基于大数据高维分析理论的用户用电模式分析

电力用户在整个电力系统中的地位和作用越来越重要,为帮助指导电力企业的经营,实现电力用户用电的高效管理、指导精细化需求侧管控工作,对用户用电模式进行分析。针对智能电表获取的用户用电信息,采用高维随机矩阵理论建立用户用电模式随机非参数模型,利用特征值密度函数和核密度函数具体分析用户用电量数据与不同用电模式及用户节能潜力的关联关系;并以某市实际电力用户用电数据为例,分析了用电行为习惯、节能用电态度等。结果表明,各模式用户当用电弹性指数较大及用电刚性需求指数较小时用户节电潜力较大,研究结果为用户用电模式的分析提供了新方法。

通过电力大数据发现低压用户用电模式的研究

随着现代化科技发展的如此迅猛及其涉及的领域愈发广泛,传统的电力系统也逐渐的被信息技术数字化所渗透。本篇文章所写的主要内容就是对智能电表和其它大数据表中终端数据的分析,从而有效的提出了低压用户日用电量数据的一些聚类模型并以此找出用户用电的模式,且通过对一些低压用户用电案例的分析也能够表明聚类模型对识别低压住宅用户日常用电模式能够有着有效的识别。

基于隐马尔可夫模型的用户用电状态识别

针对生活用电个体用电量小、波动性强、难以预测识别的问题,提出一种利用隐马尔可夫模型对不同场景的用电状态识别方法。从单用户单电器、单用户多电器和多用户多电器逐渐深入分析,研究学习和解码的主要算法,并求解关联概率矩阵。最后,应用该方法对私人电器和公用电器两个场景进行用电活动自识别,准确率达90%以上。