智能用电技术浅述.docVIP

智能用电技术浅述 　　【摘 要】智能用电是实现电网与用户之间实时交互响应，实施用电节能技术措施，提升服务水平的重要手段。探索智能用电技术的理论基础和发展方向，利于建设友好开放、双向互动的智能用电模式。 　　【关键词】智能用电;交互响应;技术措施 　　智能用电是实现电网与用户之间实时交互响应，满足互动营销需求，实施各项用电节能技术措施，提升服务水平的重要手段。可加强能源综合规划和用电需求侧管理，促进能源的合理使用与效率的提高，有利于减少大气污染，保护地球环境。探索适合国情的智能用电技术，利于建设友好开放、双向互动的智能用电模式、促进智慧城市的建设和发展。 　　1 技术研究的理论认识 　　1.1 需求侧管理（DSM）和需求响应（DR）理论 　　美国电力科学研究院1986年，首先提出DSM的概念，它是在负荷管理的基础上推行的调荷、节电工程，通过加强能源综合规划和用电需求侧管理促进了能源的合理使用与效率的提高，并减少大气污染，保护地球环境。逐步被世界各国采用。随着电力市场的发展与完善，电力系统的利益主体逐步多元化，需求侧资源在竞争市场中的作用正在被重新认识。把DSM分为长期机制和短期机制，这进一步丰富了DSM的内容。长效机制一旦实施将长期起作用，而需求响应DR是在短时间内起作用。为用于处理系统的急需调节运行状态引入，通过价格信号和激励机制来增加需求侧在市场中的作用，并将供应侧和需求侧的资源进行综合资源规划，是适应电力市场发展的必然要求。 　　1.2 数值分析和数理统计理论 　　数值分析和数理统计是对采集能效数据高级处理的理论基础。根据数理统计和数值分析相关原理，对于现场短期实测电力参数和热工参量分别采用多元线性回归统计方法和非线性插值迭代方法进行数据辨识和拟合，最大程度上真实反映现场能效现状，为后续的能效评估提供有效的基础数据支撑。 　　1.3 数据挖掘技术 　　数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘所能发现的知识有如下几种：广义型知识，反映同类事物共同性质的知识;特征型知识，反映事物各方面的特征知识;差异型知识，反映不同事物之间属性差别的知识;关联型知识，反映事物之间依赖或关联的知识;预测型知识，根据历史的和当前的数据推测未来数据;偏离型知识，揭示事物偏离常规的异常现象。所有这些知识都可以在不同的概念层次上被发现，它的任务主要是分类、预测、时间序列模式、聚类分析、关联分析预测和偏差分析等。整个过程由数据准备、数据挖掘、模式评估、巩固知识和运用知识等步骤组成。数据挖掘的常用方法有决策树方法、神经网络方法、粗糙集方法、遗传算法。 　　1.4 模糊控制理论 　　它是以模糊数学为基础，用语言规则表示方法和先进的计算机技术，由模糊推理进行决策的一种高级控制策略。模糊控制实质上是一种非线性控制，从属于智能控制的范畴。所谓模糊控制，就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法，用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础，用比较简单的数学形式直接将人的判断、思维过程表达出来，从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。 　　1.5 数据可视化技术 　　数据可视化技术是关于数据之视觉表现形式的研究，基本思想是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。目前数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等。 　　另外，目前已经开展的优化技术、空调系统热力学理论、现代通信和物联网技术、集群数据库管理技术、海量数据处理技术、信息安全技术等方面的理论研究，将为开展智能用电应用深化研究提供坚实的理论依据。 　　2 智能用电的发展建设 　　2.1 多种电价政策下家庭用电信息交互服务关键技术及应用 　　目前，国内正积极进行智能用户能量管理系统、智能家居和智能小区的研究与建设。在智能用户能量管理系统的研究中建立双向的通信联系，包括为用户提供实时电价和用电信息、监视和控制用电设备等，实现与电力用户信息相关的系统集成，与智能电网的实施相适应，最大限度地延长换代的生命周期。2010年6月，就选取过小区78 位住户进行智能化生活试点建设，安装智能家庭网关、智能交互终端、智能插座、智能家电等能效管理设备，家庭内部通信采用电力线通信和微功率无线通信