数据多维存储在电力负荷管理系统中的应用

研究对电力负荷数据的整合、分析、预测、挖掘方法是电力营销技术支持系统面临的一项重要任务。根据江苏省电力负荷管理系统的实际运行状况,基于多维层次立方体的数据存储策略,对数据存储模式进行了探讨,构建了数据存储与管理系统模型,模拟结果表明,可有效提高数据管理的效率。

基于多维特征分析与动态定权聚类的电力居民用户分类

由于居民用户用电需求的高度随机性和不规则性,亟需详细的数据分析来定义用户的行为特征,以提供更加合理的用电建议和需求响应潜力。为了进一步挖掘非介入式辨识数据的价值,提出一种基于多维用电行为数据的电力居民用户分类方法。首先通过非介入式智能电表获取居民细粒度用电数据,分析用户的用电行为,寻找到关键用电特征量;接着使用CRITIC权重法自适应配置各指标权重,通过6类聚类评价指标,对4种聚类算法和3个数据距离计算进行对比,实现最优聚类方法和聚类数目的选择。通过某小区实际数据验证了本文所提用电特征量以及定权聚类方法的有效性,将居民用户群体分成用电行为差异明显的两类。

基于多维负荷特性挖掘的电力特殊用户用电行为分析

深度探索社会治理角度下电力大数据的应用场景,可为政府数字化开展社会民生工作提供辅助决策。独居老人作为特殊电力用户群体,当前缺乏有效技术识别手段,提出一种基于多维负荷特性挖掘的电力特殊用户用电行为分析方法。首先,基于负荷曲线构建用电行为特征指标,利用互信息值对其增添权重以降低指标设置的主观性,同时结合卷积块注意神经网络模型对独居与非独居老人的负荷数据进行特征提取,获取能表征两类居民用电行为的多维负荷特征向量。其次,利用β-级联森林模型对向量进行自适应表征学习,解决了在分类过程中存在样本不平衡问题,提升模型识别性能。最后,以浙江省某小区居民用户为例验证,并对独居老人进行用电行为监测,结果证明了所提方法样本规模较小且在样本不平衡的数据上具有良好的识别性能。

多站融合规划布点方案研究

多站融合系统作为能源互联网中的重要元素和新型基础设施,将在未来能源与信息深度融合的场景中发挥重要作用。针对多站融合系统的规划布点情况与方法展开深入研究,给出了一个基于多维度负荷距成本最小的多站融合系统选址与定容优选方案,并基于湖南电网的具体情况进行分析,给出了多站融合系统在湖南的建设建议。