电力用户侧数据信息价值评估方法研究

摘要

随着社会生产规模的不断扩大和人们生活水平的逐步提高，对高质量电力供应的需求越来越迫切，电力企业也亟需提高自身的管理水平和服务质量。智能电网技术的快速发展，为电力企业的服务升级提供了良好的契机，但同时也带来了一些挑战性问题。如大量智能表计、量测和传感装置的部署，为电力系统用户侧提供了丰富的监测数据，但这些数据良莠不齐、结构多样、类型不一、且利用率存在较大差异，这给电力企业提高服务质量带来了困难。面对数量庞大、结构复杂且内在具有较强关联的数据，需要通过一定的数据度量、挖掘技术，以获得某种意义上具有潜在价值的信息，进一步提升数据利用效率。 本文首先概述了电力用户侧负荷数据的研究背景，用户侧负荷数据的发展及国内外研究现状；并且介绍了电力用户的分类方法，分类标准，影响因素，误差分析等基本理论。其次，重点研究了模糊C均值算法（FCM）、自适应模糊C均值算法，子空间聚类算法。 然后，针对电力用户侧丰富的监测数据，本文给出一种基于自适应模糊 C均值算法的子空间聚类分析评价模型。分析了电力用户侧数据要素特征，信息价值评估的基本原理，建立了价值评估模型，通过用户侧响应错峰用电的能力来反应用户侧数据的信息价值。 同时，进行算例分析，选取某城市某小区一万用户500天的数据进行实验。结果证明该方法在用户数量较小，但时间跨度较大的情况下，较好解决了湮没低维信息的情况，在分类的准确率方面有明显提高，在介绍了其基本原理及特点后，经过实验性能对比，该方法能够有效解决湮没低维指标的情况，使用户分类的正切率大大提升。 最后，通过信息价值评估模型得出电力用户侧数据的具体信息价值。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 选题研究背景及意义

1.2 电力用户侧数据的国内外研究现状

1.2.1 电力用户侧数据的研究现状

1.2.2 数据价值国内外研究现状

1.3 本文主要研究内容

1.4 论文章节安排

第2章 电力用户侧数据相关基础理论研究

2.1人工神经网络

2.2神经网络模式识别

2.3 大规模数据集聚类算法

2.4 聚类基本过程

2.5 聚类效果评价分析

2.6 本章小结

第3章 自适应模糊C均值子空间聚类算法

3.1 自适应模糊C均值算法

3.2 子空间聚类算法

3.3 基于自适应模糊C均值子空间聚类算法

3.4 本章小结

第4章 基于电力用户侧数据聚类结果的信息价值评估方法研究

4.1 电力用户侧数据的基本要素

4.2 信息价值评估的基本原理

4.3 电力用户侧数据信息价值评估方法

4.3.1 价值评估指标体系

4.3.2 价值评估模型

4.4 本章小结

第5章 仿真实验与结果分析

5.1 实验环境

5.2 数据源

5.3用电特性算法对比

5.3.1 与模糊C均值、自适应模糊C均值算法对比

5.3.2 与并行k-means算法的对比

5.3.3 用户特性分析

5.3.4 用户用电调控潜力评价

5.4 价值评估方法算例分析

5.5 本章小结

第6章 总结与展望

6.1 课题总结

6.2 展望

参考文献

致谢