CN109634940A - 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法 - Google Patents

一种基于海量低压台区用电数据的典型低压台区用电模型构建方法 Download PDF

Info

Publication number
CN109634940A
CN109634940A CN201811339685.7A CN201811339685A CN109634940A CN 109634940 A CN109634940 A CN 109634940A CN 201811339685 A CN201811339685 A CN 201811339685A CN 109634940 A CN109634940 A CN 109634940A
Authority
CN
China
Prior art keywords
electricity consumption
platform area
data
low
low pressure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811339685.7A
Other languages
English (en)
Inventor
曹国瑞
杨霖
滕永兴
朱逸群
孙淑娴
于学均
钟睿君
王子南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811339685.7A priority Critical patent/CN109634940A/zh
Publication of CN109634940A publication Critical patent/CN109634940A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于海量低压台区用电数据的典型低压台区用电模型构建方法，包括以下几个步骤：⑴对从数据库中查询得到的居民用电数据进行清洗；⑵应用主成分分析方法对用电数据进行降维；⑶计算低压居民用电评价指标集；⑷基于k‑means聚类分析法，对低压电力用户进行分类。本发明通过典型低压台区用电模型的构建，形成标准统一的结构化特征数据形式，正确建立可表征低压台区用户用电行为的多维度特征参数集，并提取出电力用户的典型用电模式。本发明可以为实现台区下各智能表运行误差远程诊断评估和快速处置提供良好的数据基础，以及未来需求响应政策制定、台区损耗管理等提供技术支持，提升低压台区精细化管理水平。

Description

一种基于海量低压台区用电数据的典型低压台区用电模型构 建方法
技术领域
本发明属于电能计量技术领域，尤其是一种基于海量低压台区用电数据的典型低压台区用电模型构建方法。
背景技术
作为配电管理的最底层单元，低压台区的精细化、实时化管理势在必行。自国网公司全面推进智能电能表换装及用电信息采集系统建设以来，目前已实现全域4.26亿只智能电能表的在线运行，积累了大量的居民用电数据。这些数据具有海量、异构的特点，蕴含着丰富的居民用户用电信息。对这些用电数据进行深入挖掘，提取出用户的用电行为特点，有利于电网对低压台区进行精细化、实时化管理，同时也能了解用户个性化、差异化的服务需求，实现精准营销。
发明内容
本发明的目的在于克服现有技术的不足之处，提供一种基于海量低压台区用电数据的典型低压台区用电模型构建方法，通过挖掘海量用户用电数据，建立可表征低压台区用户用电行为的多维度特征参数集，构建典型用户用电行为模型，从而构造用户画像。
本发明解决其技术问题是采取以下技术方案实现的：
一种基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：包括以下几个步骤：
⑴对从数据库中查询得到的居民用电数据进行清洗；
⑵应用主成分分析方法对用电数据进行降维；
⑶计算低压居民用电评价指标集；
⑷基于k-means聚类分析法，对低压电力用户进行分类。
而且，所述步骤⑴，对于确实的居民用电数据，去数据缺失日期前、后各五天内同一时刻的用电数据的均值作为缺失值。
而且，所述步骤⑵具体为，对某电力用户，设xi,j表示该用户在第i天时刻j的用电数据，应用主成分分析降维的详细步骤：
①对所有样本进行中心化：
②计算样本的协方差矩阵XXT；
③对矩阵XXT进行特征值分解；
④取最大的特征值对应的特征向量，得到特征向量矩阵W；
⑤对原始数据X进行变换z＝WTX,得到向量z，完成降维。
而且，所述步骤⑶具体为，基于主成分分析得到的用电向量z，计算指标峰值功率、峰时系数、谷时系数、负荷率，各指标计算方法如下：
峰值功率s1＝当日功率最大值；
峰时系数s2＝高峰时段用电量/当日总用电量；
谷时系数s3＝低谷时段用电量/当日总用电量；
负荷率s4＝平均负荷/总负荷；
通过计算，每个电力用户都可以表示为一个1×4的行向量矩阵：s＝[s1s2s3s4]。
而且，所述步骤⑷具体为：
①从数据集中任意选取k个作为初始的聚类中心，其中，N为选取的电力用户数量，k为分类的数量；
②对数据集中的第i个样本点si，计算其与各聚类中心点的欧式距离，并获取si所属的类别标号：
式中μj代表样本si与k个簇相比距离最近的簇；
③按照下式重新计算k个聚类中心：
④重复步骤②和③，直到满足平方误差准则：
本发明的优点和积极效果是：
1、本发明通过典型低压台区用电模型的构建，形成标准统一的结构化特征数据形式，正确建立可表征低压台区用户用电行为的多维度特征参数集，并提取出电力用户的典型用电模式。
2、本发明可以为实现台区下各智能表运行误差远程诊断评估和快速处置提供良好的数据基础，以及未来需求响应政策制定、台区损耗管理等提供技术支持，提升低压台区精细化管理水平。
附图说明
图1为本方法流程图。
具体实施方式
下面并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种基于海量低压台区用电数据的典型低压台区用电模型构建方法，从居民用电的峰值功率、峰时系数、谷时系数、负荷率四个指标来表征居民用户用电模式，基于k-means聚类分析方法对电力用户进行分类。
包括以下几个步骤：
⑴对从数据库中查询得到的居民用电数据进行清洗；
在用电数据采集的过程中，难免受到系统延时等各种影响，发生数据丢失。对于电力用户而言，其每日的负荷曲线通常具有横向相似性，故参考数据缺失日期前后五天内同一时刻的用电数据，取这十天同时刻用电量的均值作为缺失值。
⑵应用主成分分析方法对用电数据进行降维；
若只取少数几天的日用电数据，则不能充分反映出电力居民的用电特点；但如果选取的时间跨度太长，数据太多，又会极大的加重计算负担。故应用主成分分析方法，在保留用电数据特征的同时，对其进行降维处理。
具体的，对某电力用户，设xi,j表示该用户在第i天时刻j的用电数据，应用主成分分析降维的详细步骤：
①对所有样本进行中心化：
②计算样本的协方差矩阵XXT；
③对矩阵XXT进行特征值分解；
④取最大的特征值对应的特征向量，得到特征向量矩阵W；
⑤对原始数据X进行变换z＝WTX,得到向量z。
显然，通过主成分分析，原始数据是一个i×j的矩阵，将其转化为一个1×j的向量，完成了降维。
⑶计算低压居民用电评价指标集；
基于主成分分析得到的用电向量z，计算指标峰值功率、峰时系数、谷时系数、负荷率。各指标计算方法如下：
峰值功率s1＝当日功率最大值；
峰时系数s2＝高峰时段用电量/当日总用电量；
谷时系数s3＝低谷时段用电量/当日总用电量；
负荷率s4＝平均负荷/总负荷；
通过计算，每个电力用户都可以表示为一个1×4的行向量矩阵：s＝[s1 s2 s3s4]。
⑷基于k-means聚类分析法，对低压电力用户进行分类。
①从数据集中任意选取k个作为初始的聚类中心，其中，N为选取的电力用户数量，k为分类的数量。
②对数据集中的第i个样本点si，计算其与各聚类中心点的欧式距离，并获取si所属的类别标号：
式中μj代表样本si与k个簇相比距离最近的簇。
③按照下式重新计算k个聚类中心：
④重复步骤②和③，直到满足平方误差准则：
尽管为说明目的公开了本发明的实施例，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例所公开的内容。

Claims (5)

1.一种基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：包括以下几个步骤：
⑴对从数据库中查询得到的居民用电数据进行清洗；
⑵应用主成分分析方法对用电数据进行降维；
⑶计算低压居民用电评价指标集；
⑷基于k-means聚类分析法，对低压电力用户进行分类。
2.根据权利要求1所述的基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：所述步骤⑴，对于确实的居民用电数据，去数据缺失日期前、后各五天内同一时刻的用电数据的均值作为缺失值。
3.根据权利要求1所述的基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：所述步骤⑵具体为，对某电力用户，设xi,j表示该用户在第i天时刻j的用电数据，应用主成分分析降维的详细步骤：
①对所有样本进行中心化：
②计算样本的协方差矩阵XXT；
③对矩阵XXT进行特征值分解；
④取最大的特征值对应的特征向量，得到特征向量矩阵W；
⑤对原始数据X进行变换z＝WTX,得到向量z，完成降维。
4.根据权利要求1所述的基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：所述步骤⑶具体为，基于主成分分析得到的用电向量z，计算指标峰值功率、峰时系数、谷时系数、负荷率，各指标计算方法如下：
峰值功率s1＝当日功率最大值；
峰时系数s2＝高峰时段用电量/当日总用电量；
谷时系数s3＝低谷时段用电量/当日总用电量；
负荷率s4＝平均负荷/总负荷；
通过计算，每个电力用户都可以表示为一个1×4的行向量矩阵：s＝[s1s2s3s4]。
5.根据权利要求1所述的基于海量低压台区用电数据的典型低压台区用电模型构建方法，其特征在于：所述步骤⑷具体为：
①从数据集中任意选取k个作为初始的聚类中心，其中，N为选取的电力用户数量，k为分类的数量；
②对数据集中的第i个样本点si，计算其与各聚类中心点的欧式距离，并获取si所属的类别标号：
式中μj代表样本si与k个簇相比距离最近的簇；
③按照下式重新计算k个聚类中心：
④重复步骤②和③，直到满足平方误差准则：
CN201811339685.7A 2018-11-12 2018-11-12 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法 Pending CN109634940A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811339685.7A CN109634940A (zh) 2018-11-12 2018-11-12 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811339685.7A CN109634940A (zh) 2018-11-12 2018-11-12 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法

Publications (1)

Publication Number Publication Date
CN109634940A true CN109634940A (zh) 2019-04-16

Family

ID=66067791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811339685.7A Pending CN109634940A (zh) 2018-11-12 2018-11-12 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法

Country Status (1)

Country Link
CN (1) CN109634940A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109971A (zh) * 2019-04-19 2019-08-09 国网天津市电力公司电力科学研究院 一种低压台区用户用电负荷特性分析方法
CN110826641A (zh) * 2019-11-13 2020-02-21 上海积成能源科技有限公司 一种基于聚类分析归类居民用电情况的系统及方法
CN111008193A (zh) * 2019-12-03 2020-04-14 国网天津市电力公司电力科学研究院 一种数据清洗与质量评价方法及系统
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法
CN111141950A (zh) * 2019-12-03 2020-05-12 深圳供电局有限公司 一种计量自动化系统电表分时表码异常判断与修复方法
CN111177651A (zh) * 2019-12-03 2020-05-19 深圳供电局有限公司 一种计量自动化系统电表分时缺失表码拟合方法
CN111915116A (zh) * 2019-05-10 2020-11-10 国网能源研究院有限公司 一种基于K-means聚类的电力居民用户分类方法
CN112836769A (zh) * 2021-03-10 2021-05-25 广东电网有限责任公司电力调度控制中心 基于主成分分析的需求响应用户分类方法及系统
CN113837311A (zh) * 2021-09-30 2021-12-24 南昌工程学院 一种基于需求响应数据的居民客户聚类方法及装置
CN116881772A (zh) * 2023-06-30 2023-10-13 海南电网有限责任公司文昌供电局 一种基于配电网的台区用电用户类型分类方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104124754A (zh) * 2013-04-28 2014-10-29 上海市电力公司 一种低压大用户群的用电优化方法及系统
CN106156792A (zh) * 2016-06-24 2016-11-23 中国电力科学研究院 一种基于台区电气特征参数的低压台区聚类方法
CN107247737A (zh) * 2017-05-10 2017-10-13 国家电网公司 基于用电量的台区违约用电分析与挖掘方法
CN107944747A (zh) * 2017-12-11 2018-04-20 国网江苏省电力公司宿迁供电公司 一种基于改进主成分分析的低压台区评价方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104124754A (zh) * 2013-04-28 2014-10-29 上海市电力公司 一种低压大用户群的用电优化方法及系统
CN106156792A (zh) * 2016-06-24 2016-11-23 中国电力科学研究院 一种基于台区电气特征参数的低压台区聚类方法
CN107247737A (zh) * 2017-05-10 2017-10-13 国家电网公司 基于用电量的台区违约用电分析与挖掘方法
CN107944747A (zh) * 2017-12-11 2018-04-20 国网江苏省电力公司宿迁供电公司 一种基于改进主成分分析的低压台区评价方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张生军: "《基于视觉的无标记手势识别》", 30 June 2016, 吉林大学出版社 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109971A (zh) * 2019-04-19 2019-08-09 国网天津市电力公司电力科学研究院 一种低压台区用户用电负荷特性分析方法
CN111915116A (zh) * 2019-05-10 2020-11-10 国网能源研究院有限公司 一种基于K-means聚类的电力居民用户分类方法
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法
CN110826641A (zh) * 2019-11-13 2020-02-21 上海积成能源科技有限公司 一种基于聚类分析归类居民用电情况的系统及方法
CN111008193A (zh) * 2019-12-03 2020-04-14 国网天津市电力公司电力科学研究院 一种数据清洗与质量评价方法及系统
CN111141950A (zh) * 2019-12-03 2020-05-12 深圳供电局有限公司 一种计量自动化系统电表分时表码异常判断与修复方法
CN111177651A (zh) * 2019-12-03 2020-05-19 深圳供电局有限公司 一种计量自动化系统电表分时缺失表码拟合方法
CN111141950B (zh) * 2019-12-03 2022-06-14 深圳供电局有限公司 一种计量自动化系统电表分时表码异常判断与修复方法
CN111008193B (zh) * 2019-12-03 2023-10-31 国网天津市电力公司电力科学研究院 一种数据清洗与质量评价方法及系统
CN112836769A (zh) * 2021-03-10 2021-05-25 广东电网有限责任公司电力调度控制中心 基于主成分分析的需求响应用户分类方法及系统
CN112836769B (zh) * 2021-03-10 2024-02-02 广东电网有限责任公司电力调度控制中心 基于主成分分析的需求响应用户分类方法及系统
CN113837311A (zh) * 2021-09-30 2021-12-24 南昌工程学院 一种基于需求响应数据的居民客户聚类方法及装置
CN113837311B (zh) * 2021-09-30 2023-10-10 南昌工程学院 一种基于需求响应数据的居民客户聚类方法及装置
CN116881772A (zh) * 2023-06-30 2023-10-13 海南电网有限责任公司文昌供电局 一种基于配电网的台区用电用户类型分类方法

Similar Documents

Publication Publication Date Title
CN109634940A (zh) 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法
CN111860600B (zh) 一种基于最大相关最小冗余判据的用户用电特征选择方法
CN103559655B (zh) 基于数据挖掘的微网新型馈线负荷的预测方法
CN107133652A (zh) 基于K‑means聚类算法的用电客户价值评估方法及系统
CN110781332A (zh) 基于复合聚类算法的电力居民用户日负荷曲线聚类方法
Huang et al. A clustering based grouping method of nearly zero energy buildings for performance improvements
CN109376772B (zh) 一种基于神经网络模型的电力负荷组合预测方法
CN111461761A (zh) 一种基于多维细粒度行为数据的居民用户画像方法
CN107248031B (zh) 一种针对负荷曲线峰谷差的快速电力用户分类方法
CN111144468A (zh) 电力用户信息标签化方法和装置、电子设备以及存储介质
CN108805213B (zh) 计及小波熵降维的电力负荷曲线双层谱聚类方法
CN110109971A (zh) 一种低压台区用户用电负荷特性分析方法
CN109190950B (zh) 一种电表和水表档案贯通的用能异常识别方法
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
CN109858728A (zh) 基于分行业用电特性分析的负荷预测方法
CN107784518A (zh) 一种基于多维指标的电力客户细分方法
CN106777005A (zh) 基于大数据技术改进聚类算法的用户用电行为分析方法
CN106296315A (zh) 基于用户用电数据的情境感知系统
CN110930051A (zh) 基于大数据分析的居民需求响应潜力分析系统及方法
CN108898273A (zh) 一种基于形态分析的用户侧负荷特征聚类评价方法
CN111798333A (zh) 一种用能评估与用电安全分析方法和系统
CN110503145A (zh) 一种基于k-shape聚类的典型负荷曲线获取方法
CN114692672A (zh) 一种基于用电特征和Mean Shift算法的用户类型分类方法
Kumar et al. A deep clustering framework for load pattern segmentation
CN112365164A (zh) 基于改进密度峰值快速搜索聚类算法的中大型能源用户用能特性画像方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416