淺談電力大數據的用戶用電行為分析研究綜述

黃冕

【摘 要】大數據時代背景下，電力行業成為技術應用的重要領域之一。電力的大數據具有較豐富的商業價值和社會價值，并產生于電力生產中的每個環節。只有充分利用好電力行業的大數據，對其價值進行最大的使用，才能促進我國電力業更好更快地發展。本文通過對大數據技術在電力中的應用現狀，尤其是對基于大數據技術的電力用戶的用電行為進行了分析，總結出了幾個關于電力用戶行為大數據的應用案例。

【關鍵詞】大數據；電力；用電行為

0.前言

目前大數據的技術已得到了社會的廣泛關注。電力大數據的概念。方法和技術等在電力行業中的實際操作涉及到了輸電發電變電配電用電等各個環節，同時也是跨單位跨專業等的數據集合。電力大數據的不同來源可分化為三類，第一類是電力生產企業的發電數據，第二類是電網的營運和管理數據，第雷是電力用戶的側數據。通過這些數據對電力大數據用戶的用電行為進行分析和研究。

1.大數據技術

1.1大數據的采集

大數據采集技術主要包括大數據的智能識別與感知技術、傳輸與接入技術、分布式虛擬存儲技術、大數據網絡傳輸壓縮技術、可視化接口技術保護和隱私保護技術等，采集一般分為大數據的智能感知層和基礎支撐層兩個部分。知識成果的應用與展示是大數據處理的最關鍵的一步也是最后一步，如果大數據分析的結果顯示錯誤就會導致決策者產生錯誤的思維。

1.2小大數據的處理

大數據的處理是個較為復雜的過程，要想從各類數據中快速的獲取有價值的信息，就需要經過多個階段的處理。大數據的處理分為辨析、抽取和清洗，由于所獲取的數據具有多種結構，數據的抽取過程就是將復雜的數據化為單一的數據的處理過程，便于對數據的快速分析和處理，而對于大數據中沒有利用價值的內容通過過濾去除。目前較為經典的數據處理模型是多階段處理模型。數據可視化技術是大數據展示最有利的方式，常見的可視化技術分為基于集合的可視化技術、基于圖像的技術、基于圖標的技術、面向素的技術和分布式技術等。目前面向智慧城市的物聯網大數據應用、在線社交網絡的大數據應用、面向智慧醫療的大數據應用以及智能電網的大數據應用都在被人們所運用。

1.3大數據的存儲與管理

大數據的存儲與管理技術包括大數據的存儲技術、分布式關系管理與處理技術數據的整合技術和融合技術等。目前較為常用的大數據存儲方案有hdfs和qf，其中hdfs是支持hadoop計算框架大數據的存儲系統，具有較高的拓展性和容錯性，同時也是目前最為流行的大數據存儲系統。大數據的存儲與管理需要把收集到的數據存儲起來，并建立相應的數據庫對數據進行管理，以解決大數據中可存儲可處理和可依靠的有效傳輸中的問題。

1.4大數據的挖掘

大數據的挖掘過程就是將隱含在人們當中、事先不知道的但是又潛在的有用信息和知識挖掘出來的過程。傳統的數據挖掘法分為統計法、神經網絡法和機器操作法，雖然現在這種傳統的方法仍可用于大數據分析的領域，但是在處理規模較大的數據是有一定的局限性，這就需要借助云計算的技術將大數據的挖掘分解到多臺計算機上，通過多臺計算機對其進行處理，從而提高挖掘大數據的效率。

2.基于大數據電力用戶的行為特征進行分析

由于我國的電力行業存在特殊性，電力用戶的分析僅限于對電力消費的終端客戶的分析研究。目前我國比較熱門的電力用戶行為特征分析研究方向包括電力用戶的分類和細分建模的研究、電力用戶用電負荷預測研究、電價與激勵下的用電用戶響應的研究等。

2.1電力用戶分類研究

隨著社會的不斷發展，我國的電力市場逐漸進入以市場需求為主導的新階段。對電力用戶進行分類是電力資源優化配置必須實行的必要途徑之一。要求電力企業通過對用戶的需求行為習慣等進行調查，并選擇一定的用戶對其進行針對性的研究，給這類用戶制定相應的價格措施，以此來促進電力系統的快速發展。

2.2電力用戶負荷預測研究

電力大數據的用戶的負荷預測研究分為長期研究、中期研究和短期研究。長期研究指的是未來1～10年內的用電負荷量的預測，這項預測以電網的規劃擴建等工作的開展提供一定的參考數據。中期負荷預測指的是未來一年內的負荷預測預測的結果，為基建組的維修電網的規劃等提供了重要的依據。短期研究指的是短期的電力負荷預測的時間只局限于未來的幾個小時以及未來幾天的電力負荷量的預測，短期的負荷預測作為能量管理系統的主要板塊，為安排電力調度的計劃、供電計劃等提供相應的條件。

大數據的處理是個較為復雜的過程，要想從各類數據中快速的獲取有價值的信息，就需要經過多個階段的處理。大數據的處理分為辨析、抽取和清洗，由于所獲取的數據具有多種結構，數據的抽取過程就是將復雜的數據化為單一的數據的處理過程，便于對數據的快速分析和處理，而對于大數據中沒有利用價值的內容通過過濾去除。目前較為經典的數據處理模型是多階段處理模型。

2.3電力用戶響應行為研究

從電力用戶側管理到電力用戶側響應再到未來互動性更強的電力用戶側需求調度反應階段，同時也是是電力企業發展模式面臨的必然過程。電力需求側響應的動機通常分為價格的需求側響應和激勵的需求側響應兩類，基于時變電價的需求響應又可以分為電價實時電價、分時電價和尖峰電價三類，基于激勵的需求側響應又可以分為可中斷負荷需求側競價、負荷控制緊急需求響應和容量輔助服務計劃等。

對于電力用戶的響應規律的探究離不開對相應行為的模式的構建。目前電力用戶響應行為的建模方法是基于用戶響應激勵的分析模擬來建立模型。例如，基于加權最小二乘法的用戶的響應曲線參數辨識模型。

基于多智能體和模糊邏輯的響應規則和用戶的相應原理進行行為分析。隨著電力大數據的不斷發展，一些非機動性的建模方法也得到了廣泛的運用。例如基于知識學習規劃的電力用戶的響應，建立基于模糊決策的用電態度的模式和基于支持向量機回歸算法的用戶響應模型等。

2.4電力用戶行為特征的分析研究

近幾年來，我國開始著眼于對電力大數據理論的研究和工程應用方面的研究，但電力大數據的理論研究和工程應用方面的研究仍然遠遠落后于歐美國家。由此我國開展了大數據的技術關鍵研究，進一步促進了大數據理論研究理論的發展。例如自2013年起，我國電力企業逐漸開始重視電力用戶的側領域，在對大數據應用技術進行研究的同時開展電力數據中心的建設，截止到2018年，國家的電網公司已在20多個省份完成智能用電數據的采集，范圍覆蓋了我國2億多用戶。

3.結語

大時代背景下，我國電力行業的數據對于數據的利用率的提高和加快電力企業的盈利和控制水平起到了很大的推動作用。與此同時，由于電力行業的數據量大且利用價值高，導致大數據的認知水平面臨了新的挑戰。如何正確運用數據的存儲設備，對這些數據進行詳細的分析并有效從中提出有價值意義的信息，并將這些信息轉化為優化管理模式和提升服務水平的決策是大數據價值能否被充分體現和應用的關鍵。

參考文獻：

[1]王繼業. 大數據與電力企業[J]. 電力信息化，2012，10（8）：7.

[2]閆龍川，李雅西，李斌臣，等. 電力數據面臨的機遇與挑戰[J]. 電力信息化，2013，10（4）：1 - 4.

[3]中國電力大數據發展白皮書（2013）[R]. 北京：中 國電機工程學會，2013.

[4]王璨，馮勤超. 基于價值評價的電力用戶分類研究[J]. 價值工程，2009，28（5）：64 - 67.

[5]伍偉華，龐建軍，陳廣開，等. 電力需求側響應發展研究綜述[J]. 電子測試，2014，21（3）：86 - 94.

（作者單位：國網湖北省電力有限公司興山縣供電公司）