[發(fā)明專利]一種基于數(shù)據(jù)挖掘的用戶調(diào)峰潛力分析方法

有效

• 申請?zhí)枺?/td>: 202010723218.5
• 申請日: 2020-07-24
• 公開（公告）號: CN111967723B
• 公開（公告）日: 2022-05-20
• 發(fā)明（設(shè)計(jì)）人: 楊胡萍;范錦;張揚(yáng);彭鑫;黃煌
• 申請（專利權(quán)）人: 南昌大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62;G06N3/00;G06N3/04;G06N3/08;G06N3/12
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 許瑩瑩

本發(fā)明公開了一種合理有效的基于數(shù)據(jù)挖掘的用戶調(diào)峰潛力分析方法，首先，基于智能電表每天C個點(diǎn)的用電采集數(shù)據(jù)，使用基于粒子群改進(jìn)的K?means算法將用電客戶精準(zhǔn)分類為D大類；其次，基于上述數(shù)據(jù)深度挖掘用戶用電水平、與系統(tǒng)高峰匹配程度及房屋空置情況的用電特性，并多維度分析用戶調(diào)峰潛力所涉及因素；再者，基于BP神經(jīng)網(wǎng)絡(luò)對用戶進(jìn)行模式類標(biāo)簽的識別；最后，使用基于遺傳算法改進(jìn)的RBF網(wǎng)絡(luò)搭建用戶的調(diào)峰潛力分析模型。本發(fā)明合理分析用戶調(diào)峰潛力，有效指導(dǎo)需求響應(yīng)活動實(shí)施，提高需求響應(yīng)活動的有效性。

技術(shù)領(lǐng)域

本發(fā)明涉及電力市場技術(shù)領(lǐng)域，特別是涉及一種基于數(shù)據(jù)挖掘的用戶調(diào)峰潛力分析方法。

背景技術(shù)

隨著智能電網(wǎng)技術(shù)的不斷發(fā)展，需求側(cè)響應(yīng)(Demand Response，DR)在電網(wǎng)經(jīng)濟(jì)、穩(wěn)定運(yùn)行中起著愈發(fā)重要的作用，需求響應(yīng)策略可改善配電網(wǎng)的供電可靠性。近年來，全國各地用電需求保持較快的增長，電力緊缺時有發(fā)生，電網(wǎng)運(yùn)行壓力不斷增大。盡管目前通過有序用電能夠保障用電秩序的穩(wěn)定，但難免對工業(yè)生產(chǎn)造成一定程度的影響；若僅僅通過擴(kuò)大發(fā)電機(jī)組裝機(jī)容量的手段會使得技術(shù)和經(jīng)濟(jì)方面面臨較大壓力；而分布式電源并網(wǎng)則會使供應(yīng)測不穩(wěn)定性增加。

因此在智能用電環(huán)境下，將更關(guān)注用戶側(cè)的用電行為特性，通過價(jià)格信號或激勵措施鼓勵廣大居民用戶自愿參與響應(yīng)活動，科學(xué)指導(dǎo)居民用戶合理用電，從而達(dá)到緩解電力供需矛盾的目的。然而，居民用電行為具有多樣性和不確定性，需求響應(yīng)項(xiàng)目的效果卻深受用戶側(cè)的響應(yīng)程度、意愿性等相關(guān)因素的影響，所以，深入分析用電客戶的用電行為，研究其調(diào)峰潛力，對推動需求側(cè)項(xiàng)目的實(shí)施，實(shí)現(xiàn)電力資源的優(yōu)化配置具有極其重要的實(shí)際意義。

雖說單個居民用戶的用電量較小，但用戶數(shù)據(jù)巨大，所以通過調(diào)整居民用戶側(cè)的用電模式，來實(shí)現(xiàn)緩解電力供需矛盾是實(shí)際可行的。就此同時，在對居民用戶進(jìn)行調(diào)峰潛力評估時，面臨著對大量分散用戶的負(fù)荷數(shù)據(jù)的高質(zhì)量傳輸、存儲、處理和計(jì)算的問題。因此，我國電力市場亟需一套合理有效的調(diào)峰潛力分析方法。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提供一種基于數(shù)據(jù)挖掘的用戶調(diào)峰潛力分析方法，深度挖掘用戶用電特性，合理分析用戶調(diào)峰潛力，有效指導(dǎo)需求響應(yīng)活動實(shí)施，提高需求響應(yīng)活動的有效性。

為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：

一種基于數(shù)據(jù)挖掘的用戶調(diào)峰潛力分析方法，包括以下步驟：

步驟1：基于智能電表每天C個點(diǎn)的用電采集數(shù)據(jù)，使用基于粒子群改進(jìn)的K-means算法將用電客戶精準(zhǔn)分類為D大類；

步驟2：基于上述數(shù)據(jù)深度挖掘用電特性，并多維度分析用戶調(diào)峰潛力所涉及因素；

步驟3：基于BP神經(jīng)網(wǎng)絡(luò)對用戶進(jìn)行模式類標(biāo)簽的識別；

步驟4：使用基于遺傳算法改進(jìn)的RBF網(wǎng)絡(luò)搭建用戶的調(diào)峰潛力分析模型。

進(jìn)一步地，在步驟1中，使用智能電表每天96個點(diǎn)，即15分鐘1數(shù)據(jù)的用電采集數(shù)據(jù)，將用電客戶精準(zhǔn)分類為四大類。

進(jìn)一步地，在步驟1中，所述K-means算法是典型的基于距離的非層次聚類算法，在最小化誤差函數(shù)的基礎(chǔ)上將數(shù)據(jù)劃分為預(yù)定的類數(shù)K，采用距離作為相似性的評價(jià)指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大；算法具體步驟如下：

步驟S1.根據(jù)事先設(shè)定好的K值初始化K個初始聚類中心；

步驟S2.對于數(shù)據(jù)集中的每個數(shù)據(jù)對象，計(jì)算其與K個中心的距離，并將其加入到最近的聚類中心，行成了K個簇；

步驟S3.計(jì)算同一簇群中所有數(shù)據(jù)的平均值，并以此作為新的聚類中心；

步驟S4.如果滿足中止條件，則結(jié)束算法，否則返回步驟S2。