基于大数据的业扩用户用电行为特征研究

doi:10.11930/j.issn.1004-9649.201602019

中国电力 ›› 2017, Vol. 50 ›› Issue (10): 176-180.DOI: 10.11930/j.issn.1004-9649.201602019

基于大数据的业扩用户用电行为特征研究

周琪¹, 杨洁², 韩俊杰³, 罗欣³, 赵燃³

1. 国网江苏省电力公司,江苏南京 210024;
2. 国网盐城供电公司,江苏盐城 224005;
3. 北京清软创新科技股份有限公司,北京 100085

收稿日期:2016-02-06 出版日期:2017-10-25 发布日期:2017-10-30
作者简介:周琪（1968—）,女,江苏南通人,高级工程师,从事电力企业计划管理和市场研究。E-mail: 427875743@qq.com

Research on Electricity Consumption Behaviors of the Capacity Expansion Users Based on Big Data Analysis

ZHOU Qi¹, YANG Jie², HAN Junjie³, LUO Xin³, ZHAO Ran³

1. State Grid Jiangsu Electric Power Company, Nanjing 210024, China;
2. State Grid Yancheng Power Supply Company, Yancheng 224005, China;
3. Beijing Tsingsoft Technology Co., Ltd., Beijing 100085, China

Received:2016-02-06 Online:2017-10-25 Published:2017-10-30

摘要/Abstract

摘要： 电力用户的业扩报装容量直接影响着地区用电的未来增长空间。以容量与用电量间的关系研究作为切入点,应用大数据分析的方法研究了各用户多种类型的业扩容量转换为用电量的周期特征,从电量产生的机理出发,分析了业扩业务产生后电量的变化情况,可以为后续的电量变化空间的科学预估提供全面的信息支撑。

关键词: 业扩报装, 容量利用小时数, 生长曲线, 大数据

Abstract: The capacity of business expansion has a close connection with the electricity consumption level. This paper analyses the relationship between the capacity and power consumption, and uses the big data method to study the periodic characteristics for various business expansion capacities to be changed into the electricity consumption levels of electricity users. Based on the mechanism of electricity consumption, the change of the electricity consumption with the business expansion is analyzed, which can provide a comprehensive information support for improving the forecast of electricity consumption.

Key words: business expansion, capacity utilization hours, growth curve, big data

中图分类号:

TM715

周琪, 杨洁, 韩俊杰, 罗欣, 赵燃. 基于大数据的业扩用户用电行为特征研究[J]. 中国电力, 2017, 50(10): 176-180.

ZHOU Qi, YANG Jie, HAN Junjie, LUO Xin, ZHAO Ran. Research on Electricity Consumption Behaviors of the Capacity Expansion Users Based on Big Data Analysis[J]. Electric Power, 2017, 50(10): 176-180.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.201602019

https://www.electricpower.com.cn/CN/Y2017/V50/I10/176

参考文献

[1] 康重庆,夏清,张伯明. 电力系统负荷预测研究综述与发展方向的探讨[J]. 电力系统自动化,2004,28(17)：1-11.
KANG Chongqing, XIA Qing, ZHANG Boming. Review of power system load forecasting and its development[J]. Automation of Electric Power Systems, 2004, 28(17): 1-11.
[2] 叶瑰昀,罗耀华,刘勇,等. 基于ARMA模型的电力系统负荷预测方法研究[J]. 信息技术,2002,37(6)：74-76.
YE Guijun, LUO Yaohua, LIU Yong, et al . Research on method of power system load forecasting based on ARMA model [J]. Information Technology, 2002, 37(6): 74-76.
[3] 乔占俊. 基于Census X12-SARIMA模型的中长期负荷预测[J]. 电力系统及其自动化学报,2014,28(1)：34-38.
QIAO Zhanjun. Medium and long-term load forecasting based on census X12-SARIMA model[J]. Proceedings of the CSU-EPSA, 2014, 28(1): 34-38.
[4] 蒋平,鞠平. 应用人工神经网络进行中期电力负荷预报[J]. 电力系统自动化,1995,19(6)：11-17.
JIANG Ping, JU Ping. Medium-term electric load forecasting using artificial neural network[J]. Automation of Electric Power System, 1995, 19(6): 11-17.
[5] 葛斐,李周,杨欣,等. 基于业扩报装的全社会电量预测方法研究[J]. 安徽电气工程职业技术学院学报,2013,18(4)：31-34.
GE Fei, LI Zhou, YANG Xin, et al . Research on forecasting method of whole society electricity consumption based on business expansion [J]. Journal of Anhui Electrical Engineering Professional Technique College, 2013, 18(4): 31-34.
[6] 石雪梅,李周,葛斐,等. 一种基于工业业扩报装的月度工业用电量预测方法[P]. CN103413188A. 2013-11-27.
[7] 余向前,王林信,张维静,等. 基于生长曲线的行业业扩用电趋势研究[J]. 电力需求侧管理,2014,16(2)：21-25.
YU Xiangqian, WANG Linxin, ZHANG Weijing, et al . Research of business expanding electric consumption trend based on growth curves [J]. Power Demand Side Management, 2014, 16(2): 21-25.
[8] 彭小圣,邓迪元,程时杰,等. 面向智能电网应用的电力大数据关键技术[J]. 中国电机工程学报,2015,35(3)：503-511.
PENG Xiaosheng, DENG Diyuan, CHENG Shijie, et al . Key technologies of electric power big data and its application prospects in smart grid [J]. Proceedings of the CSEE, 2015, 35(3): 503-511.
[9] 王德文,孙志伟. 电力用户侧大数据分析与并行负荷预测[J]. 中国电机工程学报,2015,35(3)：527-537.
WANG Dewen, SUN Zhiwei. Big data analysis and parallel load forecasting of electric power user side[J]. Proceedings of the CSEE, 2015, 35(3): 527-537.
[10] 王德文,孙志伟. 一种基于内存计算的电力用户聚类分析方法[J]. 智能系统学报,2015,10(4)：569-576.
WANG Dewen, SUN Zhiwei. A method for cluster analysis of electric power consumers based on in-memory computing[J]. CAAI Transactions on Intelligent Systems, 2015, 10(4): 569-576.

[1]	刘文君, 董明, 徐元孚, 韩强, 王鑫, 许雷, 杜明. 电力设备运行状态大数据标签体系与关键技术[J]. 中国电力, 2022, 55(1): 126-132.
[2]	李博, 方彤. 北斗卫星导航系统（BDS）在智能电网的应用与展望[J]. 中国电力, 2020, 53(8): 107-116.
[3]	安然, 吴俊勇, 石琛, 朱孝文, 邵美阳, 黄杏, 蔡蓉. 基于随机矩阵和历史场景匹配的配电网无功优化[J]. 中国电力, 2020, 53(4): 69-78.
[4]	程瑛颖, 杜杰, 周全, 张家铭, 张晓勇, 李刚. 基于随机矩阵理论和聚类算法的电能表运行状态评估方法[J]. 中国电力, 2020, 53(11): 116-125.
[5]	郭敬东, 陈彬, 王仁书, 王佳宇, 仲林林. 基于YOLO的无人机电力线路杆塔巡检图像实时检测[J]. 中国电力, 2019, 52(7): 17-23.
[6]	罗昊, 苏盛, 杨浩, 林楠, 袁晨. 基于FPGA的电力巡线无人机硬件加密通信方法[J]. 中国电力, 2019, 52(7): 11-16.
[7]	王忠杰, 文乐, 杨新民. 大数据在智能化电厂中的应用研究与展望[J]. 中国电力, 2019, 52(3): 133-139.
[8]	岳国良, 路艳巧, 常浩, 孙翠英. 一种基于可见光巡检图像的杂草智能识别方法[J]. 中国电力, 2019, 52(11): 138-144,174.
[9]	周生奇, 贾亚军, 朱华. 基于灰色模糊预测的智能配电网大数据调度算法[J]. 中国电力, 2018, 51(10): 103-110.
[10]	韩华锋, 马玉娟, 黄一志, 杨萌萌, 郭滔, 刘然, 张伟, 孙亚飞. 1 000 MW级火电机组智慧电厂建设研究[J]. 中国电力, 2018, 51(10): 49-55.
[11]	商皓, 雷明, 马海超, 刘俊杰, 周若馨. 电网供应链大数据应用规划方法研究[J]. 中国电力, 2017, 50(6): 69-74.
[12]	王然, 张志刚, 安连锁. 基于新型测温技术的电站锅炉燃烧优化模型研究[J]. 中国电力, 2017, 50(5): 151-155.
[13]	吕守旭. 基于大数据分析的智能电网降损效果估计模型仿真[J]. 中国电力, 2017, 50(4): 172-175.
[14]	孙栓柱, 代家元, 周春蕾, 王林, 张友卫. 基于大数据的供热机组调峰能力研究与应用[J]. 中国电力, 2016, 49(7): 82-85.
[15]	王刚，梁正玉，李存文，杨涛. 大数据分析在汽轮机调节门特性参数辨识及优化中的应用[J]. 中国电力, 2016, 49(6): 15-19.

基于大数据的业扩用户用电行为特征研究

Research on Electricity Consumption Behaviors of the Capacity Expansion Users Based on Big Data Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于大数据的业扩用户用电行为特征研究

Research on Electricity Consumption Behaviors of the Capacity Expansion Users Based on Big Data Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics