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。     

基于极限学习机的居民用电行为分类分析方法

针对大数据背景下智能用户用电行为分类问题,提出一种基于极限学习机(ELM)算法的用户用电行为分类方法。首先,在前期用户行为的特征优选策略的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行分类分析。然后,将特征优选集作为输入,通过比较不同隐含层激活函数和隐含层节点个数下训练集和测试集的正确率,优选出适用于用户用电行为分析的ELM算法的输入参数。最后,以国内和国外用户用电数据为数据源,进行算例仿真实验,通过与反向传播(BP)神经网络的对比分析表明,所提出的基于ELM算法的用户用电行为分析方法提高了检测的正确率并且降低了算法运行时间,能够更好地掌握用户用电负荷状态,实现配电网的削峰填谷。     

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。     

基于云计算的居民用电行为分析模型研究

对智能小区的居民用电行为展开研究,基于云计算平台和并行k-means聚类算法,建立了峰时耗电率、负荷率、谷电系数等时间序列特征,并采用熵权法计算各类特征权重,实验数据来自已建的智能小区中的600名用户。实验结果表明,智能小区的居民用户被分成空置房、上班族、上班族+老人、老人家庭、商业用户等5类用户,聚类的准确率达到了91.2%,证明文中基于云计算平台和并行k_means聚类算法的居民用电行为分析模型是有效的。     

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。     

基于奇异谱分析的用户用电行为变化检测方法

用户的用电行为代表着用户的用电特征,是进行用电预测分析的基础条件.现实生活中由于外部因素导致的用电行为变化,会使得用电特征随之发生变化,在进行用电预测分析时就需要区分历史用电特征和当前用电特征.为此本文提出了基于奇异谱分析的用户用电行为检测方法,对检测点前后的用户用电数据进行奇异谱分析,通过计算奇异值向量与历史特征超平...     

基于大数据分析的陕西省居民用电行为及影响因素研究

陕西省目前处于发展的关键时期,为了有效的了解陕西省居民用电模式,通过对陕西省居民用电量以及相关经济、社会指标等众多数据的统计计算,得到了2000年以来的社会经济以及用电大数据。主要从陕西省居民用电增长情况、居民用电占比、人均用电水平和城乡居民用电差异等方面做了详细的分析和研究,对全面了解及把控陕西省居民用电行为具有十分重要的意义。     

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。     

基于用电效率评估的居民用电行为优化研究

为提高居民用电的经济性和舒适性,提出一种基于用电效率评估的用电行为优化策略.首先根据家电的用途和工作机理,对家电进行分类,并根据不同的家电负荷类型建立3种不同的用电效率评估指标.然后,结合评估结果,对用户的用电行为进行优化.在该过程中考虑用户的用电经济性和舒适性,建立最小化电费且最大化能效指标的优化模型,在保证用户用电...     

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。     

上海城市居民空调用电调查报告

随着家用电器的不断普及,居民用电,特别是空调用电在类似上海这样的大城市中变得日益重要,在总用电消费中所占比重越来越大。本文详细报道了对上海居民用电特性的调查,结论是为了优化电力系统运行和扩大电力市场,电力部门必须调查、开放和适应电力市场。     

基于Logit模型的华东四省一市居民生活用电预测研究

分析了华东居民家用电器及照明需求的变化规律及用电特征,利用Logit模型自下而上构建了居民生活用电模型,在验证模型稳健性的基础上,对未来华东居民生活用电进行了情景预测。     

基于小波分析和灰色模型的用电量预测

月度用电量同时具有增长性和季节波动性的二重趋势,针对月度用电量的这一变化特点,提出了一种基于小波分析和灰色预测模型的用电量预测方法,同时考虑春节影响因素,结合移位修正法对1月份和2月份的用电量进行修正。经过实例分析和计算,结果表明该方法有较高的预测精度,具有较好的适用性和可行性。     

考虑家电关联与舒适性相结合的用电行为多目标优化模型

随着智能家电的广泛应用,实现用电行为优化已成为家庭智能用电的重要研究内容。从经济性和舒适性两个方面入手,提出一种智能用电环境下用电行为多目标优化模型。首先,分析了家庭用户的负载特性,并定义了可中断和可转移电器的运行约束。然后,考虑家电负载和用电习惯等各方面的约束条件,设计了家电关联最小化电费支出模型和用户用电舒适度模型,实现了多目标优化。最后,提出基于持续搜索多目标粒子群算法进行优化模型的求解。算例分析表明,多目标优化模型能有效降低用电费用并提高用电舒适性。     

几种实用的用电异常电量数据分析方法

在经济快速发展过程中，电力用电情况复杂性增加。章综合介绍了近年来利用电力负荷管理系统采集的现场终端及中心站的电量数据进行用电异常分析与判别的几种方法，对提高判决的准确性提出了改进方案．并提供一些实际分析案例。     

基于LMDI模型的省域电力消费影响因素分解分析

基于LMDI模型,从耗电强度、产业结构和经济规模3个因素出发,对我国29省1997—2012年的电力消费增量进行了分解分析。结果表明:各省域耗电强度效应是抑制电力消费增长的主要因素,2006年以后西部多数省域耗电强度效应导致电力消费增加:经济规模效应是导致电力消费增长的首要因素,东部省域电力消费对经济波动更加敏感;产业结构效应促进省域电力消费小幅度增长,东北省域和中西部各省域产业结构效应占比大于东部省域。