智能电网用户用电行为分析及有序用电决策方法研究
发布时间：2022-01-27 01:39
近年以来,我国经济的持续发展导致电力需求的增长日益显著,高峰时期的电力供需不平衡问题表现尤为突出。应对我国电力供应不足的紧张局势,实施有序用电仍然是近期我国重要的负荷管理手段。为更好地实施有序用电管理措施,基于用户用电行为分析,综合考虑用户用电行为特征来制定用序用电策略,对提升电力用户的用电满意度、优化电力资源配置具有重要意义。我国用电信息采集系统的大力建设,使得电力公司可获取的用户用电负荷数据日益庞大。海量的用电数据给用户用电行为分析带来了新的机遇和挑战。针对这一难题,本文提出一种将用户典型用电负荷进行编码的方法。首先基于聚类中心动态分离的自适应k均值算法,以及聚类中心的优化,提取用户的典型用电负荷形状;然后对典型负荷进行编码,并记录负荷属性值,建立具有普适性的用户负荷字典;最后基于已建字典进行用户用电行为MATLAB实例仿真分析,提取用户平均最大负荷以及用户行为稳定性两个特征值,分析不同类型用户参与有序用电的潜力大小。同时,当前有序用电策略制定中,针对用户在工作日与周休日的用电行为差别,往往仅作数量上的简单假设,如此可能导致周休日采取错误的有序用电策略,大大降低需求侧管理水平。本文...
【文章来源】：华北电力大学(北京)北京市211工程院校教育部直属院校
【文章页数】：52 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 智能电网研究现状
1.2.2 电力用户用电行为分析研究现状
1.2.3 有序用电研究现状
1.3 本文的主要研究工作
第2章 用户用电行为分析理论与方法研究
2.1 引言
2.2 用户用电行为影响因素分析
2.2.1 经济因素
2.2.2 时间因素
2.2.3 气候因素
2.2.4 其他因素
2.3 用电行为经典聚类分析方法
2.3.1 k-means算法
2.3.2 模糊C均值算法
2.4 本章小结
第3章 基于动态自适应K均值聚类的海量用电负荷数据分析方法研究
3.1 引言
3.2 基于动态自适应K均值聚类算法
3.2.1 负荷形状特征提取
3.2.2 动态自适应k均值算法描述
3.2.3 聚类中心优化
3.2.4 基于优化聚类中心的负荷编码
3.3 仿真与实例分析
3.3.1 用户负荷对应编码值
3.3.2 特征提取
3.3.3 用户互动化潜力分析
3.4 本章小结
第4章 基于周负荷相关性的用户典型用电行为聚类分析
4.1 引言
4.2 周负荷数据分析与特征提取
4.2.1 数据源及预处理
4.2.2 周负荷相关性特征提取
4.3 基于周负荷相关性的聚类分析方法
4.3.1 基于方差与K均值的聚类分析实现
4.3.2 基于聚类有效性指标的最优聚类数计算方法
4.4 实验仿真与分析
4.4.2 最优聚类数计算
4.4.3 基于周负荷相关性的用电行为聚类分析
4.5 本章小结
第5章 基于用电行为分析的有序用电策略
5.1 引言
5.2 用户参与有序用电潜力分析
5.3 有序用电用户典型用电行为提取
5.4 基于周休日用电行为分析的有序用电策略制定
5.5 本章小结
第6章 结论与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
攻读硕士学位期间参与的科研项目
致谢
【参考文献】：
期刊论文
[1]国外智能电网技术发展实践综述[J]. 朱然,孙冀. 电子质量. 2016(09)
[2]大数据背景下电力需求侧管理的应用策略研究[J]. 刘俊,罗凡,刘人境,徐辉,严杰. 电力需求侧管理. 2016(02)
[3]基于特性指标降维的日负荷曲线聚类分析[J]. 刘思,李林芝,吴浩,孙维真,傅旭华,叶承晋,黄民翔. 电网技术. 2016(03)
[4]结合降维技术的电力负荷曲线集成聚类算法[J]. 张斌,庄池杰,胡军,陈水明,张明明,王科,曾嵘. 中国电机工程学报. 2015(15)
[5]计及网络约束的有序用电综合决策方法[J]. 彭勃,邱一苇,陈俊全,吴浩,宋永华. 电网技术. 2015(03)
[6]考虑气温因素的负荷特性统计指标关联特征数据挖掘[J]. 马瑞,周谢,彭舟,刘道新,徐慧明,王军,王熙亮. 中国电机工程学报. 2015(01)
[7]多时间尺度协调的有序用电集中决策方法[J]. 张明明,陈俊全,王科,彭勃,吴浩. 电力系统自动化. 2014(22)
[8]南宁地区负荷特性及温度相关性分析[J]. 於冬雪,李扬,周毅波. 电力需求侧管理. 2013(05)
[9]一种面向需求侧管理的用户负荷形态组合分析方法[J]. 黄宇腾,侯芳,周勤,付博,郭创新. 电力系统保护与控制. 2013(13)
[10]基于云计算的居民用电行为分析模型研究[J]. 张素香,刘建明,赵丙镇,曹津平. 电网技术. 2013(06)
硕士论文
[1]电力负荷特性指标及其内在关联性分析[D]. 周谢.长沙理工大学 2013
[2]负荷形态分析与负荷管理优化研究[D]. 黄宇腾.浙江大学 2013
[3]数据挖掘中数据预处理的方法研究[D]. 方洪鹰.西南大学 2009
本文编号：3611507
【文章来源】：华北电力大学(北京)北京市211工程院校教育部直属院校
【文章页数】：52 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 智能电网研究现状
1.2.2 电力用户用电行为分析研究现状
1.2.3 有序用电研究现状
1.3 本文的主要研究工作
第2章 用户用电行为分析理论与方法研究
2.1 引言
2.2 用户用电行为影响因素分析
2.2.1 经济因素
2.2.2 时间因素
2.2.3 气候因素
2.2.4 其他因素
2.3 用电行为经典聚类分析方法
2.3.1 k-means算法
2.3.2 模糊C均值算法
2.4 本章小结
第3章 基于动态自适应K均值聚类的海量用电负荷数据分析方法研究
3.1 引言
3.2 基于动态自适应K均值聚类算法
3.2.1 负荷形状特征提取
3.2.2 动态自适应k均值算法描述
3.2.3 聚类中心优化
3.2.4 基于优化聚类中心的负荷编码
3.3 仿真与实例分析
3.3.1 用户负荷对应编码值
3.3.2 特征提取
3.3.3 用户互动化潜力分析
3.4 本章小结
第4章 基于周负荷相关性的用户典型用电行为聚类分析
4.1 引言
4.2 周负荷数据分析与特征提取
4.2.1 数据源及预处理
4.2.2 周负荷相关性特征提取
4.3 基于周负荷相关性的聚类分析方法
4.3.1 基于方差与K均值的聚类分析实现
4.3.2 基于聚类有效性指标的最优聚类数计算方法
4.4 实验仿真与分析
4.4.2 最优聚类数计算
4.4.3 基于周负荷相关性的用电行为聚类分析
4.5 本章小结
第5章 基于用电行为分析的有序用电策略
5.1 引言
5.2 用户参与有序用电潜力分析
5.3 有序用电用户典型用电行为提取
5.4 基于周休日用电行为分析的有序用电策略制定
5.5 本章小结
第6章 结论与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
攻读硕士学位期间参与的科研项目
致谢
【参考文献】：
期刊论文
[1]国外智能电网技术发展实践综述[J]. 朱然,孙冀. 电子质量. 2016(09)
[2]大数据背景下电力需求侧管理的应用策略研究[J]. 刘俊,罗凡,刘人境,徐辉,严杰. 电力需求侧管理. 2016(02)
[3]基于特性指标降维的日负荷曲线聚类分析[J]. 刘思,李林芝,吴浩,孙维真,傅旭华,叶承晋,黄民翔. 电网技术. 2016(03)
[4]结合降维技术的电力负荷曲线集成聚类算法[J]. 张斌,庄池杰,胡军,陈水明,张明明,王科,曾嵘. 中国电机工程学报. 2015(15)
[5]计及网络约束的有序用电综合决策方法[J]. 彭勃,邱一苇,陈俊全,吴浩,宋永华. 电网技术. 2015(03)
[6]考虑气温因素的负荷特性统计指标关联特征数据挖掘[J]. 马瑞,周谢,彭舟,刘道新,徐慧明,王军,王熙亮. 中国电机工程学报. 2015(01)
[7]多时间尺度协调的有序用电集中决策方法[J]. 张明明,陈俊全,王科,彭勃,吴浩. 电力系统自动化. 2014(22)
[8]南宁地区负荷特性及温度相关性分析[J]. 於冬雪,李扬,周毅波. 电力需求侧管理. 2013(05)
[9]一种面向需求侧管理的用户负荷形态组合分析方法[J]. 黄宇腾,侯芳,周勤,付博,郭创新. 电力系统保护与控制. 2013(13)
[10]基于云计算的居民用电行为分析模型研究[J]. 张素香,刘建明,赵丙镇,曹津平. 电网技术. 2013(06)
硕士论文
[1]电力负荷特性指标及其内在关联性分析[D]. 周谢.长沙理工大学 2013
[2]负荷形态分析与负荷管理优化研究[D]. 黄宇腾.浙江大学 2013
[3]数据挖掘中数据预处理的方法研究[D]. 方洪鹰.西南大学 2009
本文编号：3611507
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3611507.html
