面向小样本数据的居民用户用电行为刻画及其需求响应潜力评估

沈运帷; 高哲康; 林顺富; 周波; 李东东

doi:10.13335/j.1000-3673.pst.2024.1557

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

面向小样本数据的居民用户用电行为刻画及其需求响应潜力评估

更新时间：2025-12-03

- 面向小样本数据的居民用户用电行为刻画及其需求响应潜力评估
- Vol. 49, Issue 5, Pages: 2057-2066(2025)
- 作者机构：
  
  上海电力大学电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2024.1557
  CLC： TM73
- Published：2025
- 稿件说明：
移动端阅览
沈运帷, 高哲康, 林顺富, et al. 面向小样本数据的居民用户用电行为刻画及其需求响应潜力评估[J]. 2025, 49(5): 2057-2066.
DOI：

沈运帷, 高哲康, 林顺富, et al. 面向小样本数据的居民用户用电行为刻画及其需求响应潜力评估[J]. 2025, 49(5): 2057-2066. DOI： 10.13335/j.1000-3673.pst.2024.1557.

摘要

在引导需求响应资源有序地参加需求响应的过程中，示范项目用户真实的响应数据积累较少。为实现聚合控制下居民用户的响应潜力量化评估，针对历史响应样本缺失造成的小样本问题，文章提出一种适应小样本特性的需求响应潜力评估方法。首先，针对时间序列数据在时间轴上存在的动态特性，采用加权动态时间规划实现了对居民典型日负荷模式的辨识，并根据负荷响应时段的分布特性，设置了潜力用户遴选标准。在此基础上，采用深度聚类算法实现了多维影响因素作用下潜力用户的精准分类。其次，构建了潜力用户响应特征生成模型，通过潜力用户响应时段的负荷信息生成分布规律类似的负荷信息，达到构建增强数据集的目的。同时，考虑真实标签缺失导致的小样本特性，利用协同回归算法对增强数据集的用户响应标签进行预测，弱化了潜力评估模型对响应标签的依赖。最后，通过算例分析验证了所提方法的有效性，可为新形势下引导城市居民用户需求响应工作提供借鉴。

Abstract

关键词

Keywords

references

Wang Fei,Lu Xiaoxing,Chang Xiqiang,Cao Xin,Yan Siqing,Li Kangping,Duić Neven,Shafie-khah Miadreza,Catalão João P.S..Household profile identification for behavioral demand response: A semi-supervised learning approach using smart meter data[J].Energy,2022.

Wang Yi,Bennani Imane Lahmam,Liu Xiufeng,Sun Mingyang,Zhou Yao.Electricity Consumer Characteristics Identification: A Federated Learning Approach[J].IEEE TRANSACTIONS ON SMART GRID,2021.

Liang Huishi,Ma Jin.Develop Load Shape Dictionary Through Efficient Clustering Based on Elastic Dissimilarity Measure[J].IEEE TRANSACTIONS ON SMART GRID,2021.

Shunfu Lin,Fangxing Li,Erwei Tian,Yang Fu,Dongdong Li.Clustering Load Profiles for Demand Response Applications.[J].IEEE Trans. Smart Grid,2019.

Zhang Rui,Li Xuelong,Zhang Hongyuan,Nie Feiping.Deep Fuzzy K-Means with Adaptive Loss and Entropy Regularization[J].IEEE Transactions on Fuzzy Systems,2019.

Teeraratkul Thanchanok,O'Neill Daniel,Lall Sanjay.Shape-Based Approach to Household Electric Load Curve Clustering and Prediction[J].IEEE Transactions on Smart Grid,2018.

Jeong, Y.-S.,Jeong, M.K.,Omitaomu, O.A..Weighted dynamic time warping for time series classification[J].Pattern Recognition: The Journal of the Pattern Recognition Society,2011.

Lawrence Hubert,Phipps Arabie.Comparing partitions[J].Journal of Classification,1985(1).

祁琪,石富岭,陈宋宋,王隗东,洪登宇,岳晓辉.居民负荷参与电力系统调控关键技术综述与展望[J].电网技术,2024(02).

李昭昱,艾芊.分时电价下居民用户用电需求响应估计方法[J].电力自动化设备,2023(10).

陈启鑫,吕睿可,郭鸿业,贾宏杰,丁一,王毅,康重庆.面向需求响应的电力用户行为建模：研究现状与应用[J].电力自动化设备,2023(10).

龙寰,赵烁,吴志,陈鼎,刘维亮.考虑反弹效应的空调负荷可调潜力评估与控制策略研究[J].电网技术,2023(09).

王飞,李美颐,张旭东,陈宋宋,李康平,姚良忠,王俊龙.需求响应资源潜力评估方法、应用及展望[J].电力系统自动化,2023(21).

刘金朋,杨昊,吴澜,魏德林,宋晓华.基于高斯混合模型的居民聚合响应潜力多重置信评估[J].电力工程技术,2023(02).

郭浩然,刘洋,许立雄,黄依凡.基于多源异构数据关联规则分析的需求响应潜力居民用户辨识方法[J].电网技术,2023(05).

吴迪,王韵楚,郁春雷,刘晟源,林振智,杨莉.基于高斯过程回归的工业用户需求响应潜力评估方法[J].电力自动化设备,2022(07).

董骁翀,张姝,李烨,王新迎,蒲天骄,孙英云.电力系统中时序场景生成和约简方法研究综述[J].电网技术,2023(02).

郑若楠,李志浩,唐雅洁,倪筹帷,李国杰,韩蓓.考虑居民用户参与度不确定性的激励型需求响应模型与评估[J].电力系统自动化,2022(08).

王蓓蓓,胥鹏,王宣元,张浩,宁卜.需求响应分布鲁棒建模及其大规模潜力推演方法[J].电力系统自动化,2022(03).

孔祥玉,刘超,王成山,李思维,陈宋宋.基于深度子领域自适应的需求响应潜力评估方法[J].中国电机工程学报,2022(16).

严强,李扬,樊友杰,陈逸涵,郭吉群.基于加权表决集成聚类的居民用电行为回归分析[J].电网技术,2021(11).

孙毅,毛烨华,李泽坤,张旭东,李飞.面向电力大数据的用户负荷特性和可调节潜力综合聚类方法[J].中国电机工程学报,2021(18).

崔屹峰,李珍国,贾清泉,任萌萌,杨金庆.基于参数辨识与状态估计的温控负荷响应能力动态评估[J].电力系统自动化,2021(01).

Views

352

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰