一种数据驱动的用电行为分析模型研究

论文摘要

泛在电力物联网的建设引入了海量电力用户侧数据。利用这些电力大数据,提出了一种数据驱动的用电行为特性分析方法。首先,提出基于用电行为特性的用户分类方法,选取多维指标作为用电行为分析和用户分类的依据,利用K均值算法得到多维子空间聚类结果;其次,提出基于最大联合互信息算法(JMMC)的用电行为关联因素辨识方法,分别计算了各类用户用电量数据与潜在关联环境因素的互信息值,并通过JMMC算法对因素进行灵敏度排序,提取相关性高、冗余度低的因素作为预测建模的输入变量;进而,对各类用户建立了基于深度置信网络(Deep Belief Network,DBN)的短期负荷预测模型,利用DBN的特征提取优势和辨识的强关联因素提高了预测精度,证明了环境感知模型的有效性。提出的用电行为分析模式,对于把握用电规律、提升电网侧服务质量等方面具有积极意义。

论文目录

• 0 引 言
• 1 基于多维特性指标的用户分类模型
•   1.1 用电行为特性多维评价指标选取
•   1.2 多维聚类方法设计
•   1.3 基于K均值聚类算法的用户分类方法
• 2 基于最大联合互信息算法的用电关联因素辨识方法
• 3 基于深度置信网络的负荷预测建模
•   3.1 深度置信网络基本理论
•   3.2 负荷预测建模
•     （1） 输入/输出特征向量选取。
•     （2） 网络结构建立。
• 4 算例分析
•   4.1 数据来源
•   4.2 数据预处理
•   4.3 用户多维聚类
•     （1） 聚类数目选择。
•     （2） 聚类结果分析。
•   4.4 用电关联因素识别
•     （1） 社会经济指标关联分析。
•     （2） 天气因素关联分析。
•   4.5 负荷预测
• 5 结 语

文章来源

类型: 期刊论文

作者: 朱天怡,艾芊,李昭昱,贺兴

关键词: 用电行为分析,多维聚类,最大联合互信息,关联因素识别,深度置信网络,短期负荷预测

来源: 电器与能效管理技术 2019年19期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 上海交通大学电力传输与功率变换控制教育部重点实验室

基金: 国家自然基金-国家电网联合基金(U1866206)

分类号: TM73

DOI: 10.16628/j.cnki.2095-8188.2019.19.013

页码: 91-100

总页数: 10

文件大小: 2710K

下载量: 197