基于模糊聚类的电力用电负荷用户识别分析

2020-04-22靳盘龙宫建锋党东升杨阳张斌陈凤涛

微型电脑应用 2020年3期

靳盘龙宫建锋党东升杨阳张斌陈凤涛

摘要：为了提高电力用电负荷用户的精细化管理，提出了一种基于模糊聚类的电力用电负荷用户识别分析方法。分析了某区域用户的工业负荷变化规律，研究了电力数据与天气之间的改变及其日负荷特征曲线，同时引入模糊聚类分析方法，对上述工业负荷的用电特征进行了判断。选择某区域的工业负荷用户进行研究，对用户进行负荷曲线计算。并通过实验测试来验证本文方法的可行性，以此作为供电公司对用电数据进行精细管理的参考依据。

关键词：模糊聚类; 相似度; 负荷特性; 日负荷曲线

中图分类号： TM714

文献标志码： 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

在当前电力市场化程度不断提高以及用户需求呈现多元化发展的趋势下，要求现有电网能够适应新的运行使用要求，同时在为用户提供电力服务的过程中也要充分考虑实际用电习惯，并积极和客户进行全面沟通，充分满足客户的多元化与差异化用电需求[1-4]。此外，当电力用户数量持续增加时，更易发生用户对用电性质错报、谎报与漏报的情况，进一步提升了电力用户管理难度。这就要求做好用户的精确分类，实现精准化服务，有效促进电网营商指数的提高。到目前为止，已有许多学者开展了用户分类与用户用电行为方面的研究[5-9]。文献[10]综合运用模糊聚类和BP神经网络进行分析，构建得到一种对日负荷特性曲线实施分类的方法。文献[11]根据得到的实时日负荷曲线对用户进行行业分类，同时以行业综合用电特性参数对分类结果的合理性进行了验证。文献[12]通过WA算法完成二次聚类，对气象与时间因素开展了综合分析，充分挖掘用户的用电规律。文献[13]对各类不同用户负荷特征进行了研究，探讨了城市居民负荷变化特征，为实现更高效的配电网规划提供参考依据。

现阶段，对用户以及用电行为进行分类的过程都是从行业划分的层面分析，并不会只对某一类特定的用户进行分析，同时在实际用电过程中，经常发生用户对用电性质出现错报、谎报、漏报的情况，极大限制了电网公司的精细化管理过程，为克服上述问题，出现了基于模糊聚类算法与曲线相似度来识别负荷用户的处理方式[14-15]。某市具有密集排布的水网系统，形成了很高的工业类负荷，如果出现较长时间的停电情况将导致工业户遭受无法逆转的极大经济损失，因此必须对此类用户提供更加精准的服务。本文从工业负荷用户需求的角度考虑，结合增氧机负荷特性，以天气作为计算过程的特征量，同时根据模糊聚类算法和曲线相似度指标，对数据进行挖掘处理，由此获得工业负荷用户的用电行为规律。通过对比用户日负荷曲线和特性曲线的相似性来判断其是否属于工业负荷用户，最后对此方法可行性进行了验证。

1 用户分类识别方法

本文利用模糊聚类算法和曲线相似度相结合的方法来实现对负荷用户的识别过程。对用户的用电数据进行了全面收集，并提取得到用户的用电特征，再通过模糊聚类算法计算出用户的用电行为变化曲线和待识别用户的聚类曲线。之后对比待识别用户和之前用户的典型用电曲线相似度，再判断用户是否属于已知用户。

1.1 基于模糊聚类的用电特性提取

根据用电行为特征来完成用户的分类已经成为一种获得广泛使用的用户识别方法，本文以模糊理论作为隶属度分析基础构建得到模糊

C均值聚类算法，同时利用用户用电规律来实现提取用户典型用电行为的过程。

选择n个同一类别的用户组成数据集，根据计算得到的用户用电规律获得此类用户的s个用电特征量，利用模糊C均值聚类算法提取得到用户的用电行为特征量，并总结得到此类用户的典型用电行为特性。

通过比较相似度计算结果可以判断用户总相似度超过0.6的基本都属于工业负荷用户;用户总相似度低于0.2的基本不属于工业负荷用户;用户总相似度在0.2与0.6之间的可能属于工业负荷用户。之后从供电局部门数据系统中对上述用户的用电情况进行查询并判断计算结果的准確性，通过核对发现用户1、5、6都属于工业负荷类型;14属于普通农业用户;3与7用户都是电视用户;7属于公共照明用户。跟实际分析结果一致。

根据以上测试结果可知，本文设计的计算方法满足可行性条件，可利用该方法来准确判断用户是否属于已知用户，从而为用户管理过程提供全面参考。

4 总结

在当前用电需求不断提升的背景下，用电管理也呈现明显的精细化特征，需要更加重视用户的分类管理，从而更好地实现用户的精准管理，也可以更好地避免发生用电性质判断错误的问题。本文重点分析了某区域用户的工业负荷变化规律，深入研究了电力数据与天气之间的改变及其日負荷特征曲线，同时引入模糊聚类分析方法，对上述工业负荷的用电特征进行了判断，具体处理方式是以之前已有用电行为变化曲线为依据来判断用户的日负荷曲线属于哪种类型。最后，通过实验测试来验证本文方法的可行性，以此作为供电公司对用电数据进行精细管理的参考依据。

参考文献

[1] 李秋硕，王岩，孙宇军，等.K-means改进算法在电力用户聚类辨识中的应用[J].信息技术，2017（10）：108-112.

[2] 邓明斌，谭致远，陈广开，等.基于用户负荷的用电模式分析方法[J].计算机与数字工程，2019，47（5）：1279-1282.

[3] 丁屹峰，杨烁，赵乐，等.基于用户用电行为和粒子群算法的非侵入式负荷识别方法[J].电力科学与技术学报，2018，33（4）：66-72.

[4] 朱少维，戚颖怡，陈豪，等.基于用电负荷异常曲线排查高接低用户的数据挖潜与案例分析[J].电子测试，2018（24）：65-66.

[5] 邱起瑞，李更丰，潘雨晴. 基于用电行为综合指标的用户负荷分类研究[J].智慧电力，2018，46（10）：26-31.

[6] 王旭强，陈艳龙，杨青，等.基于时序分解的用电负荷分析与预测[J].计算机工程与应用，2018，54（20）：230-236.

[7] 冯志颖，唐文虎，吴青华，等.考虑负荷纵向随机性的用户用电行为聚类方法[J].电力自动化设备，2018，38（9）：39-44.

[8] 李玉娇，黄青平，刘松，等.基于聚类融合技术的电力用户负荷模式提取方法[J].电测与仪表，2018，55（16）：137-141.

[9] 李廷钧，杜欣慧，姚宏民.计及用户评价的智能用电社区分层优化调度[J].电网技术，2018，42（11）：3486-3497.

[10] 王安琪，王强，施恂山.基于大数据的错峰用电管理系统设计[J].科技通报，2018，34（7）：211-214.

[11] 曹梦，刘宝成，何金，等.基于前趋势相似度的细粒度用户用电负荷预测[J].计算机应用与软件，2018，35（7）：158-164.