【摘要】：隨著智能電表的普及使用,用戶用電數據的收集變得更加高效可靠。對用戶用電數據進行挖掘和對數據背后的用電行為的分析指導著電網企業(yè)更有針對性地對不同用戶提供差異性的電力服務,并使得電網企業(yè)能夠從海量的數據中實現更大的價值。為此,本文嘗試從兩個方面對用戶的用電行為進行分析研究,一是用戶用電行為的異常檢測,二是用戶用電行為的聚類分析。在用戶用電行為的異常檢測方面,針對傳統(tǒng)的基于近鄰度的異常檢測方法只從歐氏距離判定樣本的異常程度的問題,本文提出一種全新的基于局部矩陣重構(Local Matrix Reconstruction,LMR)的異常用電行為檢測方法,該方法從樣本之間歐氏距離和樣本的數據分布兩個角度計算樣本的異常程度。該方法首先提取每個電力用戶的日負荷用電特征,以表征其典型用電行為;然后利用本文所提出的局部矩陣重構異常檢測算法計算各個用戶用電行為異常程度;最后設置不同的異常判定閾值,將電力用戶歸類為異常和正常兩個類別。本文利用受試者工作特征曲線(Receiver Operating Characteristic curve,ROC曲線)和Precision-Recall(PR)曲線對算法性能進行分析,并與傳統(tǒng)基于近鄰度的異常檢測方法作對比。實驗結果表明本文所提方法具有較高的檢測準確率和參數穩(wěn)定性。在用戶用電行為聚類方面,針對不考慮負荷縱向隨機性所導致的數據損失和用戶誤分類的問題,本文首次提出了一種考慮負荷縱向隨機性的基于推土機距離(Earth Mover’s Distance,EMD)的用戶用電行為聚類新方法。該方法統(tǒng)計電力用戶同一時刻多天的負荷分布情況,從橫向和縱向兩個角度全面表征電力用戶的用電行為。并結合推土機距離和歐氏距離度量不同用戶用電行為的差異程度。本文最后以一組開源的居民用電負荷作為基準算例進行分析,算例結果表明:在橫向特性較為相似的用戶中,該方法能夠很好地捕獲用戶的縱向特性。從定性和定量的角度分析,該方法對用戶用電行為的聚類效果更加精細合理。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM73

【參考文獻】

相關期刊論文 前10條

1 谷云東;張素杰;馮君淑;;大用戶電力負荷的多模型模糊綜合預測[J];電工技術學報;2015年23期

2 張斌;莊池杰;胡軍;陳水明;張明明;王科;曾嶸;;結合降維技術的電力負荷曲線集成聚類算法[J];中國電機工程學報;2015年15期

3 彭小圣;鄧迪元;程時杰;文勁宇;李朝暉;牛林;;面向智能電網應用的電力大數據關鍵技術[J];中國電機工程學報;2015年03期

4 黃宇騰;侯芳;周勤;付博;郭創(chuàng)新;;一種面向需求側管理的用戶負荷形態(tài)組合分析方法[J];電力系統(tǒng)保護與控制;2013年13期

5 李海林;郭崇慧;;時間序列數據挖掘中特征表示與相似性度量研究綜述[J];計算機應用研究;2013年05期

6 李欣然;姜學皎;錢軍;陳輝華;宋軍英;黃良剛;;基于用戶日負荷曲線的用電行業(yè)分類與綜合方法[J];電力系統(tǒng)自動化;2010年10期

7 趙巖;李磊;劉俊勇;劉友波;胥威汀;侯賀飛;姚s

本文編號：2762796