基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

考虑峰谷差因素的用户侧负荷优化运行

在智能电网高速发展背景下,针对用户侧节能减排和电网侧削峰填谷问题,提出家庭负荷优化运行策略。基于家电能量控制系统,将峰谷差成本化,以最小化用户侧电能成本和最小化电网侧峰谷差为目标,考虑分时电价,可转移负荷时间舒适度约束和温控类负荷温度舒适度约束。综合峰谷差系数,采用粒子群算法进行求解,最终得出各类家电的运行方案。算例仿真结果表明,优化方案实现了用户侧和电网侧的利益双赢。     

智能电网中基于非合作博弈的需求侧分层优化

智能电网是未来电网的发展方向,包括供电侧的安全稳定和需求侧的合理用电决策.在需求侧提出一种基于非合作博弈的分层优化机制并解决了最优响应算法(Best Response)的收敛问题.首先在供电侧以削峰填谷为目的,利用集中式优化分配微网的参考负荷,并利用参考负荷构造微网用户的电价因素,引导用户的充放电决策.微网中的用户以自身花费代价为优化目标构造成非合作博弈模型,达到纳什均衡时供电侧表现出良好的削峰填谷效果.然后,利用最优响应算法与强单调函数的关系,重新构造优化目标函数,解决了最优响应法无法收敛到纳什均衡的问题.实验结果证明,提出的分层优化方案有效地降低了电网负荷曲线的峰值平均比.     

基于1D-CNN模型的非侵入式负荷识别

非侵入式负荷识别技术对电网系统的电力调度、风险估计等具有重要意义.现阶段非侵入式负荷识别的数据质量差,算法识别准确度低且只能处理低频或高频数据.针对非侵入式负荷识别数据质量差的问题,提出了数据修复、数据扩展等数据增强方法;针对非线性扰动降低准确度的问题,提出了一种基于1D-CNN的深度学习模型,该模型既可提取低频数据的稳态特征,也可提取高频数据的暂态特征.使用数据增强后的数据集在1D-CNN模型上训练和测试,并与现有算法进行对比发现,该模型在低频、高频数据集上均获得了95%以上的准确度,与现有算法相比具有明显优势.     

基于V2G的电动汽车有序充放电控制策略

大规模电动汽车作为移动存储的电力负荷,其无序充电行为将会导致电网出现负荷峰谷差加大、负荷率降低等问题。文中分别从电网侧和用户侧的角度,研究基于车网互动(V2G,vehicle to grid)的电动汽车有序充放电控制策略。在电网侧以负荷曲线均方差最小为目标函数,在用户侧以电动汽车用户参与V2G获得的经济收益最大化为目标函数,并且考虑到电动汽车实际充放电功率、可用容量及用户日常设置等约束条件,采用粒子群优化算法进行仿真求解。分别以重庆2020年、2025年和2030年电动汽车有序充放电为例,对电动汽车在电网侧和用户侧的有序充放电进行优化控制仿真分析。算例结果表明,所提出的电网侧和用户侧电动汽车有序充放电优化控制模型能有效降低负荷峰谷差、平滑负荷曲线并为参与V2G服务的用户带来经济收益。     

计及中等城市充电需求潜力与碳减排等效收益下的充电站规划策略

针对中等城市电动汽车充电设施过度分散、应用潜力未知等问题,构建动、静态充电需求结合的充电需求指标来分析不同区域的充电需求潜力.首先,基于区域充电需求潜力与充电站市场潜力、电动汽车用户出行数据等,提出中等城市充电需求承载力模型,结合马尔可夫链模型,构建充电需求潜力空间分布指数;其次,在考虑用户侧、充电站侧、电网侧成本与收益的基础上,构建区域充电站碳减排等效收益函数,通过免疫算法制定待选充电站选址定容方案;然后,采用熵权法改进的TOPSIS综合评价模型在保证电网接纳能力的基础上,确定相对最优规划方案;最后,选取中等城市湖北省宜昌市西陵区部分城区作为算例进行分析,通过IEEE33节点系统潮流计算检验规划结果的有效性和合理性,证明充电站能够在低碳减排方面带来高收益.     

基于FPGA的电能计量算法

为了同时提高有功功率和无功功率的计量精度,提出了一种针对智能电网的新型计量算法.该算法基于傅里叶定理,利用数学分析理论推导出非正弦波的功率计量精确表达式,并在此基础上得出无功功率的计量应包含各次谐波电压和谐波电流的初相位之和的部分.与此同时,为了验证该算法的正确性,进行了IAR软件仿真和设计了基于FPGA的系统验证电路.FPGA处理数据并把结果反馈到单片机中完成计量算法验证.测试结果表明,该算法能准确的完成电网参数的计量,有功功率和无功功率计量的相对误差分别为0.29%和0.12%.     

基于非合作博弈的有序用电算法

文章针对用户的基本负荷、储能和温控等典型负荷,采用实时电价机制,提出了基于非合作博弈的有序用电算法。运用此算法,在经过多轮博弈之后,台变侧和用户侧能够达到一个最优的Nash均衡解,保证了所有参与者的利益最大化的同时又能保证台变侧峰平比最小,从而智能地、有序地调度多用户参与电网负荷调控,实现有序用电,减少峰谷差值、提高收益。最后,通过一个算例证明该有序用电算法的有效性。     

基于反向k近邻过滤异常的群数据异常检测

针对无数据标签的群数据异常检测问题,提出在无监督模式下利用k最近邻(kNN)算法检测群数据异常.为减少由于异常值与正常值之间相互干扰而产生的漏报和误报,提出用反向k近邻(RkNN)算法对异常群数据进行反向过滤.反向k近邻算法首先将统计距离作为不同群数据间的相似性度量,再用kNN算法求得每个集群的异常得分,并获得初始异常,最后使用RkNN算法对初始异常进行过滤.实验结果证明,所提算法能有效减少漏报和误报,且具有较高的异常检测率和良好的稳定性.     

基于改进型密度峰值算法的电力负荷聚类分析

在海量异质灵活资源参与含高比例新能源电网的运行调节背景下,针对用户用电特性分析的准确性、鲁棒性、计算效率的高要求问题,文中提出了一种基于特征指标完善和改进型密度峰值算法的电力负荷聚类分析方法。首先,通过提取9个完备的特征指标进行指标降维和完善以代替日负荷曲线组成的功率向量作为聚类输入;其次,采用熵权法对各项特征指标赋予权重保证负荷曲线的形态特征;最后,采用一种改进型密度峰值聚类算法对日负荷进行聚类分析。基于某地区实际负荷数据进行算例分析,结果表明文中所提方法在鲁棒性、聚类质量等方面相比于传统电力负荷聚类算法均具有优越性,聚类结果能真实有效地反映用户的实际用电特性,为制定精准的电力用户画像、需求侧响应策略提供了态势感知基础。     

基于激励机制的家庭能量系统优化策略研究

为缓解现有分时电价机制可能造成新的负荷高峰情况,提出了一种从负荷侧考虑的对电网调峰有贡献度的用电激励机制.首先建立各类家庭用电设备负荷模型、蓄电池负荷模型以及电动汽车充放电模型,其次提出从负荷侧间接调整电网峰谷差的激励机制模型,最后以用电成本与用户舒适度为目标函数,采用基于小生境的混沌粒子群优化算法求解多目标Pareto解.仿真结果表明,所提出的激励机制在满足舒适度要求的同时能显著降低用电成本与用电峰谷差,在一定程度上缓解了电网压力并提高其运行稳定性.     

基于效用分类的智能电网实时电价算法

在智能电网实时定价过程中,针对家庭住宅用户,大工业、商业用户分别采用不同效用函数,改变了以往所有用户仅考虑单一效用函数的局限,使用多类效用函数模拟不同用户的消费偏好,研究了含有多类用户并存的社会福利最大化模型。根据市场供需平衡才能达到社会福利最大化原理,利用KKT最优性条件,分别计算供电侧的最优产电量和用电侧的最优用电量,得到了相应的分布式实时电价更新算法,保护了用户的隐私。通过数值仿真对分布式实时电价算法与固定电价算法相比较,证实了该算法的有效性、收敛性。     

基于HOG和SVM的非侵入式负荷识别

智能电网时代,准确高效的居民用电负荷评估对改善和调节电力网络的传输结构至关重要.对用户用电的电流、有功功率和谐波电流等数据进行数据预处理,基于对偶树复小波变换对数据降噪,建立基于HOG和SVM分类识别模型提取数据特征,并进行负荷识别.非侵入式负荷识别极大地降低数据收集和分析成本,对居民使用电器类型和数量的实时监测,为准确估算居民用电载荷提供可靠依据.     

基于SVD矩阵分解技术和RkNN算法的协同过滤推荐算法

针对现有协同过滤算法具有的可扩展性较低、数据稀疏和计算量较大缺点,提出一种基于SVD矩阵分解技术和RkNN算法的协同过滤推荐算法.本算法经SVD矩阵简化处理和kNN和RkNN的协作过滤,增强了用户的影响集,实现了测试集的未知预测评分功能.经仿真实验表明,稀疏性、可扩展性和计算量都得到有效改善,系统预测评分与用户实际评分接近,为用户提供了良好的使用体验.该算法获得了更好的预测性能,同时具有良好的可扩展性.     

基于属性偏好和邻居信任度的协同过滤推荐算法

针对协同过滤算法推荐准确度低和数据稀疏的问题,提出了一种基于属性偏好和邻居信任度的协同 过滤算法,首先利用用户的非共同评分项评分和项目属性信息,构建用户-属性评分矩阵,再结合共同评分项的 评分计算相似度;然后利用K近邻方法获取用户的最近邻居;最后学习用户的属性偏好,结合提出的邻居信任度, 计算用户的预测评分.实验结果表明,该算法有效地利用了项目属性和用户更多的评分信息,缓解了数据稀疏的 问题,提高了推荐准确度.     

公共建筑用电监测与管理

目前，我国大型公共建筑用电量居高不下且存在严重浪费的现象，其中一个重要原因就是局部用电量不清，责任不明，解决这一问题的办法是建立电能分项计量监管体系。本文设计了一个电能分项计量系统，该系统在不破坏供电线路结构的基础上，可以分别计量每个房间中每个用电设备消耗的电能。在识别用电设备的类型时．提出了一种模糊识别法，通过仿真和实验验证了该方法的可行性和正确性。     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

云计算隐私保护的Yao式乱码电路kNN分类算法

针对现有云计算加密数据库分类算法的高时间开销问题,提出一种安全有效的基于Yao式乱码电路云计算隐私保护的kNN分类算法,该方法既能保护数据隐私和查询隐私,又能隐藏数据访问模式,同时又能保证高效查询处理的工作。该算法由4部分组成：加密kd树搜索阶段、kNN检索阶段、结果验证阶段和多数类选择阶段。通过加密索引搜索方案来过滤与查询无关的数据,隐藏了最终的类标签和数据访问模式,提高云计算中数据查询处理的效率。通过Yao式乱码电路来支持有效的kNN分类,保护云计算中数据隐私和查询隐私,同时减少了kNN分类的时间开销。对Yao式乱码电路kNN分类方法的安全性进行了分析。实验结果表明,在分类时间方面,所提算法的性能优于现有PPkNN方法和SkNNCI方法。     

基于ELM特征映射的kNN算法

研究了基于ELM特征映射的kNN算法,利用ELM特征映射,将原始数据映射到这种高维特征空间当中,使得数据间变得更加线性可分,即数据结构会变得简单,因此,在利用kNN算法进行分类时,利用ELM特征空间中对应的特征数据代替原始空间中的数据进行分类将会取得更好的分类效果.最后,来自MNIST和UCI中的几个数据集的仿真实验进一步验证了该算法的优良性能.     

基于变分模态分解的冻结步态识别方法

针对传统帕金森患者冻结步态识别方法自适应性不佳的问题,提出一种基于变分模态分解的冻结步态识别方法.首先采用变分模态分解代替传统时频分析方法对冻结步态信号进行充分的自适应分解.其次为提高算法识别精度和识别速度,选用CART模型作为集成分类器的基分类器并进行特征降维处理.最后针对不平衡数据集和单分类器性能有限的问题,进行了数据采样-集成分类器的设计并通过贝叶斯优化对识别算法进行超参数寻优.实验结果表明,相对于AdaBoost、Tomeklinks-AdaBoost和ROS-AdaBoost集成算法,RUSBoost集成算法可以更高效地完成冻结步态识别任务.