基于负荷分解的居民差异化用电行为特性分析

针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。     

基于贝叶斯网络的非侵入式家庭负荷动态监测模型

智能量测技术是智能电网的重要组成部分,为了实现非侵入式负荷低频监测并进一步提升负荷辨识准确率,文中结合居民用电行为与外界环境相关的特点,提出一种基于贝叶斯网络的非侵入式家庭负荷动态监测模型,该模型选取电气特征和外部数据为特征量,综合考虑居民符合的时间特性和对外部数据的关联特性,对居民用电行为采用贝叶斯网络模型进行建模分析,并随时间推移对特征库进行动态更新,从而实现对家庭负荷的监测作用。本文采用AMPds2公开数据集数据进行算法验证,证明本文算法的准确性和有效性,同时对外部数据和用电行为进行互信息分析,结果表明时段特征对用电行为相关性最强。     

居民用户需求响应行为影响因素辨识与响应特性提取

制定基于分时电价的需求响应激励策略需要充分掌握居民用户的用电特性。针对此问题,该文建立了基于蒙特卡洛方法的需求响应行为影响因素评估模型,基于此模型分析居民用户用电数据和调查问卷,得到了居民用户需求响应行为的主要影响因素。基于主成分分析和逐步线性回归建立了用电设备负荷曲线提取算法,剥离了与需求响应行为有较强相关性用电设备负荷曲线,提取了居民用户对分时电价机制的响应特性。与测量数据的对比表明,负荷曲线提取算法是准确和有效的。基于负荷曲线提取算法分析分时电价机制下负荷曲线的演变特性,可为峰时电价制定、需求响应等提供有效的数据支撑。     

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.     

基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测

基于大量历史负荷数据,研究负荷数据曲线的变化性,并提出了负荷变动速率(RLF)与速率影响因子(IFR)概念。通过对ERCOT数据的分析,总结得出了得克萨斯州用电特点和相同时段内RLF的相似性。依据对RLF的历史数据统计分析,得出经验RLF值,并结合用电负荷的实时数据对短期负荷做出修正与准确预测。该方法可以应用在短期负荷预测系统及对区域中长期用电负荷变化规律的总结上。     

基于ECC的电力负荷管理及用电监控系统设计

本文分析了近期供电企业的用电管理需求,提出了基于椭圆曲线密码体制(ECC)的电力负荷管理及用电监控方案,并据此方案成功地开发了该系统.应用表明,电力负荷管理及用电监控系统可以帮助管理人员及时、准确、安全地获得用电信息,发现表记故障、窃电行为,且可以进行谐波监测,提高用户的用电质量.     

计及用电行为模式的区域商业建筑负荷预测方法

为充分利用智能电表采集的细粒负荷数据并提高区域商业建筑负荷预测的精确度,提出一种基于用电行为模式的区域商业建筑负荷预测方法。首先,基于均值方差归一化方法对采集到的负荷数据进行标准化处理,通过肘方法确定聚类数目后进行k-Shape聚类,实现区域商业建筑负荷不同用电行为模式的提取;其次,针对大规模商业建筑负荷预测问题,考虑区域内大量商业建筑负荷预测时耗费大量内存资源却难以实现较准确预测问题,提出一种改进的Informer模型,该模型通过聚类算法识别具有相似用电行为模式的商业建筑,并充分考虑智能电表采集的异常负荷数据对模型训练结果的影响,能够良好的解决大规模商业建筑负荷预测精度不高问题;最后,采用加利福尼亚州商业建筑负荷进行实验,实验结果表明所提方法能够有效提高区域商业建筑负荷预测精度。     

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。     

基于伪异常点辨识的关口电能表计量数据异常研究

关口电能表计量数据是贸易结算的根据,其数据质量的好坏对贸易结算的公平、公正性产生较大影响。针对现有计量数据异常辨识方法忽略了关口表异常状态与负荷动态行为之间差异性的缺陷,该文提出一种基于伪异常点辨识的关口电能表计量数据异常辨识方法。该方法考虑到用户动态用电行为具有潜在规律性,结合时间序列分解和自相关分析挖掘其内在周期性,并考虑负荷曲线的动态变化特点,采用用电相似度判据消除时间偏移影响,进而实现伪异常点准确辨识。基于西南某省电网关口表实测数据对该文方法有效性进行验证,结果表明该文方法能够有效辨识伪异常点,可满足工程实践需要。     

分时电价下的高耗能企业发用电响应

高耗能企业通常是所在地区的用电大户,具备一定量可调度负荷,许多高耗能企业还建设有自备电厂。针对分时电价下高耗能企业发用电响应问题,讨论了各时段之间的价格关系对高耗能企业发用电响应行为的影响,进而建立了高耗能企业自发电调度和负荷转移一体化调度模型。针对案例企业情况,讨论了不同价格信号下企业的发用电决策,并讨论了能够促使企业将用电向谷时转移并在峰时多发电的电价信号。研究表明,电网在制定基于价格的需求响应机制时如果充分考虑企业的自发电成本、负荷转移成本等信息,电网可以通过价格手段引导高耗能企业的发用电决策,从而实现电网和企业的双赢。     

基于数据状态驱动的电力用户智能负荷预测方法研究

提出了基于状态分析的变输入结构SVM预测模型。通过辨识负荷数据中辨识关键的负荷特征,通过存储负荷特征而非原始负荷数据,实现对用户负荷数据的精准高效处理。基于状态分析的变输入结构SVM模型,根据预测日各时段状态预测结果搜索历史相近时段的同状态负荷,并将其作为模型输入因素进行预测,有效克服了用户用电漂移效应给负荷预测造成的干扰,提高了预测精度。     

基于温度预报的户用电采暖负荷可调节能力评估

在用能的低碳化需求背景下,户用电采暖有逐渐规模化应用的趋势,将成为电力系统运行中重要的可调节负荷资源。提出了一种基于温度预报的户用电采暖负荷可调节能力评估方法,为实现电采暖用户参与电网负荷调节提供了重要参考依据。该方法基于户用电采暖暂态热平衡关系模型,引入某一时段数值天气预报的温度参数,进行仿真计算,评估出该时段在满足人体舒适的温度区间下的户用电采暖的负荷可调节能力,并通过具体实例验证了所述评估方法的可行性与有效性。     

基于电力大数据挖掘的重点企业污染防治专项行动方案设计

良好生态环境是实现人类永续发展的内在要求,是增进民生福祉的优先领域。国家电网有限公司作为电力能源责任央企,深刻认识到环境保护面临的形势,致力满足“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”,对生态环境保护提出的新要求。挖掘企业排污与用电数据的潜在关系,建立分析模型,可对重点企业开展污染防治监控分析,对重点污染地区工业空气质量指标AQI进行排放空间时空测算。研究成果可为环境保护部门准确掌握污染企业的生产规律提供了有效技术手段,助力环保部门加大精准执法和科学制定应急管控措施。     

基于聚类法的工业用户需求侧管理(DSM)方案分析与研究

为了解决只是按照电价对用户负荷特性进行分析带来的问题,达到需求侧管理的有序用电,提出了基于聚类法的负荷特性分析方法。以工业企业DSM方案为背景,利用模糊C均值聚类法,对重要企业用户的用电负荷进行聚类。利用基于可能性分布的聚类有效性函数指标作为分类依据,对某公司的负荷特性进行精细挖掘,对聚类结果进行了详细分析。分析结果显示,负荷峰值时段,其在需求响应事件中,可提供气候敏感负荷中断容量和生产负荷中断容量两种类型,并得出了其对应适合的需求响应类型。     

基于梯度提升决策树的电力物联网用电负荷预测

在电力物联网系统中,为用户提供准确、快速的用电负荷预测一直起着至关重要的作用。由于台区内用户活动的可变性,导致用电负荷通常波动较大,传统方法往往难以准确预测。为了满足智能化、多功能的电力物联网监测,提出了一种基于梯度提升决策树的用电负荷预测方案。首先对台区内历史用电数据进行预处理,并构建时间窗口特征。然后使用基于梯度提升决策树的XGBoost和LightGBM交叉构建预测算法,并采用该算法预测下一时间段短期用电负荷结果,实现台区用电分析。最后与现有方案相比较,本文提出的方案可提供准确的负荷预测结果,在即将发生超负荷用电或者当前台区即将发生大规模停电时,能够及时发出预警。     

基于用电信息采集系统多数据融合的窃电行为定位方法

针对当前用电信息采集系统暂时无法实现分钟级数据覆盖的情况,提出了一种基于用电信息采集系统多数据融合的窃电行为研判方法,该方法通过对用户多类数据的综合分析,发现功率、电量等用电信息间的逻辑异常情况,并结合设备报送的相关异常事件,实现用电信息采集系统主站监控盲区时段的用电客户异常用电行为定位。     

基于用电需求的负荷预测系统的初步设计

在对目前负荷预测系统的研究与应用状况调查分析的基础上,考虑到当前用电企业用电形势的变化,提出了负荷预测工作应基于用电需求的新思路,并初步设计基于用电需求的负荷预测系统,着重探讨了实现该系统的主要技术问题。     

考虑分时段状态行为的非侵入式负荷分解方法

负荷监测是智能用电的一个重要环节,针对现有低频非侵入式负荷分解方法需要较多先验信息,且对功率相近或小功率负荷的辨识精度较低的问题,提出了一种考虑分时段状态行为的非侵入式负荷分解方法。首先,对负荷设备的功率数据进行聚类分析,构建负荷状态模板。提出一种不需要指定时间段个数的负荷典型行为时间段智能寻优方法,分时段提取负荷状态行为规律,构建负荷行为模板。然后,在传统功率特征的基础上,综合考虑概率和时间2个维度,将分时段状态概率因子(TSPF)作为负荷新特征引入目标函数,通过多特征遗传优化迭代实现负荷分解。最后,在公开数据集上验证了所提方法的有效性和准确性。     

基于电力潮流追踪与绿色电力交易的企业用电侧碳排放因子核算

用电侧碳排放因子的准确合理计算对精准评估各地区、各行业、各企业的用电碳排放量具有重要意义。构建了一种结合电力潮流追踪与绿色电力交易的企业用电碳排放因子计算模型与方法,基于发、用电企业的电力生产和消费数据、电力潮流分布数据以及绿色电力交易数据,挖掘用电侧碳排放量与企业所在位置、用电时段和绿色电力交易情况等因素之间的关系,实现用电侧碳排放因子的实时更新。最后通过IEEE 30节点和实际省级电网的算例分析证明了所提方法的有效性。     

实时电价环境下太阳能建筑夏季用电优化

夏季大规模空调负荷的接入加剧了电网负荷峰谷差,对电网经济性运行造成了严重影响。因此,寻求削减空调负荷的有效措施具有重要意义。本文研究了实时电价环境下计及太阳辐射不确定性的太阳能建筑用电优化问题,为了充分利用太阳能资源,该太阳能建筑配置了光伏/光热一体化系统,该系统光热部分收集的热能用于降低建筑空调系统对电量的需求,光电部分产生的电能被存储于蓄电池中,负责向晚间负荷供电。同时针对不确定性问题,本文引入了误差概率模型,采用蒙特卡洛模拟方法计算太阳能建筑的日用电成本,并且考虑不同可控负荷的用电特性,优化建筑内部电气设备的用电时段,以实现降低实时电价环境下用户的用电成本的目标。算例分析中,对比分析了配置有光伏/光热一体化设备的太阳能辅助系统和传统系统的用电经济性。