【技术实现步骤摘要】
一种基于居民细粒度用电数据的用户类型判定方法
本专利技术属于配用电和大数据应用领域，尤其涉及一种基于居民细粒度用电数据的用户类型判定方法。
技术介绍
随着我国城镇居民生活水平的提高，居民用电量呈飞速增长的态势，近些年来新增用电量中居民用电的比例高达38％；空调等非生产负荷急剧增长，已成为电网高尖峰负荷的主因，导致电网峰谷差持续增大。空调高峰负荷占比达到1/3甚至达到40％，局部地区超过50％。为应对日益扩大的峰谷差，每年需投入巨资用于电厂和电网的建设，但这些发、输电设备年利用小时低，调峰成本高，真正发挥作用的时长仅为60～70个小时，造成了社会资源的极大浪费。此外，居民用电还呈现用电行为复杂、综合能耗高、与电网互动能力较弱等特点，对居民用户开展用电行为分析和双向互动的重要性日益凸显，针对不同类型的居民用户开展不同的需求侧管理技术研究及实践，是缓解电网供需紧张重要的解决途径。相对于侵入式负荷辨识方案而言，非侵入式负荷辨识无需进入居民家庭内部安装大量智能插座，只需采样用户总进线处的电压与电流，通过智能算法即可分解并辨识出...
【技术保护点】
1.一种基于居民细粒度用电数据的用户类型判定方法，其特征在于，包括以下步骤：/n利用所采集的居民细粒度用电数据，计算各居民用户的统计类指标值；其中，所述居民细粒度用电数据是按照15分钟一个断面频率采集的居民分项电器用电数据，所述分项电器包含空调、电热负荷以及微功率类负荷；/n计算各居民用户的判定类指标值，具体包括计算分项电器在工作日以及周末不同时段的用电量占比系数，形成分项电器用电量占比系数判定矩阵，计算分项电器最大系数所处的时段；其中，所述分项电器用电量占比系数判定矩阵包括工作日分项电器用电量占比系数判定矩阵和周末分项电器用电量占比系数判定矩阵；/n按月统计各居民用户分项...
【技术特征摘要】
1.一种基于居民细粒度用电数据的用户类型判定方法，其特征在于，包括以下步骤：
利用所采集的居民细粒度用电数据，计算各居民用户的统计类指标值；其中，所述居民细粒度用电数据是按照15分钟一个断面频率采集的居民分项电器用电数据，所述分项电器包含空调、电热负荷以及微功率类负荷；
计算各居民用户的判定类指标值，具体包括计算分项电器在工作日以及周末不同时段的用电量占比系数，形成分项电器用电量占比系数判定矩阵，计算分项电器最大系数所处的时段；其中，所述分项电器用电量占比系数判定矩阵包括工作日分项电器用电量占比系数判定矩阵和周末分项电器用电量占比系数判定矩阵；
按月统计各居民用户分项电器在工作日及周末的统计类指标值和判定类指标值，根据用户类型的逻辑判定方法来判定用户类型。
2.如权利要求1所述的基于居民细粒度用电数据的用户类型判定方法，其特征在于，计算各居民用户用电的统计类指标值进一步包括：统计分项电器工作日不同时段的用电量，统计分项电器周末不同时段的用电量，形成分项电器用电量的判定矩阵，统计月度用电量判定矩阵的方差。
3.如权利要求2所述的基于居民细粒度用电数据的用户类型判定方法，其特征在于，统计分项电器工作日不同时段的用电量进一步包括：白天时段用电量晚间时段用电量早晚高峰时段用电量
其中，Morn_Strt_Time为早峰开始时间，Morn_End_Time为早峰结束时间，Night_Strt_Time为晚峰开始时间，Night_End_Time为晚峰结束时间，j为时刻，eEq_wd(j)为分项电器Eq月度工作日j时刻的平均电量。
4.如权利要求2所述的基于居民细粒度用电数据的用户类型判定方法，其特征在于，统计分项电器周末不同时段的用电量进一步包括，白天时段用电量晚间时段用电量早晚高峰时段用电量
其中，Morn_Strt_Time为早峰开始时间，Morn_End_Time为早峰结束时间，Night_Strt_Time为晚峰开始时间，Night_End_Time为晚峰结束时间，j为时刻，eEq_wk(j)为分项电器Eq月度周末j时刻的平均电量。
5.如权利要求3所述的基于居民细粒度用电数据的用户类型判定方法，其特征在于，计算分项电器在工作日不同时段的用电量占比系数进一步包括，白天时段用电量占比系数晚间时段用电量占比系数早晚高峰时段用电量占比系数
其中，Ewd表示用户工作日用户每个时段的平均用电量，计算方法为：workday...
【专利技术属性】
技术研发人员：孙毅，李晓枫，顾博川，侯艾君，胡春潮，尤毅，高雅，黄嘉健，饶章权，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。