大数据背景下智能电网动态电力监控问题分析

文章分析了电力过度集中应用引起的电力不稳定问题、供电压力问题和电力资源优化使用方面的问题,结合现有的大数据背景开展了智能电网动态电力管理的相关研究;运用同步相量测量单元和高级计量架构相关技术优化电网系统提升电力可靠性和稳定性;针对具体案例验证了动态的电量控制与价格调节之间的作用关系,研究结果能够指导消费者的用电效能提升...     

大数据背景下智能电网动态电力监控研究

本文针对我国电力使用过度集中造成的电力不稳定,供电压力骤增以及电力闲置造成电力浪费等主要问题,通过研究在大数据这一背景下如何有效实行智能电网动态电力监控,如何运用同步相量测量单元、高级计量架构等关键技术方法优化配用电网系统并提升电力供应的质量和可靠性,通过利用实时反馈的用电量及价格,控制消费者的用电量,将用电量控制在一个稳定的范围内,有效提高电网终端用电效率,平滑电网负荷曲线,降低电网负荷压力及电能损耗.     

面向智能电网峰值负荷降低的用电数据分析

随着用电负荷需求不断增加所引发的峰值负荷过载问题,文中建立了智能家居(SH)和智能电网(SG)服务器之间数据通信模型,给出了配电网负荷需求管理的总体条件,并提出了一种面向智能电网(SG)的负荷数据分析DR管理方法,通过对用户的SH收集用电数据进行分析,设计了峰值负荷情况下的DR决策,分别从用户、电力公司和瞬时负荷变化三个角度设计了不同的峰值负荷降低算法。仿真结果表明,所提出的方法在很大程度上有效地降低了配电网的峰值负荷。     

基于智能电网调度支持的居民用电侧自动需求响应系统

为了优化居民用电侧管理和电力系统总的发电容量,构建基于智能电网调度支持的居民用电侧自动需求响应系统。该方法以先进的智能电网技术为依托,依靠智能电网调度支持平台构建需求响应系统框架,采用价格需求响应方式和激励需求响应方式,实现尖峰电价、尖峰折扣、分时电价、实时电价的控制和市场激励、计划激励。其应用分布式在线学习算法能在用户满意度较低的条件下,降低用电成本,提高用电效益。通过综合分析可知,基于智能电网调度支持的居民用电侧自动需求响应系统可较好地优化发电容量并满足居民用电侧用电需求。     

基于ART算法的电力负荷预测

为了有效支持用电管理决策及负荷预测,在分析用电管理及智能辅助决策支持技术发展现状的基础上,提出了一种基于自动回归树(ART)算法的电力负荷预测方法.利用该预测方法对电力远程自动抄表系统所采集的历史数据进行了处理分析.针对实际系统应用,验证了该方法适用于短期负荷预测,也适用于时未来电力负荷的准确快速预测.因此它是一种行之有效的方法.     

基于MESCM算法的电网用电行为智能识别

针对电网负荷纵向特性分析精度较差,导致用电行为识别结果不精准的问题,提出了一种基于MESCM算法的电网用电行为智能识别方法。M-P律是MESCM样本协方差矩阵的特征值,基于动态特征值分析电网在不同信噪比情况下用电负荷的随机特性。使用MESCM算法,计算归一化处理的日用电量和电网一天用电量序列,提取电网静态与动态用电特征。设置滑动窗口,计算滑动窗口到数据点空间中心的距离,以此为依据构建智能识别函数,由此完成用电行为类别判定。实验结果表明,该方法与标准电网负荷数据存在5 kW的最大误差,且用电行为识别结果与实际类别一致,具有较强的抗干扰能力。     

基于量子滤波器的电能数据检测与分析

随着以智能电表为核心的智能电网快速发展,电力大数据吸引了用户、用电企业、政府的注意力.用电数据容易受到各种未知的随机干扰.探索了将自适应滤波技术引入电网信息监测.而由于用电负荷曲线复杂、不能给出一个具体的模型,利用量子递归神经网络构造了一个与模型无关的智能滤波器.最后提出了利用量子滤波器进行电力负荷预测以及利用测量误差的概率密度函数进行用户异常用电检测的设想.     

基矛ART算法的电力负荷预测

为了有效支持用电管理决策及负荷预测,在分析用电管理及智能辅助决策支持技术发展现状的基础上,提出了一种基于自动回归树（ART）算法的电力负荷预测方法。利用该预测方法对电力远程自动抄表系统所采集的历史数据进行了处理分析。针对实际系统应用。验证了该方法适用于短期负荷预测。也适用于对未来电力负荷的准确快速预测、因此它是一种行之有效的方法。     

基于需求响应的风电-抽水蓄能系统调度模型

针对大规模风电并网影响电网稳定运行的问题,基于日前用户侧电力负荷预测和实时电价预测,文中提出了一种电网吸纳风能的新模型。以最小化风电—抽水蓄能联合系统发电成本为目标,在目标求解过程中确定最佳自弹性系数和互弹性系数,运用基于实时电价的需求价格来弹性引导电力用户以实现负荷转移。考虑到用户侧电价弹性限制的约束,该方法采用遗传优化算法编程求解。仿真结果表明,需求侧资源主动参与优化调度可降低负荷峰谷差,利于系统稳定运行,并且可以减少发电成本,提高联合系统经济性。     

基于Spark框架的电力大数据服务技术

电力大数据服务是智能电网建设的关键,提出了基于改进AP聚类的用电行为分析方法和基于随机森林的电力负荷预测方法.针对AP聚类分析用电行为存在的复杂度较高问题,利用熵权法确立指标权值,改进相似度计算方式,实现了用户用电行为的快速准确分析.针对电力负荷预测问题,采用模糊C均值构建历史相似日样本集,利用随机森林预测电力负荷.为...     

面向“削峰填谷”的电力客户用电行为分析

为对海量电力客户实施有针对性的“削峰填谷”措施,提出了一种面向“削峰填谷”的海量电力客户用电行为分析方法.首先,利用聚类算法对国网某省公司主网一年的日负荷曲线数据进行聚类分析,得到不同时期主网的负荷特征.然后,分别对每个时期下所有电力客户的日负荷曲线数据进行聚类分析,得到不同主网特征下用户群体的负荷特征,对比主网和用户的负荷特征得到用户群体的“削峰填谷”模式.最后,利用动态时间规整算法将未来日期与历史日期进行匹配,得到未来日期用户群体的“削峰填谷”模式.实证研究表明,分析结果可以为有序用电、峰谷电价等公司决策提供更有针对性的参考依据,以更进一步实现配电网负荷的“削峰填谷”和平稳运行.     

Bargaining‐Based Smart Grid Pricing Model for Demand Side Management Scheduling

A smart grid is a modernized electrical grid that uses information about the behaviors of suppliers and consumers in an automated fashion to improve the efficiency, reliability, economics, and sustainability of the production and distribution of electricity. In the operation of a smart grid, demand side management (DSM) plays an important role in allowing customers to make informed decisions regarding their energy consumption. In addition, it helps energy providers reduce peak load demand and reshapes the load profile. In this paper, we propose a new DSM scheduling scheme that makes use of the day‐ahead pricing strategy. Based on the Rubinstein–Stahl bargaining model, our pricing strategy allows consumers to make informed decisions regarding their power consumption, while reducing the peak‐to‐average ratio. With a simulation study, it is demonstrated that the proposed scheme can increase the sustainability of a smart grid and reduce overall operational costs.     

阶梯面积算法在IDC流量计费中的应用研究

IDC 客户通过流量调度来降低成本会导致资源浪费、运营商运维成本提高，面积计费能够较有效地改善此问题，针对面积计费与当前IDC主流的95峰值计费方式进行研究对比，创新性尝试阶梯面积算法，通过联系95峰值和平均值的差与95峰值计费和面积计费价格差的方式进行数据降维，编程穷举计算得到二维散点图，分析其间的关系，探索面积计费的可能性。实验结果表明：面积计费能引导客户不采用流量调度的方式降低成本，阶梯面积计费方式能在一定程度上满足现阶段流量情况与95峰值计费方式相差较小，在流量上升时客户降低成本的需求，同时运营商也能得到相应的利润，达到双赢。     

The energy payback time of advanced crystalline silicon PV modules in 2020: a prospective study

The photovoltaic (PV) market is experiencing vigorous growth, whereas prices are dropping rapidly. This growth has in large part been possible through public support, deserved for its promise to produce electricity at a low cost to the environment. It is therefore important to monitor and minimize environmental impacts associated with PV technologies. In this work, we forecast the environmental performance of crystalline silicon technologies in 2020, the year in which electricity from PV is anticipated to be competitive with wholesale electricity costs all across Europe. Our forecasts are based on technological scenario development and a prospective life cycle assessment with a thorough uncertainty and sensitivity analysis. We estimate that the energy payback time at an in‐plane irradiation of 1700 kWh/(m² year) of crystalline silicon modules can be reduced to below 0.5 years by 2020, which is less than half of the current energy payback time. Copyright © 2013 John Wiley & Sons, Ltd.     

Clearing und Settlement von Ausgleichsenergie

Austria has successfully opened its electricity market on October, 1st, 2001 on the basis of the regulated TPA. The balance group system and in particular the imbalance settlement have been initiated on time. The premature harmonization of metering data for imbalance settlement supports the Europeanization of customers’ supply and reduces costs for market participants.     

A Business Model Guideline of Electricity Utility Systems Based on Blockchain Technology in Thailand: A Case Study of Consumers,Prosumers and SMEs

This paper presents a business model guideline of electricity utility systems based on blockchain technology in Thailand: a case study of consumers, prosumers and SMEs. Because the resource management of electricity utility systems in Thailand presently are based on enhanced single buyer or a centralized system. However, a free-trade energy market is likely to open or occur in the near future. Thus, a preparation of changing or adapting such a free-trade energy market using disruptive technology is an important point to study the aforementioned disruptive technology (i.e. blockchain technology). The future business of the free-trade energy market is related to the policy of the government (Thailand 4.0). It will support technology development and innovation to encourage the potential and readiness and to compete for foreign countries. In this scoping study, the business model guideline of electricity trading with peer to peer (P2P) is proposed to utilize the case study of consumers and prosumers/SMEs in Thailand based on a decentralized system. The P2P trading is directly the buying and selling of electricity between both consumers and prosumers. It is not a passed intermediary; otherwise, an intermediate process can be cut by this trading in order to save and reduce electricity costs. Preliminary expected impacts of cost structure analysis are summarized in terms of comparisons between the existing electricity trading and the blockchain technology. The results of such preliminary expected impacts show that costs to consumers, prosumers and SMEs obtained from the use of blockchain technology are possibly lower than those of EGAT, PEA, and MEA in the future. In addition, the business model guideline is completely discussed by theory in disruptive innovation.

     

10kV配电变压器防窃电监测装置

针对10kV高压供电、低压计量用户的窃电现象,提出一种算法用以判断窃电行为是否发生。基于此算法设计一种装置,以解决供电部门对特定用户供电的监测。该装置可以准确地记录与分析用户的用电状态,达到对疑似窃电用户进行震慑和监管的目的。     

Power and energy [1999 technology analysis and forecast]

This article presents a power and energy technology analysis and forecast for 1999. The subjects covered include photovoltaics, PV power systems, solar arrays, nuclear power and free market spot electricity pricing     

电力金融市场综述

电力在社会生产生活中发挥着重要的作用,对居民的日常生活产生着巨大的影响.随着用电需求的不断提高,在很大程度上推动了电力金融市场的发展.在电力金融市场当中,通过电力现货贸易,可有效实现电力市场的公平竞争,用以稳定市场,就降低交易风险,促进电力期货的套期保值,合理进行电力期权的定价.本研究围绕当前的电力金融市场建设进行综述.     

混合大数据算法分析营销大数据客户用电行为

针对现有技术分析客户用电行为速度慢、效率低下的问题,提出了新型的大数据算法。该方案采用混合大数据算法实现营销大数据客户用电行为的多种分析,在Apriori算法模型的技术上融入改进型K-means均值聚类算法,通过采用极限学习机(Extreme Learning Machine,ELM)原理,实现营销大数据客户用电行为的快速分类,提高了分类能力。通过数据关联挖掘,准确地发现用户用电行为与影响因素之间潜在关系,提高了用电分析的能力。试验表明,该研究方案准确率高达93%。