基于数据挖掘的居民用户能源管控技术研究

发布时间：2017-11-02 07:37

  本文关键词：基于数据挖掘的居民用户能源管控技术研究

  更多相关文章： 能源管控 数据挖掘 居民用户分类 电器控制策略 舒适度成本

【摘要】：智能电网建设的飞速发展,对智能电网中的智能家用电器的要求越来越高,使得居民用户能源管控技术显得非常重要。但是目前用户侧用电存在较多问题,且能源管控研究多处于理论阶段,缺乏可行的能源管控机制。为了能够改善用户的用电行为以及降低电器的用电能耗,从激励和电价双重角度出发,制定了家用电器控制策略和以空调为例的舒适度成本模型。首先分析了用户侧海量负荷数据的特性和现有的数据分析方法,搭建了海量负荷数据处理架构,以此作为实现家庭能源管控的基础。研究了现有的能源管控技术,设计了能源管控系统所需子功能,进而构建了能源管控系统架构。其次论文选取了6大典型家庭家用电器,研究其用电规律并分为了两大类,分别为：负荷调节型和负荷转移型。同时根据用户负荷的调查统计数据,采用数据挖掘方法对居民用户进行分类,预测各类用户的属性,根据用户间的属性差异将用户分为了三大类。结合家用电器和用户的分类结果,分别制定了基于负荷转移能力和负荷调节能力的家用电器控制策略。为验证策略的可行性,对比执行控制策略前后各负荷时段用户负荷量,发现以上控制策略在平滑负荷曲线和指导用户合理用电方面起到了较明显的效果。最后分析了影响人体舒适度的因素和现有舒适度模型,将人体舒适度转化为舒适度成本,作为改善用户用能行为的一种经济手段。对北京市气象局人体舒适度指数公式进行修正,结合电价信息,以空调为例,制定了空调的舒适度成本模型,并对该模型下夏季空调的电力支出作了分析,验证了该模型的管控效果和带来的经济效益。
【关键词】：能源管控 数据挖掘 居民用户分类 电器控制策略 舒适度成本
【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】：2016
【分类号】：TK018;TM92
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 课题背景及研究意义9-10
• 1.2 课题国内外研究现状10-12
• 1.3 主要工作和内容安排12-13
• 第2章 海量数据挖掘基础理论13-20
• 2.1 用户侧海量负荷数据分析13-15
• 2.1.1 用户侧海量数据特征分析13-14
• 2.1.2 用户侧海量数据技术架构14-15
• 2.2 海量数据分析方法15-17
• 2.3 数据挖掘在需求响应控制策略中的应用17-19
• 2.4 本章小结19-20
• 第3章 能源管控系统20-29
• 3.1 家庭能源管控系统设计需求20-22
• 3.2 能源管控技术22-23
• 3.3 家庭能源管控系统架构23-25
• 3.4 家庭能源管控系统功能设计25-28
• 3.4.1 能源可视化监测25-26
• 3.4.2 负荷控制管理26-27
• 3.4.3 电能效率评估27-28
• 3.5 本章小结28-29
• 第4章 基于负荷类型和用户分类的家用电器能源管控策略研究29-44
• 4.1 家用电器负荷特性分析及分类29-34
• 4.1.1 家用电器负荷特性分析29-33
• 4.1.2 家用电器分类33-34
• 4.2 居民用户用电行为特性挖掘及分类34-35
• 4.3 基于家用电器负荷特性及用户分类的能源管控策略研究35-41
• 4.3.1 需求响应下居民用户电价政策分析35-37
• 4.3.2 基于负荷转移能力的家用电器控制策略37-38
• 4.3.3 基于负荷调节能力的家用电器控制策略38-41
• 4.4 家用电器优化控制策略可行性验证41-43
• 4.5 本章小结43-44
• 第5章 以空调为例的舒适度模型和舒适度成本分析44-57
• 5.1 空调的工作原理44-48
• 5.1.1 空调的控制原理以及控制方式研究44-46
• 5.1.2 空调所需制冷负荷和PPD之间的关联关系挖掘46-48
• 5.2 人体舒适度指数研究48-52
• 5.2.1 影响舒适度的各类因素49-50
• 5.2.2 现有舒适度模型研究50-52
• 5.3 空调舒适度成本模型52-53
• 5.4 舒适度模型下的空调用电成本分析53-56
• 5.5 本章小结56-57
• 第6章 结论与展望57-59
• 参考文献59-62
• 攻读硕士学位期间发表的论文及其它成果62-63
• 攻读硕士学位期间参加的科研工作63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 乌英格;陈宝平;;数据挖掘在客户关系管理中的应用[J];内蒙古科技与经济;2005年24期

2 焦健;王祥;;数据挖掘在美国本土安全中的应用[J];舰船电子工程;2006年01期

3 杨洋;;Web数据挖掘的分析与探讨[J];装备制造技术;2006年05期

4 刘娟;;Web数据挖掘及其在个性化网上购物实现的探讨[J];企业技术开发;2007年07期

5 李世超;麦范金;;数据挖掘在现代企业经营管理中的应用[J];桂林航天工业高等专科学校学报;2008年04期

6 崔永君;;数据挖掘的系统构成与发展趋势[J];硅谷;2009年03期

7 侯晓凌;;浅谈数据挖掘[J];科学之友(B版);2009年04期

8 张涛;;Web数据挖掘现状分析[J];科学之友(B版);2009年06期

9 黄雄伟;陈定方;祖巧红;;Web数据挖掘可视化研究与应用[J];湖北工业大学学报;2009年04期

10 王岩;;数据挖掘领域探索[J];硅谷;2010年05期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：1130629