考虑尖峰负荷特性指标的用户用电行为分析

针对当前电力大数据背景下用户用电行为分析对尖峰负荷特性挖掘不足的问题,提出一种考虑尖峰负荷特性指标的用户用电行为分析方法。首先,对尖峰负荷定义及尖峰负荷特性指标进行说明,并根据尖峰负荷特性指标构建尖峰特性特征集;然后,使用K-means算法对特征集进行聚类并获取聚类结果标签,使用轮廓系数评估不同类别的聚类性能;最后对不同标签用户用电特性进行分析。采用美国国家可再生能源实验室开源用户用电数据进行仿真计算,计算结果表明,使用尖峰特性特征集较原始用户数据集具有更好的聚类效果。     

基于用户日负荷曲线的用电行业分类与综合方法

利用实时日负荷曲线进行综合负荷在线建模需解决用户日负荷曲线的正确分类与有效综合以及变电站日负荷曲线的行业构成比例识别2个关键问题.运用模糊C均值聚类和模式识别原理,提出一种基于日负荷曲线的用户所属用电行业的分类与综合方法.首先在有功功率空间进行用户的行业归属分类和行业用户精选,得到行业综合日负荷曲线;然后在定义的特征空间获得描述行业综合用电特性的特征参数,并以此作为检验分类与综合结果合理性的测度指标.实际应用表明,该方法物理概念清晰、简便、实用.     

基于负荷特性分析平台的用户负荷特性及用电行为研究

量化分析用户负荷特性及用电行为时,海量负荷数据会造成庞大工作量,亟需研发出考虑负荷特性的用户用电行为分析平台,为售电主体分析用户用电行为及负荷预测提供借鉴。基于负荷特性指标和用电行为指标,该平台分别研究用户负荷特性和用户用电行为。运用实例结果表明,该平台快速展示了用户负荷特性分析结果及在电价发生变化时对电价的响应,具有简化操作、数据分析等优势。     

基于负荷特性分析的电力用户用电行为特征研究

通过定义用电特性指标、划分负荷重要性等级,建立了针对精细化需求响应的新型负荷特性分析指标体系。以某企业用电数据为例,应用主成分分析法分析了用电行为影响因素,利用决策树分类法提取了用电行为影响因素特征量。并结合实际算例,研究了用户典型用能模式的特点及其行为原因,为需求响应策略的制订提供理论支持。     

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。     

基于FDA的居民用户空调用电行为分类分析方法

针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析（FDA）模型的居民空调用电行为分类分析方法。该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为。根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短分类耗时,可充分描述居民空调开启情况以及消耗电量,具备较好的应用效果。     

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。     

基于日负荷指标及改进分布式K-means聚类的用户用电规律研究

负荷聚类不仅能为精细化负荷预测提供高质量数据,还能结合用电规律进行用户行为分析;为应对海量负荷数据挑战,提出一种基于日负荷指标的降维及分布式K-means聚类算法。通过建立日负荷指标,将原始高维负荷数据转化为低维负荷指标;基于负荷指标,利用熵权法改进的分布式K-means算法进行聚类,挖掘出隐藏的典型负荷类型;结合算例,根据得到的典型负荷类型进行用电规律分析,与实际用户类型匹配,实现四类典型用电规律的归纳。     

基于用户实际日负荷曲线的负荷分类策略研究

首先介绍了灰色关联聚类分析方法,然后选用该方法对某供电局涉及9类国民经济行业中的12个用户典型日负荷曲线进行聚类分析。通过案例说明采用该分类方法对负荷进行分类可更简单直接的表现各类用户负荷特性,为负荷特性分析、负荷预测、电网规划及需求侧管理等提供依据。     

有序用电用户负荷特性分析方法研究

我国长期面临区域性、季节性、时段性、结构性的缺电现象,而有序用电工作可促进电力供需平衡,保障居民生活和重要用户的用电。但目前编制有序用电方案时,参与有序用电的用户选择主观性强,缺乏科学依据,有失合理与公正。本文提出了有序用电用户可中断负荷分析方法,通过对用户的历史负荷进行聚类,得到用户的几类典型日负荷曲线,并对典型负荷曲线按采样点进行聚类,综合分析得到用户的用电规律和用电时段等负荷信息,进一步可计算出用户的避峰、错时、轮休、检修价值,在此基础上制定用户参与有序用电的准则和策略,并可向社会公开,使得编制方案和有序用电的执行有标准可依,更加有序。     

基于LSSVM的用户异常用电行为辨识研究

针对用电检查过程中低压用户窃电和电表故障等异常用电行为难以准确和高效辨识的问题,研究了一种最小二乘支持向量机(LSSVM)的用电异常识别方法.首先分析了用电信息采集系统采集的数据特征,建立了电量突变,同期差距,同类用户差距和"候鸟"特征的用户四种异常用电指标模型.然后,针对原始数据中的零电量异常数据,从五个方面分析了其...     

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。     

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。     

基于实时电价的用户短期用电负荷预测

提出了一种基于改进Softmax回归的用户短期用电负荷预测策略,该策略首先进行因素相关度分析,挑选关键因子;然后利用Softmax回归模型进行用户用电类别预测;最终在预测类别中选择与用户最相似的样本用户去预测该用户用电负荷。     

考虑负荷纵向随机性的用户用电行为聚类方法

针对不考虑负荷纵向随机性所导致的数据损失和用户误分类的问题,提出了一种考虑负荷纵向随机性的基于推土机距离(EMD)的用户用电行为识别新方法。该方法通过统计电力用户同一时刻多天的负荷分布情况,从横向和纵向2个角度全面表征用户的用电行为。并结合EMD和欧氏距离度量不同用户用电行为的差异程度。以一组国际通用的居民用电负荷作为算例进行分析,算例结果表明,在横向特性较为相似的用户中,该方法能够很好地提取用户的纵向特性。定性和定量分析均表明,该方法对用户负荷的聚类效果精细合理。     

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...     

基于数据挖掘的工业用户用电行为分析

文中以上海市部分地区工业用户为研究对象,利用数据挖掘技术分析其用电行为。根据用户档案采集和整合用电数据,同时对数据进行修复和归一化预处理;综合考虑聚类数的确定及初始聚类中心的选择这两个因素,对K-means算法进行优化;利用优化的算法对用户负荷曲线分类并提取特征曲线,分析其用电行为典型特征,并与传统的K-means算法进行比较,同时引入相关指标检验聚类效果。结果表明,采用优化的K-means聚类算法能准确实现不同用户类型的分类识别功能,可以更加准确有效的进行用户用电行为的分析。     

基于用电信息采集系统用户负荷特性聚类分析

基于用电信息采集系统的用户负荷数据聚类分析,是获得典型负荷曲线和按负荷特性完成用户分类的重要手段。K均值聚类算法(K-means)是目前应用较多的电力负荷分类算法,但K-means算法最大问题在于无法自动获取最优聚类数目。对此,文章提出了一种基于聚类结果评价指标及分类复杂程度确定聚类数目的方法,得到的聚类数目可作为K-means的初始输入。该方法可以有效降低K-means分类算法中人工参与程度,并能获得较优的聚类结果。文章末尾通过实际算例分析验证了所提分类方法的正确性。     

基于大数据的业扩用户用电行为特征研究

电力用户的业扩报装容量直接影响着地区用电的未来增长空间。以容量与用电量间的关系研究作为切入点,应用大数据分析的方法研究了各用户多种类型的业扩容量转换为用电量的周期特征,从电量产生的机理出发,分析了业扩业务产生后电量的变化情况,可以为后续的电量变化空间的科学预估提供全面的信息支撑。