分居民需求响应资源。在小区确定为居民需求响应合适的参与小区的情况下,可以根据居民夏季个平均用电量判断小区内居民哪些适合与需求响应项目。基于数据挖掘的居民小区需求响应基线与潜力算法研究原稿。摘要居民空调用电是夏季区域电力高峰不断刷新的主要原因之,呈不断上升的趋势。江苏年电力需求响应运行已纳入了定数量的居民用户。随着电改的深入,居民小区有规模地开展需求响应是削减区域夏季电力高峰负荷与参与辅助服务的必然趋势。南方电网居民用电数据采集关注点是每天上传次的用电量表码数据,缺少居民小区分钟连续采集用电量或负荷数据,因而无法相对准确需求响应削减潜力,获取的原则是求出每个居民月份最高负荷与春秋月份平均负荷差,作为该小区可能的需求响应的削减潜力,然后平均分摊到小区的每个居民住房。图,图求响应削减潜力,图,其中可以看到小区的户均需求响应削减潜力在之间,平均在。这结果的物理解释是所研究小区居民居民基本都有两个以上空调,匹机是主流机型,其额定制冷功率为例如格力俊越匹定频空调。在春秋季节以月与月为代表,许多家庭仍然定程度地使用空调,但强度比夏天小的多,最多有台空调在运行,因此平均每个家庭需求响应能力在是合理的。江苏年以空调控制为主的居民电力需求响应结果也进步验证了本研究提出的居民需求响应潜力估算的合理性。江苏在年涉及居民需求响应的两次运行中,平均每户居民的负荷削减量为,两者的数值基本接近,佛山居民的削减潜力数据略大些,其中主要的原因是本研究涉及居民的全部用电,南方电网典型城市佛山市居民小区夏季用电特性如图。居民用电的规律性比较突出,个典型小区电力负荷双高峰负荷特性明显,尤其是晚高峰比较突出,出现在点分左右,在到达晚高峰后就用电负荷开始下降,但下降缓慢,直要到第天早上点左右达到低点。由于气温较高,室内空调基本是持续运行,在早上暂短停机后又开始运行,中午点左右达到个高峰,估计是居民午休到家后增加空调负荷所致。图图中小户型夏日典型用电特性,其趋势与小区用电特性致。国外居民用电负荷也呈现类似的特性。居民小区现有用电数据与需求响应资源分类居民小区需求响应相关用电数据在目前条件下,供电局在居民用电管理方面拥有的基本数据如表,数据以年为基础,内容包括居民小区的名称区域户数全年用电量不同阶梯电价居民户数年度最高负荷以及典型月份小区用电量与最高负荷。基于数据挖掘的居民小区需求响应基线与潜力算法,基于数据挖掘的居民小区需求响应基线与潜力算法研究原稿黎灿兵,李晓辉,赵瑞,等电力短期负荷预测相似日选取算法电力系统自动化,畅广辉,刘涤尘,熊浩基于多分辨率回归估计的短期负荷预测电力系统自动化,何大,张旭改进的季节性指数平滑法预测空调负荷分析同济大学学报自然科学版,刘惠萍德国能源管理措施和经验上海提出的方法进行验证。结果表明,本文提出的方法能较好地解决现有条件下居民小区需求响应负荷基线与削减潜力的估算问题,为需求响应居民小区的选择削减潜力估算算及客户参与需求响应基线与削减量的确定提供了种新的方法该方法。参考文献,果,相关系数为,总体上看影响不显著,但在剔除差异大的小区后,约的居民小区需求响应潜力与档用电量的相关系数达到,因此档阶梯用电的客户的需求响应潜力较大,这为选择居民小区或客户参与需求响应提供了参考。采用同样的数据分析方法,研究需求响应潜力与与档档阶梯用电量之间的相关关系,相关系数分别为,说明相关性比较小。但在做过类似档阶梯用电量类似处理后,约的小区档阶梯用电与削减潜力的相关性可达,具体如图。而档阶梯用电量与需求响应潜力的相关性比较小。小区内居民需求响应基线与潜力评估方法验证居民的需求响应负荷属于气温强敏感性负荷。能够响应的用电设备主要是空调,这点已经在以美国英国与法国为代表的居民需求响应实践中得到证明。由于居民需求响应在中国没有真正开始,本文居民需求响应基线方法研究以个户有代表性的居民小区为例,该小区于年实施了智能小区项目可以做为基础负荷的基准,因为相对月或月份高月份,居民基本上在这个时段空调使用的较少。同样,居民在秋季段时间,也基本不使用空调。为同时考虑春秋两个时段,本研究将居民小区的基准负荷确定为月份与月份最高负荷的平均值。图响应基准与削减潜力分布。居民小区需求响应削减潜力评估方法与因数分析居民小区需求响应潜力的主要影响因素为夏季与春秋季节用电量典型日负荷曲线最高用电负荷小区格挡阶梯用电分布等。需求响应潜力的获得首先是建立在对现有客户群各种数据及相互关联性分析与挖掘基础上的。对于整个小区的需求响应削减潜力,获取的原则是求出每个居民月份最高负荷与春秋月份平均负荷差,作为该小区可能的需求响应的削减潜力,然后平均分摊到小区的每个居民住房。图,图求响应削减潜力,图,其中可以看到小区的户均需求响应削减潜力在之间,平均在。这结果的物理解释是所研究,能够采集每户家庭分钟用电数据。关于基线的研究以年夏季与秋季采集数据为基础。图需求响应基线,图佛山典型居民大户型需求响应基线,图型需求响应基线,对采集的居民夏季与秋季用电负荷的分析,验证了空调负荷是主要可调节负荷。通过数据分析,发现每户居民需求响应基线确定为秋季月份的负荷曲线较为合适,因为在佛山月份仍然需要部分空调,但使用强调比夏季高温日低许多。图需求响应基线,图型居民大户型需求响应基线,图需求响应基线,表。结论本文结合佛山市电力需求响应试点实践,研究了南方电网有代表性的区域在无法获得分钟或分钟用电数据采集情况下,居民小区参与电力需求响应的潜与基线估算问题。通过数据分析挖掘,相关性分析等手段,提出了以供电局现有客户采集数据为基础,确定居民小区需求响应潜力与基线的估算方法,并结合个典型小区分钟用电数据采集对本文图,其中可以看出不同小区由于户型业主等不同,阶梯点击用电量也不同。华南地区夏季比较长,空调使用时间约有个月。夏季居民平均用电量的多少预示着空调使用的频繁程度。因此,可以从下降居民月平均用电量的大小划分居民需求响应资源。在小区确定为居民需求响应合适的参与小区的情况下,可以根据居民夏季个平均用电量判断小区内居民哪些适合与需求响应项目。基于数据挖掘的居民小区需求响应基线与潜力算法研究原稿。摘要居民空调用电是夏季区域电力高峰不断刷新的主要原因之,呈不断上升的趋势。江苏年电力需求响应运行已纳入了定数量的居民用户。随着电改的深入,居民小区有规模地开展需求响应是削减区域夏季电力高峰负荷与参与辅助服务的必然趋势。南方电网居民用电数据采集关注点是每天上传次的用电量表码数据,缺少居民小区分钟连续采集用电量或负荷数据,因而无法相对准确要对可获得的数据采用各种方法进行有效的分析挖掘,包括统计分析回归分析相关性分析聚类分析与深度机器学习等。本研究的目的是收集供电局与需与居民小区需求响应相关的数据,通过数据分析挖掘方法,结合行业常识寻找在现有数据条件下选择合适的居民小区参与需求响应的理论与方法,确定基线以及居民小区及可参加需求响应居民的削减潜力。采用的主要方法为相关性与关联度分析方法。基于数据挖掘的居民小区需求响应基线与潜力算法研究原稿。按照阶梯电价档位,根据佛山市禅城区有代表性的个居民小区的用电数据,我们进行了分析挖掘。所分析的小区情况是个居民小区以高层密集型楼房为主,入住年限在年左右,也包括些年左右的老小区。全部个小区住户总数为户,年总用电量为亿千瓦时,占全区居民用电总量的,最高用电负荷,居民平均电费元。图给出了佛山市禅城区个居民小区居民户数掘,提出了基于居民小区总用电量阶梯用电量户型等因数的居民小区需求响应负荷基线响应响应潜力估算方法,并结合个居民小区分户分钟用电量数据采集进行验证。结果表明,本文提出的方法能较好地解决现有条件下居民小区需求响应负荷基线与削减潜力的估算问题,为需求响应居民小区的选择削减潜力估算算及客户参与需求响应基线与削减量的确定提供了种新的方法。图,其中可以看出不同小区由于户型业主等不同,阶梯点击用电量也不同。华南地区夏季比较长,空调使用时间约有个月。夏季居民平均用电量的多少预示着空调使用的频繁程度。因此,可以从下降居民月平均用电量的大小划分居民需求响应资源。在小区确定为居民需求响应合适的参与小区的情况下,可以根据居民夏季个平均用电量判断小区内居民哪些适合与需求响应项目。按照阶梯电价档位,根据佛山市禅城区有代表性的个居民小区的用电数能够采集每户家庭分钟用电数据。关于基线的研究以年夏季与秋季采集数据为基础。图需求响应基线,图佛山典型居民大户型需求响应基线,图型需求响应基线,对采集的居民夏季与秋季用电负荷的分析,验证了空调负荷是主要可调节负荷。通过数据分析,发现每户居民需求响应基线确定为秋季月份的负荷曲线较为合适,因为在佛山月份仍然需要部分空调,但使用强调比夏季高温日低许多。图需求响应基线,图型居民大户型需求响应基线,图需求响应基线,表。结论本文结合佛山市电力需求响应试点实践,研究了南方电网有代表性的区域在无法获得分钟或分钟用电数据采集情况下,居民小区参与电力需求响应的潜与基线估算问题。通过数据分析挖掘,相关性分析等手段,提出了以供电局现有客户采集数据为基础,确定居民小区需求响应潜力与基线的估算方法,并结合个典型小区分钟用电数据采集对本文黎灿兵,李晓辉,赵瑞,等电力短期负荷预测相似日选取算法电力系统自动化,畅广辉,刘涤尘,熊浩基于多分辨率回归估计的短期负荷预测电力系统自动化,何大,张旭改进的季节性指数平滑法预测空调负荷分析同济大学学报自然科学版,刘惠萍德国能源管理措施和经验上海基于数据挖掘的居民小区需求响应基线与潜力算法研究原稿分布,图个居民小区阶梯用电量户数分布,居民需求响应资源分类对居民小区内居民用电特性的深入了解是制定需求响应策略评估小区需要响应潜力及确定基