基于能源分解的用户用电行为模式分析.pdfVIP

2022年2月北京航空航天大学学报February2022

第48卷第2期JournalofBeijingUniversityofAeronauticsandAstronauticsVol.48No.2

http：//bhxb.buaa.edu.cnjbuaa@buaa.

DOI：10.13700/j.bh.1001-5965.2020.0557

基于能源分解的用户用电行为模式分析

卢瑞瑞，于海阳，杨震赖英旭，杨石松，周明

(北京工业大学信息学部，北京100124)

摘要：随着智能电网的普及和大数据技术的发展，利用用电数据分析用户的用电

行为越来越受到关注，现存的能源分解方法无法满足实际应用中对分辨率和分解准确率的高

要求，以及聚类分析方法过于粗糙没有充分挖掘每类电器的用电特点。提出了基于能源分解

的用户用电行为分析方法。在判别式稀疏编码算法模型的基础上，针对正则项不易求解、i,

正则项稀疏约束效果不理想的问题，提出用[,/2正则项稀疏约束进行能源分解，并且把用户之

间的同质性作为正则项加入基础模型来修正模型的性能。基于能源分解的结果，使用用户单

类电器的用电特征代替总用电特征精细化分析用户的用电行为，并改进传统的K-Mean聚类

算法进行实验验证。实验结果表明：所提出的基于i,/2正则项稀疏约束和同质性约束的能源

分解方法相比于传统判别式稀疏编码算法，能够有效提升能源分解的准确率。同时，基于能源

分解的用户用电行为聚类分析效果也有明显提升。

关键词：智能电网；能源分解；聚类分析；非负矩阵分解；同质性关系

中图分类号：V221+.3;TB553

文献标志码：A文章编号：1001-5965(2022)02-0311-13

近年来，大数据技术给人们的生活带来了很为分析，实现配电的双向交互、信息交换、信息处

多便利，而智能电网被看作是大数据技术的应用理等环节的智能控制，提高供电侧的可靠性和安

之一，吸引了很多学者利用用户数据挖掘数据中全性，从而实现用户方和供电方的利益最大化。

潜在价值方面的研究。由于智能电网是直接面向用户的，网络结构

能源问题是当今社会面临的最大挑战之一。复杂、类型繁多，如何深人分析用户的用电行为，

在美国，建筑消耗的能源占总能耗的40%，其中挖掘出用户用电行为潜在价值，成为该领域的研

73%是电力消耗[1]。研究表明，有效的能源管理究重点和难点。20世纪80年代，麻省理工学院

可以减少建筑物的10%~15%电力消耗[21，用户提出了非侵人式负载监测（NILM):3:方法，该方

对家用电器用电量的掌握有助于调节用电行为，法首次从智能电表端采集用户的聚合用电信号并

实现能源优化调度。而能源分解可以获得用户的从中推断出每个电器的用电信号。随后，研究人

详细用电信息，让用户对自己的用电状态更加了员在这些方法的基础上寻找更有效的电信号特

解，在一定程度上也可以诱导用户用电行为达到征，如稳态功率的谐波、电流消耗和瞬态噪

节能的目的。另外，能源分解后的数据可以反映声[4_7]，这些方法都称为基于事件的方法，其依赖

详细的能源使用情况，给用户提供改进的依据。于通过捕获特征来识别设备181;另外一种方法不

详