Modeling the spatiotemporal dynamics of electric power consumption in China' Mainland using saturation-corrected DMSP/OLS nighttime stable light data

Obtaining timely and accurate data on the spatiotemporal dynamics of electric power consumption(EPC)is crucial for the effective utilization of electric power in China.The Defense Meteorological Satellite Program’s Operational Linescan System(DMSP/OLS)nighttime stable light(NSL)data have good potential for estimating EPC effectively at large scales.However,saturated lighted pixels contained within the NSL data limit the accuracy of EPC estimation.We developed a new method to correct the saturated lighted pixels,using the SPOT VEGETATION(SPOT/VGT)10-day synthesis product(S10)normalized differ-ence vegetation index(NDVI)data and then modeled the spatiotemporal dynamics of EPC in China' Mainland from 2000 to 2008.The results demon-strated the reliability of our approach with an average Rvalue of 0.93(P<0.001)and an average relative error of-28.92%.EPC in China' Mainland showed an average annual growth rate of 13.46% during the study period from 1198.23 billion kWh in 2000 to 3290.51 billion kWh in 2008.EPC in China' Mainland also showed clear regional variation.Northern coastal China and eastern coastal China consumed 37.61%of the total EPC in China' Mainland,with only 25.96% of the population and 6.11% of the area.

基于循环神经网络的异常用电数据检测方法

针对用电数据检测时受电量敏感度的影响,导致异常数据检测时电能消耗过量的问题,提出了基于循环神经网络的异常用电数据检测方法。在循环神经网络体系中,根据窃电系数指标求解结果,计算电量压差的实际数值,实现对异常用电数据特征的提取。构建异常数据样本集合,通过填充缺失数据的处理方式,推断检测评价指标所属区间范围,完成基于循环神经网络的异常用电数据检测方法的设计。对比实验结果:循环神经网络作用下,由异常用电数据造成的电能消耗量最高为3.2×10^(8)kW·h,不会引发明显的电能过量消耗问题,符合维护电网运行稳定性的实际应用需求。

基于数据驱动模型的反窃电行为精准取证系统

反窃电行为现场蹲守取证的时效性与准确性均较差,导致取证工作效率下降,且取得的证据不完整,设计基于数据驱动模型的反窃电行为精准取证系统。在现场布设反窃电稽查仪、红外摄像头,在采集层获取用户相关用电数据以及视频图像,并通过通信层的集中器将数据传输到主站层。主站层借助数据驱动模型从用电数据以及视频图像中挖掘证据,对获取的证据进行实时整理和归纳,完成反窃电行为精准取证。实验结果表明,利用所设计系统对窃电用户进行检测与识别后所得F1值均大于9,且接近于10,能够实现反窃电行为精准取证。

基于电力用户用电行为画像的个性化营销方法

针对现有电力营销方法在实际应用中存在严重不合理、无法满足用户用电负荷所需或造成电力资源严重浪费等问题,引入电力用户用电行为画像理论,开展对个性化营销方法的设计研究。利用电力用户用电行为画像,生成特征标签;结合t-SNE降维,提取日典型负荷;通过对峰、谷、平时段电价调整,达到削峰填谷的目的,实现个性化电力营销。结果表明,采用新的营销方法提供的电力负荷能在充分满足用户用电的同时,减少电力资源的浪费,提升电力企业的经济效益。

终端用电信息智能检测与精准计量数据异常识别

为保证终端用电计量数据采集的精准性,对终端用电信息采集过程中异常计量数据精准识别方法进行研究。分析计量装置采集过程中的异常情况,结合前馈神经网络和局部离群因子算法,构建异常计量数据精准识别模型;通过双层前馈神经网络模型,识别计量装置采集过程中的电能质量扰动类型结果后,将识别结果输入到局部离群因子算法中,通过计算局部离群因子,精准确定异常计量数据。测试结果显示,该方法能够获取各个扰动状态的数据点数量;有效计算所有数据的局部离群因子,确定数据中的异常计量数据,并呈现异常计量数据的精准识别结果。

新能源用户参与度高的电力市场用户电量异常数据修正模型

为了精准识别电量异常数据并进行实时修正,保障用户用电安全,提出一种新能源用户参与度高的电力市场用户电量异常数据修正模型。以某含高比例新能源的省市为例,分析其电力市场用户电量可能存在的异常数据现象,搭建概率预测模型,通过离线训练及在线识别,结合阈值和电量预估区间,识别用户电量异常数据,按照用户有不完整负荷数据以及无负荷数据情况,将识别到用户电量异常数据分成两类,获取两种类型中需要修正的用户电量异常数据,将其作为输入,搭建基于深度神经网络的用户电量异常数据修正模型,输出用户电量异常数据修正结果。实验结果显示,该模型能够识别出用户电量异常数据并能精准识别用电数据异常时刻,并能够对识别出用电异常数据进行实时修正。

双冷水式机房空调自然冷却应用的节能分析

为了探索我国各地双冷水式机房空调自然冷却应用的节能潜力,给出了一种双冷水式机房空调自然冷却应用系统架构并分析了其运行模式。建立了双冷水式机房空调与冷水式机房空调的对比分析模型,利用当量压缩机耗电量对双冷水式机房空调的自然冷却应用进行了节能计算分析。结果表明:双冷水式机房空调直接利用冷却塔自然冷却的应用方式具有广泛的适用性;节能效果在可充分利用自然冷却地区越发突出,在不考虑水资源紧张的前提下节能率由高至低依次为西北、东北、华北、云贵高原、华东、川渝、华中及华南地区,其中西北地区绝大部分城市的节能率超过80%;通过采取节能优化措施可进一步提升双冷水式机房空调在水资源丰富、自然冷源相对贫乏的华南地区的节能效果,节能率提升值可达14.1%~20.5%。

电力现货市场中用户电量异常数据辨识方法研究

针对现有辨识方法对用户用电量异常数据映射越限不明显及辨识率较低的问题,提出电力现货市场中用户电量异常数据辨识方法。通过采集用户用电异常数据,对缺失值进行补充和归一化处理,计算当前用户用电量数据和历史用电量间的差异,再建立模型观测用电量与系统状态之间的关系,获取不同时间段内的变化规律。运用非参数密度法统计电量数据,提取日电量特征及加权后的用户特征曲线和用户电量数据的可行矩阵,比较待辨识数据曲线的上限、下限是否在可行范围内,从而完成异常数据的辨识。结果表明,电量异常数据映射至可行域中存在明显超越可行域上限、下限的情况,实验组的异常数据辨识准确率为100%,实现了电力现货市场中对用户电量异常数据的精准辨识。

基于泛在电力物联网的配网用户用电信息安全采集方法

为解决常规配网用户用电信息采集方法性能不佳、用电信息完整性与准确性较差的问题,文中利用泛在电力物联网,提出了一种全新的用电信息安全采集方法。首先,利用电力物联网建立一个稳定、可靠的用电信息数据采集网络,为安全采集工作的开展奠定基础;然后确定数据源,选择用电信息数据采集设备,在用电信息采集网络中应用数据采集设备来实时、准确地获取配网用户的用电信息;最后,采用非对称加密算法对采集到的用电信息进行加密与解密处理,实现用电信息的安全传输与接收。实验结果表明,通过该方法,配网用户用电信息数据丢失率最高不超过0.5%,且相较于传统方法,该方法采集到的用电信息更加完整、准确。

基于电力载波通信技术的用电信息异常数据挖掘方法

为实现对异常信息的精确识别,文章提出基于电力载波通信技术的用电信息异常数据挖掘方法。该方法引进电力载波技术获取用电信息;收集电力系统的用电数据,进行用电类别提取与异常判定;提取异常用电数据中的关键特征,实现对异常用电信息的挖掘。实验结果表明,文章设计的方法可以实现对数组中所有异常数据的精确识别与挖掘。

基于ISODATA的实时动态电动汽车运行工况与耗电特性研究

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法。采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis, PCA)、迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm, ISODATA)以及运动学片段分析法对实测的数据进行降维和聚类,利用Silhouette函数验证聚类结果的合理性。根据聚类中心的大小,筛选提取的运动学片段,构建电动汽车实际行驶的代表性工况,通过测试数据进行了差异性检验。在建立代表性工况的基础上,提出电动汽车能耗特性和电量实时估算方法。

通信运营商通信设备实际功耗与电量分摊比例的研究

本文对现阶段通信运营商基站用电现状进行归纳总结,深入探究通信运营商基站用电电量分摊比例精准化的需求,展示了4G与5G设备功率比较以及引电的方式等。基于大量基站实际用电量与额定电量的统计分析,给出了可参照的基站设备实际功率比值。同时,基于现有通信运营商基站实际用电情况给出了电量分摊比例精细化管理、设备变化缴费周期计算、推行全面站址供电转改直以及新绿色能源与节能降耗应用等一系列通信运营商基站电量电费管控策略建议和具体解决方案。

基于改进多分类器的用户电表采集数据修复方法

用户电表位于配电网末端,是开展新型电力系统新兴业务的关键环节。受电表故障、信道噪声等因素影响,用户电表采集数据存在缺失、错误等异常情况,进而影响配电台区“源网荷储”控制的准确性。为解决传统用户电表采集数据修复方法中存在的时序变化规律挖掘不足、异常值修复误差大的问题,提出一种基于改进多分类器的用户电表采集数据修复方法,从而改进多分类器的结构,提取异常数据中的完整区块进行多分类器模型训练,并对用户电表采集数据进行分类。在此基础上,通过变分自编码器学习分类数据的真实变化规律,采用分类集合方式生成修复数据。最后,以某小区用户电表为例进行仿真,得出在异常数据为60%情况下的修复误差为2.8%。该结果表明,所提方法与长短期记忆网络、生成对抗网络相比,具有更好的异常数据修复效果。

数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。

基于水电关联信息的零电量低压用户窃电检测

低压居民窃电用户中的零电量用户,不能提供用户用电行为的有效信息,又容易与空置房用户混淆,是窃电检测中的一类特殊问题。利用居民用户用水、用电数据之间具有强关联性的特点,提出基于水、电关联信息的零电量用户窃电检测。首先,分析居民用户用电、用水数据间的关联关系;然后,构建用户日用电量与日用水量的最大互信息模型,计算不同时间尺度下的最大互信息系数来衡量其信息相关度;接着,对用户的最大互信息系数进行聚类,将显著偏离类簇的样本识别为水电量具有弱相关性的窃电嫌疑用户,当窃电嫌疑用户的用电量为零时即为零电量窃电用户;2个台区的测试算例表明:所提方法可有效检出零电量窃电用户,指导现场窃电检测工作。

面向源荷互动的建筑电网数据共享现状与展望

数字技术与能源融合构建是推动绿色低碳技术攻关的重要工具,而数据共享则是促进产业深度融合、推动全链条创新的关键抓手。在未来新型电力系统中,基于数据共享的源荷互动有望成为助推智能电网和建筑能源系统低碳转型发展的关键环节。如何有效协同建筑等用户侧与电力系统,实现供需两侧数据的有效互通,是迫切需要探索的核心问题。本文针对当前建筑等用户侧与电力系统供给侧之间的电力数据共享现状及发展趋势进行了研究。首先,调查了建筑供、需两侧对用电数据的监测与应用现状。接着,对当前建筑与电网的互动模式与机制进行了详细综述。最后,结合未来发展需求,提出了相关发展趋势及政策建议,旨在为建筑能源系统的低碳发展及建筑更好地融入整个低碳能源系统提供有益参考。

基于密度峰值聚类的超短期工业负荷预测

针对水泥工业提出一种使用密度峰值聚类和广义回归神经网络进行超短期负荷预测的方法,可以为大用户购电提供重要依据和参考。鉴于传统聚类很容易进入局部鞍点并且非常依赖于初始化数据,而密度峰值聚类是一种具有快速收敛,高鲁棒性,无需人为设置最佳聚类数等优势。所以采用密度峰值聚类算法分析负荷数据,然后对每一类簇构建广义回归神经网络预测模型得到预测结果。由仿真软件得出仿真结果表明,所提方法具有较高的预测精度,可以用于指导用户合理购电。

综合能源系统中用户窃电行为信息的采集方法

电力公司存在欺诈性电力客户,为保证电网的安全运行,需要准确预测和判断电网用户是否发生窃电行为,因此,本文研究了综合能源系统中用户窃电行为的信息采集方法。考虑综合能源系统中的历史用电数据,以关键特征指标为判断标准,标准化分类用户的用电数据。通过时序偏差曲线指定数据采集任务,构建用户用电信息不完全博弈模型,以数据挖掘技术采集用户窃电行为信息,完成用户窃电行为信息采集。

计及用户满意度的蓄热式电采暖与风电互动运行优化策略

随着“双碳”战略目标的提出,要求进一步推进以风、光为主体的清洁能源大规模接入电网。为提升电网风电消纳能力,减少弃风现象,提出计及用户满意度的蓄热式电采暖与风电互动优化运行模型。首先,分析蓄热式电采暖设备参与风电消纳的运行机理;然后,在综合考虑风电消纳、经济性以及用户满意度等方面的优化需求后,建立蓄热式电采暖与风电联合运行的多目标优化模型,并采用一种基于灰色关联分析与改进混沌粒子群算法的电网优化运行模型求解方法;最后,基于某电网数据仿真,提出满足系统优化运行需求的方案。算例结果表明:模型可有效地增加风电消纳能力,减少设备运行成本,满足用户对温度的舒适体验,为未来的蓄热式电采暖以及风电的投资提供决策支持。

基于数据挖掘的窃电用户预警与定位技术研究

为有效控制电网线损率、减轻用户窃电给配电安全性带来的不利影响、提高联合稽查工作的质量,该文针对基于数据挖掘的窃电用户预警与定位技术展开研究。根据窃电电量计算结果分析用户的实时用电行为,以此为条件设置数据挖掘权重。在此基础上,对已知的窃电样本实施过采样分类处理,分别从预警功率传输关系、定位电压传输关系两个角度,分析窃电用户预警与定位技术的应用效力。实例结果表明,应用该文技术后,各电网通路中的线损率水平均得到有效控制,证明其能够有效解决由用户窃电行为造成的配电安全问题,也为联合稽查工作的顺利开展奠定了基础。