基于海量数据的电网需求侧用户行为分析研究

《基于海量数据的电网需求侧用户行为分析研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2016年第1期上海电力5基于海量数据的电网需求侧用户行为分析研究瞿海妮，张鹏飞，凌平，黄兴德，贺向南，甘信军，盛文博(1．国网上海市电力公司电力科学研究院，上海200437；2．复旦大学数学学院，上海200437)摘要：本文基于上海地区居民与工商业用户的海量用电数据，利用大数据多维属性，采用局部线性插值法进行了异常值处理；结合数理统计、聚类等数据挖掘方法，开展了用户行为的特征分析，发掘了行业问的关联关系，为进一步指导用户个性化智能用电，提高电网需求侧能效管理水平具有建设性意义。关键词：大数据；电网；需求侧；用户行为中图分类号：TM714文献标志码：A

2、近2年的用电数据，基于Hadoop开源分布式平0引言台，结合多种数据挖掘算法，开展了用户行为的特随着电力工业与信息化的深度融合，以及智征分析，提出了行业“加班”指数、居民“绝对用能电网、智能家居、智能楼宇、智能园区的全面发电”指数、居民“冬夏敏感”指数等评价指标，对用展，各类与生产自动化和智能化相关的实时监控电行为相近的行业聚类形成行业社团，对挖掘用数据及各种用电信息的实时采集数据，乃至地理户类型起到重要作用，为未来电力公司针对不同信息数据大量产生。数据类型越来越多，数据的类型用户，开展不同策略的电网需求侧能效管理，精细化程度越来越高，电力信息数据呈现

3、爆炸式探索智能电网新商业模式提供研究基础。增长趋势。毋庸置疑，电力行业的大数据时代已1电网需求侧用户行为分析研究框图经到来。电网需求侧数据包含着大量用户用电行为的本文提出的电网需求侧用户行为分析研究框内在规律和衍生信息，通过大数据技术，将海量的图如图1所示，主要按照数据采集、存储、分析和电力需求侧数据信息进行收集、处理、分析，对行服务的逻辑顺序开展。数据采集主要是对需求侧业、地区、人群等各类主体的电力供需特征予以跟的居民及工商业用户的用电量、功率等用电数据踪分析、推送展示、实时预测、及时预警，提供用户进行采集；这些来自不同设备、不同地点的数据在分类及个

4、性化服务、电力生产调度服务、电价制Hadoop平台上实现分布式海量存储与索引，完成定、用电服务指导及相关增值服务，有助于提升电多变量、多维度的数据存储与管理；随后采用时间力企业的精细化运营管理和需求侧管理水平。序列分析、聚类等数据挖掘算法，对用电数据建模本文就上海近百万户居民及所有工商业用户分析，指导用户用电行为特征的刻画，服务智能化一_-{数据源卜--I数据采集F-l数据存储_●一一数据挖掘分析用户购电量lI智能电表l光纤通信}数据压缩l传统分析技术l新变装更、电新数增据及JIl无线采集系统I无线通信对ll数据消冗l云计算处理技术l用电设备及类型l-

5、7'l抄表计费．一1I双瑶传“柳lr一l云存储1、J95598客户l问卷调查l41,’-t分析结果·一服务数据l查询档案l国家政策l1电价指导意见ll客户档案资料l视频收集等lI经济发展形势l存入存储系统l需求侧用电控制Il—其外他部因环素境卜__l’反馈l电刀，土广厦I图1电网需求侧用户行为分析研究框图⋯6上海电力2016年第1期个性化的需求侧管理。按日均用电量分为异常用电(疑似偷漏电)、低耗电、普通和高耗电用户四类。另一方面，从每户居2海量用电数据的获取与预处理民的用电特征曲线人手，先将某区域内所有居民随着智能电网建设的加快推进，目前上海市分为异常

6、、正常两类。而后对于正常用户再按照居民的用电信息采集覆盖率已近97％，工商业用冬夏敏感指数将居民分为温度不敏感、普通和温户的用电信息采集覆盖率也已实现了100％。正度敏感三类。在加快建设的用电信息采集系统，每日可对居民3．1“绝对用电”指数及容量为5O～100kVA的中小用户自动采集其电对于每个区域内的每户居民，首先计算其在量值；1996年开始建设的负荷控制系统，对电压538天内的平均日用电量。然后，对于所有居民等级为35kV及以上，容量为100kVA以上的工计算平均日用电量在此区域内的中位数，这即为商业用户，每13采集其电量及每15分钟的功率、绝对用

7、电指数，将其记为Indexl。根据绝对用电电压、电流等电能数据。指数，可将每个区域划为异常用电(疑似偷漏本文收集的用电数据涵盖上海所有市辖区的电)、低耗电、高耗电及普通用户四类。表1列出80万户居民及所有工商业用户(占全上海市电力了每个区域的绝对用电指数以及划分后的每类居用户总数的近15％)，时间跨度为最近2年。主民总数。要关注的数据类型包括每日居民用电量、每日工表1绝对用电指数及各类型用户数商业企业用电量、每15分钟功率等。区域-为解决用户数分布不均衡、用户数目偏少、采集频度较低、存在奇异点以及维度缺失等数据质量问题，本文对日用电量大于该用户平均日用

8、电量100倍的点，将其视为异常值，选出这些异常值删去并以局部线性插值补全数据。此方法的优势低耗