应用智能电表数据的需求响应潜力分析开题报告

全文总字数：13682字

1. 研究目的与意义（文献综述）

高级量测体系(advanced metering infrastructure，ami)作为一个集成的软件和硬件系统，包括智能电表、双向通信网络、数据管理系统等关键要素。ami通过记录客户的负荷情况，促进双向信息流，提高能效，在现代电力系统中发挥着越来越重要的作用。因此通常被视为迈向智能电网的第一步，同时也是智能电网与传统电网的主要区别之一^[1]。智能电表作为ami重要组成部分，它以特定周期的间隔记录消耗的能量单位。它具有包括通信、定量测量、电源管理、校准和控制、同步和显示等多种功能^[2]。基于智能电表的强大功能，智能电表的应用在过去十年中呈上升趋势，在近十年内得到了长足的发展与大量的部署应用。其在全球数量从40亿（2011）增长至200亿（2018年）^[3]。在我国，2009年以来，国家电网公司全面推动了智能电表的安装和应用^[4]，预计到2020年，智能电表的安装总数将达到7.8亿^[5]。

现在智能电网正面临着获取和分析与电力终端（智能负荷、存储和分布式能源）相关数据的挑战^[6]。作为ami关键一环，智能电表为电力公司在电网末端获取大量实测数据，计费已经不再是智能电表的唯一功能。我国的智能电表量测数据及采集系统呈现出规模大、采集频率高、数据存储时间长、数据多样化及测量点分布密集等主要特征。因此如何运用统计分析方法对收集来的大量原始智能电表量测数据进行处理、建模和计算，提取有用信息并形成结论，挖掘其内在关联和深层价值。

按照机器学习算法中，常将数据研究方法归结为以下几类：聚类算法分析、分类算法及其他：

2. 研究的基本内容与方案

研究的基本内容

随着智能电表的快速发展发展，以及机器学习算法的深入，对于智能电表大数据的应用将更加广泛。需求响应作为智能电网中负荷管理的基本方法，通过在终端用户安装智能电表，使得在电网与用户之间可以实行双向通信，这为需求响应提供更多思路与可能。

在电网中可参与需求响应的负荷类型非常多，既有接入110kv以上的高电压等级的工业用户，也有数量多、分布广、响应特性各异的中小负荷，如商业用户，住宅用户等。在区域电力系统调度层面，往往只能给出参与调度的配电网、专变用户、负荷聚合商的调度计划、备用容量安排，尚不能将其分解到每一类，每个负荷上，尤其是对于特性较为分散的住宅区用户。但随着经济社会的发展，住宅区负荷占比会越来越大，也将进一步纳入需求响应计划中。

3. 研究计划与安排

1-2周，完成开题报告和文献翻译，完成开题答辩；

3-4周，掌握数据预处理方法，以及数据特征提取、聚类等算法学习。

5-8周，熟悉matlab软件使用方法，通过对数据的处理分析住宅负荷特点；

4. 参考文献（12篇以上）

[1]luan, wenpeng , d. sharp , and s. laroy . datatraffic analysis of utility smart metering network." power and energysociety general meeting (pes), 2013 ieee ieee, 2013.

[2] a. mahato and a. prasad, "analyzing smart meterdata using a two-stage competitive learning method," 2019 internationalconference on data science and engineering (icdse), patna, india, 2019, pp.103-106.

[3]l. alejandro, c. blair, l. bloodgood, m. khan, m.lawless, d. meehan, p. schneider and k. tsuji, “global market for smartelectricity meters: government policies driving strong growth,” technicalreport, ofceof industries - u.s. international trade commission, 2014.