基于K-means聚类算法和智能电表数据的居民峰值负荷概率估计模型
2021-03-27张展耀俞伊丽朱鲁敏王琦钢
电力大数据 2021年1期
张展耀,俞伊丽,朱鲁敏,王琦钢
(国网浙江省电力有限公司舟山供电公司,浙江省舟山市 316000)
随着智能化城市的快速发展以及旧城改造政策的大力实施[1-2],越来越多的居民小区需要进行重新规划与扩建,居民同期峰值负荷的准确估计是确定电力输送设备容量的关键依据。实现用电量供需平衡的最优化,可有效确保整个电力系统网络的稳定运行,并促进电力公司经济效益的稳步提升。
不同居民的用电行为往往表现出高度的随机性和波动性[3-4]。因此,很难对单一居民住宅进行峰值负荷估计工作,并且应用意义不大。如果将更多的居民聚集在一起,则总负荷曲线将表现得更加规律和稳定[5]。对于某居民小区,其总用电量是多类居民用户共同决定的,而各类居民之间的用电需求量的差异性,与年收入、家庭人口总数等因素密切相关。
近年来,国内外学者针对居民峰值负荷估计问题开展了广泛的研究。文献[6-9]则提出了一套依赖于历史负荷数据[10]的评估系统,用以估计变电站负荷。而新扩建的居民小区没有任何历史用电数据,因此该评估系统对于新建变电站的容量估计不具有普适性。不同居民的峰值负荷幅值的大小以及其出现的时间均不一样,文献[11]则引入了贡献因子系数(contribution factor,CF)来预测低压配电房的各种日峰值负荷。
上述这些研究工作均针对总居民峰值负荷的确定性估计,但实际上居民的用电行为往往存在一定的随机性和波动性[12]。……
登录APP查看全文
