基于电力数据的居民人口流动情况评估

发布时间：2021-11-22 17:34

　　为克服社区人口人工摸排周期长且准确性不高的问题,提出一种基于电力数据的居民人口流动情况评估方法。首先,通过用户档案信息读取用户历史用电量数据,完成缺失数据补齐和异常数据处理等工作实现数据清洗。然后,基于聚类方法挖掘用户不同场景下的稳定用电量。在此基础上,定义了用能突变判据和人口流动判据,实现人口流动状况的评估,并利用统计方法实现小区/社区的人口流动情况分析。最后,以成都市某小区实际数据为例,验证了算法的有效性。 

【文章来源】：四川电力技术. 2020,43(03)

【文章页数】：5 页

【部分图文】：

居民用能曲线

图1 居民用能曲线从小区整体来看，用能骤增和用能骤减的居民户数随时间的变化曲线如图3所示，其中图3(a)为次日用能骤变居民户数，图3(b)为隔日用能骤变居民户数。

从小区整体来看，用能骤增和用能骤减的居民户数随时间的变化曲线如图3所示，其中图3(a)为次日用能骤变居民户数，图3(b)为隔日用能骤变居民户数。小区疑似人口流动的户数如图4所示。由图可见，1月22日(春节前)疑似流出人口居民户数大于当日用能骤变数目或隔日用能骤变数目，说明所采用的两个指标结合的方法性能更好。

【参考文献】：
期刊论文
[1]基于细粒度用能数据的居民家庭活动人口评估方法研究[J]. 张洋瑞,陶鹏,李翀,赵俊鹏,张超.  河北电力技术. 2019(06)
[2]基于分位数半径动态K-means的分布式负荷聚类算法[J]. 刘季昂,刘友波,程明畅,余莉娜.  电力系统保护与控制. 2019(24)
[3]基于非侵入式负荷监测的居民用电行为分析[J]. 周明,宋旭帆,涂京,李庚银,栾开宁.  电网技术. 2018(10)
[4]基于GMM聚类和SVM的用户负荷行业分类辨识方法[J]. 蔡秋娜,刘思捷,陆秋瑜.  广东电力. 2017(12)
[5]基于遗传优化的非侵入式家居负荷分解方法[J]. 孙毅,崔灿,陆俊,郝建红,刘向军.  电网技术. 2016(12)
[6]基于负荷分解的居民差异化用电行为特性分析[J]. 罗滇生,杜乾,别少勇,庞振国,李盛兴.  电力系统保护与控制. 2016(21)
[7]智能配用电大数据需求分析与应用研究[J]. 王继业,季知祥,史梦洁,黄复鹏,朱朝阳,张东霞.  中国电机工程学报. 2015(08)
[8]智能配电网大数据应用需求和场景分析研究[J]. 刘科研,盛万兴,张东霞,贾东梨,胡丽娟,何开元.  中国电机工程学报. 2015(02)



本文编号：3512153