基于多维细粒度行为数据的居民用户画像方法研究

以电网供需互动为目标,基于非入户终端的细粒度用电行为量测数据及营销系统的网络行为统计数据,开展居民用户画像方法研究。从用户行为、用电特性、消费习惯三大维度建立用户多源特征标签体系,并提出各个特征标签的萃取方法;基于欧式距离和曼哈顿距离提出改进K均值聚类算法,并应用此方法进行电力客户总体调控簇别分析,作为互动目标用户精准定位的依据;应用特征标签体系及总体调控簇别的划分结果,对居民用户进行综合画像及可视化呈现。最后以苏州金鸡湖示范区的1 500户居民用户进行画像及应用效果分析。     

数据驱动的中大型能源用户多类型用能特性画像及评价方法

针对传统电力用户画像无法全面反映综合能源用户的多类型用能特性,提出了一种数据驱动的中大型能源用户多类型用能特性画像方法。首先,从用电负荷水平、用电稳定性、用电互动能力、用热特性及用冷特性5个方面构建中大型能源用户用能特性综合评价体系。其次,采用客观权重赋权法(criteria importance though intercriteria correlation,CRITIC)对各项指标进行加权计算,分别从短期和中长期两种时间尺度对用户进行评价,实现用户综合用能画像。最后,通过算例分析表明所提方法能全面反映不同类型能源使用特点,为用户用能趋势预测、用能行为优化等业务开展提供了有利条件。     

基于模糊c均值算法文档聚类问题的研究

应用模糊c均值算法对文档进行分类，具有不使用语法知识、不使用词法规则、无监督等特点．采用模糊c均值算法对文档进行聚类，实验结果表明：该方法优于普通的聚类算法，聚类结果能充分体现文本的多样性．     

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。     

基于数据驱动的用户用能行为分析方法

随着综合能源系统的快速发展,为了满足综合能源系统联合规划的需要,亟需对综合能源系统中用户用能行为进行分析建模。基于数据驱动思想,引入了深度学习方法,提出了一种用于用户用能行为分析的方法。首先,对影响用户用能行为的数据类型、结构进行分析;然后,引入Seq2Seq技术,以GRU为神经元构建深度学习模型;最后,通过算例对所提方法的有效性进行验证。算例研究表明:所提的方法能够以海量历史数据为基础,准确预测出用户的用能行为情况。     

基于数据特征提取与自适应K-means聚类算法的用户用电画像*

随着大数据研究的不断深入与配电自动化建设的逐步完善,电网的态势感知功能正在发挥越来越大的作用,也越来越受到电力公司的重视,其中实现用户用电特征的画像是最重要与基础的一部分.首先对现有用电数据进行特征提取,通过这种方式实现了初步的用电特征提取,同时大大降低了后续算法运行所需的计算资源,随后通过自适应K-means聚类算法对用电特征进行自适应聚类.最后,将得到的结果与常规方法进行准确率比对,验证了该方法的有效性.     

基于模糊C均值聚类的风电场多机等值方法

风电场等值是含风电场接入电网分析计算的重要技术手段。为降低风电场等值的难度,提高风电场分群的效率,本文基于风电机组实际运行中的监测状态量,采用模糊C均值(FCM)聚类算法,实现了风电场等值。首先选定各机组输出有功功率、无功功率、机端电压有效值及输出电流有效值为分群指标,并根据给定的等值机台数,将风电场分群问题转化为聚类问题;其次建立了风电机组类属隶属度函数和模糊C均值聚类算法的目标函数,通过迭代求解最优的聚类中心和模糊隶属度矩阵,得到风电场分群结果,算法具有计算简单、收敛性好的特点;然后,根据分群结果,对不同群的风电机组进行等值,实现风电场的多机等值;最后,通过仿真比较验证了本方法的有效性。本方法选取的分群指标具有可实操性,且在给定等值机台数条件下,计算更为简单、等值精度更高,适合用于风电场等值的实际工程计算。     

用户用能数据能效分析的配电网线损计算模型

文章介绍了线损的构成,线损计算流程及计算方式,并建立了基于用户用能数据的能效分析模型,对配电网线损进行了有效的分析,为线损管理提供客观依据。     

基于减法聚类的FCM算法在电力负荷分类中的应用

针对目前在电力负荷分类中应用较多的模糊C均值聚类算法(FCM)的不足之处,提出了一种基于减法聚类改进的算法(SUB-FCM)。该算法运用减法聚类来初始化聚类中心矩阵,解决了FCM算法随机初始化的问题,且提高了算法的全局搜索能力,避免陷入局部最优解。由实验算例分析发现,该算法还能加快收敛速度,且收敛效果也较好,能有效应用于电力负荷分类。     

基于AE-MFCM技术的电力用户响应特性分析方法

对电力用户用电特性的正确分析是实现电力系统高效运行和增值服务的关键.本文提出一种基于自动编码器与改进模糊C均值聚类算法结合技术的用户响应特征分析方法.首先,对用电模式进行聚类来确定用户的行为特性,利用自动编码器和改进模糊C均值聚类算法实现特征提取和数据处理.然后,基于用户用电模式的分类结果,利用神经网络等智能算法对每类...     

基于能源消纳的居民用能特征提取方法研究

当前信息数字化推动着城市向更智能化、科学化和智慧化的方向发展,使得城市产生了大量的能源数据资源,因此利用WCDMA/GPRS网络对居民用水、电、气三种能源使用状况进行收集和监测,通过机器学习技术对居民能耗进行分析,形成居民细化分类,从而对不同群体居民用能习惯、用能标准进行划分,指导电力、公共事业单位、商业企业针对不同区...     

基于NILM数据的电力用户能效量化分析方法

随着节能减排理念的普及,通过大数据技术分析用户用电情况,引导用户改善用电习惯、提高用电效率、降低用电成本已成为趋势.本文通过分析影响电力用户能效的因素,结合非侵入式负荷监测NILM(non-intru?sive load monitoring)技术可获得的数据,构建了易于获取和量化的家庭能效评估指标体系.在上述基础上提...     

基于分项电器用电数据的用户侧能耗分布与能效分析

针对当前用户侧用电数据单一,无法实现对用电电器能耗情况有效评估的问题,基于一种非侵入负荷辨识获取居民侧分项电器细粒度行为数据,据此进行用户侧能效具象评估.首先构建了海量细粒度监测、诊断分析、用户互动的闭环监测应用架构;进一步地,从电器用电量占比、峰谷用电量占比、阶梯电价负荷占比构建单(区域)用户能耗分布模型;基于待机电器活跃时段统计分时段待机功耗,基于保温事件捕捉、加热时间、加热间隔综合分析保温电器能耗及运行情况.选取一定数量的用电行为数据进行案例分析,结果显示该能耗分布、能效分析方案可向用户提供个性化能效服务.     

基于综合能源计量数据的区域用能特性分析

用户耗能的时空分布特性对于电网规划具有重要的参考价值,是电网建设的重要依据。电力运营商通过新型计量设备分析居民的用电行为,从而促进电网高效运营。针对区域用户画像问题,提出基于综合能源计量数据的区域用能特性分析方法。利用“多表合一”用能采集系统,引入用户的燃气消耗数据,基于层次聚类与自组织映射（self organized maps,SOM）聚类方法刻画用能特征分布,通过仿真实验说明所提方法在用能特性分析问题上具有实用价值,有利于挖掘高耗能区域,能帮助电力运营商制定规划方案。     

基于综合能源计量数据的区域用能特性分析

用户耗能的时空分布特性对于电网规划具有重要的参考价值,是电网建设的重要依据。电力运营商通过新型计量设备分析居民的用电行为,从而促进电网高效运营。针对区域用户画像问题,提出基于综合能源计量数据的区域用能特性分析方法。利用“多表合一”用能采集系统,引入用户的燃气消耗数据,基于层次聚类与自组织映射（self organized maps,SOM）聚类方法刻画用能特征分布,通过仿真实验说明所提方法在用能特性分析问题上具有实用价值,有利于挖掘高耗能区域,能帮助电力运营商制定规划方案。     

基于动态能耗模型与用户心理的电动汽车充电负荷预测

针对城市中家用电动汽车与电动出租车出行能耗变化与充电决策问题,考虑实时交通路网、气温以及用户心理,提出一种基于动态能耗模型与用户心理的电动汽车充电负荷预测模型。首先,根据出行链理论建立家用电动汽车出行的时空转移模型,根据出行订单数据与源点-终点分析法对出租车出行规律进行模拟;其次,根据锂电池充放电实验数据分析不同温度对电池容量的影响,分析电动汽车在行驶过程中产生的耗电量并建立精细化的空调能耗模型和里程能耗模型。在此基础上引入锚定效应分析用户心理对充电决策的影响,建立考虑用户主观意愿的充电决策模型;最后,以成都三环内的实际路网为例,运用蒙特卡洛法对不同场景下的电动汽车充电需求进行时空预测,仿真结果验证了所提模型和方法的有效性。     

基于跨平台多源数据融合的复杂低压台区拓扑识别方法研究

智慧电网背景下,对配网的管理水平提出了更高要求,传统静态模型无法适应精细化线损和实时调度等应用需求.基于低压电网拓扑识别和宽带电力线载波等技术,借助智慧物联网感知监测终端,提出了基于跨平台多源数据融合的复杂低压台区拓扑识别方法,并进行系统平台的搭建.针对巴彦供电分局下辖小区,对系统平台进行应用实验,实验表明,所提方法能...     

基于用电信息采集大数据的防窃电方法研究

本文介绍了常见的窃电方法及其特征,研究给出了窃电相关的特征参量,建立了用电信息采集系统各种数据、各类异常事件与窃电行为之间的关联关系,设计了基于用电信息采集大数据的防窃电结构化模型,包括数据预处理、用电异常检测模型和窃电嫌疑预测模型三部分。通过现场采集的数据,证明了该结构化防窃电模型的有效性,为解决大数据条件下的窃电行为监控问题提供有效方法。