基于智能电表数据日负荷形状聚类的居民用能模式变异性潜在驱动因素研究
应用统计
2021-02-23 v1 计算机与社会
机器学习
摘要
由于居民消费模式的高波动性以及历史上从公用事业和系统馈线角度关注聚合负荷,居民用户传统上未被作为个体实体对待。智能电表的大规模部署推动了越来越多探索分解后日负荷模式的研究,这些模式可揭示不同时间尺度、气象条件以及家庭内部与跨家庭之间的重要异质性。本文旨在阐明电力消费模式表现变异性的机制,以及可能影响需求响应(DR)灵活性的不同约束。我们通过对夏季峰值公用事业公司的“家庭-日”应用改进的自适应K-means聚类方法,系统评估了日分时用能模式及其变异性与外部和内部影响因素(包括关注的时间尺度、气象条件和家庭特征)之间的关系。我们发现,对于该夏季峰值公用事业公司,相对于季节性和星期几,室外温度是可变性最重要的外部驱动因素。在最高温日,前三种消费模式约占用电量的50%。跨用户的夏季负荷形状变异性可由家庭对室外温度的响应性解释。我们的结果表明,取决于影响因素,并非所有消费变异性都能轻易转化为消费灵活性。此类信息需进一步探索以细分用户,从而更好地进行项目定向与定制,满足快速演进的电网需求。
引用
@article{arxiv.2102.11027,
title = {Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data},
author = {Ling Jin and C. Anna Spurlock and Sam Borgeson and Alina Lazar and Daniel Fredman and Annika Todd and Alexander Sim and Kesheng Wu},
journal= {arXiv preprint arXiv:2102.11027},
year = {2021}
}
备注
11 pages, 11 figures