能源互联下需求侧用户状态智能分析方法

发布时间：2020-06-22 03:07

【摘要】：能源互联网下分布式能源、分布式储能设备、双向互动用户等大量柔性负载的自适应接入,使得配用电网的源-荷两端随机性增强,配用电网的结构、潮流方向发生了显著变化,电力负荷特性也随之产生了巨大改变,峰谷期用电负荷差距的日益增大以及高峰期供需矛盾的不断尖锐,对电力系统的安全性和稳定性造成了极大的威胁。随着能源互联网和智能电网的发展,存在大量电力系统数据,但数据资源未得到有效的开发利用。同时,智能用电服务的逐步开展也为实现用户的广泛参与和需求的自主响应提供了基础。针对以上问题,本论文开展了能源互联网下需求侧用户状态智能分析方法的研究。首先对用电状态智能分析相关技术进行研究,包括用户状态智能分析的一般步骤、前期数据处理技术和特征提取技术;其次,提出聚类优选策略用于实现对传统的无监督学习聚类算法的改进,引入准确性指标和有效性指标用来合理的度量聚类的合理性;再次,针对无监督学习无法根据实际需求有目的进行分类的问题,提出有监督的基于极限学习机的用户用电状态分析,通过比较不同隐层的激活函数和隐层的节点数的训练集和测试集的正确率,优化ELM网络结构。最后,由于上述分类算法多是基于小规模数据的研究,在对海量的用户数据处理方面仍存在不足,因此提出DBN-ELM的混合模型,通过深度学习有效地提取抽象高级特征实现对用户状态的智能分析。具有一定的工程应用及参考价值,对实现终端用能需求的大数据深入挖掘,加强客户用能特点分析,细分不同用电用户群体,以服务客户为基础,满足不同客户更加深层次的不同的的综合用能需求,优化用户用电方式,科学合理的提出用户用电优化建议,对电力资源的优化配置有重要作用。
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM73;TK01
【图文】：

理如数据的变换、数据的归一化等；③对处理后的用电数据进行挖掘，数据挖据逡逑技术主要包括关联分析、深度学习、属性筛选、分类提取、回归预测、聚类分析逡逑等。最后对挖掘的用户状态进行智能分析和表达。其一般步骤如图２－１所示。逡逑关联分析｜逡逑［ＴｌＦｌｌ逦ｒ￣＾逦丨深度学习逦＾——、逡逑Ｃ逦＾邋卜．—逦Ｈ丨奴预处理邋—NB逦！逦Ｉ逡逑原始＿＾｜提取Ｉ逦＾预处理逦｜酣规＿Ｉ挖掘结果逡逑数据｜楙后数据逦｜分类提取逦与表达逡逑集成逦据逦、逦＾逦｜回归预测逡逑ＬＪ逦｜聚类分析逡逑＾口邋一￣逦＾—７－：逦—逦？＇逡逑？逦数据采集及预处理逦１逦数据采二次预处理逦＾逦数据挖掘与结果表达逦｜逡逑图２－１需求侧海量用户用电数据的挖掘处理分析逡逑２．３能源互联下海量数据处理技术逡逑本文选取某电网用电负荷数据和爱尔兰用户实测数据作为数据源。在进行数逡逑据分析与处理时先要对数据进行预处理，目前存在多种数据预处理的方法，就本逡逑文所用数据，本文主要采用的数据预处理

理如数据的变换、数据的归一化等；③对处理后的用电数据进行挖掘，数据挖据逡逑技术主要包括关联分析、深度学习、属性筛选、分类提取、回归预测、聚类分析逡逑等。最后对挖掘的用户状态进行智能分析和表达。其一般步骤如图２－１所示。逡逑关联分析｜逡逑［ＴｌＦｌｌ逦ｒ￣＾逦丨深度学习逦＾——、逡逑Ｃ逦＾邋卜．—逦Ｈ丨奴预处理邋—NB逦！逦Ｉ逡逑原始＿＾｜提取Ｉ逦＾预处理逦｜酣规＿Ｉ挖掘结果逡逑数据｜楙后数据逦｜分类提取逦与表达逡逑集成逦据逦、逦＾逦｜回归预测逡逑ＬＪ逦｜聚类分析逡逑＾口邋一￣逦＾—７－：逦—逦？＇逡逑？逦数据采集及预处理逦１逦数据采二次预处理逦＾逦数据挖掘与结果表达逦｜逡逑图２－１需求侧海量用户用电数据的挖掘处理分析逡逑２．３能源互联下海量数据处理技术逡逑本文选取某电网用电负荷数据和爱尔兰用户实测数据作为数据源。在进行数逡逑据分析与处理时先要对数据进行预处理，目前存在多种数据预处理的方法，就本逡逑文所用数据，本文主要采用的数据预处理

【相似文献】

相关期刊论文 前10条

1 孔海琴;;浅谈信息通信障碍智能分析及其网络优化[J];通讯世界;2017年08期

2 王智昊;柴宝起;;智能分析技术在安防等领域的应用浅析[J];中国安防;2017年06期

3 ;"软件智能分析"学术沙龙在中国科学院软件研究所成功举行[J];信息网络安全;2017年09期

4 耿阳;;对继电保护的故障智能分析的探索[J];山东工业技术;2016年04期

5 史峰;;试析智能分析技术在视频监控系统中的集成应用[J];科技创新与应用;2016年20期

6 刘世清;;基于视频的场景智能分析研究[J];电子世界;2014年12期

7 ;视界[J];读者.原创版;2016年08期

8 本刊讯;;“软件智能分析”学术沙龙第三次活动成功举办[J];中国教育网络;2017年09期

9 符新双;;浅析智能分析技术在集成领域的应用与发展[J];中国安防;2014年12期

10 陈红;;智能分析技术在司法行业的应用趋势[J];中国安防;2014年14期

相关会议论文 前10条

1 曹波伟;薛青;郑长伟;于屏岗;陈辰;;基于数据挖掘的装备维修管理智能分析模型研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

2 蔡霖翔;;网络诈骗案件涉案人群智能分析[A];第31次全国计算机安全学术交流会论文集[C];2016年

3 姚峗;;视频智能分析在平安社区联网监控中实践浅析[A];中国通信学会信息通信网络技术委员会2011年年会论文集（下册）[C];2011年

4 ;“软件智能分析”学术沙龙在中国科学院软件研究所成功举行[A];第32次全国计算机安全学术交流会论文集[C];2017年

5 李鸣都;贺仲雄;;Sars防御的可拓智能分析[A];2003年中国智能自动化会议论文集（下册）[C];2003年

6 詹伟;张科;;基于智能分析决策的中间件监管平台研究与开发[A];2016电力行业信息化年会论文集[C];2016年

7 龚明轩;李兆;侯伟斌;;可视化智能分析系统在广播电视监测行业中的应用[A];中国新闻技术工作者联合会五届一次理事会暨学术年会论文集（下篇）[C];2009年

8 赵一彪;贺仲雄;;人-机-环境系统中突发事件的智能分析[A];人-机-环境系统工程研究进展（第七卷）[C];2005年

9 李泽魁;孙霏;;图片智能分析技术在新华社业务系统中应用的自主研发实践[A];中国新闻技术工作者联合会2018年学术年会论文集（学术论文篇）[C];2018年

10 刘海燕;邵立嵩;王子强;;目标驱动的网络安全智能分析技术[A];2005年全国理论计算机科学学术年会论文集[C];2005年

相关重要报纸文章 前10条

1 通讯员 徐佳 宁国英;能探毒会防火 智能分析及时预警[N];中国石油报;2019年

2 尹克强 毛延锋 本报记者 王越;为健身与康复者提供智能分析[N];中国质量报;2019年

3 记者 任学光;281家企业将安装环保设备监测智能分析系统[N];河北日报;2019年

4 邹立伟;上海石化：智能分析变抢修为检修[N];中国石化报;2019年

5 省社科院大数据政策法律创新研究中心副研究员 王娴;大数据时代舆情导控机制探索[N];贵州日报;2017年

6 ;安防存储技术优势及在智能领域的应用[N];中国信息化周报;2017年

7 本报记者 杨频萍;校企联手，共赴“大数据盛宴”[N];新华日报;2017年

8 本报记者 房琳琳;关于人工智能产业化，青年精英这样说[N];科技日报;2017年

9 孟桐雨;数据采集及智能分析功能至关重要[N];中国高新技术产业导报;2017年

10 本报记者 李阳;智慧法院带来正义加速度[N];人民法院报;2017年

相关博士学位论文 前8条

1 曾奕棠;基于云挖掘的物流信息智能分析研究[D];武汉大学;2015年

2 柯余洋;面向三类应用数据的智能分析与优化研究[D];中国科学技术大学;2016年

3 赵楠;基于机器学习的供应链绩效智能分析方法研究[D];天津大学;2010年

4 姚成;心电信号智能分析关键技术研究[D];吉林大学;2012年

5 何超;基于数据挖掘的企业竞争情报智能分析研究[D];武汉大学;2014年

6 张瑞杰;注水系统生产状态智能分析与运行优化技术研究[D];东北石油大学;2011年

7 苑春苗;网络视频监控系统中的QoS机制和智能分析技术研究[D];天津大学;2012年

8 王清波;城市隧道智能监控系统及交通数据智能分析[D];武汉理工大学;2013年

相关硕士学位论文 前10条

1 李莹;基于目标检测与跟踪的交通视频智能分析系统研究[D];长安大学;2019年

2 陈志敏;能源互联下需求侧用户状态智能分析方法[D];华北电力大学(北京);2019年

3 王丽园;面向大数据的电梯工况智能分析系统的设计与实现[D];北京邮电大学;2019年

4 史册;基于深度学习机制的火警智能化管理的研究和实践[D];杭州电子科技大学;2018年

5 陈舜尧;中国海事案件智能分析系统的设计与实现[D];山东大学;2018年

6 彭盛兰;基于数据挖掘的用户语义智能分析系统设计与开发[D];湖南大学;2018年

7 黄禹忠;基于文本分类技术的客户投诉智能分析系统的设计与实现[D];湖南大学;2013年

8 尹鹏飞;楼宇空调控制数据的智能分析与决策[D];北方工业大学;2018年

9 张盖;视频智能分析在工程勘察外业中的应用研究[D];东南大学;2017年

10 骆翠萍;长脉冲射频离子源数据智能分析系统设计[D];中国科学技术大学;2018年

本文编号：2725091