基于智能电表技术的智能电网负荷识别

传统侵入式负荷识别技术需要在智能电网用户侧每个用电设备的插座上安装传感器,通过传感器获取电器 设备的负荷,导致负荷识别精度较低.为此,提出基于智能电表技术的智能电网负荷识别方法.首先将智能电表安装 在智能电网用户侧总线上,采集全部用电设备的电力数据,并对采集数据进行降噪与筛选处理,得到高质量的负荷数 据集.其次构建时间卷积网络模型,并输入负荷数据集进行训练,输出目标负荷的识别标签,实现非侵入式智能电网 负荷的识别.实验结果表明,所提方法在识别智能电网用电负荷方面表现良好,平均绝对误差仅为１．１３５kWh,证明 了智能电表技术在智能电网中具有良好的应用效果.     

数据挖掘在智能电网中的应用研究

电力大数据已成为电网公司进行决策的基础,但单纯数据的积累并不能给电网公司带来益处。因此充分利用这些基于电网实际的数据,对其进行深入分析,发现隐含的信息并加以利用,对指导电力企业做出正确的决策具有重大意义。提出了数据挖掘在智能电网中的应用场景,把数据挖掘技术应用于电力负荷预测,研究了在智能电网中应用数据挖掘技术的方法。     

基于智能电表的电网广域负荷建模方法

电力系统负荷建模是一项十分重要,同时也是非常困难的工作,目前为止还没有建立起广域的和常效的机制.本文提出利用各电压等级安装到户的智能电表开展广域的负荷建模工作,分别利用智能电表功率信息,通过在线统计综合法获得负荷模型,以及将智能电表作为在线测辨装置,利用实时采样数据在线测辨获得负荷模型,构建了基于智能电表的广域负荷建模体系.通过自动抄表系统定期将负荷统计与测辨相关信息分层收集,分级建模,逐级向上,可实现电力系统负荷信息的广域统计、分析与校核,从而建立动态和长效机制,有效推动负荷建模的各项研究工作.     

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

当前智能电网技术的发展对系统负荷响应特性的建模工作提出了更高的要求,特别是大规模电动汽车并网后针对居民充电行为的需求响应特性应该得到进一步研究。基于非侵入式负荷监测技术,本文分析了电动汽车实际充电功率特点,提出一种在居民家庭日负荷曲线中识别充电负荷的方法,并将此识别结果作为需求侧响应特性建模的数据基础;针对充电负荷与环境温度、日类型的相关性,本研究将相似日短期负荷预测算法引入到负荷转移率计算过程中,减小因日负荷波动带来的计算误差,并采用优化算法进行参数辨识,进而建立更为准确的分时电价下电动汽车充电负荷响应特性模型。最后仿真验证了该建模方法的有效性和优越性。     

考虑负荷动态模型的智能电网灵活规划方法

为提升智能电网的运行质量,解决当前智能电网存在的负荷波动大、经济效益低的问题,在考虑负荷动态模型的情况下,提出智能电网灵活规划方法。根据用电电压划分智能电网的供电区域,针对不同区域构建相应的负荷动态模型;利用动态负荷模型分析电网负荷的波动特征,预测电网实时负荷值;从用电需求量、输电线路潮流和负荷平均密度3个方面,设置智能电网规划约束条件;通过对智能电网架构、线路等组成部分的规划,得出最终的规划结果。实验结果表明：所提方法规划后,智能电网负荷率的平均值更趋近于1,年线损量降低了2 777.41 k W,投入成本节省了15 724万元。     

华东区域智能电网环境下的负荷调度

阐述了充分挖掘电力需方资源,可以缓解电力供需平衡、促进节能减排、扩大可再生能源的接入。指出传统的需求侧管理、需求侧竞价和有序用电在一定程度上有效利用了负荷侧资源。介绍了负荷调度的理论与实践,从系统运行角度出发,在智能电网技术的支持下,通过负荷调度将负荷侧资源常态化地纳入电力系统的调度运行,实现充分考虑需方资源的电力系统综合优化调度,提出华东区域智能电网环境下的负荷调度设想。     

智能电网环境下的自适互动智能负荷预测研究

智能电网是电网企业发展的必然趋势,针对智能电网建成后带来的新能源、分布式能源的并网问题,以及智能电网建成后的高度集成信息化的环境变化,需要建立新环境下的负荷预测数据仓库,数据仓库中不但包含传统预测所考虑的定量性数据,而且包括新的定性数据。基于数据仓库根据数据挖掘技术计算与预测日具有高度相似特征的相似度,提取相应的数据,形成相应的知识库和推理规则库。研究具有一定自适应性的能够自己确定模型结构的智能预测方法,并研究相应的后干预校正算法,使预测精度得到突破性的提高,形成自适互动的智能负荷预测体系方法。研究将提高智能电网乃至整个电力工业的经济效益;增强我国的节能减排、可持续发展能力;完善智能电网的智能性和高效性以及拓展电力负荷预测研究理论的研究范围。     

智能电网用户端环境下短期负荷预测方法的研究

智能电网用户端环境下的用电模式有其自身的特点。结合该特点对成熟的神经元网络负荷预测方法进行改进,着重优化预测的输入部分,形成一套适合智能电网用户端环境下短期负荷预测方法。算例结果表明,该方案有助于预测准确率的提高。     

基于时间卷积神经网络的非侵入式居民用电负荷分解方法

非侵入式负荷分解技术通过从主表信息中恢复出用电侧单个用电设备的状态,可以准确地刻画用户用电画像,为用户侧精细化管理发挥重要作用.针对目前人工神经网络模型在负荷分解中存在的分解精度不高、训练效率低下等问题,文章构建了基于时间卷积神经网络(temporal convolutional neural network,TCN)...     

基于地理信息系统(GIS)的智能电网规划系统研究

本文综述了电网发展的趋势,指出了电网规划存在的问题,介绍了GIS系统对加强电网科学合理规划所起到的促进作用,详述了基于GIS的电网规划系统为实现智能合理的规划所具备的基本功能,展望了新时期电网规划的发展思路.     

基于动态时间规整的智能电网边缘用电数据去重技术

智能电网的边缘终端设备会产生大量的时序数据,该数据对电网的智能化运营具有重要意义。为保护数据的隐私性、降低对传输带宽和时延的要求,数据往往需要本地化存储。由于电气设备的规律性,使得产生的时序数据具有很大的冗余性,这为边缘设备数据存储面临的挑战提供了解决方案。本文提出了一种基于动态时间规整的数据去重方法,该方法通过计算数据之间的相似性,从而消除数据冗余、达到数据去重的目的。最后,基于智能电网的真实采样数据对所提出的数据去重技术在边缘计算安全防护系统中的效果进行了分析验证。     

基于大数据分析的智能电网降损效果估计模型仿真

针对智能电网降损效果动态估计结果误差较大的问题。提出基于大数据分析的智能电网降损效果估计模型,其采用Map/Reduce模型处理智能电网中的大数据,依据大数据统计和分析结果,将智能电网划分成不同的子网,采用不同负荷预测模型预测各子网负荷。融合子网的预测结果修正总体智能电网的负荷预测值。将负荷预测值输入智能电网降损概率评估模型,实现单一因素和组合因素约束下的智能电网降损分析,对智能电网降损效果进行动态评估。实验结果表明,所设计模型对智能电网工作日和休息日的负荷预测效果较好。     

基于DTW算法与稳态电流波形的非侵入式负荷辨识方法

非侵入家用负荷识别技术可以指导家庭用户合理安排用电,提高用能效率,同时也为电力部门提供家庭用电的数据支持,有利于了解负荷用电规律及趋势,完善电力规划。由于家庭用户用电负荷的稳态特征值存在相似和无规律的问题,现有的方法多采用高级算法对所有的用电负荷组合进行训练。针对现有采用负荷稳态特征值方法进行识别所存在的不足,考虑到家用负荷稳态波形具有独特性和叠加性,提出了一种利用动态时间弯曲(DTW)算法计算与模版库波形的距离来识别家用负荷的辨识方法。首先,建立负荷稳态波形模版库;然后,在电压满足一定条件的情况下,测量家庭用户电流的稳态波形;最后,利用DTW算法计算出最小距离进行识别。     

基于偏序约简的智能电网大数据预处理方法

针对电力一次系统和电力信息系统的数据所具有的多维度、时空混杂等特征,建立了一种基于偏序约简的大数据属性约简预处理方法。该方法综合利用了MapReduce的可并行化优点,着眼于并发事件间的独立性,可以满足电力大数据属性维度与约简方面的覆盖要求。最后,分别以某光伏发电系统监测数据、变压器故障诊断数据和智能变电站通信系统实时性与可靠性预测数据为例,对属性约简进行模拟计算,并通过Hadoop平台进行测试,表明所提出的电力大数据属性约简方法性能优良。     

基于大数据理念的地市供电公司智能电网规划数据融合研究

智能电网的建设与运行将产生海量数据,通过大数据理念和技术能促进智能电网“三流”合一和“三化”融合,利用数据融合及分析技术为智能电网规划提供数据支撑,可充分发挥坚强智能电网的功能和作用,阐述了地市供电公司智能电网规划与大数据融合及分析研究工作的成果.     

多元数据融合的智能配电网负荷分析预测管理系统

针对多元大数据在智能配电网中的应用问题,为实现配电网的精益管理、科学预测和合理规划,文章开发了多元数据融合的智能配电网负荷分析预测管理系统。对软件系统的总体框架进行了设计;对软件系统的各功能模块进行开发和介绍;给出了软件系统的一个应用实例。该系统充分利用海量的历史负荷数据进行负荷特性分析,建立负荷特征库以及业扩信息库,通过对新接入用户进行信息匹配实现负荷管理及最大负荷预测。此外,该系统建立负荷预测方法模型库,可提供不同维度的负荷预测功能,从传统的地区负荷预测转变为馈线负荷预测,结合馈线现状以及业扩信息优化用户接入决策。总的来说,该系统具有功能模块数据链路互通、不同功能之间能提供信息支持、整体采用模块化设计思想等特点,可满足电网企业的日常应用需求。     

一种云环境下智能电网中的重复数据删除机制

随着智能电网的发展,电网运行的实时数据呈海量化急剧增加,传统数据中心压力日渐攀升。文章研究了电网数据的高效存储,讨论了智能电网云平台架构以及云环境下资源分配和动态负载均衡,使得智能电网中大量相同的数据以更加轻便的方式存储。本研究从数据存储到数据查询,形成了一个完整的对智能电网数据进行空间优化操作的体系,实现了云的实际利用价值。     

基于智能用电网络的负荷状态与类型在线辨识

电器级负荷的实时信息辨识是实现负荷控制类需求响应以及用户侧自趋优运行的前提.为满足智能用电网络辨识后自动进行精准控制的应用需要,提出了电器级负荷状态与类型在线辨识技术,以期快速、准确且高可扩展地为智能用电网络的调控提供信息基础.智能用电网络的大量终端可提供电器级低频数据的实时测量结果.基于此,采用改进双边累积和分段算法...     

智能电网环境下基于多代理的商业用户可控负荷管理策略

智能电网的发展为电力用户积极参与电网运行调控提供了必要的技术支持。文中针对智能电网环境下商业用户的用电响应行为提出了基于多代理系统(MAS)的负荷控制策略方案。设计了包含多类具有一定用电响应能力的用电设备的MAS及互动协调机制,结合商业电力用户的特点,为突出商业用户对整体用电舒适度的要求,在居民用户MAS的基础上增加了负载聚合代理;以酒店类商业用户为例,根据各类用电设备的运行特性建立了相应的负荷响应模型,基于典型用电设备的实时信息,采用区间数排序法确定用电负荷的优先级,构建了以优化商业用户用电整体舒适度为目标的负荷管控模式。通过算例分析,分析了所述模型和方法的特点与合理性。     

一种基于DTW改进的轨迹相似度算法

针对传统的轨迹相似度计算方法无法区分现实采集到的轨迹中由噪声带来的差异和真实的不相似部分的问题,基于动态时间规整（dynamic time warping,简称DTW）算法,提出了一种改进的轨迹相似度的计算方法。并对最后的结果进行了归一化处理,便于人们直观理解,同时也可用于对多对轨迹之间的相似性进行排序,从而可以在数据挖掘的相关应用中得到有效利用,同时对计算过程也进行了优化。在现实采集到的数据上的测试表明这种方法对噪声和异常点是鲁棒的,对轨迹的采样频率等参数没有任何要求,而且可以适用于仅获得轨迹的部分片段的情况,并且在区分轨迹的相似和不相似部分方面较之前的方法准确度有了很大提升,即使轨迹的采样较为稀疏的前提下依然如此。