智能电表数据分析及应用范文

《信息技术杂志》2015年第二期

1智能电表数据分析的相关应用

1．1电力负荷预测电力负荷预测是电力系统规划运行的重要组成部分，从根本上保证了电力系统的可靠运行。预测结果决定了一个地区未来一段时间电力的需求量及其电网的供电容量。根据预测周期不同，分长期预测、中期预测、短期预测、超短期预测，相对应的是年度预测、月度预测、日预测和小时预测。负荷预测方法可以大体分为三类:传统预测、改进传统预测以及软件算方法［1］。传统预测包括:回归分析法、指数平滑法、加权迭代最小二乘法。改进传统预测有:自适应预测、随机时间序列和支持向量机等。软件算方法包括:遗传算法、模糊逻辑、神经网络和专家系统等。表1给出了不同周期预测的对比情况。文献［2］使用人工神经网络结合天气数据和智能电表的历史数据进行日前负荷预测。针对传统负荷预测模型的缺陷，文献［3］提出了一种基于气象因素修正的灰色短期负荷预测方法，识别历史日温度序列中的异常并进行修正，提高了预测的精准度。黎祚等人［4］应用权重标度法的思维，对电力负荷进行中长期预测。文献［5］通过统计用电量时间序列之间的关系，基于机器学习技术，考虑家庭之间的关联性对用户进行短期负荷预测。长期负荷预测受能源消耗量、国民收入、人口增长率以及经济等影响因素共同决定的。文献［6］综合考虑这些因素，采用人工神经网络和人工神经模糊推理系统对土耳其地区的峰值负荷进行长期预测。文献［7］基于实时电价条件下，提出了一种遗传算法优化改进的灰色神经网络模型，对短期负荷进行预测，采用遗传算法对网络进行优化，提高了预测的精确度。

1．2异常用电检测非技术性损耗一直以来都是全球供电领域关注的重要问题。而窃电和非法用电等异常用电行为则是构成非技术损耗的重要组成部分。一般通过篡改电表、非法搭接等手段窃取用电，给电力公司带来了巨大的损失，增大了电力系统供电负担。智能电表能够通过检测表箱开启、接线变动、表计软件更新等事件，及时发现窃电行为的发生。通过将总表的数据和其下所有表计数据进行比对，检测出异常用电情况。文献［8］对智能电表中常见窃电方式进行归纳分类，提出了相应的防窃电技术，利用DSP微处理器设计智能电表防窃电平台。文献［9］讨论了窃电行为带来的影响，并且讨论了多种检测窃电行为的方法。文献［10］提出了AMIDS的概念，AMI入侵检测系统，一个集成的入侵解决方案，用以辨识AMI中恶意盗取用电的各种尝试。通过正常和异常的负荷曲线对比发现，AMIDS具有高精确的窃电检测性能。文献［11］提出了一种基于遗传算法的支持向量机模型来检测非法用电情况。文献［12］针对用电异常的窃电检测基于博弈论的原理，设计了一个电力公司和电力小偷之间的博弈机制模型。电力小偷的目的是窃取预定量的电力，同时最小化被检测出来的可能性;而电力公司则希望最大化检测出窃电异常的可能性和最小化导致管理这个异常检测的运营成本。

1．3电力系统需求响应管理电力需求响应机制是指电力用户针对市场价格调节信号或者根据电力公司的激励措施而改变其固有的习惯用电模式的市场参与行为。当前有关需求响应机制的研究主要围绕不同定价策略来进行的，用户根据电力公司的价格信号，包括分时电价、实时电价和尖峰电价，相应的调整用电需求，将用电时段调整到低电价时段，并在高电价时段减少用电，以此实现减少电费开销的目的。(1)分时电价分时电价能够很好地反映电力公司在不同时段供电成本差异的电价机制。根据电网的负荷特性不同，按照不同时段划分电价，一般分为:季节电价和峰谷分时电价。文献［13］研究了分时电价的定价原则，建立模型运用历史电表数据进行仿真模拟。文献［14］基于用户响应和满意度，运用博弈论模型对我国分时电价定价进行研究。文献［15］提出了一种基于支持向量机的回归算法，对分时电价下用户需求响应行为进行建模研究。(2)实时电价实时电价最早来源于F．C．Schweppe提出的现货电价［16］，在给定的时间段内向用户提供实时电价。实时电价是电力系统的理想定价机制，电力公司根据电力供需情况，实时制定电价，通过调整的实时价格信号引导用户参与系统的运行管理，激励用户在低谷时段用电，削减峰值负荷，达到削峰填谷的目的，实现电力系统负荷需求的理想化，节能减排的同时降低用户的电费支出。SamadiP从用户的总能耗水平出发建立能耗调度模型，以用户总效用最大和电能提供者的成本最小为目标，设计了一种分布式实时电价算法［17］。文献［18］提出了一种自治住宅能源调度框架，基于实时定价费率下，建立用户在支付电费最小和电器等待时间最小之间取得折中的模型。(3)尖峰电价虽然实时电价是最理想的定价，但是鉴于技术上和设备环境上的难度，全方位实施实时电价并不现实。尖峰电价就是在分时电价和实时电价的基础上发展起来的另一种动态电价机制，是在分时电价上叠加尖峰费率而延伸出来的，能反映短期的市场供电成本。ZhangQin等人分析了用户如何响应尖峰电价，考虑了用电端和供电端的双方利益，通过一个价格需求弹性矩阵和一个混合电价模型来预测电价［19］。KarenHerter等人将用户对尖峰电价响应的情况进行了分析总结:居民用户能够根据调整的价格信号进行负荷调整;并且在炎热夏天的高峰负荷时段支持使用尖峰电价电能表［20］。

1．4互动反馈机制管理电力公司通过对电表数据的统计挖掘分析，对用户的用电行为展开研究，并将相应的合理建议反馈给用户，用户通过和电力公司交互式互动，可以给双方都能带来巨大的利益。何永秀等人对我国几个典型城市的居民智能用电情况进行问卷调查和数据统计分析，采用模糊综合评价方法对居民用电态度进行量化评分，根据居民的偏好和智能用电行为分析，为智能电网下居民互动机制设计提出了合理化的建议［21］。文献［22］对美国大西洋沿岸中部电力公司的智能电表用户进行了深入采访和跟踪调查。运用行为决策研究的方法，了解有关智能电表的消费观念。并将相应的决策意见反馈给居民用户。为了能给电力用户提供类似电话清单的用电清单，帮助用户调整和规划家电的使用，文献［23］提出一种运用相似度比较，可用于家用智能电表的负荷识别方法，能够自动识别负载的类型，杜绝大功率阻性负载的使用，有效的防治大功率阻性负载的使用，减少火灾隐患。张素香等人使用智能电表历史数据，基于云计算平台的K－means聚类算法，针对智能小区的居民用电行为展开研究，建立了峰时耗电率、负荷率、谷电系数等时间序列特征［24］。研究表明，能量消耗反馈工作可以有效地降低家庭能耗，文献［25］设计了以最大限度节约能源为约束条件，对用户的用电反馈的不同方法进行了系统的分析，并且向消费用户进行定性访谈，以便得到更好的反馈信息。

1．5安全与隐私智能电网并不是一个单独的设备、应用、系统或者网络，利用通信技术和信息技术来优化从供应者到消费者的电力传输和配电过程。在智能电网AMI计量体系的实现中，只能给你电表会自动的手机大量的信息并将信息传送到电力公司、消费者以及第三方服务提供商。这些数据可能包含侵害个人隐私的个人识别信息。通过对负载信息数据进行分析，就可以得知各时段电器的使用情况，图2表示设备的负载信息。文献［27］介绍了一个由智能电表能够匿名安全地高频(每隔几分钟)传输电表数据的方法，数据通过一个第三方托管机构验证匿名计读数，从而用电数据信息和居民用户分离开来。此外，文献提出了一个用于电表细粒度读数一般计算的隐私保护协议，可以让被hack篡改的电表的使用严重受限。协议允许用户在他们自己的电表设备上进行执行并证明计算读表的准确性，同时也不会泄漏任何细粒度的用电数据。文献［29］针对目前已有的各种智能电表隐私保护解决方案进行分析，就方案实施的杂性，效率，稳健性和简单性等方面评判它们的优点和缺点。文献［30］通过数据分析可以得出某用户一天各个时段电器的使用情况，主要介绍智能电表的隐私问题，就五个方面阐述电表数据的用途以及面临的隐私威胁还有现存的法律政策等问题。文献［31］比较系统的讲解了智能电表所面临的一些隐私安全问题，并对可获取电表数据机构进行划分。

2结束语

随着现代基于智能电网的智能能源管理系统的日益推进和发展，智能电表将会逐步普及到每个家庭用户当中。智能电表的好处是有目共睹的，通过对智能电表电力大数据的分析，能够帮助用户错峰用电，促进家庭用户调整用电模式，节省开支;能够帮助企业用户合理安排生产经营活动，降低生产成本。能够帮助电网公司以及政府部门，较为准确的预测未来电力负荷曲线，帮助节能减排，降低能效等。在智能电表数据带来巨大收益的同时，也应该清楚的注意到其中所面临的用户安全隐私等问题，这些都是要重点关注的问题，也希望在今后的发展当中，能有相应的政策机制来帮助保护大家的用电隐私。

作者：王亚东高岩金锋单位：上海理工大学管理学院IBM中国研究院