基于用电模式识别用户错峰潜力分析.docVIP

基于用电模式识别用户错峰潜力分析 　　摘 要：高GDP 增长率加上用户相对粗放的用电方式导致高峰负荷快速增长，且负荷增长率远高于电量增长率，这使得峰谷差日益增大，电能利用率降低。为了有效地降低峰谷差，提高负荷率，本文提出了一种面向智能电网的错峰用电管理新思路，利用聚类技术进行用户的用电模式识别，并将这项技术应用到错峰用电管理领域当中，针对用户不同的用电特点，考虑差异化错峰用电策略。这种基于用户的用电模式识别而开展的错峰潜力分析，可以为供电企业开展错峰用电管理工作提供依据，有效地弥补现有错峰用电管理方式相对粗放的不足，且支持将错峰用电管理作为一项长期用电管理工作来开展。 　　 关键词：错峰用电 负荷特性分析 聚类分析 　　一、 引言 　　近年来，随着我国经济的快速发展，电能在终端能源消费当中的分量越来越重。然而由于高GDP 增长率加上用户相对粗放的用电方式导致高峰负荷快速增长，且负荷增长率远高于电量增长率，这使得峰谷差日益增大，电能利用率降低，高峰时段的供电紧张，“电荒”现象频发。减小系统峰谷差最有效的方法是有效地开展需求侧管理，进行削峰填谷，在减小系统波峰负荷的同时增大系统波谷负荷。 　　在以前的实际用电管理工作中，往往是在电力紧缺的情况下，进行有序用电管理，对供电用户实行错峰、避峰、限电、拉闸等措施，来抑制高峰负荷。现在随着智能电网的建设和需求侧管理相关研究的深入以及需求侧管理相关应用的逐步成熟，面向智能电网的需求侧管理开始在削峰填谷、提高能效、节能减排等方面发挥其不可忽视的作用。目前电力需求侧管理在移峰填谷方面的应用主要是通过对工商业用户实行分时计量电量，实行尖峰、峰谷平分时电价措施引导工商业用户调整生产运行方式，转移高峰时刻的用电负荷，降低高峰用电需求，从而提高电网供电设备的负荷率和利用率，缓和高峰时刻的供用电矛盾。 　　错峰用电管理属于需求侧管理的一部分，科学合理地开展错峰用电，可以在减小波峰负荷的同时增加波谷负荷，达到削峰填谷的最佳效果。本文的贡献主要在于提出了一种面向智能电网的错峰用电管理新思路，利用聚类技术进行用户的用电模式识别，并将这项技术应用到错峰用电管理领域当中，针对用户不同的用电特点，考虑差异化错峰用电策略。这种基于用户的用电模式识别而开展的错峰潜力分析，可以为供电企业开展错峰用电管理工作提供依据，有效地弥补现有错峰用电管理方式相对粗放的不足，且支持将错峰用电管理作为一项长期用电管理工作来开展，可以有效地降低系统高峰负荷，提高负荷率，减小峰谷差。 　　二、用户用电模式识别 　　利用聚类技术进行用户的用电模式识别，利用数据挖掘技术对用户的用采数据进行深入分析来开展，进而获得用户的错峰潜力等潜在的有用信息，既能够为供电企业开展错峰用电管理工作提供依据，又能够为电力用户更好的制定用电方案。 　　1.数据预处理 　　用电信息采集系统收集的数据常常是为了其他用途，在收集时往往未明确具体目的，因此不能“在数据源头控制质量”，收集的数据往往会存在离群点、遗漏、不一致值、重复数据或其它不希望的成分。数据预处理的目的便是为了提高数据质量，让数据更好地适应特定的数据挖掘技术或工具。 　　数据清理是数据预处理一种行之有效的方法，通过填写空缺值、平滑噪声数据、识别删除孤立点、解决不一致等清洗手段，实现格式标准化、异常数据清除、错误纠正、重复数据的清除等清洗内容。 　　2.聚类分析 　　聚类分析（clustering analysis）是一个将数据集划分为若干组或类的过程，并使得同一个组内的数据对象具有较高的相似度;而不同组中的数据对象相似度很低。相似或不相似的描述是基于数据描述属性的取值来确定的，通常就是利用各对象间距离来进行表示的，两个样本之间的距离越小相似度越高，两个样本之间的距离越大则相似度越低。 　　三、错峰潜力分析 　　波动型用电模式与系统波动性有很强的相关性，说明系统负荷的波动主要由这些用电模式引起，因此波动型用电模式才是最具有错峰潜力的用电模式。 　　波动型用电模式的峰谷差代表了该模式下用户的理想最大错峰潜力，而实际应用中，用户的实际最大错峰潜力往往达不到理想最大错峰潜力，且实际错峰潜力往往达不到实际最大错峰潜力，这与系统高峰发生时间和错峰实现手段都有关系。 　　首先，用户的实际最大错峰潜力往往达不到理想最大错峰潜力。用户的实际最大错峰潜力与系统高峰发生时间之间的关系，只有在用户高峰与系统高峰同时发生的时候，用户的实际最大错峰潜力才等于用户的理想最大错峰潜力，其他情况下，用户的实际最大错峰潜力都要小于用户的理想最大错峰潜力。 　　再者，用户的实际错峰潜力往往达不到实际最大错峰潜力。错峰用电实现手段之一是通过调整生产量，将高峰时段的部分生产转移到低谷时段，这样既不会减少总