制造業(yè)企業(yè)是電力消耗大戶,通過電能計(jì)量自動(dòng)化系統(tǒng)實(shí)時(shí)采集各類用電行為數(shù)據(jù),分析和挖掘制造業(yè)企業(yè)在不同行業(yè)和不同時(shí)間的電力負(fù)荷模式,對(duì)制造業(yè)企業(yè)進(jìn)行客戶分群,可以用以指導(dǎo)電網(wǎng)公司開展負(fù)荷預(yù)測(cè)、電網(wǎng)調(diào)度、電力營(yíng)銷和階梯電價(jià)等應(yīng)用。本文主要研究制造業(yè)用電負(fù)荷形態(tài)的分析方法,挖掘不同企業(yè)的負(fù)荷形態(tài)模式,掌握典型用戶的電力負(fù)荷特性。當(dāng)前用電負(fù)荷形態(tài)模式挖掘主要采用聚類的分析方法,但是各類聚類算法在電力負(fù)荷形態(tài)分析的任務(wù)中仍然面臨以下的挑戰(zhàn):如何在海量電力用電形態(tài)數(shù)據(jù)的聚類結(jié)果中選取最優(yōu)類簇個(gè)數(shù);如何突破單一聚類算法的性能瓶頸;如何解決高維用電負(fù)荷形態(tài)數(shù)據(jù)特征的劃分問題。本文從以下三個(gè)方面解決電力負(fù)荷形態(tài)分析任務(wù)的挑戰(zhàn)。第一,研究基于模糊KMeans的自動(dòng)聚類算法,識(shí)別最優(yōu)的聚類簇結(jié)果,挖掘不同行業(yè)的典型用電負(fù)荷形態(tài)模式。第二,研究基于特征分層抽樣的集成聚類算法,突破單一聚類算法的性能瓶頸。該算法對(duì)電負(fù)荷形態(tài)數(shù)據(jù)的特征進(jìn)行分層并采樣,產(chǎn)生差異性的數(shù)據(jù)子集聚類成員,采用超圖劃分的MCLA共識(shí)函數(shù)算法,集成多個(gè)聚類成員結(jié)果得到最優(yōu)的聚類結(jié)果。第三,針對(duì)分層抽樣的集成聚類算法在高維數(shù)據(jù)面臨的特征劃分挑戰(zhàn),采用了一階差分統(tǒng)計(jì)的特征分層改進(jìn)方法,有效地識(shí)別制造業(yè)用電形態(tài)特征區(qū)間,提高分層抽樣集成聚類算法性能。通過南方電網(wǎng)公司在東莞市采集的兩萬多家制造業(yè)企業(yè)的歷史用電數(shù)據(jù)上的大量實(shí)驗(yàn)表明:模糊K-Means自動(dòng)聚類算法可以發(fā)現(xiàn)不同行業(yè)的典型電力負(fù)荷形態(tài)模式,例如兩班、三班和夜班模式等。特征分層抽樣集成聚類算法在較低抽樣率的條件下,性能仍然優(yōu)于單一聚類算法,并能有效處理原始數(shù)據(jù)中的噪聲問題。本文研究結(jié)果表明,模糊K-Means自動(dòng)聚類算法和特征分層抽樣集成聚類算法能夠有效挖掘典型用戶的用電模式,在電力需求側(cè)管理和動(dòng)態(tài)尖峰電價(jià)計(jì)算中具有重要的實(shí)用價(jià)值。
【學(xué)位單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP311.13;F426.61
【部分圖文】：

塑料制品行業(yè)的電力用戶主要分布在長(zhǎng)安和塘廈鎮(zhèn)，紡織行業(yè)的電力用戶主要分布在虎門和厚街。當(dāng)前東莞市的用電計(jì)量終端每隔 15 分鐘采集一次用電負(fù)荷數(shù)據(jù)，通過各地供電局分布式采集之后，再集中傳送至省計(jì)量主站數(shù)據(jù)庫。一天的數(shù)據(jù)有 96 維，一個(gè)月的數(shù)據(jù)有將近 3,000 維。大量智能電表投入使用的同時(shí)也帶來了用電側(cè)海量數(shù)據(jù)的挑戰(zhàn)。用電負(fù)荷形態(tài)數(shù)據(jù)具有維度高、實(shí)時(shí)性、周期性等特點(diǎn)，與其他數(shù)據(jù)挖掘不同，用電負(fù)荷數(shù)據(jù)挖掘更關(guān)注海量用電負(fù)荷數(shù)據(jù)的處理技術(shù)，提取用電負(fù)荷形態(tài)來分析其用電負(fù)荷數(shù)據(jù)中的周期規(guī)律，用電周期規(guī)律挖掘的目的是挖掘不同用戶有效的用電模式。因此，用電負(fù)荷數(shù)據(jù)中蘊(yùn)含巨大的潛在價(jià)值，分析用電負(fù)荷數(shù)據(jù)具有以下重要意義：（1）提高發(fā)電設(shè)備效率，減少能源損失和資金投入，增強(qiáng)電網(wǎng)系統(tǒng)的穩(wěn)定性。（2）合理調(diào)度電能，節(jié)約用戶用電成本，通過削峰填谷等策略，將高峰時(shí)段用電改在低谷時(shí)段用電，減少居民企業(yè)等用電客戶的用電支出。（3）通過分析和挖掘制造業(yè)企業(yè)在不同行業(yè)，不同時(shí)間階段的生產(chǎn)用電行為，供電企業(yè)可以創(chuàng)新服務(wù)模式，為用戶提供定制化服務(wù)，比如根據(jù)用電行為對(duì)企業(yè)進(jìn)行客戶分

一種保留重要點(diǎn)的降維方法，給定數(shù)據(jù)集合X = {x ,x , ,x }，會(huì)權(quán)重做重要性排序。先取頭尾兩個(gè)點(diǎn)x 和x 放入數(shù)據(jù)集 PIPs 中作，下一個(gè)點(diǎn)則取距第一個(gè)和第二點(diǎn)距離最遠(yuǎn)的點(diǎn)。此時(shí)三個(gè)點(diǎn)將數(shù)四個(gè)點(diǎn)則從每段范圍內(nèi)找出對(duì)應(yīng)段距離最遠(yuǎn)的點(diǎn)，以此類推直到找到依照其重要性排序的數(shù)據(jù)集合。LandMarks[27]也是一種尋找重要法認(rèn)為轉(zhuǎn)折點(diǎn)在曲線中有重要的意義，并將轉(zhuǎn)折點(diǎn)作為重要的點(diǎn)，的多階導(dǎo)數(shù)是否為 0 來判斷該點(diǎn)是否為轉(zhuǎn)折點(diǎn)。圖 2-2 PAA 降維方法

數(shù)選取的問題。首先提取典型的用電負(fù)荷形態(tài)，然后用電負(fù)荷數(shù)據(jù)做預(yù)處理，通過聚類的方法找出最優(yōu)的類簇?cái)?shù)目，最后聚類結(jié)果結(jié)合天類型和行業(yè)類型兩個(gè)因素分同的用電模式場(chǎng)景。.1 典型用電負(fù)荷形態(tài)用電負(fù)荷時(shí)間序列記錄企業(yè)用電量隨時(shí)間變化的規(guī)律。用戶的智能電表終端每隔鐘自動(dòng)采集一次數(shù)據(jù)。例如，在某個(gè)時(shí)刻 t，采集電壓、電流、有功功率、無功功率在功率、功率因子、當(dāng)前三項(xiàng)不平衡率等七種類型的數(shù)據(jù)。如圖 3-1 所示為某個(gè)制造企業(yè) 2012 年 5 月電負(fù)荷形態(tài)的時(shí)間序列的按天分解圖個(gè)窗口展示的是一天內(nèi)（24 小時(shí)）的電荷負(fù)載形態(tài)曲線，可以看出在周一至周五的日中，每天的電荷負(fù)載曲線相似，呈現(xiàn)三班的加班模式（曲線有三個(gè)峰值）。而在周周日休息日中，用電模式明顯改變，其中周六為固定兩班用電模式（曲線有兩個(gè)峰值末為低功耗用電模式。五一勞動(dòng)節(jié)的法定假期，企業(yè)也是持續(xù)低用電模式。這說明業(yè)周日和法定假期是不生產(chǎn)的。

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 趙國(guó)生;牛貞貞;劉永光;孫超亮;;基于自適應(yīng)模糊C均值聚類算法的電力負(fù)荷特性分類[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2015年06期

2 張斌;莊池杰;胡軍;陳水明;張明明;王科;曾嶸;;結(jié)合降維技術(shù)的電力負(fù)荷曲線集成聚類算法[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年15期

3 楊震男;袁飛;楊凱;盧毅;;基于頻譜分析的負(fù)荷形態(tài)分類研究[J];電力需求側(cè)管理;2015年03期

4 黃劍文;嚴(yán)宇平;;基于聚類集成的用戶負(fù)荷模式識(shí)別[J];計(jì)算機(jī)應(yīng)用與軟件;2014年12期

5 宋易陽;李存斌;祁之強(qiáng);;基于云模型和模糊聚類的電力負(fù)荷模式提取方法[J];電網(wǎng)技術(shù);2014年12期

6 崔陽;楊炳儒;;超圖在數(shù)據(jù)挖掘領(lǐng)域中的幾個(gè)應(yīng)用[J];計(jì)算機(jī)科學(xué);2010年06期

7 盧s

本文編號(hào)：2833668