电力客户特征的数据挖掘技术.docx

Sérgio Ramos et al. / Procedia Computer Science 186 (2021) 475–488 PAGE 487 PAGE 486 Sérgio Ramos et al. / Procedia Computer Science 186 (2021) 475–488 电力客户特征的数据挖掘技术 摘要 电力市场的自由化导致了新的参与者的出现，提高了市场的竞争力，使那些能够以更好的价格提供更好服务的人屹立不倒。对能源消费者概况的了解一直是帮助电力行业参与者做出决策的重要工具。本文提出并评价了一个低压用户典型负荷曲线的表征模型。消费模式的识别基于聚类分析。聚类方法基于七种算法，分区的和分层的。此外，五个聚类有效性指数用于识别最佳数据分区。利用聚类分析中获得的知识，使用分类模型根据新客户的消费数据对其进行分类。分类模型用于为每个客户选择正确的类别。为了使模型简单，每个负载曲线由三个表示负载曲线形状的指数来表示。这项工作中使用的方法证明是一种有效的工具，可用于大多数不同的部门，突出了知识在低压客户能源合同优化中的应用。能耗数据可以不断更新，以提高模型精度，找到能够更好地代表消费者及其消费习惯的估计值。 关键词:数据库中的知识发现；数据挖掘；聚类；分类；典型负载曲线 1。 介绍 在过去的几十年里，电力市场正面临着一些变化。这些市场的巨大变化是能源生产、传输、分配和商业化等部门的自由化。这 在大多数国家，客户能源合同的自由化是分阶段进行的，开始包括大客户(较高的电压水平)，然后降低能源消耗水平，直到达到较低的水平(较低的电压)。 最近，巴西能源市场面临着经济调度和能源定价政策的巨大变化。直到2019年12月，能源定价和经济调度每周计算一次，它们基于三个负荷水平:高峰、非高峰和基本负荷。自2020年1月以来，发电厂的调度是每天计算的，为前一天计算，并以48个间隔离散化(每天每半小时一个)，但能源价格继续每周计算。根据巴西国家电力局(ANEEL)的数据，2021年有变化的趋势，经济调度将按48个间隔每天计算。此外，价格将按24个间隔(每小时一个)每天计算[1]。 图1。展示了巴西每小时价格和每周价格之间的比较。通过在一天的前七个小时消耗更多的能量，并在一天的其余时间节省能量，有可能看到货币收益的边际。正如我们所看到的，了解客户的消费模式有助于做出决策，以提高能源消耗，降低能源成本也很重要。 消费模式知识的利用也可以用于能源效率计划、电价政策、负荷预测、需求侧管理和客户分类。 为了识别数据集中的消费模式，有必要使用数据挖掘技术来处理数据并找到模式，然后评估知识。用于查找模式的主要数据挖掘技术之一是聚类。当没有关于数据集的先前知识时，使用聚类分析。否则，当有关于数据集的先前知识时，可以使用分类技术来获得模式。在过去的几十年里，为了在电力市场中使用数据挖掘技术，人们做了大量的工作，重点是改善能源服务。 为了更好地利用能源，参考文献[2]提出了一种改善建筑能耗的系统。如研究所示，该系统能够降低21%的能耗。通过使用聚类算法，参考文献[3]分析了冰箱更换对低压客户的影响，所开发的工具有助于做出关于能效和管理的决策。参考文献[4]开发了一种能够识别能耗模式并对客户进行分类的算法。该研究还强调，从数据集中提取的典型负荷曲线(TLP)可以通过需求响应(DR)改善能耗，从而有助于能源系统管理。 图。1.巴西每小时价格和每周价格的比较 电力系统中最重要的工具之一是负荷预测。负载模式的知识可以用来维持电压和频率水平，它可以通过促进灾难恢复计划来提高电网利用率，降低能源成本，并降低峰值负载。数据挖掘技术通过处理数据集和提取相关模式来分析预测算法，从而有助于这种分析[5-10]。 在现代电力部门，灾难恢复正在成为提高电网利用率的工具。利用数据挖掘技术进行模式识别可以支持灾难恢复程序。对能源消耗模式的了解有助于估计减少能源消耗、提高能源利用率和降低能源成本的最佳时期[11]。 能源价格的目标是反映能源生产、传输和分配的成本。参考文献[12]基于聚类分析提出了关税结构。研究的目的是通过在能源消耗高时提高能源价格，在消耗低时降低价格，找到更能代表电网利用率的电价。它为客户在价格较高时降低能耗，试图提高电网利用率提供了经济信号。在[13]中描述了另一个利用数据挖掘技术的建议，根据客户模式提出了费率选项。参考文献[14]指出，在某些情况下，能源合同参数与消费模式无关。在研究中，还提出了一种新的电价方案来降低电网中的能量峰值。 在分析了数据挖掘在能源市场中的一些应用后，有必要确定提取数据集负载模式的最佳技术。为了确定聚类负载图的最佳算法，参考文献[15]评估了九种聚类算法，包括凝聚层次聚类、K-mea