-
题名基于大数据技术的错峰用电管理应用研究
被引量：9
- 1
-
-
作者
张昕
李栋华
程明
-
机构
北京南瑞埃森哲信息技术中心有限公司
-
出处
《现代电力》
北大核心
2015年第3期66-70,共5页
-
文摘
为有效地降低峰谷差,提高负荷率,本文提出了一种面向智能电网的错峰用电管理新思路,利用大数据技术进行用户的用电模式识别,并将这项技术应用到错峰用电管理领域当中,针对用户不同的用电特点,考虑差异化错峰用电策略。这种基于用户的用电模式识别而开展的错峰潜力分析,可有效地弥补现有错峰用电管理方式相对粗放的不足。
-
关键词
大数据技术
错峰用电
用电模式识别
负荷特性
聚类分析
-
Keywords
big data technology
peak load shifting
electricity consumption pattern recognition
load characteristics
cluster analysis
-
分类号
TM7
[电气工程—电力系统及自动化]
-
-
题名基于数据驱动的无监测用户用电模式识别方法
- 2
-
-
作者
李凯
杨大伟
张建业
马崇瑞
李德高
王慧
-
机构
国网新疆电力有限公司信息通信公司
国网新疆电力有限公司
北京中电普华信息技术有限公司
-
出处
《计算机应用与软件》
北大核心
2024年第5期101-106,共6页
-
文摘
借助于终端用户侧安装的智能电表能够有效地分析其异常用电行为和用电模式,为填补在过渡期可能存在的用户数据缺失,提出一种基于数据驱动的无监测用户用电模式识别方法。利用装有智能电表用户的典型日负荷曲线历史数据提取典型用电模式;对多时间尺度机器学习模型进行训练来估计用户用电量;采用递归贝叶斯学习和支路电流状态估计残差法,从无监测用户月度电费账单中获得日负荷曲线。采用实际系统的量测数据进行算例验证,仿真结果表明所提出方法能够快速而准确地识别出无监测用户的用电模式。
-
关键词
用电模式识别
频谱聚类
递归贝叶斯学习
-
Keywords
electricity consumption pattern recognition
Spectrum clustering
Recursive Bayes learning
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
