基于GSA算法的宽带载波抄表用户类型辨识

采用GSA算法确定K-Means的聚类数量,能够提高聚类分析的效率。应用宽带载波技术,可以方便地实现小区用电信息采集,利用其高速信道可以得到多种密集度较高的用电数据。对于宽带载波抄表系统采集的用户用电曲线,采用基于GSA算法的聚类方法对数据进行分析,实现用户类型的辨识。通过该方法可以帮助供电公司充分利用采集的用电数据,提高大数据分析能力。     

基于聚类融合技术的电力用户负荷模式提取方法

针对电力大数据背景下智能电力用户负荷模式提取的可靠性不高且传统单一聚类算法聚类结果不稳定的问题,提出一种基于主成分分析与聚类融合相结合的电力用户负荷模式提取方法。首先,对负荷数据进行预处理,通过主成分分析法减少特征间分类信息冗余实现高维特征的降维。然后,用四种聚类方法分别对降维后的数据集进行聚类分析,得到具有差异性的聚类成员。最后,利用共识矩阵对所得聚类成员进行聚类融合,得到优于单一聚类算法的最终聚类结果。通过电网实际用电数据验证了所提负荷模式提取方法能够提高聚类准确率并降低计算复杂性,并用有效性指标Silhouette对最终聚类结果进行评价。     

基于聚类分析的客户用电模式智能识别方法

结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含"噪声"曲线数据进行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。     

基于聚类分析的用电模式判别研究

研究用户的用电模型,根据用户的用电习惯,制定相应的调控方案对保证电网安全平稳运行以及对提高用户的服务质量具有重要意义。本文首先针对小数量的负载数据集,比较了不同聚类算法的聚类结果和算法效率,对聚类算法进行了初步筛选,进而比较了这些算法对大数量的负载数据集的聚类结果和聚类效率,结果表明基于划分的分析算法对负载数据集有很好的聚类效果;采用划分算法,通过聚类分析,将用户用电行为模式分为八个类别,分别为双峰型、避风型、平稳型、单峰稳定型、单峰型、后峰型、波动型和前锋型;最后针对聚类分析结果,筛选出具有单峰型、单峰稳定型和双峰型并且用电量较大的用电客户为可调控用户,对该类型用户分别制定了不同的错峰调控方案,并比较了不同调控方案给用户带来的经济效益。     

基于卷积神经网络与多维度电力大数据的信用评估系统

2017年,国家发展和改革委员会牵头启动"信易+"联盟建设,社会信用体系建设全面铺开.其中,企业信用评估是国家信用体系建设重要组成部分,国家对企业信用建设给予了高度重视.通过服务电力业务的信用评估系统构建,可以高效支撑电力行业对企业异常用电行为进行预警.在国家大力倡导社会信用体系建设背景下,国家电网各业务部门及单位积极开展了自身信用体系建设.文中使用电力行业上下游的企业用户用电信息、履约情况、安全监管等数据,结合改进的模糊聚类算法对电力企业用户进行划分和用电信用系统构建,同时使用卷积神经网络算法(CNN)对企业信用评估系统进行分析建模.改进的模糊聚类算法能够适应不同的数据分布和提高聚类效果;改进后的多尺度卷积核CNN模型设计能克服传统CNN算法计算量大、易过拟合的缺点.实验证明多维度电力数据集可以很好反映企业信用信息,文中所提出的分类模型的运算效率和准确率较高,整体实现了企业电力风险评估系统.     

差分隐私保护下面向海量用户的用电数据聚类分析

智能电表实现了对用户用电信息全方位实时收集,使得对用户用电行为精准聚类分析成为了可能,然而在分析过程中易泄露用户信息。为此,提出了一种差分隐私保护下用户用电数据聚类分析的方法,该方法运用两阶段隐私保护聚类技术解决精准分析与隐私保护不能并存的矛盾。两阶段聚类采用了分布式的思想,包括局部聚类和全局聚类两部分。局部聚类采用了隐私保护下的自适应K-means算法对智能电表采集的原始用户用电数据进行初次聚类;全局聚类设计一种新的基于密度和层次思想的聚类算法用于对初次聚类结果进行二次优化聚类。相关实验表明了该方法的有效性。     

基于IBBO和K-means++融合的多属性台区聚类研究

为更全面、精细地研究配网侧台区特性,提出一种基于改进的生物地理学优化算法(IBBO)和K-means++融合的多属性台区聚类方法。首先,采用低方差滤波方法筛选台区电气特征参数;其次,引入IBBO,求得最优解作为K-means++的初始聚类中心;最后,对海量台区用电数据进行聚类分析,得到不同类别的台区特性,完成多属性台区的聚类。算例以某市台区真实数据进行仿真分析。结果表明,所提方法相比经典聚类算法能更加快速且准确地实现台区的有效分类,为分析复杂台区的用电行为提供了支撑。     

面向海量用户用电特性感知的分布式聚类算法

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。     

电力客户负荷模式分析

了解客户的用电模式、制订相应的购电合同,对于增加电力部门的经济效益有着重要的作用。针对获取的客户用电数据,在经过一定的预处理后使用多种聚类分析方法进行分析,通过选取最合适的聚类方法以及聚类数目得到典型负荷代表曲线。通过与经济类型代码分类方法进行比较,所获取的负荷曲线能有效地区分并合理地代表各种经济类型的负荷,表明了通过聚类所获取负荷模式的方法是有效可行的。     

基于并行化K-means的综合能源服务客户识别

随着电力体制改革的不断深入以及大数据互联网技术的发展,传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式,实现不同用户需求的快速响应。针对综合能源服务潜在客户的精准识别问题,本文通过对综合能源服务潜在客户的标签进行分析,基于Spark内存计算平台提出了一种改进的并行化Kmeans聚类算法,对聚类过程中初始聚类中心的选取和样本影响因素的权值进行改进,基于优化后的权值对客户数据集进行聚类分析,对综合能源服务潜在客户进行识别。采集综合能源服务企业的近期交易数据,在多节点的物理机上进行实验与分析,结果表明改进后的聚类算法更准确,在执行效率上,并发度高的算法执行效率优于单线程的算法,算法具有较好的并行能力。     

减碳配额约束下电力客户的模糊聚类分析

在减碳配额约束下．供电公司的客户服务领域将由单纯的供电营销向全面的指导用户优化用电方式和减碳服务方向拓展。考虑电力用户的减碳水平,构建了低碳经济下电力客户价值指标体系,提出运用动态模糊聚类算法细分电力客户的新方法,深入分析了动态聚类时最佳阈值的选取依据,用此方法对某市10名大工业客户进行了实证分析。结果表明,低碳经济下电力客户评价指标体系具备合理性。根据聚类结果,总结了不同类别客户的特点,对供电企业如何展开针对性服务提出了建议。     

基于层次分析法的电力客户信用风险评价

供电企业面临电力客户失信带来的经营风险。为规避客户信用风险，要求建立客户信用管理体系，综合评价客户信用风险。研究给出了电力客户信用风险评价指标体系，同时，阐述了运用层次分析法为信用风险指标进行赋权的方法，并进行了实例分析。实践表明，所建立的指标体系及指标的赋权方法能为供电企业进行客户风险管理提供理论与实践上的借鉴。     

高压企业客户电力信用综合评价体系及应用

传统电力信用研究和应用多以用电行为、缴费行为失信等负面评价为主,缺乏正向评价和激励应用,且仅应用在供电企业内部对客户管理和电费风险防控方面,没有在社会中跨界应用。首先借鉴企业社会信用评分指标体系的建设思想,将高压企业客户电力信用指标集中在守信能力和守信行为2个方面,设计了以大数据为支撑的高压企业客户电力信用综合评价指标体系,包含用电价值、电网互动价值、缴费行为、用电行为、服务互动行为和电力市场交易诚信六大评价维度。其次,设计了电力信用等级和信用分计算、修正评价流程,并以某省级电网近29万户高压企业客户为例,实证分析了电力信用总体情况,证明了所建立方法的科学性和规范性。最后,基于电力信用评级,设计了基于电力信用的差异化奖惩措施,对内有效防范风险、挖掘优质客户,对外实现电力信用价值输出。     

基于短时间尺度相关性聚类的负荷预测

负荷预测不仅是电力系统稳定、安全运行的基础,同样也是实现电力需求侧智能用电管理的基础。短时间尺度相关性分析能够挖掘一段时间内负荷的用电行为,相似用电行为分析有助于改善负荷预测效果,因此本文提出了基于短时间尺度相关性聚类的负荷预测方法。首先,根据短时间尺度用电时间序列之间的皮尔逊相关系数构造相关系数矩阵,并对相关系数矩阵进行去噪处理;然后,基于相关系数矩阵,利用模糊c均值聚类的方法来实现不同用电特性负荷之间的聚类,每类中负荷具有相似的用电行为;再分别对每一类中所有负荷数据求和并利用人工神经网络进行超短期负荷预测,基于每类的负荷预测结果计算系统的负荷预测;最后,通过对某110kV变电站10kV负荷馈线的实际数据进行分析,分析结果表明基于短时间尺度相关性分析的聚类提升了负荷预测的效果,从而验证了本文所提方法的有效性。     

电力客户缴费行为的动态信用评价实证分析

针对目前电力客户欠费回收问题,文中研究信用评估指标,并结合目前电力客户缴费数据,提出一种变现动态信用分值度量算法,揭示复杂的缴费行为的实质,有效区分不同缴费类型,进而有效区分不同客户的信用状况。同时通过对湖南省某地市电力客户缴费数据进行挖掘分析,给出动态信用评价方法实证分析,有效验证该信用评估方法的科学性、合理性。     

监管视角下的电力市场用户分类指标体系及算法研究

电力市场用户分类研究可作为市场准入、市场监管和售电服务等研究的基础。结合电力市场改革的新进展,创新考虑电力绿证、需求响应、用户负荷曲线等因素,构建合理的分类指标体系;采用2步主成分分析法进行数据降维,以剔除指标间重复信息、实现聚类结果可视化;针对常见聚类算法需要指定参数的缺陷,提出运用仿射传播聚类算法实现用户聚类;通过对某地区40个用户的算例分析,认为模型具备有效性和优势;最后引入优胜劣汰的监管设计,对电力市场用户准入与管理提出建议。     

基于模糊多属性决策法的用电客户信用评价

用电客户的信用评价是供电企业及全社会都应该关注的问题.文章在分析了用电客户信用评价应该考虑的主要因素的基础上,建立了一套适用于用电客户信用评价的指标体系,并以三角模糊数的形式给出指标值和评价者的主观感觉值,将基于期望值的模糊多属性决策法引入用电客户的信用评价中,同时讨论了指标权重完全未知和部分未知时用电客户的信用评价问题.     

供电企业客户信用度模糊综合评价模型研究

随着电力市场的发展,使对供电企业客户信用度的评价显得日趋重要。分析了电力客户信用度模糊综合评价的意义,提出了一种基于模糊数学的电力客户信用度综合评价模型,设计了完整的指标体系和评价方案,并建立了针对不同信用度等级的客户的营销策略,以期为供电企业提供客户管理的决策依据。     

新电改背景下电力大客户服务策略推荐模型研究

新电改的深化推进加快了市场"多买多卖"格局形成,基于数据挖掘的精准电力营销对加强电力企业客户关系管理、增强市场竞争力具有重要作用。基于服务策略清单梳理成果,抽取江苏武进区样本大客户作为训练样本,选用基于随机森林推荐算法的大数据分析方法,探索并构建了服务策略推荐模型,实现面向不同属性客户的服务策略略差异化精准推送。