靳盤龍 宮建鋒 黨東升 楊陽 張斌 陳鳳濤

摘 要：為了提高電力用電負(fù)荷用戶的精細(xì)化管理，提出了一種基于模糊聚類的電力用電負(fù)荷用戶識別分析方法。分析了某區(qū)域用戶的工業(yè)負(fù)荷變化規(guī)律，研究了電力數(shù)據(jù)與天氣之間的改變及其日負(fù)荷特征曲線，同時引入模糊聚類分析方法，對上述工業(yè)負(fù)荷的用電特征進(jìn)行了判斷。選擇某區(qū)域的工業(yè)負(fù)荷用戶進(jìn)行研究，對用戶進(jìn)行負(fù)荷曲線計算。并通過實驗測試來驗證本文方法的可行性，以此作為供電公司對用電數(shù)據(jù)進(jìn)行精細(xì)管理的參考依據(jù)。

關(guān)鍵詞：模糊聚類; 相似度; 負(fù)荷特性; 日負(fù)荷曲線

中圖分類號： TM714

文獻(xiàn)標(biāo)志碼： A

Abstract：In order to improve the fine management of power load users， a method of identifying and analyzing power load users based on fuzzy clustering is proposed. This paper analyzes the industrial load variation rule of the users in a certain area， deeply studies the change between the power data， and the weather and the daily load characteristic curves. It introduces the fuzzy cluster analysis method to judge the electricity characteristics of the above industrial loads. Industrial load users in a certain area are selected for research， and load curves are calculated for unknown users. The feasibility of the method proposed in this paper is verified by experimental test， which serves as a reference for the power supply company to conduct fine management of power consumption data.

Key words：Fuzzy clustering; Similarity; Load characteristics; Daily load curve

0 引言

在當(dāng)前電力市場化程度不斷提高以及用戶需求呈現(xiàn)多元化發(fā)展的趨勢下，要求現(xiàn)有電網(wǎng)能夠適應(yīng)新的運(yùn)行使用要求，同時在為用戶提供電力服務(wù)的過程中也要充分考慮實際用電習(xí)慣，并積極和客戶進(jìn)行全面溝通，充分滿足客戶的多元化與差異化用電需求[1-4]。此外，當(dāng)電力用戶數(shù)量持續(xù)增加時，更易發(fā)生用戶對用電性質(zhì)錯報、謊報與漏報的情況，進(jìn)一步提升了電力用戶管理難度。這就要求做好用戶的精確分類，實現(xiàn)精準(zhǔn)化服務(wù)，有效促進(jìn)電網(wǎng)營商指數(shù)的提高。到目前為止，已有許多學(xué)者開展了用戶分類與用戶用電行為方面的研究[5-9]。文獻(xiàn)[10]綜合運(yùn)用模糊聚類和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，構(gòu)建得到一種對日負(fù)荷特性曲線實施分類的方法。文獻(xiàn)[11]根據(jù)得到的實時日負(fù)荷曲線對用戶進(jìn)行行業(yè)分類，同時以行業(yè)綜合用電特性參數(shù)對分類結(jié)果的合理性進(jìn)行了驗證。文獻(xiàn)[12]通過WA算法完成二次聚類，對氣象與時間因素開展了綜合分析，充分挖掘用戶的用電規(guī)律。文獻(xiàn)[13]對各類不同用戶負(fù)荷特征進(jìn)行了研究，探討了城市居民負(fù)荷變化特征，為實現(xiàn)更高效的配電網(wǎng)規(guī)劃提供參考依據(jù)。

現(xiàn)階段，對用戶以及用電行為進(jìn)行分類的過程都是從行業(yè)劃分的層面分析，并不會只對某一類特定的用戶進(jìn)行分析，同時在實際用電過程中，經(jīng)常發(fā)生用戶對用電性質(zhì)出現(xiàn)錯報、謊報、漏報的情況，極大限制了電網(wǎng)公司的精細(xì)化管理過程，為克服上述問題，出現(xiàn)了基于模糊聚類算法與曲線相似度來識別負(fù)荷用戶的處理方式[14-15]。某市具有密集排布的水網(wǎng)系統(tǒng)，形成了很高的工業(yè)類負(fù)荷，如果出現(xiàn)較長時間的停電情況將導(dǎo)致工業(yè)戶遭受無法逆轉(zhuǎn)的極大經(jīng)濟(jì)損失，因此必須對此類用戶提供更加精準(zhǔn)的服務(wù)。本文從工業(yè)負(fù)荷用戶需求的角度考慮，結(jié)合增氧機(jī)負(fù)荷特性，以天氣作為計算過程的特征量，同時根據(jù)模糊聚類算法和曲線相似度指標(biāo)，對數(shù)據(jù)進(jìn)行挖掘處理，由此獲得工業(yè)負(fù)荷用戶的用電行為規(guī)律。通過對比用戶日負(fù)荷曲線和特性曲線的相似性來判斷其是否屬于工業(yè)負(fù)荷用戶，最后對此方法可行性進(jìn)行了驗證。

1 用戶分類識別方法

本文利用模糊聚類算法和曲線相似度相結(jié)合的方法來實現(xiàn)對負(fù)荷用戶的識別過程。對用戶的用電數(shù)據(jù)進(jìn)行了全面收集，并提取得到用戶的用電特征，再通過模糊聚類算法計算出用戶的用電行為變化曲線和待識別用戶的聚類曲線。之后對比待識別用戶和之前用戶的典型用電曲線相似度，再判斷用戶是否屬于已知用戶。

1.1 基于模糊聚類的用電特性提取

根據(jù)用電行為特征來完成用戶的分類已經(jīng)成為一種獲得廣泛使用的用戶識別方法，本文以模糊理論作為隸屬度分析基礎(chǔ)構(gòu)建得到模糊

C均值聚類算法，同時利用用戶用電規(guī)律來實現(xiàn)提取用戶典型用電行為的過程。

選擇n個同一類別的用戶組成數(shù)據(jù)集，根據(jù)計算得到的用戶用電規(guī)律獲得此類用戶的s個用電特征量，利用模糊C均值聚類算法提取得到用戶的用電行為特征量，并總結(jié)得到此類用戶的典型用電行為特性。

通過比較相似度計算結(jié)果可以判斷用戶總相似度超過0.6的基本都屬于工業(yè)負(fù)荷用戶;用戶總相似度低于0.2的基本不屬于工業(yè)負(fù)荷用戶;用戶總相似度在0.2與0.6之間的可能屬于工業(yè)負(fù)荷用戶。之后從供電局部門數(shù)據(jù)系統(tǒng)中對上述用戶的用電情況進(jìn)行查詢并判斷計算結(jié)果的準(zhǔn)確性，通過核對發(fā)現(xiàn)用戶1、5、6都屬于工業(yè)負(fù)荷類型;14屬于普通農(nóng)業(yè)用戶;3與7用戶都是電視用戶;7屬于公共照明用戶。跟實際分析結(jié)果一致。

根據(jù)以上測試結(jié)果可知，本文設(shè)計的計算方法滿足可行性條件，可利用該方法來準(zhǔn)確判斷用戶是否屬于已知用戶，從而為用戶管理過程提供全面參考。

4 總結(jié)

在當(dāng)前用電需求不斷提升的背景下，用電管理也呈現(xiàn)明顯的精細(xì)化特征，需要更加重視用戶的分類管理，從而更好地實現(xiàn)用戶的精準(zhǔn)管理，也可以更好地避免發(fā)生用電性質(zhì)判斷錯誤的問題。本文重點(diǎn)分析了某區(qū)域用戶的工業(yè)負(fù)荷變化規(guī)律，深入研究了電力數(shù)據(jù)與天氣之間的改變及其日負(fù)荷特征曲線，同時引入模糊聚類分析方法，對上述工業(yè)負(fù)荷的用電特征進(jìn)行了判斷，具體處理方式是以之前已有用電行為變化曲線為依據(jù)來判斷用戶的日負(fù)荷曲線屬于哪種類型。最后，通過實驗測試來驗證本文方法的可行性，以此作為供電公司對用電數(shù)據(jù)進(jìn)行精細(xì)管理的參考依據(jù)。

參考文獻(xiàn)

[1] 李秋碩，王巖，孫宇軍，等.K-means改進(jìn)算法在電力用戶聚類辨識中的應(yīng)用[J].信息技術(shù)，2017（10）：108-112.

[2] 鄧明斌，譚致遠(yuǎn)，陳廣開，等.基于用戶負(fù)荷的用電模式分析方法[J].計算機(jī)與數(shù)字工程，2019，47（5）：1279-1282.

[3] 丁屹峰，楊爍，趙樂，等.基于用戶用電行為和粒子群算法的非侵入式負(fù)荷識別方法[J].電力科學(xué)與技術(shù)學(xué)報，2018，33（4）：66-72.

[4] 朱少維，戚穎怡，陳豪，等.基于用電負(fù)荷異常曲線排查高接低用戶的數(shù)據(jù)挖潛與案例分析[J].電子測試，2018（24）：65-66.

[5] 邱起瑞，李更豐，潘雨晴. 基于用電行為綜合指標(biāo)的用戶負(fù)荷分類研究[J].智慧電力，2018，46（10）：26-31.

[6] 王旭強(qiáng)，陳艷龍，楊青，等.基于時序分解的用電負(fù)荷分析與預(yù)測[J].計算機(jī)工程與應(yīng)用，2018，54（20）：230-236.

[7] 馮志穎，唐文虎，吳青華，等.考慮負(fù)荷縱向隨機(jī)性的用戶用電行為聚類方法[J].電力自動化設(shè)備，2018，38（9）：39-44.

[8] 李玉嬌，黃青平，劉松，等.基于聚類融合技術(shù)的電力用戶負(fù)荷模式提取方法[J].電測與儀表，2018，55（16）：137-141.

[9] 李廷鈞，杜欣慧，姚宏民.計及用戶評價的智能用電社區(qū)分層優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2018，42（11）：3486-3497.

[10] 王安琪，王強(qiáng)，施恂山.基于大數(shù)據(jù)的錯峰用電管理系統(tǒng)設(shè)計[J].科技通報，2018，34（7）：211-214.

[11] 曹夢，劉寶成，何金，等.基于前趨勢相似度的細(xì)粒度用戶用電負(fù)荷預(yù)測[J].計算機(jī)應(yīng)用與軟件，2018，35（7）：158-164.

[12] 楊德昌，趙肖余，何紹文，等.面向海量用戶用電數(shù)據(jù)的集成負(fù)荷預(yù)測[J].電網(wǎng)技術(shù)，2018，42（9）：2923-2929.

[13] 孫毅，裴俊亦，崔高穎.基于粒子群尋優(yōu)的家電負(fù)荷有序使用策略研究[J].電力科學(xué)與技術(shù)學(xué)報，2018，33（2）：20-26.

[14] 楊衛(wèi)紅，賴清平，蘭宇，等.基于調(diào)節(jié)潛力指標(biāo)的用戶用電行為聚類分析算法研究[J].電力建設(shè)，2018，39（6）：96-104.

[15] 曹宏宇，王梓驁.電力負(fù)荷管理系統(tǒng)的建設(shè)[J].信息技術(shù)，2008（10）：79-81.

[16] 盧錦玲，馬沖，馮翠香.基于海量用電數(shù)據(jù)的用戶負(fù)荷模式快速提取方法研究[J].電力科學(xué)與工程，2018，34（4）：49-56.

（收稿日期： 2019.08.27）