面向“削峰填谷”的电力客户用电行为分析

被引：8

作者：

王炳鑫 ^{[1
]}

侯岩 ^{[2
]}

方红旺 ^{[2
]}

陈雨泽 ^{[2
]}

刘建 ^{[2
]}

机构：

[1] 国网福建省电力有限公司泉州供电公司

[2] 北京中电普华信息技术有限公司

来源：

电信科学 | 2017年 / 33卷 / 05期

关键词：

用电行为分析; 削峰填谷; 聚类分析; 动态时间规整;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信];

学科分类号：

120103 [信息系统与信息管理];

摘要：

为对海量电力客户实施有针对性的"削峰填谷"措施,提出了一种面向"削峰填谷"的海量电力客户用电行为分析方法。首先,利用聚类算法对国网某省公司主网一年的日负荷曲线数据进行聚类分析,得到不同时期主网的负荷特征。然后,分别对每个时期下所有电力客户的日负荷曲线数据进行聚类分析,得到不同主网特征下用户群体的负荷特征,对比主网和用户的负荷特征得到用户群体的"削峰填谷"模式。最后,利用动态时间规整算法将未来日期与历史日期进行匹配,得到未来日期用户群体的"削峰填谷"模式。实证研究表明,分析结果可以为有序用电、峰谷电价等公司决策提供更有针对性的参考依据,以更进一步实现配电网负荷的"削峰填谷"和平稳运行。

引用

页码：164 / 170

页数：7

共 12 条

[1]

K -means algorithms for functional data.[J].María Luz López García;Ricardo García-Ródenas;Antonia González Gómez.Neurocomputing.2015,

[2]

Pairwise dynamic time warping for event data.[J].Ana Arribas-Gil;Hans-Georg Müller.Computational Statistics and Data Analysis.2014,

[3]

Rashidi, S. ;

Fallah, A. ;

Towhidkhah, F. .

APPLIED ARTIFICIAL INTELLIGENCE, 2013, 27 (07) :599-617

[4]

Using pattern recognition to identify habitual behavior in residential electricity consumption.[J]..Energy & Buildings.2012,

[5]

An Expectation–Maximization algorithm for the Wishart mixture model: Application to movement clustering.[J].Sullivan Hidot;Christophe Saint-Jean.Pattern Recognition Letters.2010, 14

[6]

Speed-up for the expectation-maximization algorithm for clustering categorical data [J].