-
题名住宅小区用电特性分析及思考
- 1
-
-
作者
郑祥华
罗拥军
陈垠
-
机构
江苏省泰州供电局
-
出处
《农村电工》
2000年第6期30-30,共1页
-
文摘
江苏省泰州供电局从1999年6月起对东进、莲花、天德等三个小区7座配电房安装了负荷管理终端装置,进行居民用电的实时监测。本文就泰州地区部分居民小区生活用电的特性进行了分析,并提出开拓城镇居民用电市场的一些思考。
-
关键词
住宅小区
用电特性分析
供电设施
-
分类号
TU852
[建筑科学]
-
-
题名基于多阶段数据递推分析的用户用电行为特性挖掘方法
- 2
-
-
作者
李延珍
王海鑫
杨子豪
马一鸣
杨俊友
陈哲
-
机构
沈阳工业大学电气工程学院
丹麦奥尔堡大学能源技术系
-
出处
《电机与控制学报》
北大核心
2025年第2期35-46,共12页
-
基金
高等学校学科创新引智计划资助项目(D23005)
辽宁省教育厅基本科研项目(JYTQN2023288)
辽宁省科技计划联合计划项目(2023JH2/101700275)。
-
文摘
用户用电行为特性分析为构建居民用户的家庭智能用电策略提供了可靠的理论基础和数据支撑。为提取有效直观负荷用电行为特征,提出一种基于多阶段数据递推分析的用户用电行为特性挖掘方法。该方法第一阶段构建了基于混合深度学习的非侵入式负荷分解模型,将用户集中数据分解为电器设备用电数据分量集合;第二阶段提出了基于卡尔曼滤波与广义似然比检验的事件检测方法,对电器设备的启停状态进行了判定;第三阶段量化用户用电行为特性,并提出了基于核密度估计的电器设备差异化时域概率模型。以公开数据UK-DALE为对象展开仿真验证,实验结果表明,该方法能有效捕捉用户细粒度能耗数据,构建智能电表与用户用电特性之间的桥梁,为优化管理及集群调控用户负荷提供有效手段。
-
关键词
非侵入式负荷监测
深度学习
用电特性分析
事件检测
多阶段递推
核密度估计
-
Keywords
non-intrusive load monitoring
deep learning
analysis of electrical consumption characteristics
event detection
multi-stage recursion
kernel density estimation
-
分类号
TM714
[电气工程—电力系统及自动化]
-
-
题名基于AE-MFCM技术的电力用户响应特性分析方法
被引量：5
- 3
-
-
作者
王剑锋
倪家明
王旭东
孔祥玉
姚程
于建成
-
机构
国网天津市电力公司
智能电网教育部重点实验室(天津大学)
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2021年第4期47-54,共8页
-
基金
国家电网公司咨询资助项目(城市能源大数据中心发展模式及实施应用研究)。
-
文摘
对电力用户用电特性的正确分析是实现电力系统高效运行和增值服务的关键。本文提出一种基于自动编码器与改进模糊C均值聚类算法结合技术的用户响应特征分析方法。首先,对用电模式进行聚类来确定用户的行为特性,利用自动编码器和改进模糊C均值聚类算法实现特征提取和数据处理。然后,基于用户用电模式的分类结果,利用神经网络等智能算法对每类用户进行需求响应建模,拟合激励信号与用户响应量之间的关系,获得准确反映用户需求的响应特性与响应能力。最后,通过某实际电网数据验证了该方法的有效性。
-
关键词
用电特性分析
自动编码器
改进模糊C均值聚类算法
需求响应
-
Keywords
analysis of power consumption characteristics
automatic encoder(AE)
modified fuzzy C-means(MF⁃CM)clustering algorithm
demand response
-
分类号
TM712
[电气工程—电力系统及自动化]
-
-
题名基于用电行为综合指标的用户负荷分类研究
被引量：14
- 4
-
-
作者
邱起瑞
李更丰
潘雨晴
-
机构
西安交通大学电气工程学院
电力设备电气绝缘国家重点实验室、西安交通大学
陕西省智能电网重点实验室、西安交通大学
国网江苏省电力有限公司
-
出处
《智慧电力》
北大核心
2018年第10期26-31,共6页
-
基金
国家重点研发计划项目资助(2016YFB0901100)
国家自然科学基金项目(51607136)
-
文摘
用户负荷分类研究是需求侧响应、负荷特性分析以及负荷预测的基础。提出一种综合考虑用户的实际信息(如收入水平、房屋面积、节能环保意识等)与用电负荷信息对用户进行分类的方法。首先通过统计的方法从用户综合信息中提取出若干特征指标,并运用层次分析法确定了指标的权重,得到一套用户评价体系,并根据评价结果对用户进行初分类。在初分类的结果下,对每类用户的用电负荷从季节变化和工作日与否的两个角度运用Kmeans进行二次聚类分析。最后,选用了标杆分析的方法对各类用户用电模式和参与需求响应的潜力进行了分析。
-
关键词
标杆分析
基准指标
用户负荷聚类
用电特性分析
-
Keywords
benchmarking analysis
benchmark index
user load clustering
electricity characteristics analysis
-
分类号
TM714
[电气工程—电力系统及自动化]
-
