用户用电负荷变化的异常检测与识别

在智能电网时代,大部分用电异常行为都会伴随用电负荷的变化,研究用户用电行为对于电力系统的运行和管理都至关重要。为此,提出一种直接利用负荷数据进行计算,通过计算特征用电负荷曲线与日用电负荷曲线之间的相关度来判断用户是否存在异常用电行为的方法。在相关度计算过程中,将欧氏距离与皮尔逊相关系数相结合,以更准确地判断用户的用电负荷是否发生重大变化。此外,为提高判断的准确性和灵活性,采用自适应阈值策略对500组数据进行实验研究。相关度计算的结果表明,其中122组被判断为负荷变化过大,99组数据存在负荷异常事件,该方法的判断准确率达到了81.1%。

基于多视角数据与社区发现的典型用电负荷模式挖掘研究

电力系统为满足各类用户的用电需求,需掌握用户端用电负荷曲线的典型模式。当前电力负荷模式挖掘过程中往往使用单视角数据进行聚类分析,未考虑不同视角数据内部度量信息差异和复杂的计算。针对这一问题,从三个粒度获取多视角用电负荷数据并进行预处理,分别计算相似度矩阵,使用相似度网络融合算法构建融合相似度矩阵,选用Leiden社区发现算法对用户群体进行划分,然后动态识别各个子社区的典型用电负荷曲线并进行趋势分析。实验结果表明,算法能够稳定划分用户群体并识别各个子社区的典型用电负荷模式曲线,结合用户基本信息,得到各个子社区的峰值模式,从而为电力系统采取个性化措施以满足不同用户群体的需求提供指导。

南京地区春节负荷特性分析及其预测方法

研究分析了南京市春节用电负荷曲线的形状、走势和特点,综合考虑天气、历史负荷等对春节负荷变化的影响,提出了一种简便的负荷预测方法。该方法通过选取气候条件相似的双休日来预测春节日最大负荷,然后根据日负荷曲线百分比值计算出各点负荷值,工作量较小,预测精度较高。算例表明,这是一种行之有效的春节负荷预测方法。

能源监测系统在棉纺厂错峰用电方面应用研究

为了降低棉纺厂能耗费用,高效利用峰平谷电价,合理调度生产,利用DF8003型能源监测系统获取大数据,对棉纺厂的前纺工序峰平谷用电分布进行分析,提出了改进峰平谷用电的方法。通过平移用电负荷曲线发现推迟平移1 h,峰值用电占比下降19%,降低电费4%。据此将前纺车间早班上班时间由8:00推迟到9:00,取得了较好的节约电费效果。认为:分析利用DF8003型能源监测系统获取的大数据,可充分挖掘棉纺厂节能降费潜力,为提高企业经济效益服务。

基于分时电价的分布式光伏项目度电收益分析

从光伏发电系统输出特性和企业用电负荷特性入手,通过具体实例分析两者的匹配关系,并以此研究分时电价计费模式,提出了估算光伏发电度电收益的方法,为分布式光伏发电设计策划提供更加精确可靠的依据。

高维电力数据的聚类优化算法的研究

为了加强智能电网构建的推进,加强智能量测终端大量投入使用,提出了聚类方法用于电力公司实时分析负荷特性及负荷用电数据信息。在分析电力负荷曲线数据的基础上,分别考虑了电网企业和社会价值信息,提出了基于FCM和K-means聚类2种方法来提取出用户用电规律,并分析用户负荷构成与用电行为。经过仿真分析和实验验证,通过均方误差、均值适宜度、聚类离散度、聚类时间等多个评判聚类效果好坏的指标进行聚类算法性能评价。这对于用户了解用电规律用电分配需求、指导电价制定具有参考价值。

基于智能无线电流钳的防窃电自动检测方法

现阶段的窃电检测方法存在检测结果准确率低、检测时间较长的问题,不能满足高精度检测与实时性检测的需求。为了解决传统方法中存在的问题,提出基于智能无线电流钳的防窃电自动检测方法。首先,通过VMD算法和CFSFDP算法建立用户用电负荷曲线可控聚类模型;其次,通过用电负荷曲线可控聚类模型分析用户用电行为特征,初步筛选疑似窃电用户;最后,采用智能无线电流钳实现防窃电的自动检测。实验结果表明,所提方法的防窃电检测准确率高、检测时间较短,具有较好的实际应用性能。