基于非侵入式負(fù)荷監(jiān)測的用戶行為精細(xì)化分析

王 琳，郭志鵬，張郁靜

（國網(wǎng)天津市電力公司東麗供電分公司，天津 300300）

隨著非侵入式電力負(fù)荷監(jiān)測的發(fā)展，如何利用收集到的用戶負(fù)荷用電細(xì)節(jié)信息分析用戶用電行為特征成為重要的研究方向[1-2]。通過統(tǒng)計(jì)分析挖掘用戶用電行為的規(guī)律，為電力公司客戶個(gè)性化能效服務(wù)等多項(xiàng)增值業(yè)務(wù)提供數(shù)據(jù)支撐。

用戶用電行為分析及應(yīng)用是配電網(wǎng)中的重要環(huán)節(jié)，許多學(xué)者對(duì)居民的用電行為進(jìn)行了大量研究。從研究內(nèi)容的角度來看，主要集中在3個(gè)方面：①分析影響居民用電行為的主要因素，包括家庭特征、社會(huì)經(jīng)濟(jì)因素、社會(huì)心理因素和相關(guān)的環(huán)境行為理論；②通過電力消耗數(shù)據(jù)的統(tǒng)計(jì)分析，發(fā)現(xiàn)常規(guī)的用電模式；③干預(yù)策略的研究。

在用戶用電模式分析方面，目前國內(nèi)外關(guān)于居民用戶用能行為分析研究的文獻(xiàn)都以居民用戶家庭總負(fù)荷作為研究對(duì)象，并未充分利用現(xiàn)有數(shù)據(jù)采集技術(shù)的優(yōu)勢(shì)[3-7]。隨著非侵入式負(fù)荷監(jiān)測NILM（non-intrusive load monitoring）技術(shù)的發(fā)展，借助NILM得到的用戶電器設(shè)備級(jí)的用電信息，可以更深入地研究居民用戶的用電行為[8-9]。此外，在用戶設(shè)備級(jí)的用電信息基礎(chǔ)上，用戶需求響應(yīng)潛力評(píng)估作為一項(xiàng)新技術(shù)的應(yīng)用，對(duì)于電力用戶、電力公司和全社會(huì)都有著重要的作用。例如，實(shí)現(xiàn)基于用戶自我調(diào)節(jié)的機(jī)能，提高安全指數(shù)、用戶服務(wù)質(zhì)量和用戶黏性，實(shí)現(xiàn)安全隱患監(jiān)測和預(yù)警等。

基于此，本文提出了基于NILM的用戶行為精細(xì)化分析方法，根據(jù)NILM數(shù)據(jù)建立用戶行為特性指標(biāo)，提出基于因子分析法與支持向量機(jī)的用戶分類模型。在此基礎(chǔ)上，建立基于精細(xì)化負(fù)荷數(shù)據(jù)的用戶需求響應(yīng)潛力評(píng)估指標(biāo)。算例結(jié)果表明，本文所研究內(nèi)容可以準(zhǔn)確分析用戶行為，為電力公司實(shí)行需求側(cè)管理提供科學(xué)指導(dǎo)。

1 用戶行為精細(xì)化分析

1.1 NILM技術(shù)

NILM技術(shù)是一種通過分析總線處的用電數(shù)據(jù)來獲取用戶內(nèi)部每個(gè)設(shè)備能耗信息的技術(shù)，其基本原理如圖1所示。

圖1 NILM技術(shù)基本原理Fig.1 Basic principles for non-intrusive load monitoring technology

NILM技術(shù)具有硬件設(shè)備簡單、易于應(yīng)用等優(yōu)點(diǎn)，受到了學(xué)者的廣泛關(guān)注。隨著智能電網(wǎng)的發(fā)展，如何利用NILM技術(shù)獲得精細(xì)化負(fù)荷用電數(shù)據(jù)分析用戶行為，為電力公司實(shí)行需求側(cè)管理提供科學(xué)指導(dǎo)，具有重要意義。

文獻(xiàn)[10]將單臺(tái)電能表得到的總負(fù)荷數(shù)據(jù)分解為家用電器的精細(xì)負(fù)荷消耗數(shù)據(jù)，非侵入式負(fù)荷分解算法如圖2所示，詳細(xì)步驟如下。

圖2 非侵入式負(fù)荷分解算法Fig.2 Non-intrusive load decomposition algorithm

步驟1對(duì)每個(gè)家庭的電壓和電流進(jìn)行采樣。

步驟2根據(jù)電壓、電流采樣結(jié)果，可以得到各住戶的功率特性和諧波特性，并進(jìn)行歸一化處理。

步驟3建立NILM的目標(biāo)函數(shù)，其表達(dá)式為

式中：P(t)為t時(shí)刻某個(gè)家庭的聚合功率特性；H(t)為t時(shí)刻某個(gè)家庭的聚合諧波特性；Si為所考慮的第i個(gè)家用電器，i=1，2，…，M，Si∈（0，1）；Pi、Hi分別為第i個(gè)家用電器的功率特性和諧波特性；λ為權(quán)重因子。

步驟4通過遺傳算法求解目標(biāo)函數(shù)，得到不同負(fù)荷分量的能耗信息。

本文引入上述非侵入式負(fù)荷分解算法，獲取不同家庭的詳細(xì)用電數(shù)據(jù)。

1.2 基于NILM的用戶行為特征挖掘

文獻(xiàn)[8]結(jié)合居民用電數(shù)據(jù)與電價(jià)數(shù)據(jù)，初步建立了用戶行為特征庫，但是該文獻(xiàn)對(duì)NILM數(shù)據(jù)的分析不夠深入，沒有充分挖掘基于NILM下的用戶行為特征。因此，本文在文獻(xiàn)[8]的基礎(chǔ)上，分別從用電時(shí)間、用電功率、用電量3方面進(jìn)一步建立用戶行為特征，為精細(xì)化分析用戶行為奠定基礎(chǔ)。

1.2.1 基于用電時(shí)間的用戶行為特征

利用NILM數(shù)據(jù)，結(jié)合不同用電器的啟停時(shí)間得出用電時(shí)間的用戶行為特征R1，其計(jì)算公式為

1.2.2 基于用電功率的用戶行為特征

利用NILM數(shù)據(jù)，結(jié)合不同電器的實(shí)時(shí)用電功率得出用電功率的用戶行為特征R2，其計(jì)算公式為

1.2.3 基于用電量的用戶行為特征

利用NILM數(shù)據(jù)，并結(jié)合不同電器的用電量及電費(fèi)情況，探究基于用電量的用戶行為特征及不同電費(fèi)結(jié)構(gòu)對(duì)用戶用電影響R3，其計(jì)算公式為

1.3 基于NILM與特征挖掘的用戶聚類

NILM技術(shù)可以提供家庭用戶總用電量及各電器設(shè)備的用電量，利用NILM的研究成果，可以有效提煉基于用電時(shí)間的用戶行為特征、基于用電功率的用戶行為特征、基于用電量的用戶行為特征，并根據(jù)行為特征對(duì)用戶分類，用戶聚類的總體流程如圖3所示。

圖3 用戶聚類的總體流程Fig.3 Overall process for user clustering

以因子分析與支持向量機(jī)算法為基礎(chǔ)，對(duì)用戶群體進(jìn)行分類，具體方法如下。

步驟1獲取數(shù)據(jù)并建立用戶行為特征。用戶行為特征可分為基于用電時(shí)間的用戶行為特征、基于用電功率的用戶行為特征、基于用電量的用戶行為特征，共包含22個(gè)具體特征。

步驟2分類標(biāo)準(zhǔn)定義選取。用戶分類可以從多個(gè)標(biāo)準(zhǔn)入手，針對(duì)每個(gè)標(biāo)準(zhǔn)分別對(duì)用戶從不同的角度進(jìn)行分類。

步驟3因子分析。因子分析法是一種通過降維技術(shù)來化簡多維向量的數(shù)據(jù)特征提取方法，屬于主成分分析的推廣，其基本思想是通過分析多變量數(shù)據(jù)的相關(guān)關(guān)系，找到支配這種相關(guān)關(guān)系的少數(shù)幾個(gè)相關(guān)獨(dú)立的潛在因子，達(dá)到簡化觀測數(shù)據(jù)，用少數(shù)變量解釋研究復(fù)雜問題的目的[10-11]。

針對(duì)某一分類標(biāo)準(zhǔn)的特征向量R，其因子分析的一般模型為

在因子分析法中，求解因子模型的關(guān)鍵是估計(jì)因子載荷陣A，A可表示為

式中：λ為樣本協(xié)方差矩陣的特征向量，λ=[λ1,λ2,…,λr]；e為單位向量，e=[e1,e2,…,er]；r為公共因子個(gè)數(shù)，其計(jì)算公式為

式中，R為向量R中的元素個(gè)數(shù)

在計(jì)算出因子載荷矩陣后，可以根據(jù)特征向量及協(xié)方差矩陣求公共因子向量Fd為

式中，S為協(xié)方差矩陣。

步驟4用戶分類。支持向量機(jī)是一類按監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)進(jìn)行分類的廣義線性分類器，它的目的是尋找一個(gè)超平面來對(duì)樣本進(jìn)行分割，分割的原則是間隔最大化，最終轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問題來求解。

支持向量機(jī)的優(yōu)化模型可表示為

式中：w為目標(biāo)函數(shù)表示的分類邊界之間的距離；X為自變量數(shù)據(jù)；b為距離因子。

2 用戶需求響應(yīng)潛力指標(biāo)

2.1 電器聚類

在不考慮自然因素和突發(fā)事件的前提下，通過分析人類活動(dòng)與人類生產(chǎn)生活的活動(dòng)規(guī)律，可以有助于評(píng)估需求響應(yīng)潛力。隨著NILM技術(shù)的發(fā)展，可以獲取用戶針對(duì)不同類型電器的歷史用電數(shù)據(jù)，更加準(zhǔn)確地分析用戶的用電習(xí)慣。

基于非侵入式負(fù)荷分解結(jié)果，可將常見負(fù)荷分為固定性負(fù)荷與波動(dòng)性負(fù)荷。其中，固定性負(fù)荷也叫典型負(fù)荷分量，主要包括制冷電器、聲像電器、廚房電器、照明電器、洗浴電器，該類負(fù)荷總體用電量較為平穩(wěn)，波動(dòng)較小。波動(dòng)性負(fù)荷主要包括空調(diào)器、清潔電器、整容保健電器，該類負(fù)荷整體波動(dòng)情況較為復(fù)雜。

為了進(jìn)一步分析不同用戶針對(duì)各個(gè)電器的用電波動(dòng)情況，建立負(fù)荷波動(dòng)特性指標(biāo)，即

式中：i為家庭編號(hào)；j為電器編號(hào)；P為設(shè)備的功率；D為用電記錄數(shù)；a為單條用電記錄。在式（11）的基礎(chǔ)上，將1戶家庭的總負(fù)荷P∑分別聚類為固定負(fù)荷和波動(dòng)負(fù)荷。

2.2 需求響應(yīng)潛力指標(biāo)

由于固定性負(fù)荷是由居民的長期生活習(xí)慣決定的，該部分負(fù)荷無法有效參與電網(wǎng)的需求響應(yīng)過程。而波動(dòng)性負(fù)荷具有很大的靈活性，可以有效參與電網(wǎng)的需求響應(yīng)過程。因此，針對(duì)每個(gè)用戶的波動(dòng)性負(fù)荷分量，可確定個(gè)體用戶的需求響應(yīng)潛力指標(biāo)，實(shí)現(xiàn)用戶用電靈活性分析，用戶需求響應(yīng)潛力指標(biāo)流程如圖4所示。

圖4 用戶需求響應(yīng)潛力指標(biāo)流程Fig.4 Process for Demand response potential index of users

用戶需求響應(yīng)潛力指標(biāo)α的表達(dá)式為

式中：Cflu為波動(dòng)性負(fù)荷總用電容量；Call為用戶總用電容量。

3 算例分析

3.1 用戶行為精細(xì)化分析

3.1.1 用戶行為特征

選取10戶居民，對(duì)部分用戶行為特性指標(biāo)進(jìn)行分析，其結(jié)果如表1所示。

表1 用戶特性指標(biāo)計(jì)算結(jié)果Tab.1 Calculation results of user characteristic indexes

3.1.2 用戶聚類

在用戶行為精細(xì)化分析階段，本文建立了4個(gè)分類標(biāo)準(zhǔn)，對(duì)用戶從不同的角度進(jìn)行分類。分類標(biāo)準(zhǔn)及不同標(biāo)準(zhǔn)下的用戶類別如表2所示。根據(jù)用電習(xí)慣，可將用戶分為單峰型、兩峰型、多峰型、持續(xù)型4類；根據(jù)能源消耗，可將用戶分為高能耗、中能耗、低能耗3類；根據(jù)新能源汽車，可將用戶分為有、無兩類；根據(jù)用電模式，可將用戶分為標(biāo)準(zhǔn)模式、經(jīng)濟(jì)模式、外出模式3類。

表2 分類標(biāo)準(zhǔn)Tab.2 Classification criteria

結(jié)合NILM數(shù)據(jù)，以用戶的用電習(xí)慣為標(biāo)準(zhǔn)對(duì)用戶分類，如圖5所示。圖5展示了典型的單峰型用電、兩峰型用電、多峰型用電、持續(xù)型用電居民的用電負(fù)荷曲線，其中，單峰型指居民用電高峰時(shí)間集中在09：00—18：00之間的用電特征模式；兩峰型指居民用電高峰時(shí)間集中在09：00—12：00、14：00—18：30之間的用電特征模式；多峰型指居民用電高峰時(shí)間集中在09：00—12：00、14：00—18：00、20：00—22：00之間的用電特征模式；持續(xù)型指無用電高峰，居民用電時(shí)間均勻分布在各個(gè)時(shí)段。

圖5 基于用電習(xí)慣的用戶分類Fig.5 User classification based on electricity consumption habit

以能源消耗的分類結(jié)果為例，結(jié)合NILM數(shù)據(jù)分析不同用戶的能源消耗水平，從而實(shí)現(xiàn)用戶分類，其聚類結(jié)果如圖6所示。

圖6 基于用戶的能源消耗水平的用戶分類1Fig.6 User classification 1 based on energy consumption level of users

為了同時(shí)驗(yàn)證因子分析的有效性，圖7為同時(shí)利用最大負(fù)荷小時(shí)數(shù)、負(fù)荷最大值、負(fù)荷平均值進(jìn)行聚類的結(jié)果。

圖7 基于用戶的能源消耗水平的用戶分類2Fig.7 User classification 2 based on energy consumption level of users

3.2 需求響應(yīng)潛力評(píng)估

根據(jù)NILM技術(shù)，可將每個(gè)用戶的總體負(fù)荷分為固定性負(fù)荷與波動(dòng)性負(fù)荷。其中，固定性負(fù)荷是由居民的長期生活習(xí)慣決定的，該部分負(fù)荷無法有效參與電網(wǎng)的需求響應(yīng)過程；而波動(dòng)性負(fù)荷具有很大的靈活性，可以有效參與電網(wǎng)的需求響應(yīng)過程。因此，針對(duì)每個(gè)用戶的波動(dòng)性負(fù)荷分量（可調(diào)控負(fù)荷容量），確定個(gè)體用戶的需求響應(yīng)能力，其分析結(jié)果如圖8所示。

圖8 用戶需求響應(yīng)潛力Fig.8 Response potential of user demand

從圖8可以看出，個(gè)體用戶的需求響應(yīng)潛力在10：00—12：00、00：00—05：00、17：00—24：00 較高。這說明在考慮固定性負(fù)荷與波動(dòng)性負(fù)荷的情況下，個(gè)體用戶的需求響應(yīng)潛力的變化情況受到用戶日常生活習(xí)慣的影響，當(dāng)用戶用電量增加時(shí)，其參與需求響應(yīng)的潛力也隨之增加。

4 結(jié)語

本文提出了基于NILM的用戶行為精細(xì)化分析方法，根據(jù)用戶行為特性指標(biāo)實(shí)現(xiàn)用戶聚類，并建立了基于精細(xì)化負(fù)荷數(shù)據(jù)的用戶需求響應(yīng)潛力評(píng)估指標(biāo)。算例結(jié)果表明，本文研究內(nèi)容可以準(zhǔn)確分析用戶行為，為電力公司實(shí)行需求側(cè)管理提供科學(xué)指導(dǎo)。