智能用电用户行为分析特征优选策略

针对大数据应用背景下用户智能用电行为分类的计算复杂性和特征选择有效性的问题,提出一种基于特征信息量的特征优选策略。首先,以用电特征的互信息量与相关系数作为特征有效性和关联性判据,设计用电特征优选准则。然后,提出一种该准则下的用电行为特征优选策略,通过减少特征间的分类信息冗余实现高维特征的降维,并选取有效独立的特征,从而构建用户用电行为聚类精简特征集。最后,基于特征优选策略实现了一种特征自适应的用户用电行为分析方法,完成优化的用户用电行为分析。通过电网实际用电数据验证了所提策略能提高聚类准确率和减少计算复杂性的有效性。     

基于聚类的用户用电行为及其影响因素分析

随着我国产业结构的不断调整,用户的用电特性也不断变化,且用户的用电行为逐渐向个性化发展。首先利用离散小波变换对用户负荷进行特征提取;然后利用改进快速密度峰值聚类算法进行聚类,根据用户特征聚类结果的不同,将用户分为不同群组,分析负荷群的时间分布特征;采用互信息方法分析用电量数据与经济、气温、行业关键指标等的相关性,提取出关键影响因素;最后,基于某省某行业典型用户的仿真实例验证了本文所提方法的有效性。     

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。     

智能用电中的用户行为分析

智能用电的理念与内涵2012年6月,在深圳召开的中美智能电网对话会上,中国国家能源局首次对中国智能电网的定义给出了明确的说明：集成新能源、新材料、新设备和先进的信息技术、控制技术、储能技术,以实现电力在发、输、配、用、储过程中的数字化管理、智能化决策、互动化交易,优化资源配置,满足用户多样化的电力需求,确保电力供应的安全、可靠和经济,满足环保约束,     

考虑负荷纵向随机性的用户用电行为聚类方法

针对不考虑负荷纵向随机性所导致的数据损失和用户误分类的问题,提出了一种考虑负荷纵向随机性的基于推土机距离(EMD)的用户用电行为识别新方法。该方法通过统计电力用户同一时刻多天的负荷分布情况,从横向和纵向2个角度全面表征用户的用电行为。并结合EMD和欧氏距离度量不同用户用电行为的差异程度。以一组国际通用的居民用电负荷作为算例进行分析,算例结果表明,在横向特性较为相似的用户中,该方法能够很好地提取用户的纵向特性。定性和定量分析均表明,该方法对用户负荷的聚类效果精细合理。     

基于模糊聚类的电力客户用电行为模式画像

随着电力客户数据采集频度不断提高、数据分析维度不断扩展,客户的用电行为变得更加复杂。客户标签和画像技术的发展,给客户用电行为分析带来了更直观、简洁的表现方式。论文基于海量的客户档案、负荷、电量数据,综合考虑客户用电特征、影响因素,建立了客户用电行为标签库,并采用模糊聚类算法进行客户用电模式分析,实现不同类型客户的用电行为模式画像。某地区20 000户工商业客户的用电行为模式画像分析结果表明:文中选取的用电行为标签合理有效、采用的聚类算法效果显著、客户画像精准,能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供有力支撑。     

基于模糊聚类的异常用电行为识别研究

窃电等异常用电行为的识别是用电检查的重点和难点。由于数据采集问题,以往研究大多专注于大客户窃电行为方面,对居民窃电行为的研究相对较为薄弱。针对小用户级别的窃电等窃电监测问题,提出一种基于聚类的异常用电行为识别方法。该方案从智能电表收集的数据中提取用电特征,使用模糊聚类分析数据结构,提取出正常用户的行为特征。在真实数据集上的实验结果表明了该方法的有效性。     

基于加权表决集成聚类的居民用电行为回归分析

居民用电行为分析是深度挖掘居民需求响应潜力,提升精准电力服务水平的基础。针对居民用户电力日负荷曲线数据,提出一种基于加权表决的集成聚类方法。将4种常用聚类算法视作选民成员进行投票表决,并根据聚类有效性指标赋权从而集成成员算法的聚类结果,以结合不同算法的性能优势。提取负荷曲线特性指标对居民负荷曲线加权表决聚类得到6种典型用电模式,采用多元逻辑回归方法分析居民用电模式与其家庭特征之间的驱动联系。案例分析结果表明所提方法提高了负荷曲线聚类效果,鲁棒性更优,且用电模式与多项家庭特征间表现出显著的正或负相关联系。     

居民用户智能用电建模及优化仿真分析

随着居民用户智能家电普及率的不断提高,实现智能用电优化已成为电力需求侧管理的重要研究内容。通过对居民用户智能家电的用电起始时间、用电时长、用电时段数的设计,并结合智能家电的用电特征及电价机制,给出了一种以用电费用最小为目标的智能用电优化方法。该方法同时考虑了用电起始时间、结束时间和允许的最大中断次数等约束条件。通过算例中电价机制及智能家电约束对用电安排影响的仿真分析,验证了该方法可有效减少用电费用及降低居民用户用电负荷峰值;同时探讨了在实时电价机制及更灵活的家电中断约束下,智能用电优化效果更为显著。     

电价机制下商业用户用电响应行为分析

根据实际调查问卷,将电力商业用户按照用电特性分为5类,分析了各类商业用户在不同电价水平下,用电高峰段、用电平段、用电低谷段3个时段的负荷响应程度,利用概率分布函数预测了各类用户的负荷调整可能值,并应用马尔科夫链建立了不同时段负荷响应预测模型,对"十二五"期间商业用户的负荷调整响应度进行了模拟,并通过算例分析验证了其实际意义,挖掘了各类商业用户在不同时段的负荷调整潜力,为区域商业用户智能配电及管理提供了决策支持依据。     

面向家庭智能用电的用电任务调度优化

用电任务调度优化是家庭智能用电研究的重要应用之一,然而缺少有效的智能调度优化算法制约了用电任务调度的实际应用。根据家庭用电的主要特征,对家庭用电任务进行了定义,将用电任务分为运行连续任务和运行可中断任务两种类型。研究了一种基于改进遗传算法的家庭智能用电调度优化模型及优化算法,模型以降低一天中的用电负荷峰值或用电费用为优化目标,并通过家庭用电任务算例对算法优化效果进行了实验验证。实验结果表明,该优化算法能够很好地优化用电任务的运行安排,具有较好的算法收敛性和优化效率,能够有效降低用电负荷峰值或减少用电费用。     

国内外智能用电发展分析比较

分析了美国、欧洲、亚洲智能用电发展的背景、发展基础及各自发展智能用电的出发点。通过分析美国、欧洲和亚洲智能用电的特点,指出了中国发展智能用电的驱动力以及不足的地方。提出了在未来应充分结合我国国情、电网情况,树立适合我国智能用电服务的发展目标,建立智能用电服务体系架构以及发展路线,并根据我国法规政策、体制机制和智能电网建设进展情况适当把握推进速度。     

智能电网建设与电力市场发展

分析智能电网建设与电力市场发展的关系是一个涉及面很广又存在众多不可预知因素的难题。文中在概述智能电网与电力市场互动关系的基础上,在以下3个方面重点分析了智能电网对电力市场发展的影响:首先,分析了智能电网建设支撑电力市场发展的基础作用;其次,从电力工业基础的变革、改革推动力、电力普通商品属性的增强等方面分析了智能电网对电力市场改革的推动作用;最后,从智能电网的特点分析其推动电力市场发展的远景,重点研究了智能电网以及可再生能源等相关因素在电力市场设计中可能产生的主要问题,并提出了初步建议。     

智能电网环境下电力营销智能化体系研究

基于智能电网建设的背景下,提出了一种新型的客户双向互动智能化电力营销体系。对比传统的电力营销模式,从客户知识管理、客户负荷管控、客户信用风险管理、客户关系管理、客户资源价值评价等5个方面进行分析,阐述了各子体系的基本功能和实现路径。     

面向居民智慧用电的智能电器控制策略优化研究

针对典型的家庭用电方式,划分了家庭用电的类型,并给出了典型用电设备,如做饭,洗衣,空调,电热水器以及电动汽车的用电策略和约束,以用电费用最小化为目标函数,构建了居民智能家居用电管理调度控制策略优化模型,利用编程和结合实际典型家庭的数据,得到了用电控制策略的最优解。研究发现,智能用电管理能有效节约家庭的用电费用,并且对于用户用电曲线有移峰填谷的作用,对电力工业节能减排有一定效果。     

智能电能表对阶梯电价的支持功能分析

针对国家对实行阶梯电价方案征求意见的背景,结合国家电网公司正在进行的智能电网用电信息采集系统的建设实践,分析推行阶梯电价的必要性及阶梯电价对电能表提出的技术要求,介绍智能电能表计量功能等方面的优点,认为智能电能表具备支持和推动国家实行阶梯电价的功能.     

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。     

陕西电网月用电量预测模型的研究

未来年度电网月用电量预测对于电网调度运行非常重要。本文基于月度乘积模型,建立了陕西电网月用电量预测模型,用该模型对陕西电网月用电量进行了预测分析,将预测值与2003年1月至2007年12月期间的实际观测数据对比,年最大误差小于1%,预测精度较高。为准确预测月用电量提供了一种较为可行的分析预测方法。