本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的電力客戶避峰價(jià)值分析

  更多相關(guān)文章： 數(shù)據(jù)挖掘 K-means聚類 避峰價(jià)值模型 避峰排序

【摘要】：隨著經(jīng)濟(jì)的發(fā)展與人們生活水平的提高,社會(huì)各行業(yè)用電結(jié)構(gòu)發(fā)生了很大的變化,電力客戶的負(fù)荷特性也發(fā)生了很大變化,電力部門面臨著嚴(yán)峻的供需緊張局面。尤其是夏季空調(diào)負(fù)荷及冬季取暖負(fù)荷的增長(zhǎng),對(duì)電力負(fù)荷的需求量遠(yuǎn)遠(yuǎn)高于電網(wǎng)的供應(yīng)量。全國(guó)大部分地區(qū)都出現(xiàn)電力供需不平衡現(xiàn)象,這種嚴(yán)重的供需不平衡不僅給電網(wǎng)帶來(lái)困擾,也無(wú)法為客戶提供優(yōu)質(zhì)、穩(wěn)定的電能。為了保障電網(wǎng)安全經(jīng)濟(jì)的運(yùn)行,供電部門應(yīng)及時(shí)掌握客戶的電力消費(fèi)行為,當(dāng)電網(wǎng)的供應(yīng)電量小于電力客戶的需求電量時(shí),采用一系列措施降低客戶的用電量,從而達(dá)到更加完善的用電秩序。目前電網(wǎng)制定的有序用電方案主要包含避峰、錯(cuò)時(shí)、調(diào)休和檢修,而避峰方案更加簡(jiǎn)便靈活、容易實(shí)現(xiàn)“快上快下”且能夠及時(shí)應(yīng)對(duì)突發(fā)情況,所以需要針對(duì)有序用電方案中的避峰工作展開研究。如何分析海量電力客戶的避峰潛力,并向客戶提供避峰決策支持尤為重要。由于電力客戶的用電負(fù)荷是一個(gè)很龐大的數(shù)據(jù),需要借助于數(shù)據(jù)挖掘的相關(guān)算法對(duì)客戶的用電模式進(jìn)行分析,這樣可以對(duì)客戶大量的用電負(fù)荷數(shù)據(jù)進(jìn)行簡(jiǎn)化,便于分析客戶具有代表性的用電行為。本文利用K-means算法對(duì)電力客戶大量的歷史負(fù)荷數(shù)據(jù)進(jìn)行聚類分析,從而得到各電力客戶的典型日負(fù)荷曲線,將典型日負(fù)荷曲線作為各電力客戶最具代表的負(fù)荷特性曲線,為本文分析各電力客戶的避峰價(jià)值提供數(shù)據(jù)基礎(chǔ)。本文在傳統(tǒng)的負(fù)荷特性指標(biāo)基礎(chǔ)上,根據(jù)實(shí)際需求定義了適用于避峰分析的負(fù)荷特性指標(biāo),然后融合各項(xiàng)負(fù)荷特性指標(biāo),建立了避峰價(jià)值模型,根據(jù)模型定量地計(jì)算出各電力客戶的各項(xiàng)負(fù)荷特性指標(biāo)及避峰價(jià)值大小。在上述工作的基礎(chǔ)上,再對(duì)海量電力客戶的避峰價(jià)值進(jìn)行聚類分析,將電力客戶聚為幾類,并根據(jù)聚類結(jié)果產(chǎn)生指導(dǎo)性的避峰排序表。按照每個(gè)聚類中心值從大到小依次表示為避峰能力很強(qiáng)、強(qiáng)、較強(qiáng)、一般、差。避峰能力強(qiáng)的用戶組優(yōu)先進(jìn)行避峰,同一個(gè)用戶組內(nèi)的各用戶同時(shí)進(jìn)行避峰�；诒疚牡乃惴ㄔO(shè)計(jì),選取某地區(qū)電網(wǎng)及幾家電力客戶的實(shí)際負(fù)荷數(shù)據(jù),對(duì)建立的避峰價(jià)值模型進(jìn)行實(shí)例分析,驗(yàn)證了避峰排序的準(zhǔn)確有效性,這對(duì)于指導(dǎo)電力部門尋找有價(jià)值的電力客戶參與避峰有一定的意義。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 K-means聚類 避峰價(jià)值模型 避峰排序
【學(xué)位授予單位】：濟(jì)南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F426.61;TP311.13
【目錄】：

• 摘要7-8
• Abstract8-10
• 第一章 緒論10-16
• 1.1 選題的背景和意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文主要研究工作12-14
• 1.4 本文的創(chuàng)新點(diǎn)14
• 1.5 本章小結(jié)14-16
• 第二章 數(shù)據(jù)挖掘中的聚類分析16-28
• 2.1 數(shù)據(jù)挖掘16-19
• 2.1.1 基本概念16
• 2.1.2 常用算法16-19
• 2.2 聚類分析技術(shù)19-24
• 2.2.1 聚類的定義及過(guò)程19-20
• 2.2.2 聚類的數(shù)據(jù)結(jié)構(gòu)20-21
• 2.2.3 聚類的主要算法21-22
• 2.2.4 聚類的相似性度量22
• 2.2.5 聚類的準(zhǔn)則函數(shù)22-24
• 2.3 K-means聚類算法24-27
• 2.3.1 K-means算法的基本原理24
• 2.3.2 K-means算法的步驟24-25
• 2.3.3 K-means算法的聚類過(guò)程25-26
• 2.3.4 K-means算法的缺陷及改進(jìn)26-27
• 2.4 本章小結(jié)27-28
• 第三章 電力系統(tǒng)負(fù)荷特性分析28-38
• 3.1 負(fù)荷的分類28-29
• 3.2 常用的負(fù)荷特性指標(biāo)29-31
• 3.2.1 日負(fù)荷特性指標(biāo)29-30
• 3.2.2 月負(fù)荷特性指標(biāo)30
• 3.2.3 年負(fù)荷特性指標(biāo)30-31
• 3.3 負(fù)荷特性分析31-37
• 3.3.1 年負(fù)荷特性分析31-32
• 3.3.2 月負(fù)荷特性分析32-33
• 3.3.3 日負(fù)荷特性分析33-37
• 3.4 本章小結(jié)37-38
• 第四章 電力客戶負(fù)荷特性分析38-50
• 4.1 典型行業(yè)分析38-41
• 4.1.1 農(nóng)業(yè)負(fù)荷特性分析38-39
• 4.1.2 工業(yè)負(fù)荷特性分析39-40
• 4.1.3 商業(yè)負(fù)荷特性分析40
• 4.1.4 居民生活負(fù)荷特性分析40-41
• 4.2 典型客戶分析41-49
• 4.2.1 典型日負(fù)荷曲線41-49
• 4.2.2 峰谷時(shí)段劃分49
• 4.3 本章小結(jié)49-50
• 第五章 避峰方案建立及分析50-60
• 5.1 算法設(shè)計(jì)50-53
• 5.1.1 新的負(fù)荷特性指標(biāo)50-52
• 5.1.2 避峰價(jià)值模型52-53
• 5.2 程序設(shè)計(jì)53-55
• 5.3 實(shí)例分析及驗(yàn)證55-58
• 5.3.1 實(shí)例分析55-56
• 5.3.2 實(shí)例驗(yàn)證56-58
• 5.4 激勵(lì)措施58-59
• 5.5 本章小結(jié)59-60
• 第六章 結(jié)論與展望60-62
• 參考文獻(xiàn)62-66
• 致謝66-68
• 附錄A68-70
• 附錄B70-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 顏慶國(guó);薛溟楓;陳楚;;有序用電價(jià)值評(píng)價(jià)體系下的用戶避峰價(jià)值模型[J];電氣應(yīng)用;2014年23期

2 顏慶國(guó);薛溟楓;范潔;陳霄;周玉;易永仙;;有序用電用戶負(fù)荷特性分析方法研究[J];江蘇電機(jī)工程;2014年06期

3 陸婷婷;高賜威;蘇衛(wèi)華;李揚(yáng);;有序用電避峰預(yù)案優(yōu)化編制方法研究[J];電網(wǎng)技術(shù);2014年09期

4 孟海東;唐旋;;基于類輪廓層次聚類方法的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2011年11期

5 陳偉;樂(lè)麗琴;崔凱;李敬如;;典型用戶負(fù)荷特性及用電特點(diǎn)分析[J];能源技術(shù)經(jīng)濟(jì);2011年09期

6 周世兵;徐振源;唐旭清;;K-means算法最佳聚類數(shù)確定方法[J];計(jì)算機(jī)應(yīng)用;2010年08期

7 陳海燕;劉新才;;有序用電工作的精細(xì)化管理過(guò)程[J];電力需求側(cè)管理;2010年03期

8 劉明明;;基于供需分析的電力資源綜合管理[J];電網(wǎng)技術(shù);2010年01期

9 劉偉民;鄭愛云;李蘇劍;趙方庚;孫江生;;模擬退火K均值聚類算法及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2008年21期

10 劉韜;蔡淑琴;曹豐文;崔志磊;;基于距離濃度的K-均值聚類算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年10期

，

本文編號(hào)：585417