云计算技术在用户用电智能分析中的应用论文

摘 要： 社会进步和经济发展的过程中， 国家生产活动不断增加， 用户的用电量也出现明显的增长趋势， 在此过程中， 多元化用电需求进一步增加， 因而新时期的供电要求不仅是满足人们基本的生活、生产所需， 同时要求满足保护环境和节能减排等要求。基于此需要对用于用电量、用电行为和用电方向等进行分析， 为功能供电服务提供科学借鉴， 同时对供电量和供电方向等进行合理调整。

关键词： 云计算； 用电； 智能； 应用； 方法； 要点； 分析；

针对我国电量使用情况， 统计和分析用户电量的使用数据， 在云计算技术基础上实行聚类算法分析， 建立电荷分析模型， 深度发掘用户类型， 为电网公司的供电计划制定提供依据， 提高电力资源的使用效率和使用价值。

1、 云计算技术与用户用电智能分析

1.1、 云计算技术分析

现代互联网技术和计算机技术的兴起与发展促进云计算技术的应用， 云计算技术是在互联网使用基础上增加相关服务， 完成多种不同交付模式的使用， 在此过程中包括使用互联网动态交易模式完成虚拟化资源的扩展。[1]电信网络中云计算技术可以抽象化的表示底层基础设施和互联网， 应用云计算技术能够在短时间内完成较高亿次运算， 用户直接通过手机、笔记本和电脑等完成数据中心的接入， 按照实际需要进行相应数据的统计、分析和运算。云计算技术在电网、天气和核爆炸等领域具有极强的数据处理能力， 在一定的技术标准下， 云计算技术应用是有用量划分的付费模式的， 从而保证实用、便捷和适用的网络访问服务， 计算资源在可配置的情况下能够在共享池内被快速提供、提升。其中共享池资源类型主要包括服务、存储、网络、软件应用和服务器等， 总体管理工作和服务供应商之间的交互较少。[2]

1.2、 用户用电数据处理

国民经济在快速增长过程中对电力资源的使用需求不断加大， 电力系统接入关键设备和技术后， 导致用户电量使用的数据信息量也加大。例如以电力资源家庭用户为例， 历史信息数据内容包括小区门号、家庭住址、电表号、抄电量日期、用电量等， 其中温度、天气和用电时长、家电类别等均属于需要记录和统计的信息。在整合和分析用户电量数据的基础上可以根据电量指标建立起一个相对完善的数据表， 存储用户基本信息， 结合用户总用电量、电表序号、设备ID和用电时长等建立数据模型， 对用户的用电行为、实际用电需求等进行分析。另外针对用户用电情况， 可以在数据模型和数据库应用基础上完成个性化分析， 这其中需要综合使用聚类算法和云计算技术， 划分方法为经典的K-means法， 设计出框架图。其中框架图主要包括行为分析、数据采集和数据处理等模块内容， 在相应的模块内容中输入用户数据， 通过云计算技术传输信息， 完成最终的数据存储和数据处理， 奠定后期的用户用电行为分析基础。[3]

2、 云计算技术在用户用电智能分析中应用

2.1、 聚类算法

在K-means法应用中主要的程序步骤是采集相关数据， 在聚类中心完成初始化处理， 需要注意的是， 聚类中心和计算的样本点之间需要保证欧式聚类， 根据其类别在聚类计算中心重新完成运算。应用K-means算法能够进行较大规模的数据采集、开发和运算管理， 其运算过程逻辑严谨， 运算结果准确可靠， 兼具扩容能力强和运作高效的特点。由于云计算技术的文件系统和计算平台属于分布式， 完成数据库信息存储后， 需要通过SQL接口完成数据分析， 总的运算阶段包括数据集的模型输入、中间集计算结果输入和最终的层级合并阶段。K-means计算中对应键归类后需要保证相同值的输入， 在数据重新标记中保证云计算平台内部文件系统运行通畅， 算法迭代直至收敛。

2.2、 权重计算

在聚类分析的基础上需要在不同的数据集合中按照相似性原则搜索数据对象， 计算相似数据的相似程度， 从某种程度上来说， 云计算技术应用中的聚类分析算法相当于相似性测算法， 且这种测出的相似度更加具有可信性和可行性， 数据形式较为新颖。[4]关于用户用电智能分析中采用云计算技术可以对用户基本数据信息予以采集、存储和管理， 对于数据库中的用电峰值、谷电系数、平段百分比和负荷率等均可进行特征比较。在此过程中对其进行权重计算需要将选取的特征量建立向量矩阵， 计算特征指标可以使用熵权法， 标准化处理权重矩阵。用户用电量分析属于一项系统性和复杂化的数据统计、分析工作， 应用云计算技术实行数据量的权重计算要保证矩阵标准状态计算出后与实际的用电数据分类相适应。

2.3、 数据分析和结果模拟

用户用电量分析过程中需要完成基础数据采集、分类和输入工作， 在此过程中需要针对实际出现的用户类型特征对其用电行为进行基本划分， 划分类别名， 研究用电特征。例如在小区用户用电中， 常见的用户类别包括空置房、老人、上班族、商用和老人加上班族结合模式。空置房总体用电量较低， 电量使用起伏不大；而老人由于年龄、生活活动特征， 总体用电趋势稳定， 下午用电较多， 晚上用电较少；上班族用电起伏大， 晚上用电较多；商用用户用电量大， 几乎没有用电低谷和用电高峰之分；老人加上班族结合模式下属于混合居住的家庭类型， 用电量较大。基于此， 在电量使用分析过程中应用云计算技术需要对主要的用户类别进行分类划分， 建立数据模型、统一比较分析。[5]

3、 结语

电力资源在不同领域应用广泛， 在传统行业中电力资源的应用作用明显， 但是用户群体的划分不同， 其用电方式以及电力资源价值体现也不同。云计算技术在用户用电智能分析中， 能够在数据平台上针对多种不同的用户类别和用户特征展开分析， 提高数据运算的效率和准确度。

参考文献：

[1]庄绪强。基于云计算技术的用户用电智能分析技术研究[J].自动化与仪器仪表， 2016, 02:187-189.

[2]朱国富， 张晓东， 闫书芳， 赵军平。基于电力用户用电信息采集系统的智能售用电管理系统的应用及技术[J].电测与仪表， 2015, S1:13-16

[3]秦振伟， 周雪松， 高志强， 周从容。云计算技术在用户侧智能变电站系统中的应用研究[J].天津科技， 2016, 09:67-70.

 ()   () 

本文标签：

[!--temp.ykpl--]