检索结果-内蒙古大学图书馆

电力系统及其自动化学报 2022年第8期34卷 102-109页

作者：翟术然孙虹吕伟嘉马骁乔亚男卢静雅国网天津市电力公司电力科学研究院天津300221 天津求实智源科技有限公司天津300392

为获取并评估用户内部各用电器能效情况,提出基于非侵入式负荷监测NILM(non-intrusive load monitoring)的家庭电器能效评估方法。首先采用基于负荷事件的NILM,获取个性化能效评估所需的精细化用电数据。进而通过积累电器级用能数据,分... 详细信息

为获取并评估用户内部各用电器能效情况,提出基于非侵入式负荷监测NILM(non-intrusive load monitoring)的家庭电器能效评估方法。首先采用基于负荷事件的NILM,获取个性化能效评估所需的精细化用电数据。进而通过积累电器级用能数据,分析用户的用电特性,得到多类型用户的典型用能规律,并结合地理信息和天气数据总结分析用户用电需求。同时,根据使用目的和工作机理将家庭用电器进行分类,并分别构建了相应的家庭用电器能效评估模型。算例结果表明,所提方法可向用户提出具有针对性的用电建议,优化用户用电行为。

关键词：能效评估负荷识别用电行为分析需求侧管理

来源：评论

学校读者我要写书评

暂无评论

基于CK-means算法的用户用电负荷聚类分析

引用

计算机仿真 2021年第7期38卷 63-67,133页

作者：程江洲何艳鲍刚潘飞三峡大学电气与新能源学院湖北宜昌443000

针对传统K-means算法存在的对初始聚类中心敏感和需要预先给定K值的问题,提出了一种基于CK-means算法的用户用电负荷聚类分析方法。先对负荷数据进行预处理,通过密度Canopy算法可得到最优簇集值K与最佳初始聚类中心,将其代入K-means算... 详细信息

针对传统K-means算法存在的对初始聚类中心敏感和需要预先给定K值的问题,提出了一种基于CK-means算法的用户用电负荷聚类分析方法。先对负荷数据进行预处理,通过密度Canopy算法可得到最优簇集值K与最佳初始聚类中心,将其代入K-means算法中可提取出典型的用户负荷模式、得到具有差异性的聚类成员,选取江西某地216名用户一个月的负荷数据进行实例仿真,通过与两种典型的聚类方法进行比较,并用不同的有效性指标来评价其聚类性能,实验结果证明改进后的新算法在准确性、稳定性和有效性方面都优于其它算法。

关键词：用电行为分析用户分类用电负荷

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯网络的非侵入式家庭负荷动态监测模型

引用

电测与仪表 2020年第23期57卷 63-70页

作者：张恒邓其军周东国武汉大学电气与自动化学院武汉430072

智能量测技术是智能电网的重要组成部分,为了实现非侵入式负荷低频监测并进一步提升负荷辨识准确率,文中结合居民用电行为与外界环境相关的特点,提出一种基于贝叶斯网络的非侵入式家庭负荷动态监测模型,该模型选取电气特征和外部数据为... 详细信息

智能量测技术是智能电网的重要组成部分,为了实现非侵入式负荷低频监测并进一步提升负荷辨识准确率,文中结合居民用电行为与外界环境相关的特点,提出一种基于贝叶斯网络的非侵入式家庭负荷动态监测模型,该模型选取电气特征和外部数据为特征量,综合考虑居民负荷的时间特性和对外部数据的关联特性,对居民用电行为采用贝叶斯网络模型进行建模分析,并随时间推移对特征库进行动态更新,从而实现对家庭负荷的监测作用。文中采用AMPds2公开数据集数据进行算法验证,证明文章算法的准确性和有效性,同时对外部数据和用电行为进行互信息分析,结果表明时段特征对用电行为相关性最强。

关键词：贝叶斯网络非侵入式负荷监测用电行为分析非电量特征动态监测

来源：评论

学校读者我要写书评

暂无评论

智能电网大数据的分析与应用(英文)

引用

电力建设 2015年第10期36卷 11-19页

作者：高峰刘广一 Chris Saunders 朱文东陈振宇于洋国网智研院美国研究院 Santa ClaraCA 95054 中国电力科学研究院北京市100192 斯坦福大学 Palo Alto 94305

能源互联网的兴起是全球能源环境与经济发展双重压力导致的结果,这种趋势不可避免地促进大数据分析技术的快速发展。大数据技术是指从各种各样类型的海量数据中,快速获得有价值信息的技术。简要介绍了国网智研院美国研究院大数据团队的... 详细信息

能源互联网的兴起是全球能源环境与经济发展双重压力导致的结果,这种趋势不可避免地促进大数据分析技术的快速发展。大数据技术是指从各种各样类型的海量数据中,快速获得有价值信息的技术。简要介绍了国网智研院美国研究院大数据团队的研究工作和实验室软硬件配置,介绍了智能电网数据结构和计算架构等概念性的设计。重点介绍了与斯坦福大学合作进行的用户分组分类和需求响应定量计算方法,以及非侵入式电能分解。这些工作基于集成的数据模型和开源软件技术,将为电网公司和客户同时带来收益。

关键词：大数据解析混合整数规划用电行为分析电能分解

来源：评论

学校读者我要写书评

暂无评论

基于动态自适应K均值聚类的电力用户负荷编码与行为分析

引用

电力科学与技术学报 2017年第3期32卷 3-8页

作者：孙毅冯云崔灿贾孟扬华北电力大学电气与电子工程学院北京102206

随着中国智能电表在用户中广泛普及,电力公司可获取用户用电数据日益庞大,海量的用电数据给用户用电行为挖掘分析带来了新的挑战。提出一种将用户典型用电负荷进行编码的方法,首先,基于聚类中心动态分离的自适应k均值算法,提取用户典型... 详细信息

随着中国智能电表在用户中广泛普及,电力公司可获取用户用电数据日益庞大,海量的用电数据给用户用电行为挖掘分析带来了新的挑战。提出一种将用户典型用电负荷进行编码的方法,首先,基于聚类中心动态分离的自适应k均值算法,提取用户典型用电负荷形状;其次,对典型负荷进行编码,并记录负荷属性值,建立具有普适性的用户负荷字典;最后,提取用户平均最大负荷和用户行为稳定性,获得不同用户参与需求响应以及能源效率项目的潜力。该方法在一定程度上解决了海量用电数据处理的难题,对用户用电行为分析研究具有一定的实际意义。

关键词：用电行为分析动态K均值负荷编码负荷字典

来源：评论

学校读者我要写书评

暂无评论

智能电网中基于WebGIS的可视化分析系统研究与实现

智能电网中基于WebGIS的可视化分析系统研究与实现

引用

作者：侯雪北京邮电大学

学位级别：硕士

智能电网积累了丰富的电力数据,其中蕴含着丰富的用电行为信息。对这些数据进行挖掘可以帮助电力公司了解用户的个性化、差异化服务需求,但是,由此导致的数据爆炸也是智能电网面临的一个巨大挑战。当前,很多学者对用户用电行为的研究都... 详细信息

智能电网积累了丰富的电力数据,其中蕴含着丰富的用电行为信息。对这些数据进行挖掘可以帮助电力公司了解用户的个性化、差异化服务需求,但是,由此导致的数据爆炸也是智能电网面临的一个巨大挑战。当前,很多学者对用户用电行为的研究都是根据用电数据对用户进行聚类分析。自动化的数据挖掘方法往往存在对结果的解读,分析和验证困难的问题,不能直观的对于不同用户的行为差异进行有效性分析。可视化借助于人眼对视觉的快速感知能力和人脑的智能认知能力,能够起到清晰高效的传达信息和辅助数据分析的作用。因此,将可视化应用于智能电网中,与电力数据分析结合,能帮助电力系统专家结合领域知识挖掘用电行为背后隐藏的模式。本文的主要研究内容如下:(1)提出了一种用电行为数据的可视分析方法。用电数据具有时序特征,本文在使用用电数据统计特征的基础上提取了用电序列曲线的形状特征,用来表示用电数据的波动性,使用基于K-means的聚类方法对用电行为进行分组。为了表现用电行为数据的多维特征,本文设计了一种基于序列饼图的可视化布局,在表现时间维度的同时,利用可视化图元编码用电行为的多维属性特征,从而帮助分析人员更好的比较用电行为差异。此外,本文利用地图视图编码空间属性,将用电信息与空间信息融合起来,通过这种方式挖掘不同区域用户的用电行为差异。(2)设计并实现了一个基于WebGIS的可视分析系统。该系统基于可视分析学标准流程,有机的结合自动化数据挖掘方法与文中提出的可视化布局方法,帮助分析人员从多角度,细粒度的分析比较不同的用电行为之间的差异,帮助用户更好的分析与理解数据,解决了自动化数据挖掘结果难以分析的问题。此外系统提供了电力数据管理功能,把业务人员从繁琐的数据处理任务中解放出来。系统采用前后端分离的架构,后端通过RESTful API提供数据服务,前端主要负责可视化渲染。这种架构设计将前后端的任务分离开,使系统具有良好的可扩展性。最后,本文使用系统对某地区的用电行为进行可视化分析,能够得到有价值的结论,在一定程度上证明了系统的有效性和实用性。

关键词：电力数据数据可视化可视分析用电行为分析

来源：评论

学校读者我要写书评

暂无评论

基于用户数据的负荷模型与购售电策略分析

基于用户数据的负荷模型与购售电策略分析

引用

作者：武灵耀太原理工大学

学位级别：硕士

智能电表除了最基本的计量功能外,还包括信息存储、状态监测等功能。然而由于技术水平限制,智能电表采集到的大量用户数据无法得到有效利用。此外,在电力市场改革的背景下,如何通过用户数据挖掘用户信息,为不同用户提供差异化服务,是售... 详细信息

智能电表除了最基本的计量功能外,还包括信息存储、状态监测等功能。然而由于技术水平限制,智能电表采集到的大量用户数据无法得到有效利用。此外,在电力市场改革的背景下,如何通过用户数据挖掘用户信息,为不同用户提供差异化服务,是售电公司提高市场竞争力的有效方式。因此,如何从用户数据中采集到有用的信息,成了电力行业研究的重要方法。同时,售电公司还面临着改革下的风险与挑战,如何规避这些风险成了亟待解决的问题,进行售电公司的购售电策略分析显得意义重大。针对以上问题,本文主要研究基于用户数据的负荷模型与购售电策略分析,一方面通过新型聚类方法与搭建用电分析系统对用户进行用电行为分析;另一方面通过神经网络算法预测日前市场电价并建立结合双边协商与现货市场交易的购售电优化模型进行售电公司购售电策略分析。本文主要研究内容有以下几点:(1)在查阅大量国内外相关文献的基础上,首先对本课题的研究背景与意义进行了研究。并对用电行为、电价预测、购售电策略三方面的国内外研究现状分别进行了分析总结。(2)提出了一种新的负荷分析方法,该方法利用电力负荷参数,仿照股票分析中的K线图,定义了电力K线图及其相关指标。最后通过算例表明电力K线图与相关指标可用于负荷分析工作,该方法为研究用户行为提供了新思路。(3)提出了一种结合异同移动平均线指标(Moving Average Convergence/Divergence,MACD)与聚类算法的用户用电分析方法,该方法使用用户数据的MACD指标进行聚类,获得了更好的聚类效果;并且结合MACD指标与用户用电量曲线,利用MACD分析股票的思维对用户用电行为进行分析,可以更有效的研判用户用电量上升与下降趋势的变化,为电力公司了解用户用电习惯,挖掘用户用电需求,提高服务水平提供有力的支持。(4)为了提高进行用户行为分析的效率,开发了电力K线用电分析系统。首先设计了该系统的总体结构与运行流程,然后介绍了开发该系统的关键技术,包括各类数据库与B/S模式等,最后对该系统的可视化界面进行了说明。该系统实现了K线图进行用户行为分析的各种功能,可以对各地区及用户用电量在不同时间尺度上进行分析研究,对电网规划建设提供参考。(5)提出了一种趋势指标结合长短期记忆神经网络(Long Short-Term Memory Network,LSTM)的电价预测模型。该模型首先计算电价每小时的KDJ指标与MACD指标,其次,将趋势指标提取到的信息与电价数据一同输入到长短时循环网络从而对日前市场电价进行预测。利用山西省现货市场日前电价数据进行算例分析,通过对比实验说明趋势指标的引入使电价预测有了较大的提升,为售电公司购售电策略提供了日前电价数据参考。(6)简要概述电力市场改革进程、电力市场交易机制以及售电公司现状,建立了售电公司购售电策略优化模型,该模型考虑了双边协商交易及现货市场交易两种交易模式,以售电公司利润为优化目标,不同交易模式所占比例为未知量,采用粒子群算法进行求解,最终得到售电公司的期望利润。通过对不同交易模式下的期望利润对比,为售电公司在电力市场环境下如何分配购电比例提供科学依据。

关键词：聚类算法神经网络用电行为分析电力市场电价预测购售电策略

来源：评论

学校读者我要写书评

暂无评论

基于云电表的用电检测系统的可视化设计

基于云电表的用电检测系统的可视化设计

引用

作者：黄博佛山科学技术学院

学位级别：硕士

云电表通过数据采集器将大量的用户用电数据传送到云服务器中,这些云电表用户用电数据下隐藏着大量用户用电行为信息,对云电表用户用电数据进行自动化数据挖掘可以更好的帮助电力公司营销人员针对不同类型用户制定不同的营销策略。如今... 详细信息

云电表通过数据采集器将大量的用户用电数据传送到云服务器中,这些云电表用户用电数据下隐藏着大量用户用电行为信息,对云电表用户用电数据进行自动化数据挖掘可以更好的帮助电力公司营销人员针对不同类型用户制定不同的营销策略。如今,大多数学者都是用单一的聚类分析方法进行对用户用电行为的研究。为了更好的帮助人们对用电数据自动化挖掘得到的结果进行解读,分析和验证,同时更直观有效的分析不同用户的用电行为差异。由此提出了可视化方法,人眼的感知能力是人类获取知识最高效的方式,这决定了可视化可以起到直观高效的传达信息和帮助业务人员分析用户用电数据的作用。因此,为了电力系统专家挖掘用电行为背后隐藏的模式可以将可视化方法引入智能电网中,让它与电力数据分析和相关领域知识结合。本课题主要研究内容如下:（1）提出了一种基于云电表用电监测数据的可视化展示方法。智慧云电表用电数据具有典型的时序特征和空间特征,本文通过引入地图编码,将用户用电数据的空间特征更直观的展现出来,此外本文还根据用户用电时序特征和统计特征以自动化大数据挖掘的方法划分用户类别,同时本文改进了K-means聚类算法,比传统的人为定义k值聚类更加精确,效果更好。（2）设计并实现了一个基于云电表的用电监测可视化系统。系统根据可视化分析学流程标准将文中提出的可视化布局方法和自动化用电数据挖掘结合在一起,更好的帮助业务人员从多角度分析比较不同的用户用电行为之间的差异,让业务人员更直观的了解云电表用户用电数据。系统的电力数据管理功能可以帮业务人员从处理繁琐用电数据的任务中解放出来。可视化监测系统采用前后端分离的架构,后端由*** Core为云电表用电监测系统提供数据服务,前端由百度地图提供地图视图。云电表用电监测可视化系统是基于web程序设计的,这有利用业务人员进行功能扩展。最后,本文为证明系统的有效性和实用性对某城区云电表用户用电行为进行可视化分析,能够达到预期效果。

关键词：云电表数据可视化可视分析用电行为分析

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的非侵入式负荷监测与分解研究

基于深度学习的非侵入式负荷监测与分解研究

引用

作者：余登武贵州大学

学位级别：硕士

在电力改革持续推进和建设全球能源互联网的大背景下,准确获取用户侧电力信息,是其中最为关键的一项技术。然而传统的侵入式监测方法,需要在用户内部安装监测装置,部署举步维艰。非侵入式负荷监测系统它由电力负荷信息采集模块、分解处... 详细信息

在电力改革持续推进和建设全球能源互联网的大背景下,准确获取用户侧电力信息,是其中最为关键的一项技术。然而传统的侵入式监测方法,需要在用户内部安装监测装置,部署举步维艰。非侵入式负荷监测系统它由电力负荷信息采集模块、分解处理模块、通信模块、储存模块、以及终端显示模块构成。只需将装置安装在用户电源入口处,就能够将电力设备的运行信息进行准确的记录。当用电设备开启,例如空调,电力负荷信息采集模块感知到电流等信息的变化,触发分解处理模块,对该负荷进行监测分解,获得负荷类别特征以及功率等信息,并将数据通过网络传送到远端数据库进行储存。非侵入式负荷监测与分解装置可推广到包括商业楼宇企业工厂在内的各个场景,获取内在负荷的有功、无功等数据,并通过集中器和工控机最终将信息保存到远端服务器上。电力公司等上游单位可以将收到的信息进行数据分析,真实了解用户侧负荷细节、构成比重等信息,从而为下游用户提供用电建议等服务。同时下游用户通过网页或者app与上游电力公司进行互动,查询用电情况等,从而实现节约用电、安全用电。这些人性化的服务,终将为我们的生活和工作带来便利。本文首先归纳了非侵入式负荷监测与分解在国内外的研究现状以及应用。然后探讨了其在用户层的技术:家用电器状态识别、家用电器负荷分解。采用深层循环卷积神经网络对家电产品进行状态识别,采用门控递归神经网络Gated Recurrent Units,GRU)和注意机制模型对负荷进行分解。接着关注其在用户层的应用:智能插座、用电行为分析。通过聚类的方法实现了非侵入式智能插座,当电器插入到插座之后,插座能在几分钟之内识别出电器类型,并判断是否违规用电,能有效避免火灾发生;根据分解得到的电器历史运行数据,通过数据分析得到用户的用电行为习惯,从侧面反映用户的健康。最后探讨了非侵入式负荷检测与分解在变电站层的技术,提出基于卷积神经网络+支持向量机的分解方法,可以将总的用电信息分解成各行各业用电信息,并对其在变电站层的应用进行了阐述。

关键词：非侵入式负荷监测负荷状态识别负荷分解非侵入式智能插座用电行为分析变电站

来源：评论

学校读者我要写书评

暂无评论

基于双层聚类的电力用户可调节潜力评估研究

基于双层聚类的电力用户可调节潜力评估研究

引用

作者：刘宇安徽理工大学

学位级别：硕士

随着新能源发电占比和需求侧负荷量日益增加,发电侧调节能力降低,亟需通过需求响应技术,充分调动负荷侧可调节资源,以构建供需平衡的新型电力系统。实施需求响应的关键在于用户可调节潜力的准确评估,然而用户用电行为差异化严重,会影响... 详细信息

随着新能源发电占比和需求侧负荷量日益增加,发电侧调节能力降低,亟需通过需求响应技术,充分调动负荷侧可调节资源,以构建供需平衡的新型电力系统。实施需求响应的关键在于用户可调节潜力的准确评估,然而用户用电行为差异化严重,会影响到用户可调节潜力。鉴于此,本文在设计二进制特征优选方法以及双层次聚类的基础上,开展用户用电行为分析和可调节潜力评估研究。 (1)为降低模型时间复杂度,提出适用于负荷聚类问题多目标优化二进制特征优选方法。本文利用聚类整体性能(Clustering Overall Performance,COP)和邓恩系数(Dunn Index,Dunn)设计聚类适应度函数。通过实验得到二进制原子搜索优化(Binary Atom Search Optimization,BASO)特征优选子集的聚类效果更优,轮廓系数(Silhouette Coefficient,SC)达到0.5345。 (2)为实现电力用户用电行为分析,通过K-means一次聚类结合模糊C均值(Fuzzy C-means,FCM)二次聚类,建立基于K-means-FCM的用户用电行为分析模型,将146名用户划分为3组(6子类)群体,并判别其可调节潜力高低。与其他聚类方法对比,本文所提的双层聚类模型效果更佳,SC分别为0.2164、0.3254和0.5179。 (3)为实现用户可调节潜力评估,利用反向传播神经网络(Back Propagation,BP)、支持向量回归机(Support Vector Regression,SVR)和极限学习机(Extreme Learning Machine,ELM)三种预测算法,构建不同特征优选方式下用户可调节潜力基础评估模型,实验证明基于BASO特征优选结合ELM算法构建的模型预测精度更高。进一步地,利用多种群智能优化算法对ELM的权值阈值进行寻优,并且通过混沌序列优化结合约束域变异机制提高海洋捕食者算法(Marine Predators Algorithm,MPA)的种群多样性和寻优能力,得到改进的海洋捕食者算法(IMPA)。实验结果表明,所提出的BASO-IMPA-ELM的模型具有更高的预测精度,能够有效评估各用户群体的日调节潜力。本文对用户用电行为进行分析,进而对可调节潜力进行评估。结果表明,本文所构建的模型能够对用户可调节潜力进行高精度评估,为可调节潜力评估提供了一种思路方法,在促进新型电力系统的灵活性和智能化发展上具有实际研究意义。图[32]表[16]参[93]

关键词：用电行为分析可调节潜力评估特征优选双层聚类预测模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：