基于充电行为电量规划的自适应能量管理策略

为提高插电式混合动力汽车(PHEV)的燃油经济性,以并联式PHEV为研究对象,考虑驾驶员充电行为,提出基于充电行为电量规划和等效燃油消耗最小策略(ECMS)的自适应能量管理策略。构建了包含不同类型工况的组合工况。根据驾驶员的充电行为特征(充电频率、充电上限、放电下限)进行充电行为分析,并进行4类工况电量消耗与燃油消耗ECMS策略下的离线仿真数据获取。根据驾驶员充电行为以及离线数据进行SOC轨迹的规划。结果表明:在电池SOC初始值分别为0.9、0.6时,提出的能量管理策略相较于基于电量消耗维持的等效燃油消耗策略,整车燃油经济性分别提升7.87%和13.1%。

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%。

面向电力系统反窃电的用电检查技术研究

为解决电力系统反窃电的问题,文章分析了面向电力系统反窃电的用电检查技术,探讨了面向电力系统反窃电的用电检查技术的未来发展方向,以期为相关人员提供参考。

基于门控循环单元的非均衡数据驱动异常用电检测方法

异常用电检测能够及时发现异常用电行为,在减少能源浪费和经济损失的同时能够维持安全、稳定的电网运行环境;智能电表的普及使得用电数据获取十分容易,为数据驱动的异常用电检测方法提供了充足的数据支持;然而,在实际应用过程中,异常数据较少导致的数据非均衡问题严重影响了模型的训练效果;因此,针对上述问题提出了一种针对非均衡数据的门控循环单元异常用电检测方法;该方法利用边界合成少数类过采样技术实现了对少数类数据的有效扩充;为了更好地捕捉用电数据的时序特征,采用了门控循环单元实现对用电数据的分类;为了验证该方法的有效性,基于非均衡数据集进行了对比实验;实验结果表明,该方法能够达到更好的数据扩充效果以及更准确的异常用电检测效果。

电价审计中用户用电行为特征的智能提取方法研究

传统用电行为特征提取方法难以挖掘连续的用户用电行为数据,导致特征提取精度较低且特征异常值较多。针对这个问题,文章研究电价审计中用户用电行为特征的智能提取方法。挖掘周期性电价审计过程中存在的隐藏数据,标定数据参数,归一化处理用户用电行为数据。采用线性差值填充算法处理周期范围内的电力数据,控制用户用电数据的连续性。特征化处理行为数据后,进行卡方检验并构建指标提取过程,最终完成智能提取方法的构建。在模拟用户用电行为数据采集环境后,对应不同的采集周期整理为用电数据集,准备2种传统提取方法与所设计的方法进行对照实验,实验结果表明,所设计的智能提取方法具有较高的特征提取精度,且产生的特征异常值最少。

基于贝叶斯网络的非侵入式家庭负荷动态监测模型

智能量测技术是智能电网的重要组成部分,为了实现非侵入式负荷低频监测并进一步提升负荷辨识准确率,文中结合居民用电行为与外界环境相关的特点,提出一种基于贝叶斯网络的非侵入式家庭负荷动态监测模型,该模型选取电气特征和外部数据为特征量,综合考虑居民负荷的时间特性和对外部数据的关联特性,对居民用电行为采用贝叶斯网络模型进行建模分析,并随时间推移对特征库进行动态更新,从而实现对家庭负荷的监测作用。文中采用AMPds2公开数据集数据进行算法验证,证明文章算法的准确性和有效性,同时对外部数据和用电行为进行互信息分析,结果表明时段特征对用电行为相关性最强。

智能小区居民用电负荷特征权重分析

以往对智能小区居民用电行为聚类分析时,存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率,降低聚类分析运行时间,提出一种基于Relief F算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理,并通过k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区,结果准确率达94.61%,证明了基于Relief F算法建立的特征数据模型在居民用电行为类分析中是有效的。

考虑家电关联与舒适性相结合的用电行为多目标优化模型

随着智能家电的广泛应用,实现用电行为优化已成为家庭智能用电的重要研究内容。从经济性和舒适性两个方面入手,提出一种智能用电环境下用电行为多目标优化模型。首先,分析了家庭用户的负载特性,并定义了可中断和可转移电器的运行约束。然后,考虑家电负载和用电习惯等各方面的约束条件,设计了家电关联最小化电费支出模型和用户用电舒适度模型,实现了多目标优化。最后,提出基于持续搜索多目标粒子群算法进行优化模型的求解。算例分析表明,多目标优化模型能有效降低用电费用并提高用电舒适性。

考虑用户用电特性的基线负荷计算方法

准确的基线负荷计算是实施激励的需求响应项目的关键依据,是为参与需求响应项目用户提供补偿的重要前提。文章在分析用户用电行为特性的基础上,建立了基于统计学原理的用户分类体系,将用户划分为稳定型、趋势型和波动型3种,并分别提出各自适用的基线负荷计算方法。测试结果表明,对3种不同类别的用户而言,基于用户用电特性的基线负荷计算方法能获得更高的预测精度。

基于模糊C均值聚类算法的区域用电特征分析

某区域内电力用户的用电行为往往会影响该区域电力公司的负荷调度以及分时电价等重要问题的决策.为使得这些决策更符合该区域的实际情况,必须对该区域的用电特征进行分析.针对这一问题,提出了一种基于聚类算法的区域用电特征分析方法.采用模糊C均值算法并结合K-means算法,按照某区域的电力用户分布情况,将数据样本聚类为居民区电力用户、商业区电力用户和工业区电力用户3个类簇,并结合该地区实际用电情况,对得到的类簇负荷曲线进行了分析,得出了该区域不同类型电力用户的用电特征.

基于泛在电力物联网的用电行为特征解析与应用研究

针对现有技术存在电力负荷分析预测、电网规划和业扩报装困难等问题,提出基于泛在电力物联网的用电行为特征分析方法。采用思维进化算法对BP神经网络的初始权值和阈值进行优化,然后输入跟用户用电行为有关的电费单价、家庭经济情况和天气等因素数据,经过训练收敛输出一个融合各种因素的用电行为数据,最后再采用灰色GM(1,1)模型,根据融合后的数据实现了用户的用电行为预测,从而快速输出预测数据。以淮安市2018年的食品、饮料和烟酒制造业的用电量为例,提高了数据融合的预测结果准确度。

面向需求侧主动响应的工商业用户电力套餐优化设计

电力需求响应是应对电网峰谷差持续拉大、间歇性可再生能源大规模并网、能源结构转变等问题的有效方法。为此,提出了一种新的需求侧主动响应策略——面向工商业用户的电力套餐,并对电力套餐的设计问题进行了优化研究。首先,采用基于特性指标降维的负荷聚类方法辨识工商业用户的负荷特征,为电力套餐的设计进行市场细分;其次,在综合考虑电费支出满意度和用电方式满意度对用户决策的影响的基础上,基于多项Logit模型构建用户对电力套餐的选择行为模型;接着,构建基于成本—效益分析的电力套餐综合评估模型,以衡量电力套餐的经济价值;然后,在此基础上,提出以最大化益本比为优化目标的电力套餐设计的优化模型。算例采用某地区工商业用户的实际数据,结果显示了所提电力套餐的经济价值及其调动需求侧主动参与负荷管理的效果。

考虑过程控制的钢铁工业负荷用能行为分析与功率特性建模

作为传统的高耗能用电大户,钢铁工业负荷的功率特性一直表现出强烈的波动性,对电网造成严重污染。电力系统以往的研究均未考虑钢铁工业的生产规律,无法解释功率波动的原因以及描述功率波动的特性,因而在含钢铁工业的小系统问题研究中,电力系统的适应性差。基于不同的冲击严重程度,将钢铁负荷分为持续型冲击负荷、间歇型冲击负荷和稳定负荷。首先,对于这三类负荷,结合其生产中的过程控制分析出了各类负荷的相关用能行为,建立不同类型负荷的功率特性时域模型。其次,将不同类型负荷模型进行时域叠加,得到钢铁工业总功率特性时域模型。最后,以国内某大型钢铁企业的实测数据进行算例分析,从时域、频域两个层次验证了建立的模型具有客观性和精确性,揭示了钢铁工业生产与功率波动之间的相互联系。

基于驾驶行为特性的纯电动客车降耗研究

本文利用中国典型城市公交循环工况(CCBC)和中国汽车行驶工况(CHTC-B)来模拟起始地与目的地之间驾驶特性和道路交通情况导致的工况车速差异,以8.5米的城市客车为研究对象,对于Cruise仿真分析结果和底盘测功机试验结果进行比较,并基于数据进行曲线拟合,得到拟合曲线,研究分析车辆行驶时对纯电动城市客车的能耗影响因素,研究表明平均车速和加速度差异是影响纯电动客车能耗的主要影响因素,最后基于CCBC工况和CHTC-B工况模拟下的驾驶行为差异,表明良好的驾驶行为对8.5米纯电动客车的能耗有15%左右的提升。

基于负荷特性分析平台的用户负荷特性及用电行为研究

量化分析用户负荷特性及用电行为时,海量负荷数据会造成庞大工作量,亟需研发出考虑负荷特性的用户用电行为分析平台,为售电主体分析用户用电行为及负荷预测提供借鉴。基于负荷特性指标和用电行为指标,该平台分别研究用户负荷特性和用户用电行为。运用实例结果表明,该平台快速展示了用户负荷特性分析结果及在电价发生变化时对电价的响应,具有简化操作、数据分析等优势。

居民用电行为识别与供电服务优化

智能电网信息化管理方式与传统电网负荷被动管理模式相比有质的变化,为辅助供电公司充分了解居民用电行为特征,此次研究从居民台区层面,结合电网实测数据和入户抽样调查数据,对居民用电行为进行聚类分析。根据居民用电行为聚类分析结果提出相关建议:首先,加强需求侧管理,完善信息共享功能优化居民用电行为;其次,合理利用居民用电行为特征完善分时电价政策,实现“削峰填谷”,提升电网运行的经济性和稳定性。

基于K-均值聚类算法的大客户用电行为分析

为掌握大客户的用电习惯和用电特征、满足不断变化的客户用电需求、逐步提升大客户领域供电服务水平,本文采用K-均值聚类算法、二八定律、归一化算法等统计分析方法,运用SPSS等数学分析工具,从行业特点、客户价值、用电需求、成长性等方面刻画用电客户群体特征,挖掘大客户用电数据中的隐藏数据和潜在价值,得出五类典型的大客户用电负荷特征曲线,建立对应的五类典型用户分类,得到了五类用电行为特征的结果,通过结果分析得出半数以上用户的用电特点、同类型的船舶制造业仍然具有不同的用电特点、电能紧张时优先对建筑业和采矿业实施有序用电可以取得较好效果,最终对企业的电力营销和调度进行决策支撑,为用电需求侧管理、优化客户服务管理规范提供辅助决策。

一种面向工业用户需求侧响应的互补电价机制

基于时间的需求侧响应通过制定动态电价,促使电力用户改变用电行为。分时电价是基于时间需求侧响应的重要组成部分。传统分时电价主要采用地域性单一的电价线形,导致在大用户比例较高的地区负荷集中转移产生"移峰现象",降低了削峰填谷的效果。为了改善此情况下的负荷特性,提出了一种互补电价机制,将用户配对成组并分别提供不同的电价曲线,实现用户错峰用电,降低电力系统运营成本。IEEE 33-bus系统算例说明了机制的有效性。

基于奇异谱分析的用户用电行为变化检测方法

用户的用电行为代表着用户的用电特征,是进行用电预测分析的基础条件。现实生活中由于外部因素导致的用电行为变化,会使得用电特征随之发生变化,在进行用电预测分析时就需要区分历史用电特征和当前用电特征。为此本文提出了基于奇异谱分析的用户用电行为检测方法,对检测点前后的用户用电数据进行奇异谱分析,通过计算奇异值向量与历史特征超平面夹角余弦值,得到检测点的变化系数并作为用户用电行为变化的判断依据。针对本年度发生增减容业务变更的用户算例进行用电行为变化的判断,验证了判断方法的灵敏性,结果表明所述方法可实现用电行为变化和变化时间的准确判断。

基于多源数据处理的用户用电行为侧写技术

随着智能采集装置普及,电力系统已成为一个典型的“物理-信息-社会”深度耦合网络,深入挖掘有效信息,构建用户用电行为的侧写画像,实现个性化服务是当下热点。综合考虑海量用户信息和用电数据,构建基于多源数据的用户用电行为侧写架构;打通不同系统之间数据接口,实现多源异构系统数据交互与统一功能;针对工业用户与居民用户用电特点,构建典型负荷模型;采用聚类算法对不同用户用电行为分析,得出用户画像。工程实用结果表明:用户行为侧写技术合理有效,能准确对工业用户进行分类,为政府决策提供支持;对居民用户采用多维度展示,为电力公司掌握用户用电习惯,提高服务水平提供强力支撑。