电力大数据在供电客户精准营销中的应用

在国家不断发展背景下;互联网与大数据技术迅猛发展;促使电力体制全面改革与创新;售电侧市场开放;因此供电企业经营与服务模式发生了翻天覆地的变化。电力营销服务业务经验驱动转变为客户多样化需求驱动。因此供电企业需要构建用户大数据分析模型;了解用户的用电体验与真实需求;促使供电企业持续稳定的发展。在此过程中需要针对用电信息集采系统以及营销系统用户的用电数据进行科学有效的分析;进而在海量的用电数据中总结出用户的用电特性;实现科学合理的划分。在这一基础上探索有效的用户营销策略;使用户合理的用电;优化效能效益与服务模式;为企业运营效率的提升提供全面保障。

基于张量的智能电网大数据降维研究

为了智能电网(SG)系统中各种智能设备产生的大数据实现降维,文中提出了一种Frobenius范数优化的高阶奇异值分解(F-HOSVD)方案。以张量的形式表示SG设备产生的海量数据,将Frobenius范数应用于高阶张量,使得简化后的张量重构误差最小,可避免SG网络基础设施上发生数据流拥塞或带宽利用率不足。该方案最大限度地减少了在不同节点之间传输的降维数据,仿真结果表明,与不含Frobenius范数的高阶奇异值分解(HOSVD)相比,在降维率、近似率和重构误差率等方面均有较好的效果。

基于改进智能用电优化算法的家庭智能用电管理系统

为了提升家庭智能用电管理系统的计算效能,使用时序分析算法,将远程抄表实时费控电能表采集的1s步长的电流、电压数据序列,整理成5列录波图,并利用线性重投影算法形成可供神经网络识别的时序序列,使用加权卷积多列神经网络进行挖掘,将用户每1s步长的用电量信息分解成空调、插座、照明等负荷用电量信息,最终形成家庭智能用电管理系统的数据分解展示功能。经过与针对上述负荷单独安装电能表的实测数据进行对比,发现该改进智能用电优化算法得到的用电量分解结果,与实测结果的误差率均为5.8~6.0%之间。