基于高斯核密度估计的典型负荷曲线形态聚类算法

在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。本文聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。首先,选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15min为颗粒度的电量进行结算。最后,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,本文所提的改进kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。     

跨区跨省电力交易中的偏差电量分析与基于虚拟分时电价的偏差电量处理方法

偏差电量的处理作为交易结算工作的关键问题之一,无法适应电力市场环境下结算工作的要求,该文针对这一问题进行了讨论。总结了国内外偏差电量的相关研究,对跨区跨省电力交易中的偏差电量进行了分析,说明了偏差电量的实时价格属性;提出了基于虚拟分时电价的偏差电量处理方法,该方法利用1天中96个点的计划和计量数据,根据成分电量购售双方的负荷数据划分峰、平、谷时段,并利用虚拟分时电价修正偏差电量的分摊比例;最后,利用实际电网运行交易数据进行了算例分析,仿真结果更为合理地实现了偏差电量的分摊,说明了方法的有效性和实用性。     

现货条件下南方区域跨区跨省交易结算方法

为实现中国南方区域跨区跨省交易结算与广东现货市场结算的良好衔接,提出一种适应现货条件下的南方区域跨区跨省交易结算方法。首先以调度分时计划和关口分时计量数据为基础,构建分时线损修正系数;其次,依据分时线损修正系数对调度运行线损率进行实时修正,实现南方区域跨区跨省交易各送电类别的电量分割;然后针对各送电类别的偏差电量提出相应的偏差结算方法,对此方法产生的网间不平衡费用原因进行分析,并提出相应的处理建议;最后采用实际电能交易数据,以结算线损率为指标进行算例测试,算例结果验证了所提结算方法的可行性与合理性。     

一起因计量故障导致差错电量的计算分析

<正>随着电力现货市场的逐步放开，电力交易对计量的准确度、时钟同步和数据传输等都有了更高的要求，特别是电能计量的准确度越来越受关注，一旦电能计量装置或其辅助设备发生故障，将影响用于贸易结算的关口电能表所计电量，进而影响电量交易和后续电费结算。发生计量故障后，如何对故障进行分析，并采用最合理的差错电量计算方法是购售电双方关注的重点。目前差错电量计算方法根据故障类型和能获取的数据情况有主副表验证法、功率计算法、     

确定性合同分解中异常负荷数据的识别与修正

电力市场的合同分解中应用确定性电量分解算法需要制定典型负荷曲线,历史负荷中的异常数据必然影响典型负荷曲线的有效性。文中借鉴计算统计学的等高线图法,采用系统聚类方法构造谱系树,将样本映射到叶结点,提出一种新的负荷形状畸变识别方法,并将其与传统的 t检验法相结合,应用于负荷异常数据的识别和修正。应用该方法对浙江电网的历史数据进行了异常负荷的识别和修正,分析结果说明其简单、有效。     

基于修正业扩容量曲线的月度电量预测方法

业扩报装容量与用户用电水平具有紧密的联系。本文建立了基于修正业扩容量曲线的月度电量预测方法,使电力企业能够根据用户业扩报装情况准确预测出用户个体以及行业整体的用电趋势。首先,对用户个体的存量电量和各次业扩所产生的电量分量进行分离,并采用生长曲线模型对各电量分量的过渡过程进行拟合;其后,提取得到用户的用电特性指标,并据此对行业整体的月度净用电容量曲线进行修正;最后,对行业月度电量曲线进行季节调整,并针对电量趋势项与修正后的净用电容量以及其他相关因素建立预测模型,进而得到行业月度电量预测值。实例分析表明,修正容量曲线能够有效地降低预测误差,验证了预测方法的有效性和准确性。     

智能电能表的推广应用

随着电力市场的逐步发展,交易电量不断增大,电力营销对电能计量提出了更高的要求。例如：阶梯电价和分时电价实施范围不断扩大：电厂竞价上网要求计量0．5或1小时时段电量,实施实时电价并有扩大到用户的趋势：电能质量监控和无功计量也已提上日程;预付费、网上处理电费、接电和断电等多种电子商务的发展,以及自动抄表功能用于结算和监视表计的实施等。因此。曾在电能计量工作中发挥过极大作用的感应式电能表和普通电子式电能表正逐步退出历史舞台,取而代之的是准确度高、功能强大的智能电能表。     

基于BRB和LSTM网络的电力大数据用电异常检测方法

为了降低电力公司的运营成本,针对非技术性损失(non-technical loss, NTL),提出一种基于置信规则推理(belief rule-based,BRB)和长短记忆网络模型(long short-term memory,LSTM)的用户窃电行为诊断方法。该方法首先从用电量大数据中提取电量波动系数和用电量曲线的毛刺宽度两种用电异常特征,制定BRB异常特征输入前置属性转换,并通过证据推理(evidential reasoning,ER)方法输出最终的置信度,建立适用于NTL异常检测的置信规则库,从而自动获取具有高鲁棒性的有标签正负样本训练数据集。接着,以此为基础,提出构建一种多LSTM网络检测模型,实现对异常用电特征的有效提取与检测。实验结果表明,与现有的主流网络故障检测模型相比,所提方法能够更准确地从电力大数据中诊断出用户的异常用电行为。     

销售侧分行业实行丰枯峰谷分时电价初探

在用户电量电价弹性矩阵的基础上探讨制定与各行业电力用户电价响应情况相一致的分行业丰枯峰谷分时电价的方法。通过建立各用户行业的丰枯季节电价弹性矩阵和峰谷分时电价弹性矩阵,依据各行业电力用户的调查数据建立分行业的丰枯季节电价与峰谷分时电价的电量转移成本函数与获益函数。通过求取两函数的交点,得到各行业电力用户在电量转移成本约束下达到电量转移极限所需的丰枯峰谷分时电价调整比例。最后将所提出的方法应用于云南电力系统,应用结果表明,不同行业电力用户达到电量转移极限所需的电价调整量存在较大差异性,以及针对不同用户行业的用电特性实施不同的丰枯峰谷电价的必要性。     

基于随机森林滚动预测的电量追补算法

智能电网计量自动化系统中存储的大量用户用电数据是电力企业与用户之间费用结算的唯一依据。当计量装置或者通信线路发生故障导致系统中用电数据缺失时,供电单位需要对缺失的电量进行追补来挽回经济损失。针对这一问题,提出了一种高准确度的计量故障区间检测算法,采用强鲁棒性的随机森林方法对故障区间用电量进行滚动预测。系统实测的数据与传统的均值计算法进行对比,证明了所提方法结果更准确可靠,可以为供电单位确定追补电量提供更科学的参考。     

基于用户价格响应和满意度的峰谷分时电价决策模型

峰谷分时电价是电力需求侧管理(DSM)的重要手段之一,合理地制定峰谷电价水平是其实施的关键.在了解用户实行的峰谷电价历史数据的基础上,提出建立用户的电价响应矩阵以反映用户对峰谷分时电价的响应;并建立用户满意度模型,综合考虑用户用电方式的满意度和电费支出的满意度.给出了基于用户价格响应和满意度的峰谷分时电价优化决策模型.最后给出一大工业用户数据验证了文中方法的有效性.     

考虑用户充电差异性的家用电动汽车充电需求分布分析方法

针对家用电动汽车充电行为的随机性问题,在出行链理论的基础上提出一种计及停车时长充裕度以及分时电价的充电需求分布分析方法。首先,基于全美家庭出行调查数据和出行链理论,研究不同时刻出行量影响下的时空特征量;然后,根据预估的电量需求对用户进行分类,运用模糊推理分析停车时长充裕度以及分时电价对用户充电意愿的影响,构建不同用户的分层充电决策模型,得到充电需求的时空分布情况。算例结果表明,停车时长充裕度以及分时电价对用户的随机性充电行为具有引导作用,可使充电需求在时空分布中发生转移,整体分布出现降峰、避峰效应。     

湖南省峰谷分时电价分析及优化策略研究

针对湖南省电网执行峰谷分时电价存在的问题,结合湖南省实际情况,提出完善峰谷分时电价的策略.以规划综合大数据平台为基础,基于负荷需求弹性分析,综合考虑供电成本、用户用电成本、负荷优化目标等条件,通过研究电价价差调整原则,制定出不同时段的电价,根据电价的经济信号,引导各类用户合理用电,优化负荷特性,提升湖南电力系统运行效率...     

基于智能加权混合模型的新型电力系统电量预测方法

随着电力系统的转型升级,新型电力系统的能源供应和消费发生了巨大的转变,因此对电量预测提出了更高的要求。月度电量的准确预测为新型电力系统的优化调度和电力市场的营销计划提供可靠的依据。在深入挖掘历史电量数据、综合分析月度电量特征及相关因素影响的基础上,结合Prophet算法和KELM神经网络算法各自的优势,提出了一种考虑气温、经济水平和节假日的月度电量组合预测方法。首先基于月度电量数据建立了Prophet预测模型,并进行了参数调优过程;其次利用KELM神经网络建立了基于历史电量、气温、GDP、节假日信息的预测模型,并通过参数调优确定最佳预测模型;最后,以加权组合的方式,建立月度电量组合预测模型。通过算例分析,比较了组合算法和其他算法的预测误差和预测效果,表明了本文所提组合模型在预测精度方面有所提升,验证了预测算法的有效性。     

考虑电价不确定性的负荷价-量曲线聚合方法

随着电力市场的发展,需求侧逐渐参与电力市场报价。报价曲线需要反映需求侧的真实价格响应特征。然而,需求侧的负荷资源具有数量多、单个容量小的性质。大量用户聚合上报的价-量曲线尽量准确地反映需求侧特征,有利于售电侧准确掌握聚合用电特性,维护电力市场经济信号准确性。针对此,提出一种考虑电价不确定性的需求侧用户价-量曲线聚合方法,该方法可有效保留各负荷的价格响应特性,并为大量需求侧用户参与市场出清提供技术支撑。首先,该文考虑电价预测的不确定性,基于后验误差与核密度估计,建立适应多种电价预测模型的电价概率分布生成方法;在此基础上,提出需求侧用户价-量曲线的最优聚合模型,能在预测电价附近展现良好的聚合精度,且适用于不同出清模式的电力市场。针对所提模型具有的分段非线性特性,该文采用启发式算法-粒子群算法求解该模型。最后,基于真实电价数据验证了所提方法的有效性。     

基于图规则化低秩矩阵恢复的用电数据修复与异常检测

针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。     

融合分时电价的居民可控负荷优先级控制策略

在智能电网背景下,智能终端及智能家电大规模普及导致家庭用电量大幅增加,为应对电力负荷高峰逐年攀升,缓解电力供应趋紧的压力,合理利用用户侧大量可控负荷资源参与需求响应对电网的运行和发展有重要意义.提出基于智能家庭能量管理系统的融合分时电价的居民可控负荷优先级控制策略,对家庭中多类可控负荷(空调、热水器、电动汽车、洗衣机、...     

基于改进深度自编码网络的异常用电行为辨识

为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法。首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识。为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力。选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92%。实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力。     

基于用电信息采集系统的电能计量装置异常智能分析方法研究

用户电能计量装置运行情况的诊断分析需依赖现场校验来实现,工作繁琐且时效性差。用户用电信息采集系统建立之后,即可通过远程采集用电信息来分析用户电能计量装置运行情况,但是庞大的采集数据仅靠人工分析和筛查异常信息所花时间较长,而且人工分析中常常会有疏漏,同时一些数据分析工具难以满足要求。本文提出了规律性非连续算法和分类连续差值算法,可有效锁定电能计量装置运行异常及疑似用电异常用户。经过实践表明,该方法高效可靠,运行简单,可准确识别电能计量装置运行异常,为电能计量装置异常排查提供技术保障。