聚类算法进行客户用电模式分析,实现不同类型客户的用电行为模式画像。某地区20 000户工商业客户的用电行为模式画像分析结果表明:文中选取的用电行为标签合理有效、采用的聚类算法效果显著、客户画像精准,能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供有力支撑。     

基于负荷数据分析的用户侧用电感知与失电影响评估方法研究

提出一种基于调度侧配电网负荷数据分析进行负荷性质辨识与用户侧用电感知、失电影响评估的方法。利用调度自动化系统中的负荷数据,首先通过基于时间序列趋势的模糊C均值聚类方法求解馈线负荷曲线与典型负荷曲线的隶属度,判断馈线负荷性质;然后利用用户侧多维系统中历史数据,通过基于用电量积分的概率谱方法,分析线路负荷异常波动对应的用户侧实际用电感知及故障影响。实际案例分析表明:该方法能够根据调度侧负荷数据分析,正确辨识配电线路的负荷性质,精准评估用户侧失电影响,建立配网运行数据与客户用电感知之间的实时映射,辅助配网调控人员根据用户需求开展方式调整与故障处置。     

基于价格博弈的需求侧管理智能控制系统研究

在智能电网中,需求侧管理是优化资源利用的有效方法,供电公司可以通过采取合适的定价策略以改变用户的消费行为来调整负荷,从而使电力系统负荷峰均比最合理化,用户可根据电价信息规划自己的用电以降低用电费用。设计的智能控制系统具有双向通信功能,能够及时收集电力公司电价信息并及时发布用电计划,同时具有电力计量和智能用电分析功能,并分析了需求侧管理算法模型。最后给出了实验结果,表明可以大大降低用户消费,改善电力系统峰均比。     

偏差电量考核机制下聚合温控负荷群控制策略

为降低售电公司在电力交易中的偏差考核电量和惩罚成本,以在用户负荷中占比较高的温控负荷为控制对象,建立配电网监测控制系统,收集电力市场和居民负荷数据,再根据这些数据设计基于聚合温控负荷群双层优化调度模型的直接负荷控制策略。仿真结果表明,该策略能降低配电网功率不平衡性,有效增加温控负荷的可调度容量,减少温控负荷的调度次数,降低售电公司的偏差考核电量,提高售电公司利润。     

淮北市有序用电企业的评估及分类管理

对用电容量100 kVA以上企业进行用电负荷特性以及用电价值情况调研,采用因子聚类以及主成分分析方法对各项指标进行标准化处理,建立针对每个企业的有序用电价值评估系统,根据企业价值评估结果,把企业分成4种客户类型,选取低价值客户进行负荷压限,实现电费损失最小化、能源利用效率最大化、节能减排效应最优化。