基于数据挖掘的电力客户避峰价值分析

发布时间：2017-07-28 18:24

  本文关键词：基于数据挖掘的电力客户避峰价值分析

  更多相关文章： 数据挖掘 K-means聚类 避峰价值模型 避峰排序

【摘要】：随着经济的发展与人们生活水平的提高,社会各行业用电结构发生了很大的变化,电力客户的负荷特性也发生了很大变化,电力部门面临着严峻的供需紧张局面。尤其是夏季空调负荷及冬季取暖负荷的增长,对电力负荷的需求量远远高于电网的供应量。全国大部分地区都出现电力供需不平衡现象,这种严重的供需不平衡不仅给电网带来困扰,也无法为客户提供优质、稳定的电能。为了保障电网安全经济的运行,供电部门应及时掌握客户的电力消费行为,当电网的供应电量小于电力客户的需求电量时,采用一系列措施降低客户的用电量,从而达到更加完善的用电秩序。目前电网制定的有序用电方案主要包含避峰、错时、调休和检修,而避峰方案更加简便灵活、容易实现“快上快下”且能够及时应对突发情况,所以需要针对有序用电方案中的避峰工作展开研究。如何分析海量电力客户的避峰潜力,并向客户提供避峰决策支持尤为重要。由于电力客户的用电负荷是一个很庞大的数据,需要借助于数据挖掘的相关算法对客户的用电模式进行分析,这样可以对客户大量的用电负荷数据进行简化,便于分析客户具有代表性的用电行为。本文利用K-means算法对电力客户大量的历史负荷数据进行聚类分析,从而得到各电力客户的典型日负荷曲线,将典型日负荷曲线作为各电力客户最具代表的负荷特性曲线,为本文分析各电力客户的避峰价值提供数据基础。本文在传统的负荷特性指标基础上,根据实际需求定义了适用于避峰分析的负荷特性指标,然后融合各项负荷特性指标,建立了避峰价值模型,根据模型定量地计算出各电力客户的各项负荷特性指标及避峰价值大小。在上述工作的基础上,再对海量电力客户的避峰价值进行聚类分析,将电力客户聚为几类,并根据聚类结果产生指导性的避峰排序表。按照每个聚类中心值从大到小依次表示为避峰能力很强、强、较强、一般、差。避峰能力强的用户组优先进行避峰,同一个用户组内的各用户同时进行避峰。基于本文的算法设计,选取某地区电网及几家电力客户的实际负荷数据,对建立的避峰价值模型进行实例分析,验证了避峰排序的准确有效性,这对于指导电力部门寻找有价值的电力客户参与避峰有一定的意义。
【关键词】：数据挖掘 K-means聚类 避峰价值模型 避峰排序
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F426.61;TP311.13
【目录】：

• 摘要7-8
• Abstract8-10
• 第一章 绪论10-16
• 1.1 选题的背景和意义10-11
• 1.2 国内外研究现状11-12
• 1.3 本文主要研究工作12-14
• 1.4 本文的创新点14
• 1.5 本章小结14-16
• 第二章 数据挖掘中的聚类分析16-28
• 2.1 数据挖掘16-19
• 2.1.1 基本概念16
• 2.1.2 常用算法16-19
• 2.2 聚类分析技术19-24
• 2.2.1 聚类的定义及过程19-20
• 2.2.2 聚类的数据结构20-21
• 2.2.3 聚类的主要算法21-22
• 2.2.4 聚类的相似性度量22
• 2.2.5 聚类的准则函数22-24
• 2.3 K-means聚类算法24-27
• 2.3.1 K-means算法的基本原理24
• 2.3.2 K-means算法的步骤24-25
• 2.3.3 K-means算法的聚类过程25-26
• 2.3.4 K-means算法的缺陷及改进26-27
• 2.4 本章小结27-28
• 第三章 电力系统负荷特性分析28-38
• 3.1 负荷的分类28-29
• 3.2 常用的负荷特性指标29-31
• 3.2.1 日负荷特性指标29-30
• 3.2.2 月负荷特性指标30
• 3.2.3 年负荷特性指标30-31
• 3.3 负荷特性分析31-37
• 3.3.1 年负荷特性分析31-32
• 3.3.2 月负荷特性分析32-33
• 3.3.3 日负荷特性分析33-37
• 3.4 本章小结37-38
• 第四章 电力客户负荷特性分析38-50
• 4.1 典型行业分析38-41
• 4.1.1 农业负荷特性分析38-39
• 4.1.2 工业负荷特性分析39-40
• 4.1.3 商业负荷特性分析40
• 4.1.4 居民生活负荷特性分析40-41
• 4.2 典型客户分析41-49
• 4.2.1 典型日负荷曲线41-49
• 4.2.2 峰谷时段划分49
• 4.3 本章小结49-50
• 第五章 避峰方案建立及分析50-60
• 5.1 算法设计50-53
• 5.1.1 新的负荷特性指标50-52
• 5.1.2 避峰价值模型52-53
• 5.2 程序设计53-55
• 5.3 实例分析及验证55-58
• 5.3.1 实例分析55-56
• 5.3.2 实例验证56-58
• 5.4 激励措施58-59
• 5.5 本章小结59-60
• 第六章 结论与展望60-62
• 参考文献62-66
• 致谢66-68
• 附录A68-70
• 附录B70-73

【参考文献】

中国期刊全文数据库 前10条

1 颜庆国;薛溟枫;陈楚;;有序用电价值评价体系下的用户避峰价值模型[J];电气应用;2014年23期

2 颜庆国;薛溟枫;范洁;陈霄;周玉;易永仙;;有序用电用户负荷特性分析方法研究[J];江苏电机工程;2014年06期

3 陆婷婷;高赐威;苏卫华;李扬;;有序用电避峰预案优化编制方法研究[J];电网技术;2014年09期

4 孟海东;唐旋;;基于类轮廓层次聚类方法的研究[J];计算机应用与软件;2011年11期

5 陈伟;乐丽琴;崔凯;李敬如;;典型用户负荷特性及用电特点分析[J];能源技术经济;2011年09期

6 周世兵;徐振源;唐旭清;;K-means算法最佳聚类数确定方法[J];计算机应用;2010年08期

7 陈海燕;刘新才;;有序用电工作的精细化管理过程[J];电力需求侧管理;2010年03期

8 刘明明;;基于供需分析的电力资源综合管理[J];电网技术;2010年01期

9 刘伟民;郑爱云;李苏剑;赵方庚;孙江生;;模拟退火K均值聚类算法及其应用研究[J];微计算机信息;2008年21期

10 刘韬;蔡淑琴;曹丰文;崔志磊;;基于距离浓度的K-均值聚类算法[J];华中科技大学学报(自然科学版);2007年10期

，

本文编号：585417