智能需求侧管理下的用电模式分类与识别

摘要

为了聚集足够有效的需求侧资源，从多方面辅助需求侧管理的实施，需求响应要针对用户的用电模式细分类型，尽可能地吸纳市场参与者。通过分析用户的负荷特性可以掌握用户用电模式及其变化规律，从而适应推行智能需求侧管理的需要。
　　 本文从多维度精细化挖掘用户的用电模式，提出结合系统聚类法和模糊C均值聚类法的优点，进行二次聚类，并在数据预处理等方面做出改进，从时间维度、类属维度、响应维度、空间维度对用户进行精细化用电特征挖掘:
　　 (1)基于类属维度的用电模式分类——摆脱传统的负荷按行业分类的方法，以某典型日不同企业负荷点为特征向量进行聚类，可挖掘出同一行业有分属不同类型的用户负荷，全面掌握某一行业的用电特性，推测不同类型用户的生产特性:
　　 (2)基于时间维度的用电模式分类——以同一用户一年中每日的负荷点为特征向量，从聚类结果中分析用户日常和特殊的用电特征，挖掘其参与需求响应项目的潜力，并分析了不同类型用户在节假日前后负荷特性的变化，推断其生产性质与用电特性;
　　 (3)基于响应维度的用电模式分类——依据消费者心理学建立的峰谷分时电价模型，提取负荷转移率为特征向量进行聚类分析，用各类的负荷转移率聚类结果代表这一类用户的响应行为，方便建模仿真;
　　 (4)基于空间维度的用电模式分析——从城市微气象对气温累积效应的作用下，用户用电负荷反应的实际温度入手，建立了量化气温累积效应的后评估方法，修正了气温累积日的实际温度，并利用前一天和前两天的气温累积系数建立了温度修正公式，为提高负荷预测的精确度和确定需求响应的负荷基线做铺垫。

目录

声明

摘要

第一章 绪论

1．1 选题背景及研究意义

1．2 传统的电网负荷特性分析及国内外研究现状

1．3 智能需求侧管理下多维度用电模式分析的必要性

1．3．1 用电模式的定义

1．3．2 用电模式的分类

1．3．3 多维度用户用电模式分析的必要性

1．4 本文研究内容和主要工作

第二章 聚类分析理论及方法

2．1 聚类分析引入的意义及其作用

2．2 聚类分析中常用的距离变量

2．3 聚类分析方法总结和比较

2．3．1 系统聚类法

2．3．2 模糊聚类法

2．3．3 基于等价关系的聚类法

2．3．4 人工智能聚类法

2．4 本章小结

第三章 基于多维度用电模式分类原理与方法

3．1 基于多维度用电模式分类的概念

3．2 二次聚类的原理及改进措施

3．2．1 系统聚类法的优选

3．2．2 FCM聚类特殊数据提取

3．2．3 FCM聚类有效性验证

3．3 数据预处理方法

3．4 本章小结

第四章 基于多维度的用电模式分析

4．1 基于类属维度的用电模式分类

4．1．1 基于类属维度的特征向量选取

4．1．2 基于类属维度的用电模式分类实例

4．2 基于时间维度的用电模式分析

4．2．1 基于时间维度的用电模式分类

4．2．2 不同用户节假日用电模式分析

4．3 基于响应维度的用电模式分类

4．3．1 基于响应维度的特征向量选取

4．3．2 基于响应维度的用电模式分类实例

4．4 基于空间维度的用电模式分析

4．4．1 城市微气象

4．4．2 气温累积效应及其量化

4．5 本章小结

第五章 总结与展望

5．1 本文结论

5．2 后续工作的展望

致谢

参考文献