基于數據挖掘的電力客戶避峰價值分析.pdf

1、隨著經濟的發(fā)展與人們生活水平的提高，社會各行業(yè)用電結構發(fā)生了很大的變化，電力客戶的負荷特性也發(fā)生了很大變化，電力部門面臨著嚴峻的供需緊張局面。尤其是夏季空調負荷及冬季取暖負荷的增長，對電力負荷的需求量遠遠高于電網的供應量。全國大部分地區(qū)都出現(xiàn)電力供需不平衡現(xiàn)象，這種嚴重的供需不平衡不僅給電網帶來困擾，也無法為客戶提供優(yōu)質、穩(wěn)定的電能。為了保障電網安全經濟的運行，供電部門應及時掌握客戶的電力消費行為，當電網的供應電量小于電力客戶的需求電量

2、時，采用一系列措施降低客戶的用電量，從而達到更加完善的用電秩序。目前電網制定的有序用電方案主要包含避峰、錯時、調休和檢修，而避峰方案更加簡便靈活、容易實現(xiàn)“快上快下”且能夠及時應對突發(fā)情況，所以需要針對有序用電方案中的避峰工作展開研究。如何分析海量電力客戶的避峰潛力，并向客戶提供避峰決策支持尤為重要。
　　由于電力客戶的用電負荷是一個很龐大的數據，需要借助于數據挖掘的相關算法對客戶的用電模式進行分析，這樣可以對客戶大量的用電負荷數

3、據進行簡化，便于分析客戶具有代表性的用電行為。本文利用K-means算法對電力客戶大量的歷史負荷數據進行聚類分析，從而得到各電力客戶的典型日負荷曲線，將典型日負荷曲線作為各電力客戶最具代表的負荷特性曲線，為本文分析各電力客戶的避峰價值提供數據基礎。
　　本文在傳統(tǒng)的負荷特性指標基礎上，根據實際需求定義了適用于避峰分析的負荷特性指標，然后融合各項負荷特性指標，建立了避峰價值模型，根據模型定量地計算出各電力客戶的各項負荷特性指標及避峰

4、價值大小。在上述工作的基礎上，再對海量電力客戶的避峰價值進行聚類分析，將電力客戶聚為幾類，并根據聚類結果產生指導性的避峰排序表。按照每個聚類中心值從大到小依次表示為避峰能力很強、強、較強、一般、差。避峰能力強的用戶組優(yōu)先進行避峰，同一個用戶組內的各用戶同時進行避峰。
　　基于本文的算法設計，選取某地區(qū)電網及幾家電力客戶的實際負荷數據，對建立的避峰價值模型進行實例分析，驗證了避峰排序的準確有效性，這對于指導電力部門尋找有價值的電力客