CN113326303A - 一种用户用电行为分析方法及相关装置 - Google Patents
一种用户用电行为分析方法及相关装置 Download PDFInfo
- Publication number
- CN113326303A CN113326303A CN202110601737.9A CN202110601737A CN113326303A CN 113326303 A CN113326303 A CN 113326303A CN 202110601737 A CN202110601737 A CN 202110601737A CN 113326303 A CN113326303 A CN 113326303A
- Authority
- CN
- China
- Prior art keywords
- load
- user
- discrete
- power utilization
- load data
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000006399 behavior Effects 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 abstract description 7
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用户用电行为分析方法及相关装置,方法包括:采集不同预置区域的用户负荷数据;采用预置离散时间间隔将用户负荷数据离散为时刻点均匀分布的离散负荷数据;根据当前时刻和前一时刻的离散负荷数据计算当前时刻的负荷波动差值;通过负荷波动差值和时刻点构建不同时刻的负荷二元组;根据负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。本申请能够解决现有用户用电行为分析缺乏针对性、浪费人力物力,且存在调查局限,导致实际得到的结果缺乏准确性的技术问题。
Description
技术领域
本申请涉及电力系统技术领域,尤其涉及一种用户用电行为分析方法及相关装置。
背景技术
随着电力需求侧业务业务的不断推进,对用户用电行为进行精细分析越来越有必要。分析用户的用电行为,可以更加合理的安排调峰错峰,安排电力调度,而且可以更精确的进行片区规划,为用户提供各类综合能源服务。现有的技术对用户个体的用电行为进行分析比较少见,通常是通过分析地区负荷曲线,典型用户的负荷曲线来估算和拟合负荷。
用典型用户的负荷曲线及行为习惯进行分析,从大范围来看能得到大致拟合的负荷曲线,但对每个用户而言,无法挖掘其用电行为及用电习惯。传统方法也有采用入户调查的方式,通过询问法了解用户的用电习惯和电器数量功率等信息。然而基于人力物力成本考虑和用户隐私保护角度出发,不可能大规模铺开去询问用户习惯开展工作。
发明内容
本申请提供了一种用户用电行为分析方法及相关装置,用于解决现有用户用电行为分析缺乏针对性、浪费人力物力,且存在调查局限,导致实际得到的结果缺乏准确性的技术问题。
有鉴于此,本申请第一方面提供了一种用户用电行为分析方法,包括:
采集不同预置区域的用户负荷数据;
采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据;
根据当前时刻和前一时刻的所述离散负荷数据计算所述当前时刻的负荷波动差值;
通过所述负荷波动差值和时刻点构建不同时刻的负荷二元组;
根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
优选地,所述采集不同预置区域的用户负荷数据,之前还包括:
根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,所述用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
基于所述用户用电类型,对台区用户进行区域划分,得到预置区域。
优选地,所述采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据,之后还包括:
基于所述离散负荷数据计算用户一天内的负荷平均值;
根据所述负荷平均值对用户一天内的所述离散负荷数据进行用户用电峰谷划分,所述用户用电峰谷划分的过程为:所述离散负荷数据大于所述负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
优选地,所述根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律,包括:
将所有所述负荷波动差值大于所述负荷阈值的所述负荷二元组划分至用户负荷开启组;
将所有所述负荷波动差值小于或者等于所述负荷阈值的所述负荷二元组划分至用户负荷关闭组;
根据所述用户负荷开启组和所述用户负荷关闭组构建用户用电行为规律列表。
本申请第二方面提供了一种用户用电行为分析装置,包括:
采集模块,用于采集不同预置区域的用户负荷数据;
离散模块,用于采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据;
计算模块,用于根据当前时刻和前一时刻的所述离散负荷数据计算所述当前时刻的负荷波动差值;
构建模块,用于通过所述负荷波动差值和时刻点构建不同时刻的负荷二元组;
分析模块,用于根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
优选地,还包括:
分类模块,用于根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,所述用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
划分模块,用于基于所述用户用电类型,对台区用户进行区域划分,得到预置区域。
优选地,还包括:
均值计算模块,用于基于所述离散负荷数据计算用户一天内的负荷平均值;
峰谷划分模块,用于根据所述负荷平均值对用户一天内的所述离散负荷数据进行用户用电峰谷划分,所述用户用电峰谷划分的过程为:所述离散负荷数据大于所述负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
优选地,所述分析模块具体用于:
将所有所述负荷波动差值大于所述负荷阈值的所述负荷二元组划分至用户负荷开启组;
将所有所述负荷波动差值小于或者等于所述负荷阈值的所述负荷二元组划分至用户负荷关闭组;
根据所述用户负荷开启组和所述用户负荷关闭组构建用户用电行为规律列表。
本申请第三方面提供了一种用户用电行为分析设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的用户用电行为分析方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的用户用电行为分析方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种用户用电行为分析方法,包括:采集不同预置区域的用户负荷数据;采用预置离散时间间隔将用户负荷数据离散为时刻点均匀分布的离散负荷数据;根据当前时刻和前一时刻的离散负荷数据计算当前时刻的负荷波动差值;通过负荷波动差值和时刻点构建不同时刻的负荷二元组;根据负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
本申请提供的用户用电行为分析方法,获取用户负荷数据,然后根据时间进行离散处理,便于进行针对性的用电分析,通过不同时刻点的差值表现负荷的波动情况,从而准确把握用户用电行为的变化,根据二元组进行聚类分析可以描述用户的集中用电时间点,进而得到每个用户的用电行为规律,不需要依靠人力物力,而是通过理论计算分析就可以得到针对性的结果。因此,本申请能够解决现有用户用电行为分析缺乏针对性、浪费人力物力,且存在调查局限,导致实际得到的结果缺乏准确性的技术问题。
附图说明
图1为本申请实施例提供的一种用户用电行为分析方法的流程示意图;
图2为本申请实施例提供的一种用户用电行为分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种用户用电行为分析方法的实施例,包括:
步骤101、采集不同预置区域的用户负荷数据。
预置区域为提前划分的用户区域,每个预置区域中包括多个用户。可以采用集中器读取预置区域中所有用户的用户负荷数据,针对所有用户进行针对性的用电行为分析。
进一步地,步骤101,之前还包括:
根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
基于用户用电类型,对台区用户进行区域划分,得到预置区域。
不同的用户用电习惯大概可以划分为居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电几种类型,不同用电类型的划分可以针对性设置不同的用电标准来衡量用户的用电特性,更加准确,也更加符合实际情况。
不同区域的用户用电也存在针对性差异,因此,本实施例在用户用电类型的基础上,进一步将台区的用户进行区块划分,使得用户的分析标准更合理,分析结果更加可靠。可以理解的是,预置区域为多个,可以记作n,同一个预置区域中可以存在多种不同的用户用电类型。即每个用户为Ci k,其中,k=1,2,3,4,......n,为预置区域标号,i=1,2,3,4,......,m,为用户数量。
步骤102、采用预置离散时间间隔将用户负荷数据离散为时刻点均匀分布的离散负荷数据。
本实施例中选取的预置离散时间间隔为30分钟(min),预置离散时间间隔的选取需要充分考虑用户开启电器的使用过程,30min是一个比较稳定的状态,选取的时间间隔太短会导致负荷变动过于频繁,不利于获取到最准确的分析结果;选取的时间间隔太长会掩盖负荷的真实变化情况。
按照30min的预置离散时间间隔,每一天每个用户的用户负荷数据可以被划分为48个时刻点,即48组时间-负荷数据;负荷数据在时刻点上你均匀分布。
进一步地,步骤102,之后还包括:
基于离散负荷数据计算用户一天内的负荷平均值;
根据负荷平均值对用户一天内的离散负荷数据进行用户用电峰谷划分,用户用电峰谷划分的过程为:离散负荷数据大于负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
具体的,可以采用如下公式计算负荷平均值:
其中,ui为每个时刻点的离散负荷数据,Uave为负荷平均值。
用户用电峰谷划分的过程为:
若ui>Uave,则判断当前时刻点i为用户用电高峰;
若ui≤Uave,则判断当前时刻点i为用户用电低谷;
根据对所有用户的用电峰谷进行分析,可以帮助电网实现电力调度优化,根据用户用电需求作出的错峰调峰调度更有利于达到电力调度过程各方面的双赢。
步骤103、根据当前时刻和前一时刻的离散负荷数据计算当前时刻的负荷波动差值;
基于上述定义,若当前时刻为i,前一时刻为i-1,那么当前时刻的负荷波动差值可以表达为:
Δui=ui-ui*1。
步骤104、通过负荷波动差值和时刻点构建不同时刻的负荷二元组。
Δui对应的时刻点即为i,所以构建不同时刻的负荷二元组为(Δui,i)。本实施例中选取了48个时刻点,因此,每一个用户每一天都有48个负荷二元组。还可以根据需要增加数据采集天数,提升分析结果的准确性,操作过程可以参考一天的执行方案,在此不作赘述。
步骤105、根据负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
进一步地,步骤105,包括:
将所有负荷波动差值大于负荷阈值的负荷二元组划分至用户负荷开启组;
将所有负荷波动差值小于或者等于负荷阈值的负荷二元组划分至用户负荷关闭组;
根据用户负荷开启组和用户负荷关闭组构建用户用电行为规律列表。
负荷阈值是人为设定的,但是上述的用户用电类型和预置区域的划分会影响此处的负荷阈值设定,根据不同的用户用电类型,或者不同的预置区域,设置不同层级的负荷阈值,针对不同情况的用户的负荷波动差值进行阈值对比判定,得到针对用户用电特性的规律列表。规律列表可以描述用户的习惯开启或者关闭负荷的功率和时间,从而准确感知用户用电状态和用电习惯。
本申请实施例提供的用户用电行为分析方法,获取用户负荷数据,然后根据时间进行离散处理,便于进行针对性的用电分析,通过不同时刻点的差值表现负荷的波动情况,从而准确把握用户用电行为的变化,根据二元组进行聚类分析可以描述用户的集中用电时间点,进而得到每个用户的用电行为规律,不需要依靠人力物力,而是通过理论计算分析就可以得到针对性的结果。因此,本申请实施例能够解决现有用户用电行为分析缺乏针对性、浪费人力物力,且存在调查局限,导致实际得到的结果缺乏准确性的技术问题。
以上为本申请提供的一种用户用电行为分析方法的一个实施例,以下为本申请提供的一种用户用电行为分析装置的一个实施例。
为了便于理解,请参阅图2,本申请提供了一种用户用电行为分析装置的实施例,包括:
采集模块201,用于采集不同预置区域的用户负荷数据;
离散模块202,用于采用预置离散时间间隔将用户负荷数据离散为时刻点均匀分布的离散负荷数据;
计算模块203,用于根据当前时刻和前一时刻的离散负荷数据计算当前时刻的负荷波动差值;
构建模块204,用于通过负荷波动差值和时刻点构建不同时刻的负荷二元组;
分析模块205,用于根据负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
进一步地,还包括:
分类模块206,用于根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
划分模块207,用于基于用户用电类型,对台区用户进行区域划分,得到预置区域。
进一步地,还包括:
均值计算模块208,用于基于离散负荷数据计算用户一天内的负荷平均值;
峰谷划分模块209,用于根据负荷平均值对用户一天内的离散负荷数据进行用户用电峰谷划分,用户用电峰谷划分的过程为:离散负荷数据大于负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
进一步地,分析模块205具体用于:
将所有负荷波动差值大于负荷阈值的负荷二元组划分至用户负荷开启组;
将所有负荷波动差值小于或者等于负荷阈值的负荷二元组划分至用户负荷关闭组;
根据用户负荷开启组和用户负荷关闭组构建用户用电行为规律列表。
以上为本申请提供的一种用户用电行为分析装置的一个实施例,以下为本申请提供的一种用户用电行为分析设备的一个实施例。
本申请还提供了一种用户用电行为分析设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行上述方法实施例中的用户用电行为分析方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行上述方法实施例中的用户用电行为分析方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种用户用电行为分析方法,其特征在于,包括:
采集不同预置区域的用户负荷数据;
采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据;
根据当前时刻和前一时刻的所述离散负荷数据计算所述当前时刻的负荷波动差值;
通过所述负荷波动差值和时刻点构建不同时刻的负荷二元组;
根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
2.根据权利要求1所述的用户用电行为分析方法,其特征在于,所述采集不同预置区域的用户负荷数据,之前还包括:
根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,所述用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
基于所述用户用电类型,对台区用户进行区域划分,得到预置区域。
3.根据权利要求1所述的用户用电行为分析方法,其特征在于,所述采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据,之后还包括:
基于所述离散负荷数据计算用户一天内的负荷平均值;
根据所述负荷平均值对用户一天内的所述离散负荷数据进行用户用电峰谷划分,所述用户用电峰谷划分的过程为:所述离散负荷数据大于所述负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
4.根据权利要求1所述的用户用电行为分析方法,其特征在于,所述根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律,包括:
将所有所述负荷波动差值大于所述负荷阈值的所述负荷二元组划分至用户负荷开启组;
将所有所述负荷波动差值小于或者等于所述负荷阈值的所述负荷二元组划分至用户负荷关闭组;
根据所述用户负荷开启组和所述用户负荷关闭组构建用户用电行为规律列表。
5.一种用户用电行为分析装置,其特征在于,包括:
采集模块,用于采集不同预置区域的用户负荷数据;
离散模块,用于采用预置离散时间间隔将所述用户负荷数据离散为时刻点均匀分布的离散负荷数据;
计算模块,用于根据当前时刻和前一时刻的所述离散负荷数据计算所述当前时刻的负荷波动差值;
构建模块,用于通过所述负荷波动差值和时刻点构建不同时刻的负荷二元组;
分析模块,用于根据所述负荷二元组和负荷阈值进行负荷聚类分析,得到用户用电行为规律。
6.根据权利要求5所述的用户用电行为分析装置,其特征在于,还包括:
分类模块,用于根据用户用电性质对台区用户进行类型划分,得到不同用户用电类型,所述用户用电类型包括居民用户用电、农林渔业用户用电、工业用户用电和商业用户用电;
划分模块,用于基于所述用户用电类型,对台区用户进行区域划分,得到预置区域。
7.根据权利要求5所述的用户用电行为分析装置,其特征在于,还包括:
均值计算模块,用于基于所述离散负荷数据计算用户一天内的负荷平均值;
峰谷划分模块,用于根据所述负荷平均值对用户一天内的所述离散负荷数据进行用户用电峰谷划分,所述用户用电峰谷划分的过程为:所述离散负荷数据大于所述负荷平均值的时刻点为用户用电高峰,否则为用户用电低谷。
8.根据权利要求5所述的用户用电行为分析装置,其特征在于,所述分析模块具体用于:
将所有所述负荷波动差值大于所述负荷阈值的所述负荷二元组划分至用户负荷开启组;
将所有所述负荷波动差值小于或者等于所述负荷阈值的所述负荷二元组划分至用户负荷关闭组;
根据所述用户负荷开启组和所述用户负荷关闭组构建用户用电行为规律列表。
9.一种用户用电行为分析设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的用户用电行为分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的用户用电行为分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601737.9A CN113326303A (zh) | 2021-05-31 | 2021-05-31 | 一种用户用电行为分析方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601737.9A CN113326303A (zh) | 2021-05-31 | 2021-05-31 | 一种用户用电行为分析方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113326303A true CN113326303A (zh) | 2021-08-31 |
Family
ID=77422712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601737.9A Pending CN113326303A (zh) | 2021-05-31 | 2021-05-31 | 一种用户用电行为分析方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326303A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307642A (zh) * | 2023-05-19 | 2023-06-23 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
CN109359859A (zh) * | 2018-10-16 | 2019-02-19 | 贵州电力交易中心有限责任公司 | 一种考虑用户侧参与的辅助服务费用分摊方法及系统 |
CN110675042A (zh) * | 2019-09-17 | 2020-01-10 | 南瑞集团有限公司 | 基于K-Means聚类算法的工业用户储能建设研判方法 |
CN111817294A (zh) * | 2020-07-07 | 2020-10-23 | 郑州工程技术学院 | 基于数学模型的电网供电控制系统、方法及设备 |
CN112531698A (zh) * | 2020-12-01 | 2021-03-19 | 福建永福电力设计股份有限公司 | 一种获取大用户日内调峰效果评估指标的方法 |
-
2021
- 2021-05-31 CN CN202110601737.9A patent/CN113326303A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992238A (zh) * | 2015-06-24 | 2015-10-21 | 国网山东省电力公司电力科学研究院 | 一种基于典型日负荷特性的电力负荷预测方法 |
CN109359859A (zh) * | 2018-10-16 | 2019-02-19 | 贵州电力交易中心有限责任公司 | 一种考虑用户侧参与的辅助服务费用分摊方法及系统 |
CN110675042A (zh) * | 2019-09-17 | 2020-01-10 | 南瑞集团有限公司 | 基于K-Means聚类算法的工业用户储能建设研判方法 |
CN111817294A (zh) * | 2020-07-07 | 2020-10-23 | 郑州工程技术学院 | 基于数学模型的电网供电控制系统、方法及设备 |
CN112531698A (zh) * | 2020-12-01 | 2021-03-19 | 福建永福电力设计股份有限公司 | 一种获取大用户日内调峰效果评估指标的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307642A (zh) * | 2023-05-19 | 2023-06-23 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
CN116307642B (zh) * | 2023-05-19 | 2023-08-18 | 青岛奥利普奇智智能工业技术有限公司 | 一种能源调度分配的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109752613B (zh) | 基于非侵入式负荷监测的违约用电检测系统及方法 | |
CN109697548B (zh) | 用电分析服务器及其用电分析方法 | |
CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
CN107870981A (zh) | 电子装置、数据表归档处理的方法及存储介质 | |
CN110555972B (zh) | 基于智能插座采集海量数据的家用电器使用频率优化方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
CN110136024B (zh) | 获取用户的用电特征、用电习惯及用电量预测值的方法及装置 | |
CN112711616A (zh) | 一种基于聚类算法的用户用电特性分析方法 | |
CN111612275A (zh) | 一种预测区域用户负荷量的方法及装置 | |
Tucker et al. | Constrained thompson sampling for real-time electricity pricing with grid reliability constraints | |
CN110543889A (zh) | 电力负荷分层聚类方法、装置、计算机设备及存储介质 | |
CN102521706A (zh) | Kpi 数据的分析方法及装置 | |
CN112002949A (zh) | 一种动力电池主动均衡的监测管理方法及系统 | |
CN114839433A (zh) | 窃电行为确定方法、装置及电子设备 | |
CN113326303A (zh) | 一种用户用电行为分析方法及相关装置 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN117559443A (zh) | 尖峰负荷下大工业用户集群有序用电控制方法 | |
CN115684809A (zh) | 一种基于虚拟电厂的用户端用电测试系统 | |
CN117097768B (zh) | 一种基于大数据的智能电能表安全通信传输系统及方法 | |
CN113935856A (zh) | 电能的控制方法及其装置、处理器、计算机可读存储介质 | |
CN113055423A (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
CN108923426B (zh) | 一种负荷识别方法、装置、设备及计算机可读存储介质 | |
CN112215472A (zh) | 一种基于聚类的电采暖负荷响应控制方法和装置 | |
CN116644920A (zh) | 一种智能停电管理方法及系统 |
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 |