基于日负荷指标及改进分布式K-means聚类的用户用电规律研究

负荷聚类不仅能为精细化负荷预测提供高质量数据,还能结合用电规律进行用户行为分析;为应对海量负荷数据挑战,提出一种基于日负荷指标的降维及分布式K-means聚类算法。通过建立日负荷指标,将原始高维负荷数据转化为低维负荷指标;基于负荷指标,利用熵权法改进的分布式K-means算法进行聚类,挖掘出隐藏的典型负荷类型;结合算例,根据得到的典型负荷类型进行用电规律分析,与实际用户类型匹配,实现四类典型用电规律的归纳。

基于大数据的电能计量系统客户用电规律研究

海量用电数据中隐含着客户的用电规律特征,对这些数据进行分析能够了解客户的差异化、个性化服务需求。基于国内外研究现象,对客户用电规律关键技术进行了系统研究,研究方法包括聚类算法、日期匹配算法、曲线相似性度量算法等。提出详细的电能计量系统构建方案,分析主网的用电规律和用电特征。结合用电模式分析了海量客户的用电规律,建立历史日削峰填谷匹配关系,并以某电力公司2017-2018年的客户用电数据为例,验证了用电分析模型的有效性,能够为未来的电力需求侧响应政策的制定提供数据支撑。

一种基于用电规律的污染企业违规生产监控方法

在雾霾严重时期,部分地方政府会要求污染企业采取关停措施,以减少污染物的排放。但某些污染企业为追求经济利益,在被要求关停期间仍然违规生产,由于其生产行为具有较高的隐蔽性,环保部门难以判定其是否在存在违规生产行为,同时也无法准确掌握违规生产企业的生产时段,这严重阻碍了环保督查工作的开展。本文针对上述问题,给出了一种污染企业违规生产监控方法。该方法基于污染企业的日用电量与日用电最大负荷,实现了对污染企业违规生产行为的研判。另外,该方法还基于污染企业的用电负荷数据,实现了对污染企业生产时段的分类。该方法为相关部门准确的掌握污染企业的生产规律提供了有效的技术手段。本文利用污染企业的用电负荷历史数据对该方法进行了验证,结果表明该方法有效可行。

有序用电用户负荷特性分析方法研究

我国长期面临区域性、季节性、时段性、结构性的缺电现象,而有序用电工作可促进电力供需平衡,保障居民生活和重要用户的用电。但目前编制有序用电方案时,参与有序用电的用户选择主观性强,缺乏科学依据,有失合理与公正。本文提出了有序用电用户可中断负荷分析方法,通过对用户的历史负荷进行聚类,得到用户的几类典型日负荷曲线,并对典型负荷曲线按采样点进行聚类,综合分析得到用户的用电规律和用电时段等负荷信息,进一步可计算出用户的避峰、错时、轮休、检修价值,在此基础上制定用户参与有序用电的准则和策略,并可向社会公开,使得编制方案和有序用电的执行有标准可依,更加有序。

采用双层聚类的区域用电形态分析

应用大数据技术对用户信息进行用电行为分析是电力公司开展精细化服务的基础。为此,提出一种基于双层聚类的区域用电形态分析方法。首层聚类利用SAX降维结合马尔科夫转移矩阵对电力用户的用电行为规律性进行区分,内层的自适应聚类再利用余弦相似度作为聚类指标分别对两类用户的典型日负荷曲线做进一步划分。最后,将对聚类的结果展开分析,通过与用户数据集中行业信息的比对以及与其他聚类方法聚类效果的比较,验证算法的有效性。

珠三角地区公共建筑用电监测数据分析研究

对建筑用能基础数据进行分析研究,是建筑节能的先期工作,也是建筑领域实现碳达峰、碳中和目标的必要手段。本文基于对公共建筑能耗监测系统与建筑逐时、分项用电监测数据的调研,获取了典型公共建筑的基本信息与用电数据,按照建筑类型与用电分项等参数进行聚类分析,得出了珠三角地区主要类型公共建筑的用电水平指标与规律特性,有助于挖掘建筑节能潜力,并推动公共建筑的能源管理与节能改造等工作。

基于离散Fréchet距离和LS-SVM的短期负荷预测

针对现有电力系统短期负荷预测精度低、数据处理量大、易受输入变量的影响等问题,提出了一种将离散Fréchet距离与LS-SVM相结合的短期负荷预测方法。分析总结了East-Slovakia Power Distribution Company提供的历年负荷数据,结合该地区的用电规律,通过引入离散Fréchet距离,建立离散曲线相似性的数学模型,选取出与基准曲线形状相似的相似日,利用相似日负荷数据对LS-SVM预测模型进行训练。经过仿真验证,并与标准LS-SVM模型得到的结果对比,所提预测方法明显提高了预测精度。

基于电力用户高负荷的配电网应急抢修

一些城市在电网迎峰度夏时,存在电力供应不足的难题,这样就会进行拉闸限电。文章通过用户用电规律来探索如何有效利用电力资源,基于普通用户、大型企事业单位用电等实例,在峰谷电的基础上,更合理地进行电力供应,在电力用户高负荷情况下,容易出现电力故障,应做好相应配电网应急抢修的准备。