当前位置:主页 > 科技论文 > 电气论文 >

面向电力大数据的用户用电行为挖掘方法

发布时间:2020-07-09 11:24
【摘要】:随着智能电网的建设推进,逐步积累了大量的数据资源,而采集频度的增强、数据量的急剧增长、以及数据类型的多样化,对数据处理和价值挖掘也提出了更高要求。在电力大数据中,用户用电负荷数据占据了相当大的比重,它反映了用户真实的用电需求,值得对它进行深度挖掘,获取用户用电行为的重要知识,从而在配用电管理领域辅助实现决策支持。然而,用电负荷数据具有规模大、维度高、来源类型多、时效特征强、价值密度低等典型特征,且与大量社会、经济、环境、地理数据关联密切。因此,为了提高其应用质量和范围,就需要根据不同的数据特征和应用目的,研究开发高效的数据分析挖掘方法。本文针对用电负荷数据的数据特性,考虑需要实现的应用目的,分别从行为特征、行为关联和行为演化三方面,深入研究用户用电行为挖掘方法,取得如下成果:1.针对用电行为特征分析方法,首先提出一种基于小波变换的融合曲线聚类方法,以提高高维负荷曲线的聚类有效性,实现单用户典型用电负荷模式提取。该方法在利用小波变换进行降维的基础上,采用一种聚类融合子算法,用于融合并优化小波变换生成的两组特征数据的聚类结果。其次,在对大量用户提取负荷模式的基础上,构建一种基于负荷模式相似性的用户分类混合模型,获取明确的用户类别,并实现新用户分类。该模型使用类别特征识别算法,从负荷模式聚类的结果中识别出明确的用户分组和类别特征,并将无监督聚类问题继续扩展为有监督分类问题,利用类别特征作为标签,进行新用户分类。2.针对用电行为关联分析方法,提出一种具有最优结果选择机制的典型相关分析方法,用以分析两种或以上多变量数据间的相关性,研究多种因素对用电行为的影响。基于单用户的用电、用气和气候数据。该方法首先对多变量日负荷数据进行聚类,并依此将三种数据分组,然后按组分别对每日的用电、用气和气候数据进行典型相关分析,再使用基于预测逆过程的选择机制择取最优结果,最后将所有结果汇总并绘制成日典型相关性变化曲线,细粒度地展现一段时间内各因素两两间典型相关性以及各变量典型权重的变化。3.针对用电行为演化分析方法,提出一种具有概率策略的增量聚类方法,基于已有的负荷模式和新增用电负荷数据进行负荷模式更新,进而分析负荷模式的演进变化情况,并检测异常模式。该方法首先对新增日负荷数据聚类,以提取新负荷模式,然后在负荷模式融合阶段,逐一对新负荷模式判断其状态是新增还是融合,最后对融合后的负荷模式重新聚类修正。在负荷模式融合和修正期间,为保证结果最优,距离度量和聚类中心计算均采用概率策略。在一次增量聚类后更新重要参数,即能应对下一组新增负荷数据,实现持续的增量学习。通过对比分析连续更新的负荷模式,能清晰展现用户用电行为的演化过程,进而发现异常变化情况。上述三种方法和一种模型以用户用电负荷数据为中心,从数据的关联性和动态性考虑,形成多方位的数据挖掘方法体系,以技术手段支撑用户用电行为的深入挖掘,辅助决策支持系统,从而提高智能电网运行效率。
【学位授予单位】:北京邮电大学
【学位级别】:博士
【学位授予年份】:2019
【分类号】:TM73;TP311.13
【图文】:

示意图,电力,数据,情况


图1-1中国华东某地级区电力数据情况逡逑用电用户是智能电网的服务对象,其用电数据在电力大数据中也占据相当大的比逡逑重。图1-2显示了智能电网中能量和信息传输示意图,与传统电网相比,除了增加新逡逑能源和新用电类型,最重要的是智能电网采用智能管理替代了原有的调度,在用户端逡逑建立与用户之间的双向信息流。因此,针对用户侧的服务以及对用户数据的应用和价逡逑值挖掘在智能电网中十分重要。从2014年下半年开始直至2015年两会期间,“能源逡逑+互联网”概念被提出,区别于智能电网2.0和坚强智能电网,“能源+互联网”从能逡逑源消费端考虑,旨在对上亿的用户大数据进行挖掘。《电力发展“十三五”规划》也逡逑提出,我国将加快推进“互联网+”智能电网建设,全面提升电力系统的智能化水平,逡逑同时《规划》中还明确了构建“互联网+”电力运行模式,通过“互联网+邋”与电力逡逑工业的融合

示意图,智能,电网,能量


s6脱逡逑果,kuuu逦测,645G逡逑图1-1中国华东某地级区电力数据情况逡逑用电用户是智能电网的服务对象,其用电数据在电力大数据中也占据相当大的比逡逑重。图1-2显示了智能电网中能量和信息传输示意图,与传统电网相比,除了增加新逡逑能源和新用电类型,最重要的是智能电网采用智能管理替代了原有的调度,在用户端逡逑建立与用户之间的双向信息流。因此,针对用户侧的服务以及对用户数据的应用和价逡逑值挖掘在智能电网中十分重要。从2014年下半年开始直至2015年两会期间,“能源逡逑+互联网”概念被提出,区别于智能电网2.0和坚强智能电网,“能源+互联网”从能逡逑源消费端考虑,旨在对上亿的用户大数据进行挖掘。《电力发展“十三五”规划》也逡逑提出

关系图,研究成果,关系图,用电行为


1.4论文组织结构逡逑本文针对面向电力大数据的用户用电行为挖掘方法进行了深入研究,组织结构如逡逑图1-4所示。其余部分的组织结构如下:逡逑第二章,相关研究综述。本章按类别介绍了国内外对用电行为分析挖掘方法的研逡逑究现状,总结并分析了当前研宄的不足及挑战。逡逑第三章,面向用电负荷数据的用户行为特征分析方法。本章首先研宄单用户典型逡逑用电负荷模式提取方法,提出一种基于小波变换的融合曲线聚类方法,并对该方法开逡逑展实验验证其性能,包括实验相关设置、平均性能对比和具体案例分析等。然后,在逡逑负荷模式提取的基础上研究多用户分类问题,提出基于负荷模式相似性的用户分类混逡逑合模型,并通过实验验证模型在聚类和分类上的性能,给出了实验结果对比和对用户逡逑类别典型特征的分析结论。最后

【相似文献】

相关期刊论文 前10条

1 王智;;企业电力负荷数据负控采集故障分析及处理方法[J];现代营销(经营版);2018年07期

2 姜丹;;电力负荷数据负控终端故障分析及处理[J];南方农机;2017年08期

3 徐梁婷;陈平;;浅谈电力负荷数据负控终端故障分析及处理[J];科技经济导刊;2017年23期

4 刁赢龙;盛万兴;刘科研;何开元;孟晓丽;;大规模配电网负荷数据在线清洗与修复方法研究[J];电网技术;2015年11期

5 唐文左;段磊;王鹏举;颜伟;赵霞;余娟;;基于B样条函数的不良负荷数据改进辨识方法[J];电力系统及其自动化学报;2015年08期

6 詹源;李昭廷;;基于单纯历史负荷数据的短期负荷预测的探讨[J];科技创新导报;2008年32期

7 冯瑶;王威;曲绍君;金顺梅;;基于最大阈值法的异常电力负荷数据的修正[J];气象灾害防御;2015年04期

8 白冠华;;电力负荷数据负控终端故障分析及处理[J];黑龙江科技信息;2016年16期

9 李明浩;;电力日负荷数据特征模式智能提取方法[J];重庆大学学报(自然科学版);2006年02期

10 杨成龙;一种用于配网状态估计的实时负荷数据模型[J];江苏电机工程;2003年04期

相关会议论文 前10条

1 刘晓华;高荣;;基于分布式支持向量机的短期负荷预测[A];第二十四届中国控制会议论文集(上册)[C];2005年

2 孙舒;刘莉;张瑛;;基于典型负荷模式的异常数据处理[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年

3 李刚;张凯锋;王一清;邓胜;;基于改进K-means的负荷坏数据修正[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年

4 朱麟;张玉润;吴明光;姜永芳;徐卫;;应用时间序列的城市煤气日负荷预报[A];1997中国控制与决策学术年会论文集[C];1997年

5 张伟程;滕汜颖;;上海某医院的冷热电分布式供能设计[A];中国建筑学会建筑热能动力分会第十八届学术交流大会暨第四届全国区域能源专业委员会年会论文集[C];2013年

6 陈卫营;宋乐永;;配网规划中进行负荷模块建设的思考[A];山东电机工程学会2012年度学术年会论文集[C];2012年

7 张伟程;滕汜颖;;上海某医院的冷热电分布式供能设计[A];绿色设计 创新 实践——第5届全国建筑环境与设备技术交流大会文集[C];2013年

8 叶淳铮;常鲜戎;;基于小波变换和支持向量机的电力系统短期负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年

9 杨玉锐;程杰;周刚;徐诒s

本文编号:2747386


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2747386.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c677f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com