用电负荷形态聚类关键技术研究

发布时间：2020-10-09 12:06

　　制造业企业是电力消耗大户,通过电能计量自动化系统实时采集各类用电行为数据,分析和挖掘制造业企业在不同行业和不同时间的电力负荷模式,对制造业企业进行客户分群,可以用以指导电网公司开展负荷预测、电网调度、电力营销和阶梯电价等应用。本文主要研究制造业用电负荷形态的分析方法,挖掘不同企业的负荷形态模式,掌握典型用户的电力负荷特性。当前用电负荷形态模式挖掘主要采用聚类的分析方法,但是各类聚类算法在电力负荷形态分析的任务中仍然面临以下的挑战:如何在海量电力用电形态数据的聚类结果中选取最优类簇个数;如何突破单一聚类算法的性能瓶颈;如何解决高维用电负荷形态数据特征的划分问题。本文从以下三个方面解决电力负荷形态分析任务的挑战。第一,研究基于模糊KMeans的自动聚类算法,识别最优的聚类簇结果,挖掘不同行业的典型用电负荷形态模式。第二,研究基于特征分层抽样的集成聚类算法,突破单一聚类算法的性能瓶颈。该算法对电负荷形态数据的特征进行分层并采样,产生差异性的数据子集聚类成员,采用超图划分的MCLA共识函数算法,集成多个聚类成员结果得到最优的聚类结果。第三,针对分层抽样的集成聚类算法在高维数据面临的特征划分挑战,采用了一阶差分统计的特征分层改进方法,有效地识别制造业用电形态特征区间,提高分层抽样集成聚类算法性能。通过南方电网公司在东莞市采集的两万多家制造业企业的历史用电数据上的大量实验表明:模糊K-Means自动聚类算法可以发现不同行业的典型电力负荷形态模式,例如两班、三班和夜班模式等。特征分层抽样集成聚类算法在较低抽样率的条件下,性能仍然优于单一聚类算法,并能有效处理原始数据中的噪声问题。本文研究结果表明,模糊K-Means自动聚类算法和特征分层抽样集成聚类算法能够有效挖掘典型用户的用电模式,在电力需求侧管理和动态尖峰电价计算中具有重要的实用价值。
【学位单位】：深圳大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP311.13;F426.61
【部分图文】：

主要行业,东莞,用电负荷

塑料制品行业的电力用户主要分布在长安和塘厦镇，纺织行业的电力用户主要分布在虎门和厚街。当前东莞市的用电计量终端每隔 15 分钟采集一次用电负荷数据，通过各地供电局分布式采集之后，再集中传送至省计量主站数据库。一天的数据有 96 维，一个月的数据有将近 3,000 维。大量智能电表投入使用的同时也带来了用电侧海量数据的挑战。用电负荷形态数据具有维度高、实时性、周期性等特点，与其他数据挖掘不同，用电负荷数据挖掘更关注海量用电负荷数据的处理技术，提取用电负荷形态来分析其用电负荷数据中的周期规律，用电周期规律挖掘的目的是挖掘不同用户有效的用电模式。因此，用电负荷数据中蕴含巨大的潜在价值，分析用电负荷数据具有以下重要意义：（1）提高发电设备效率，减少能源损失和资金投入，增强电网系统的稳定性。（2）合理调度电能，节约用户用电成本，通过削峰填谷等策略，将高峰时段用电改在低谷时段用电，减少居民企业等用电客户的用电支出。（3）通过分析和挖掘制造业企业在不同行业，不同时间阶段的生产用电行为，供电企业可以创新服务模式，为用户提供定制化服务，比如根据用电行为对企业进行客户分

曲线,降维,方法,重要性排序

一种保留重要点的降维方法，给定数据集合X = {x ,x , ,x }，会权重做重要性排序。先取头尾两个点x 和x 放入数据集 PIPs 中作，下一个点则取距第一个和第二点距离最远的点。此时三个点将数四个点则从每段范围内找出对应段距离最远的点，以此类推直到找到依照其重要性排序的数据集合。LandMarks[27]也是一种寻找重要法认为转折点在曲线中有重要的意义，并将转折点作为重要的点，的多阶导数是否为 0 来判断该点是否为转折点。图 2-2 PAA 降维方法

用电负荷,用电,模式,形态

数选取的问题。首先提取典型的用电负荷形态，然后用电负荷数据做预处理，通过聚类的方法找出最优的类簇数目，最后聚类结果结合天类型和行业类型两个因素分同的用电模式场景。.1 典型用电负荷形态用电负荷时间序列记录企业用电量随时间变化的规律。用户的智能电表终端每隔钟自动采集一次数据。例如，在某个时刻 t，采集电压、电流、有功功率、无功功率在功率、功率因子、当前三项不平衡率等七种类型的数据。如图 3-1 所示为某个制造企业 2012 年 5 月电负荷形态的时间序列的按天分解图个窗口展示的是一天内（24 小时）的电荷负载形态曲线，可以看出在周一至周五的日中，每天的电荷负载曲线相似，呈现三班的加班模式（曲线有三个峰值）。而在周周日休息日中，用电模式明显改变，其中周六为固定两班用电模式（曲线有两个峰值末为低功耗用电模式。五一劳动节的法定假期，企业也是持续低用电模式。这说明业周日和法定假期是不生产的。

【参考文献】