区域尺度住宅建筑日用电负荷模型构建方法研究

被引:18
作者
徐杰彦 [1 ]
许雯旸 [1 ]
褚渊 [1 ]
晋远 [2 ]
康旭源 [2 ]
陈征 [1 ]
机构
[1] 国网(北京)综合能源规划设计研究院有限公司
[2] 清华大学建筑学院
关键词
能源互联网; 住宅建筑; 日用电负荷; 自编码; 聚类; 随机用电模型;
D O I
暂无
中图分类号
TM714 [负荷分析];
学科分类号
080802 [电力系统及其自动化];
摘要
面对新时代能源发展形势,有效整合电力用户、电网企业及供应商信息,全面深度分析"源网荷储"特性是推进能源互联网发展的重要举措,模拟建筑用电这一典型负荷已尤为重要。关注区域规模居民用电负荷,提出用电负荷数据预处理分析方法和区域尺度住宅建筑日用电负荷模拟方法。区域尺度的用电数据在空间规模和时间跨度上均具有高维特征,分析大量数据并再现区域规模用电负荷是其主要难点。为此,提出结合自编码和k近邻算法的数据异常值剔除方法。在数据预处理的基础上,提出基于聚类分析的区域尺度住宅日用电负荷模型和模型检验方法,以单个住户的日均用电和全年最大日负荷为指标聚类,基于聚类分析结果提出随机用电模型,模拟区域尺度住宅建筑逐户逐日用电负荷。应用华东某重点城市智能电表采集的整年居民用电数据开展研究分析案例,实现区域住宅建筑居民日用电负荷的模拟再现。提出"数据异常值预处理、聚类分析、模型构建和检验"系列研究分析方法,可有效满足能源互联网建设对大量末端用户用电负荷的模拟分析需求。
引用
收藏
页码:29 / 39
页数:11
相关论文
共 16 条
[1]
基于系统动力学的工业园区电力需求分析与预测 [D]. 
陈智锴 .
北京交通大学,
2019
[2]
通化地区电网规划设计与分析 [D]. 
刘鑫 .
华北电力大学(北京),
2016
[3]
基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究 [J].
闫重熙 ;
陈皓 .
电测与仪表, 2020, 57 (06) :6-11+18
[4]
考虑相关因素的长短时记忆网络短期负荷预测方法 [J].
罗澍忻 ;
陆秋瑜 ;
靳冰洁 ;
麻敏华 .
机电工程技术, 2019, 48 (12) :126-129
[5]
Repulsive firefly algorithm-based optimal switching device placement in power distribution systems [J].
Yuanpeng Tan ;
Hai Chen ;
Wei Liu ;
Mingze Zhang ;
Yinong Li ;
Xincong Li ;
Hanyang Lin .
GlobalEnergyInterconnection, 2019, 2 (06) :490-496
[6]
Analysis of users' electricity consumption behavior based on ensemble clustering.[J].Qi Zhao;Haolin Li;Xinying Wang;Tianjiao Pu;Jiye Wang;.Global Energy Interconnection.2019, 06
[7]
居住建筑用电数据分析与随机模型构建 [J].
康旭源 ;
燕达 ;
孙红三 ;
晋远 .
建筑科学, 2019, 35 (12) :1-11
[8]
基于LSTM与XGBoost组合模型的超短期电力负荷预测 [J].
陈振宇 ;
刘金波 ;
李晨 ;
季晓慧 ;
李大鹏 ;
黄运豪 ;
狄方春 ;
高兴宇 ;
徐立中 .
电网技术, 2020, 44 (02) :614-620
[9]
基于BP神经网络的北京夏季日最大电力负荷预测方法 [J].
李琛 ;
郭文利 ;
吴进 ;
金晨曦 .
气候与环境研究, 2019, 24 (01) :135-142
[10]
探讨支持向量机在电力负荷预测中的运用 [J].
黄一楠 .
科技风, 2017, (20) :145