论文总字数：34516字

摘 要

随着泛在电力物联网建设的逐步推进，用户侧将部署大量感知设备，采集海量用户用能数据。以数据驱动的对居民用户用电行为特征的分析和辨识，对于提高电力公司针对居民用户个性化服务的水平、设计开展需求响应项目有重要意义。

本文基于A市992户居民用户电表采集的24点日负荷功率数据集，进行居民用户多维用电行为画像的创建。首先，对居民用户用电行为的特征及其影响因素进行了研究，指出居民用户的用电特性与气象、电价、居民社会特征等多个维度的因素有关；其次，收集整理了常用的用电行为分析方法，选用经典的K-means算法对数据集中用户进行了聚类分析并针对算法缺陷和本数据集特点进行了改进；然后，从用电模式、气温敏感度、迎峰程度的维度创建居民用户用电行为画像，其中基于自组织神经网络进行了模式类的标签辨识，考虑气温累积效应的修正后分别对用户的高温、寒冷敏感度进行了标签辨识，通过与总体负荷曲线的相似性比对进行了迎峰程度标签辨识。最终以创建得到的全部用户的用电行为画像为基础，分析了其在需求响应目标用户筛选中的应用。

关键词：用电行为分析、聚类分析、用户画像、神经网络、需求响应

Abstract

With the gradual advancement of ubiquitous power Internet of Things construction, the user side will deploy a large number of sensing devices to collect massive user energy data. Data-driven analysis and identification of residential users' electricity behavior characteristics is of great significance for improving the level of power companies' personalized service for residential users and designing demand response projects.

This paper is based on the 24-point daily load power data set collected by the 992 household electric meters in A city, and creates the multi-dimensional electricity behavior portraits of residential users. Firstly, it is pointed out that the electricity consumption characteristics of residential users are related to many dimensions such as meteorology, electricity price and social characteristics of residents. Secondly, the commonly used electricity is collected and collected. Behavior analysis method, using the classic K-means algorithm to cluster the users in the data set and improve the algorithm defects and characteristics of the data set; then, from the dimension of electricity consumption mode, temperature sensitivity, peak degree Resident users use electricity behavior portraits, in which model identification is based on self-organizing neural network. After considering the correction of temperature accumulation effect, the user's high temperature and cold sensitivity are labeled and identified, and the similarity with the overall load curve is adopted. The alignment was carried out with the identification of the peak level. Finally, based on the created electricity usage behavior images of all users, the application of the target response user screening in demand response is analyzed.

Key Words: electricity behavior analysis, cluster analysis, user portrait, neural network, demand response

目 录

摘 要 III

Abstract IV

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 用户用电数据分析方法 2

1.2.2 用户用电行为分析 3

1.2.3 用户行为分析的应用 3

1.3 本文主要工作 4

第二章 居民用户用电行为特征及影响因素 6

2.1 居民用户用电特性 6

2.2 居民用户用电行为影响因素 7

2.2.1 气温因素 7

2.2.2 电价因素 8

2.2.3 居民社会特征 9

2.3本章小结 10

第三章 基于聚类分析的居民用电行为分类 11

3.1 用电行为分析方法 11

3.1.1 聚类分析法 11

3.1.2 人工神经网络 11

3.1.3 关联性分析 11

3.1.4 决策树 12

3.2 K-means聚类算法的改进 12

3.2.1 传统K-means聚类算法流程 12

3.2.2 传统k-means算法的缺陷 13

3.2.3 改进K-means聚类算法 13

3.3 居民用户用电行为分类 14

3.3.1 数据预处理 14

3.3.2 数据归一化 15

3.3.3 聚类处理及结果 16

3.3.4 结果分析 18

3.4 本章小结 19

第四章 居民用户多维用电行为画像创建 20

4.1 居民用户用电行为画像 20

4.1.1 用户画像 20

4.1.2 居民用户用电行为画像创建流程 20

4.2 基于SOM神经网络的模式类标签辨识 22

4.2.1 模式类标签体系 22

4.2.2 关于SOM神经网络 23

4.2.3 模式类标签辨识 23

4.3 计及气温累积效应的居民用户气温敏感度辨识 26

4.3.1 气温敏感度标签体系 26

4.3.2 气温累积效应的修正 27

4.3.3 气温敏感度标签辨识 29

4.4 居民用户用电迎峰程度标签辨识 29

4.4.1 迎峰程度标签体系 29

4.4.2 迎峰程度标签辨识 30

4.5 算例分析 30

4.5.1 用电行为画像结果 30

4.5.2 各维度标签分布统计 32

4.5.3 各类别用户的多维标签分布 35

4.6 本章小结 36

第五章 基于用电行为画像的需求响应目标用户筛选 37

5.1 需求响应目标用户筛选综合评价指标 37

5.1.1 各画像维度下的需求响应目标用户特征量 37

5.1.2 基于熵权法建立综合评价指标 38

5.2 需求响应目标用户筛选 39

5.2.1 需求响应目标用户筛选流程 39

5.2.2 需求响应目标用户筛选结果 40

5.3 本章小结 42

第六章 总结与展望 43

6.1 本文工作总结 43

6.2 本文工作展望 44

参考文献 45

致谢 47

第一章 绪论

1.1 研究背景及意义

2019年的国网两会上提出建设世界一流能源互联网企业的重要物质基础是要建设运营好“坚强智能电网”和“泛在电力物联网”，实现电力系统各环节万物互联、人机交互，将电网建设成为具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。作为电力物联网感知层的重要设备，居民用户需求侧将全面部署的智能电表可以采集海量用户用电数据，从海量用户用电数据中挖掘出用户行为规律，实现对居民用户用电行为特征的分析和辨识，是利用居民用电的需求响应资源的基础。对于电力公司提高针对居民用户的个性化服务水平，设计开展需求响应项目有重要意义。

随着我国经济快速发展，人民的消费和生活水平有了明显提高，电力公司以往单一而粗犷的服务模式逐渐难以满足居民用户日益提升的对用电满意、舒适程度的追求，居民用户对电网公司提供的售电服务要求更加个性化、精细化、多元化。近年来，城乡居民用电量占全社会用电量的比重也逐年上升。以2018年为例，我国全社会用电量68449亿千瓦时，同比增长8.5%，其中城乡居民生活用电量9685亿千瓦时，同比增长10.4%，即城乡居民用电量占比14.1%，同比增长了0.3个百分点。居民用电占比的提高说明居民用电所具有的作为需求响应资源的潜力在逐渐增大。随着新一轮电力体制改革的逐步推进，工商业用电与居民用电之间的交叉补贴将逐步取消，电费在居民用户消费中所占的比例则也会提高，充分调动居民用户参与需求响应的积极性对于用户和电网而言是双赢之举。因此可针对居民用户的用电特性和影响因素，对其用电的行为习惯和负荷特性进行研究，实现精准需求响应项目用户筛选。

剩余内容已隐藏，请支付后下载全文，论文总字数：34516字