检索结果-南通市图书馆

电力自动化设备 2018年第1期38卷 129-136页

作者：苏适李康平严玉廷陆海汪新康刘力铭王飞董凌云南电网有限责任公司电力科学研究院云南昆明650217 华北电力大学新能源电力系统国家重点实验室河北保定071003 美国伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系美国厄巴纳61802 国网青海省电力公司青海西宁810008

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同... 详细信息

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。

关键词：用电模式聚类算法特征提取分类引力搜索算法密度空间聚类

在线全文

学校读者我要写书评

暂无评论

基于无监督学习的电力用户异常用电模式检测

中国电机工程学报 2016年第2期36卷 379-387页

作者：庄池杰张斌胡军李秋硕曾嵘电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系) 北京市海淀区100084 国家电网公司西北分部陕西省西安市7100481 南方电网科学研究院广东省广州市510080

检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、... 详细信息

检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、网格处理、计算局部离群因子等模块。首先提取多个表征用户用电模式的特征量,通过主成分分析将每个用户映射到二维平面,实现数据可视化并便于计算局部离群因子。网格处理技术筛选出低密度区域的数据点,显著提升了算法效率。该模型输出所有用户用电行为的异常度及疑似概率排序,研究结果表明利用该排序,只需要检测异常度排序靠前的少数用户即可查出大部分异常用户。

关键词：用电模式电力大数据异常检测无监督学习局部离群因子反窃电技术

在线全文

学校读者我要写书评

暂无评论

基于深度学习的用户异常用电模式检测

电力自动化设备 2018年第9期38卷 34-38页

作者：赵文清沈哲吉李刚华北电力大学控制与计算机工程学院河北保定071003

针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接... 详细信息

针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。

关键词：智能电网深度学习长短期记忆神经网络用电模式异常检测非技术性损失

在线全文

学校读者我要写书评

暂无评论

基于日负荷曲线的用电模式提取与聚类分析

电工电能新技术 2023年第5期42卷 57-63页

作者：柳劲松王颖熊春晖雷兴陆超国网上海市电力公司电力科学研究院上海200437 清华大学电机工程与应用电子技术系北京100084 北京智中能源互联网研究院北京100176

更新仿真系统负荷模型参数是电力系统负荷建模的一个重要应用,为建立更为准确的负荷模型,分时分区的负荷建模思路是实现仿真系统负荷模型更新的有效途径和方案,本文聚焦负荷的分区建模,以不同类型用电设备日负荷曲线为基础,实现用电模... 详细信息

更新仿真系统负荷模型参数是电力系统负荷建模的一个重要应用,为建立更为准确的负荷模型,分时分区的负荷建模思路是实现仿真系统负荷模型更新的有效途径和方案,本文聚焦负荷的分区建模,以不同类型用电设备日负荷曲线为基础,实现用电模式提取,并以提取所得用电模式为基向量,针对不同负荷节点或区域日负荷曲线进行分解,以分解所得负荷构成系数为聚类属性,实现负荷节点或区域的聚类分析,进而为系统仿真提供指导。基于实际用电数据的仿真结果验证了本文所提思路和方案的有效性。

关键词：日负荷曲线用电模式负荷分解负荷构成聚类

在线全文

学校读者我要写书评

暂无评论

基于特征优选和加权聚类的商场用电模式分析

电力科学与技术学报 2021年第5期36卷 137-143页

作者：张美霞李泰杰杨秀蔡鹏飞张勇方陈上海电力大学电气工程学院上海200090 上海市电力公司电力科学研究院上海200437

随着用电信息的采集完善,准确的用户用电模式分析将为电力智能化建设提供重要依据,在此背景下,针对用电模式分析中考虑聚类特征类型单一的问题,提出一种考虑多类型特征优选的加权聚类分析方法。首先,将负荷类特征和气象类特征归一化建... 详细信息

随着用电信息的采集完善,准确的用户用电模式分析将为电力智能化建设提供重要依据,在此背景下,针对用电模式分析中考虑聚类特征类型单一的问题,提出一种考虑多类型特征优选的加权聚类分析方法。首先,将负荷类特征和气象类特征归一化建立待选择特征集合;然后,结合互信息和灰色关联度优选出聚类特征集;最后,采用权重分配的k-means方法对优选特征集合进行聚类,结合负荷曲线分析各用电模式的典型用电行为。通过对上海市某商场用电负荷数据的分析,证明该方法能够减少数据冗余信息的干扰并提升聚类质量。

关键词：特征优选加权聚类商场负荷用电模式

在线全文

学校读者我要写书评

暂无评论

基于用电模式和字典学习的电器负荷分解方法

电测与仪表 2023年第6期60卷 96-102页

作者：谈竹奎徐伟枫刘斌胡厚鹏蓝超凡丁超贵州电网有限责任公司电力科学研究院贵阳550002 苏州华天国科电力科技有限公司江苏苏州215000

负荷分解是获取电器用电细节、分析用户用电行为的重要手段,有利于加强智能电网的需求侧管理。针对当前非侵入式负荷分解研究缺乏考虑电器用电模式、模型迁移能力弱的问题,提出一种基于用电模式和字典学习的电器负荷分解方法。通过聚类... 详细信息

负荷分解是获取电器用电细节、分析用户用电行为的重要手段,有利于加强智能电网的需求侧管理。针对当前非侵入式负荷分解研究缺乏考虑电器用电模式、模型迁移能力弱的问题,提出一种基于用电模式和字典学习的电器负荷分解方法。通过聚类提取电器的典型用电模式,根据待测住宅内电器所含用电模式,执行字典学习算法训练各电器的模式字典,再利用模式字典对总负荷进行稀疏表示以实现负荷分解,测试数据集上的分解结果验证了所提方法的准确性以及在住宅迁移上的性能。

关键词：非侵入式负荷分解用电模式字典学习稀疏表示

在线全文

学校读者我要写书评

暂无评论

一种智能小区用户用电模式的探索与研究

华东电力 2013年第1期41卷 157-159页

作者：谢江宏王进平上官明霞山西省电力公司太原030001 太原供电公司太原030001

针对智能小区提出一种用电模式,为用户提供科学用电策略,积极地影响用户的电力消费习惯,达到节能和削峰填谷的目的。

关键词：智能小区用电模式用电策略节能削峰填谷

基于电力大数据的家庭用电模式分析与负荷预测

在线全文

学校读者我要写书评

暂无评论

基于电力大数据的家庭用电模式分析与负荷预测

作者：卜祥国杭州电子科技大学

学位级别：硕士

随着智能电网技术的不断发展和数字智能电表的逐步普及,电网信息采集系统收集到了大量的家庭用电数据,如何利用现有业务数据并结合智能高效的深度学习算法挖掘用电数据的价值,是现阶段电力部门所面临的主要问题之一。基于人工智能的家... 详细信息

随着智能电网技术的不断发展和数字智能电表的逐步普及,电网信息采集系统收集到了大量的家庭用电数据,如何利用现有业务数据并结合智能高效的深度学习算法挖掘用电数据的价值,是现阶段电力部门所面临的主要问题之一。基于人工智能的家庭用电模式分析和家庭负荷预测作为智慧用电管理与电力营销的重要保障,在碳达峰、碳中和的背景下,具有重要的研究意义。当前研究存在的主要问题有:(1)针对家庭用电模式的研究,缺乏对聚类结果的深入分析,并且实验所使用的数据集规模普遍较小。(2)针对家庭粒度级别的负荷预测研究较少,且预测的准确率有待进一步提升。本文针对以上问题进行研究,研究内容主要分为以下三个部分:(1)通过K-Means算法对某城市近两万户家庭月用电量数据进行家庭用电模式的挖掘与分析,不仅根据各个家庭的用电特点将其划入合适的集群,还根据用户的标签(所在区域、所执行费率、是否存在用电异常波动等)进行了聚类后的分析,并提出一些合理的建议,对于制定个性化的能源服务和优化能源使用策略具有重要意义。(2)在仅使用家庭历史用电数据的单变量负荷预测中,为了进一步提高家庭负荷预测的精度,提出一种基于状态频率记忆网络的家庭短期负荷预测方法。该方法通过引入离散傅里叶变换将记忆状态分解为多个频率分量,每个频率分量都可以模拟家庭负荷波动背后的特定频率,然后以逆傅立叶变换的方式,通过这些频率分量组合的非线性映射来预测未来的用电量。该方法通过在负荷预测中加入家庭用电的频率信息,有效提高了家庭负荷预测的精度,使用均方误差、均方根误差和平均绝对误差来评估模型,与该领域上性能表现最好的LSTM模型相比较,文中的模型在未来一天的负荷预测中,3类误差分别降低了21.6%、11.4%、15.4%,充分验证了模型的有效性。(3)在综合考虑天气、温度等因素的多变量负荷预测中,现有模型无法有选择的聚焦于某些特定的驱动序列,针对这一问题,提出将带有双阶段注意力机制的递归神经网络用于家庭电力负荷预测。该模型通过引入输入注意力机制和时间注意力机制,可以自适应地选择相关性最大的输入特征,同时记忆时间序列的长期依赖关系。在时间窗口为8的未来一天家庭负荷预测中,该模型与SVR模型相比,三类误差分别降低39.1%,21.9%和37.4%,与不带注意力机制的Encoder-Decoder模型相比,三类误差分别降低25.1%,13.6%和28.7%。通过与其他模型进行对比,该模型在多变量家庭电力负荷预测中展现出良好的性能。最后,本文所有的研究均采用某城市电力营销部门所提供的真实数据,通过实验验证了所提模型的有效性,具有重要的现实意义。

关键词：用电模式负荷预测聚类状态频率记忆网络注意力机制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚类分析的用电模式判别研究

电力大数据 2019年第4期22卷 43-49页

作者：冉冉陈硕刘颖李钊国家电网辽宁电力公司

研究用户的用电模型,根据用户的用电习惯,制定相应的调控方案对保证电网安全平稳运行以及对提高用户的服务质量具有重要意义。本文首先针对小数量的负载数据集,比较了不同聚类算法的聚类结果和算法效率,对聚类算法进行了初步筛选,进而... 详细信息

研究用户的用电模型,根据用户的用电习惯,制定相应的调控方案对保证电网安全平稳运行以及对提高用户的服务质量具有重要意义。本文首先针对小数量的负载数据集,比较了不同聚类算法的聚类结果和算法效率,对聚类算法进行了初步筛选,进而比较了这些算法对大数量的负载数据集的聚类结果和聚类效率,结果表明基于划分的分析算法对负载数据集有很好的聚类效果;采用划分算法,通过聚类分析,将用户用电行为模式分为八个类别,分别为双峰型、避风型、平稳型、单峰稳定型、单峰型、后峰型、波动型和前锋型;最后针对聚类分析结果,筛选出具有单峰型、单峰稳定型和双峰型并且用电量较大的用电客户为可调控用户,对该类型用户分别制定了不同的错峰调控方案,并比较了不同调控方案给用户带来的经济效益。

关键词：聚类分析用电模式错峰效益