基于負(fù)荷數(shù)據(jù)分析的用戶側(cè)用電感知與失電影響評估方法研究

李方舟，霍 健

（國網(wǎng)山東省電力公司濟(jì)南供電公司，山東 濟(jì)南 250012）

0 引言

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，用戶對供電質(zhì)量及優(yōu)質(zhì)個(gè)性化服務(wù)的要求也越來越高［1］。傳統(tǒng)的配網(wǎng)調(diào)度模式僅依靠調(diào)度自動(dòng)化系統(tǒng)中的配電網(wǎng)運(yùn)行數(shù)據(jù)，無法感知用戶側(cè)用電情況與故障影響，已不能滿足需求。國家電網(wǎng)有限公司加快推進(jìn)泛在電力物聯(lián)網(wǎng)的建設(shè)，可通過用戶側(cè)智能電表等多元終端數(shù)據(jù)的采集分析，對用戶側(cè)用電狀態(tài)進(jìn)行測量和態(tài)勢感知，打通電網(wǎng)與用戶雙向通信的通道［2］。在這樣的背景下，基于配電網(wǎng)運(yùn)行數(shù)據(jù)，結(jié)合對用戶側(cè)多元終端采集數(shù)據(jù)的挖掘分析，研究電力用戶用電感知及失電影響分析方法，實(shí)現(xiàn)調(diào)控人員對用戶側(cè)用電狀態(tài)的感知，具有重要的理論和實(shí)用價(jià)值。

實(shí)現(xiàn)調(diào)度側(cè)對用戶用電感知與失電影響的分析評估，一方面需要根據(jù)SCADA 中饋線負(fù)荷曲線判斷負(fù)荷性質(zhì)，另一方面須根據(jù)負(fù)荷的實(shí)時(shí)波動(dòng)評估用戶側(cè)實(shí)際的感知與影響。在負(fù)荷曲線分析方面，文獻(xiàn)［3-6］利用k-shape 算法、EMD 等方法實(shí)現(xiàn)負(fù)荷曲線的聚類。對于用戶側(cè)用電及故障感知，文獻(xiàn)［7］提出了電力用戶行為模型的相關(guān)概念與基本框架；文獻(xiàn)［8-9］分別利用DMAIC 及層次模型，提出了停電影響的綜合評估方法；文獻(xiàn)［10-11］將負(fù)荷概率模擬、蒙特卡洛等方法應(yīng)用于用戶側(cè)的負(fù)荷分析。

以上研究為配電網(wǎng)負(fù)荷聚類及用戶側(cè)數(shù)據(jù)分析提供了大量有效技術(shù)方案，但均聚焦于系統(tǒng)側(cè)負(fù)荷曲線的聚類或用戶側(cè)具體的負(fù)荷數(shù)據(jù)分析，未涉及系統(tǒng)側(cè)負(fù)荷變化與用戶實(shí)際用電狀況之間的關(guān)系。本文在闡述用戶感知及失電影響分析技術(shù)架構(gòu)基礎(chǔ)上，提出了一種利用配電網(wǎng)負(fù)荷數(shù)據(jù)分析進(jìn)行負(fù)荷性質(zhì)辨識與用戶側(cè)用電感知、失電影響的評估方法。以調(diào)度自動(dòng)化系統(tǒng)中饋線負(fù)荷數(shù)據(jù)為基礎(chǔ)，首先通過基于時(shí)間序列趨勢的模糊C 均值聚類方法求解饋線負(fù)荷曲線與典型負(fù)荷的隸屬度，判斷饋線負(fù)荷性質(zhì)；然后利用用戶側(cè)多維系統(tǒng)中負(fù)荷歷史數(shù)據(jù)，通過基于用電量積分的概率譜方法，分析線路負(fù)荷異常波動(dòng)對應(yīng)的用戶側(cè)特別是居民用戶的實(shí)際用電感知及故障影響。實(shí)際案例分析表明：該方法能夠根據(jù)調(diào)度側(cè)負(fù)荷數(shù)據(jù)分析正確辨識配電線路的負(fù)荷性質(zhì)，精準(zhǔn)評估用戶側(cè)失電影響，建立配網(wǎng)運(yùn)行數(shù)據(jù)與客戶用電感知之間的實(shí)時(shí)映射，輔助配網(wǎng)調(diào)控人員根據(jù)用戶需求實(shí)施方式調(diào)整及故障處置。

1 用戶側(cè)用電感知與失電影響分析技術(shù)架構(gòu)

基于配電網(wǎng)運(yùn)行數(shù)據(jù)分析的用戶側(cè)用電感知與失電影響分析，目的是使配網(wǎng)調(diào)控人員利用調(diào)度自動(dòng)化系統(tǒng)中負(fù)荷實(shí)時(shí)數(shù)據(jù)的變化情況評估用戶側(cè)實(shí)際用電狀態(tài)，發(fā)生故障時(shí)，能夠結(jié)合分析結(jié)果評估用戶側(cè)故障感知和影響，從而根據(jù)用戶實(shí)際需求優(yōu)化配電系統(tǒng)調(diào)度運(yùn)行與故障處置。其數(shù)據(jù)來源一是SCADA 系統(tǒng)中饋線負(fù)荷數(shù)據(jù)，包括歷史負(fù)荷數(shù)據(jù)與實(shí)時(shí)負(fù)荷數(shù)據(jù)、故障情況及異常信息；二是用戶側(cè)多元終端采集的負(fù)荷數(shù)據(jù)及終端狀態(tài)等信息，由于用戶側(cè)終端系統(tǒng)大部分不具備實(shí)時(shí)采集上傳功能，無法實(shí)時(shí)評估用戶實(shí)際電感知與失電影響，須對其歷史數(shù)據(jù)與電網(wǎng)側(cè)實(shí)時(shí)數(shù)據(jù)綜合進(jìn)行分析。

基于調(diào)度自動(dòng)化的用戶側(cè)用電感知與失電影響分析技術(shù)架構(gòu)如圖1 所示。首先通過饋線負(fù)荷數(shù)據(jù)的變化規(guī)律辨識其負(fù)荷類型，基于曲線相似性距離計(jì)算的思想，利用模糊C 均值聚類方法求解饋線負(fù)荷曲線與各類典型負(fù)荷曲線的隸屬度，判別饋線負(fù)荷類型。確定負(fù)荷類型后，根據(jù)負(fù)荷特點(diǎn)，通過用戶側(cè)多維數(shù)據(jù)分析，總結(jié)饋線負(fù)荷整體性規(guī)律，從而建立饋線負(fù)荷波動(dòng)、故障信息與用戶側(cè)用電感知、失電影響的映射，借鑒用戶行為分析的思想，利用基于電量積分的概率譜方法，計(jì)算停電影響用戶數(shù)等指標(biāo)，評估系統(tǒng)側(cè)負(fù)荷波動(dòng)、故障異常對應(yīng)于用戶側(cè)的實(shí)際影響。

圖1 用戶側(cè)用電感知與失電影響分析技術(shù)架構(gòu)

2 基于模糊C 聚類方法的負(fù)荷類型辨識

2.1 基于時(shí)間序列趨勢的模糊C 均值聚類算法

模糊C 均值聚類方法本質(zhì)是通過以計(jì)算時(shí)間序列之間歐氏距離對時(shí)間序列進(jìn)行聚類。歐式距離表示的是兩時(shí)間序列值的相似度，判斷負(fù)荷性質(zhì)依據(jù)的是負(fù)荷曲線的變化趨勢而非絕對值。因此對負(fù)荷曲線的時(shí)間序列X=（x1，x2，…，xn）與Y=（y1，y2，…，ym）進(jìn)行轉(zhuǎn)化，得到其趨勢序列X′=，以反映負(fù) 荷曲線的變化趨勢信息。其中，x′i、y′j通過式（1）求得：

對于時(shí)間序列X、Y 的趨勢序列X′和Y′，按照式（2）構(gòu)建n×m 階歐式距離矩陣D，其中

為更精確地表示時(shí)間序列之間的相似性，規(guī)避時(shí)間偏差導(dǎo)致的趨勢序列間歐式距離增大，通過彎曲時(shí)間軸匹配序列點(diǎn)，以提高相似性距離的精度。在趨勢序列X′和Y′的歐式距離矩陣D 中，每組相鄰元素組成的集合稱為彎曲路徑，記為P＝｛p1，p2，…，ps，…，pk｝，如圖2 所示，k 表示路徑中元素的總個(gè)數(shù)，元素ps是路徑上第s 個(gè)點(diǎn)的坐標(biāo)。

圖2 趨勢序列時(shí)間彎曲路徑

須找到一條最優(yōu)路徑，使得序列X′和Y′在彎曲時(shí)間軸后歐氏距離最小，為

式中：D（ps）為路徑上第s 個(gè)點(diǎn)和第s+1 個(gè)點(diǎn)的歐氏距離。

利用動(dòng)態(tài)規(guī)劃法求解式（3），通過式（4）構(gòu)建累計(jì)代價(jià)矩陣L，其中

式中：i=1，2，…，n；j=1，2，…，m；L0，0=0；Li，0=L0，j=∞。顯然，若Li，j=Di，j+Li，j-1，則代表序列X′左移一個(gè)時(shí)間間隔匹配序列Y′；若Li，j=Di，j+Li-1，j，則代表序列X′右移一個(gè)時(shí)間間隔匹配序列Y′。

則趨勢序列X′和Y′的時(shí)間彎曲歐式距離為

模糊C 均值聚類方法中，若有c 個(gè)聚類中心，則樣本時(shí)間序列k 對于第i 個(gè)聚類中心的隸屬度函數(shù)可由式（6）計(jì)算為

式中：DDTW（k，i）為樣本時(shí)間序列k 對于第i 個(gè)聚類中心的時(shí)間彎曲歐式距離。

2.2 負(fù)荷類型的辨識

利用基于時(shí)間序列趨勢的模糊C 均值聚類方法判斷負(fù)荷類別，首先以各類典型負(fù)荷曲線作為聚類中心，利用基于時(shí)間序列趨勢的模糊C 均值聚類方法，計(jì)算待評估負(fù)荷曲線與各典型負(fù)荷曲線的隸屬度，通過最大隸屬度法確定與待評估負(fù)荷相似度最大的典型負(fù)荷，從而確定負(fù)荷類型。對于待評估負(fù)荷的時(shí)間序列X=（x1，x2，…，xn）與c 種典型負(fù)荷時(shí)間序列Y1，Y2，…，Yc，其中Yc=（yc1，yc2，…，ycn），通過式（1）構(gòu)建其趨勢序列。對于X′和，通過式（4）與式（5）計(jì)算時(shí)間彎曲后歐式距離，進(jìn)而通過式（6）計(jì)算負(fù)荷曲線對各典型負(fù)荷的隸屬度，即

3 基于負(fù)荷數(shù)據(jù)分析的用電感知與故障影響評估

3.1 用戶側(cè)故障與異常感知

通過SACDA 內(nèi)信息，調(diào)控人員僅能掌握電網(wǎng)運(yùn)行狀態(tài)，無法監(jiān)測客戶內(nèi)部故障與異常，但用戶側(cè)故障或異常均與饋線負(fù)荷密切相關(guān)，因此，本文通過負(fù)荷聚類后的失配度分析，精確感知用戶側(cè)故障及用電異常。

當(dāng)配電網(wǎng)與用戶均處于正常狀態(tài)時(shí)，線路負(fù)荷數(shù)據(jù)與其固定負(fù)荷模式高度契合，當(dāng)發(fā)生故障或異常時(shí)，負(fù)荷數(shù)據(jù)發(fā)生突變，與正常負(fù)荷曲線失去匹配。

以天為單位取線路正常運(yùn)行時(shí)間段內(nèi)歷史負(fù)荷X1，X2，…，Xm-1，其中，Xi=（xi1，xi2，…，xin），對其進(jìn)行聚類，確定聚類中心作為該線路正常負(fù)荷時(shí)間序列的參照。選取X1，X2，…，Xm中一條負(fù)荷曲線作為初始聚類中心Z，以式（8）為目標(biāo)函數(shù)，迭代更新Z=（z1，z2，…，zj，…，zn）中zj的值，直至兩次迭代后目標(biāo)函數(shù)J 的差值小于迭代中止閾值ε，得到迭代后的Z=（z1，z2，…，zj，…，zn），即可作為正常負(fù)荷參考值。

讀取截止到當(dāng)前時(shí)刻的線路負(fù)荷數(shù)據(jù)Xm=（xm1，xm2，…，xmt），利用式（6）求解其與聚類中心截止至當(dāng)前時(shí)刻t 的隸屬度函數(shù)umt，讀取線路在t 時(shí)刻負(fù)荷值xm（t+1），根據(jù)式（9）計(jì)算適配度指標(biāo)為

設(shè)置適配度閾值ε 若Ke（t）＞ε，即判定該線路負(fù)荷異常。直至?xí)r刻t′，其適配度閾值重新縮小至正常值之內(nèi)，即Ke（t′）=（umt）2·｜xm（t′+1）-zt′+1｜＜ε，則判斷該線路用戶恢復(fù)正常用電。負(fù)荷異常后，該線路與正常負(fù)荷值的隸屬度函數(shù)um不再隨之更新，而是維持異常前時(shí)刻的值umt，如圖3 所示。

3.2 故障影響評估

在配電網(wǎng)電力用戶停電損失模型［12］中，分析停電對電力用戶造成的影響，可將電力用戶分為政府機(jī)關(guān)類、商業(yè)、工業(yè)及居民用戶［12］。本文針對工商業(yè)經(jīng)營類負(fù)荷、機(jī)關(guān)類負(fù)荷及居民負(fù)荷，分別分析其用電感知與故障影響評估方法。

圖3 基于負(fù)荷數(shù)據(jù)分析判斷用戶側(cè)用電異常

根據(jù)文獻(xiàn)［13］中基于用戶調(diào)查法歸一化后停電損失函數(shù)模型，工業(yè)、商業(yè)用戶停電損失可以經(jīng)濟(jì)損失衡量。對于生產(chǎn)、經(jīng)營類負(fù)荷，其經(jīng)濟(jì)產(chǎn)值與用電量呈正相關(guān)，因此，可建立其停電費(fèi)用損失對用電量損失的函數(shù)模型為

式中：Cindus為停電造成的費(fèi)用損失；ccost為費(fèi)用電量損失系數(shù)；z、x 分別為線路正常負(fù)荷曲線與實(shí)際負(fù)荷曲線。進(jìn)一步，對于生產(chǎn)、經(jīng)營類負(fù)荷，在非生產(chǎn)、經(jīng)營時(shí)間與生產(chǎn)、經(jīng)營時(shí)間失電產(chǎn)生的經(jīng)濟(jì)損失不同，據(jù)此將式（10）進(jìn)一步細(xì)化可得

式中：ω1、ω2分別為生產(chǎn)經(jīng)營時(shí)間與非生產(chǎn)經(jīng)營時(shí)間費(fèi)用損失的權(quán)重系數(shù)；t1、t2分別為負(fù)荷異常時(shí)間在生產(chǎn)經(jīng)營時(shí)間與非生產(chǎn)經(jīng)營時(shí)間的區(qū)段。

對政府機(jī)關(guān)類包括交通通信樞紐、醫(yī)院等用戶，其停電導(dǎo)致的損失主要為社會(huì)、經(jīng)濟(jì)影響，與停電時(shí)間成正比［13］，因此可對其建立停電損失對時(shí)間的函數(shù)為

式中：cgov為停電損失時(shí)間系數(shù)。

對于居民用戶，由于用戶側(cè)用采終端、計(jì)量終端中數(shù)據(jù)均按照一定時(shí)間間隔召測采集，無法實(shí)時(shí)上傳，因此目前通過用戶側(cè)終端數(shù)據(jù)無法直接反映居民用戶實(shí)時(shí)用電狀態(tài)。本文通過基于電量積分的概率譜方法，利用用戶側(cè)電量歷史數(shù)據(jù)與電網(wǎng)側(cè)實(shí)時(shí)負(fù)荷數(shù)據(jù)實(shí)，評估故障及異常情況下實(shí)際影響的用電戶數(shù)與影響程度。以加權(quán)停電戶數(shù)Cresid作為函數(shù)值衡量其停電損失。

對城市居民住宅用電量解構(gòu)如圖4 所示，城市配電網(wǎng)居民負(fù)荷主要由物業(yè)用電及住戶用電組成，而物業(yè)用電中，水泵、電梯等公用設(shè)施用電占絕大部分，因此可以以物業(yè)用電量的大小近似居民區(qū)電梯、水泵用電量的大小，作為表示停電對居民生活影響程度的權(quán)重Kresid，即：

式中：c 為線路供帶居民負(fù)荷物業(yè)計(jì)量點(diǎn)總數(shù)量；Lpropr為第r 個(gè)計(jì)量點(diǎn)上傳的居民區(qū)物業(yè)用電量。

圖4 城市居民住宅用電量構(gòu)成

通過基于用戶行為分的家庭日負(fù)荷曲線分析［14］，居民家庭日負(fù)荷曲線的影響因素較多，隨機(jī)性較強(qiáng)，但對于同一戶家庭，在其日常行為模式基本固定情況下，其在固定時(shí)間段內(nèi)用電量則保持穩(wěn)定［15］。因此，可以利用多個(gè)用戶側(cè)非實(shí)時(shí)上傳的用電量信息作為樣本，通過概率譜分析方法，分析其與電網(wǎng)側(cè)負(fù)荷變化量的對應(yīng)關(guān)系。

對于單一用戶i，其戶表以時(shí)間Δt 為間隔上傳用電量信息，顯然，在tk-1時(shí)刻與tk時(shí)刻間，其用電量為ΔLi，k=Li（tk）-Li（tk-1），顯然對該居民區(qū)內(nèi)用戶，均可計(jì)算其在該時(shí)間間隔內(nèi)用電量ΔL1，k，ΔL2，k，…，ΔLN，k，N為樣本總數(shù)。

根據(jù)文獻(xiàn)［16］中“元胞負(fù)荷”的概念，可將每個(gè)單一用戶作為一個(gè)負(fù)荷元胞。統(tǒng)計(jì)元胞i 在tk-1時(shí)刻與tk時(shí)刻間用電量ΔLi，k的概率，并將這些概率值根據(jù)大小來排序，所得到的離散序列可形成一條曲線，這條以元胞負(fù)荷用電量ΔLi，k為橫軸、以其概率p（ΔLi，k）為縱軸的曲線就是元胞負(fù)荷用電量的概率譜曲線。進(jìn)而根據(jù)p（ΔLi，k）可以求取ΔLi，k的累積概率分布函數(shù)F（ΔLi，k）。

式中：nj為tk-1時(shí)刻至tk時(shí)刻時(shí)間段內(nèi)用電量大小為ΔLi，k的樣本出現(xiàn)的個(gè)數(shù)；F（ΔLi，k）為在該時(shí)間段內(nèi)所有用戶用電量在［0，ΔLi，k］之間的概率。

為了準(zhǔn)確評估饋線負(fù)荷對應(yīng)的居民用戶側(cè)實(shí)際用電戶數(shù)，對于單戶居民i 用電量ΔLi，k的累計(jì)概率分布函數(shù)F（ΔLi，k），定義分位數(shù)α，表示在分析時(shí)間段內(nèi)用電量分布于某一區(qū)間內(nèi)概率為［α，1-α］。可以計(jì)算得到F（ΔLi，k）對應(yīng)概率區(qū)間的［α，1-α］的用電量邊界值［ΔLi，k（α），ΔLi，k（1-α）］。即摒除概率為α 的特殊量，線路供帶居民區(qū)用戶在tk-1時(shí)刻至tk時(shí)刻時(shí)間段內(nèi)用電量基本分布于［ΔLi，k（α），ΔLi，k（1-α）］之間。若實(shí)時(shí)負(fù)荷為x，標(biāo)準(zhǔn)負(fù)荷為z，則故障及異常情況下影響的實(shí)際用戶數(shù)在區(qū)間［cesid，c′resid］內(nèi)：

根據(jù)居民區(qū)類型的不同，考慮停電對居民生活影響程度的權(quán)重Kresid，得到加權(quán)后停電用戶數(shù)在區(qū)間內(nèi)：

考慮權(quán)重Kresid，能夠在停電影響居民用戶數(shù)的基礎(chǔ)上更精準(zhǔn)判斷停電對居民電梯、用水等基本需求的實(shí)際影響，從而量化分析失電用戶恢復(fù)供電的緊迫程度。

4 實(shí)例分析

對某地區(qū)2 條10 kV 線路負(fù)荷數(shù)據(jù)及用戶側(cè)用電情況進(jìn)行分析，說明基于負(fù)荷數(shù)據(jù)分析的用戶側(cè)用電感知及失電影響評估方法，并驗(yàn)證其正確性和實(shí)用性。該地區(qū)10 kV 青山線及10 kV 洛化線負(fù)荷曲線如圖5 所示，首先通過本文所述方法判斷其負(fù)荷性質(zhì)，然后針對10 kV 青山線客戶側(cè)配變故障損失負(fù)荷的分析，評估其停電影響用戶數(shù)。

圖5 濟(jì)南地區(qū)青山線、洛化線負(fù)荷曲線

利用文獻(xiàn)［12-13］中典型負(fù)荷曲線，分別計(jì)算10 kV 青山線、10 kV 洛化線負(fù)荷曲線的趨勢序列與住宅、政府機(jī)關(guān)、商業(yè)及工業(yè)類典型負(fù)荷趨勢序列的隸屬度，如表1 所示。

表1 青山線及洛化線對4 類典型負(fù)荷趨勢序列的隸屬度

表1 中，10 kV 青山線對住宅類負(fù)荷趨勢序列隸屬度最大，為0.887；10 kV 洛化線對工業(yè)類負(fù)荷趨勢序列隸屬度最大，為0.917。青山線與住宅類負(fù)荷曲線匹配程度、洛化線與工業(yè)類曲線匹配程度如圖6 所示。

考察青山線、洛化線供帶用戶情況，洛化線為用戶專線，帶某化工企業(yè)；青山線線路供電用戶情況如圖7 所示主要供帶居民住宅區(qū)，由表1、圖6 與圖7可知，利用本文方法計(jì)算，青山線、洛化線供帶負(fù)荷性質(zhì)判斷正確。

圖6 青山線及洛化線與相應(yīng)負(fù)荷趨勢匹配程度

圖7 青山線線路供電用戶情況

某日16∶55，青山線負(fù)荷發(fā)生突降，但主線與圖7中分支線路開關(guān)均未發(fā)生跳閘，其負(fù)荷曲線及正常負(fù)荷曲線對比如圖8 所示，t1時(shí)刻，通過式（9）計(jì)算線路實(shí)時(shí)負(fù)荷與標(biāo)準(zhǔn)負(fù)荷曲線失配度Ke（t）達(dá)到0.132，可以判斷用戶側(cè)用電已發(fā)生異常。至22∶25 其與標(biāo)準(zhǔn)負(fù)荷曲線失配度恢復(fù)至Ke（t）＜ε。可判斷用戶側(cè)用電已恢復(fù)正常。

圖8 青山線故障期間負(fù)荷曲線及正常負(fù)荷曲線對比

對10 kV 青山線供電住宅區(qū)用戶在17∶00—22∶30期間用電量通過計(jì)量系統(tǒng)定時(shí)召測歷史值進(jìn)行概率譜分析，利用式（14）繪制其元胞負(fù)荷用電量的概率譜曲線如圖9 所示，取其概率分布函數(shù)的分位數(shù)α 分別取0.2、0.3、0.4，計(jì)算得到［ΔLk（α），ΔLk（1-α）］，然后將圖8 中青山線負(fù)荷與標(biāo)準(zhǔn)負(fù)荷之間差值（陰影部分）進(jìn)行積分分析，利用式（15）計(jì)算其停電影響戶數(shù)如表2 所示。

圖9 青山線供電住宅區(qū)用戶小時(shí)用電量概率譜曲線

經(jīng)配電運(yùn)檢人員巡視調(diào)查，該故障為14 桿王官莊四區(qū)配變低壓總開關(guān)故障，導(dǎo)致停電，實(shí)際居住居民約730 戶。對比表2 中數(shù)據(jù)可知，故障實(shí)際影響居民用戶數(shù)評估范圍正確，α 取0.4 時(shí)，評估結(jié)果與實(shí)際值誤差在20%以內(nèi)。

表2 青山線故障停電影響居民用戶數(shù)計(jì)算結(jié)果

5 結(jié)語

用戶對供電質(zhì)量及優(yōu)質(zhì)個(gè)性化服務(wù)要求的不斷提高需要配電網(wǎng)調(diào)控人員實(shí)時(shí)掌握用戶側(cè)用電狀況、故障情況及其影響，在國家電網(wǎng)有限公司加快推進(jìn)泛在電力物聯(lián)網(wǎng)建設(shè)背景下，基于調(diào)度側(cè)運(yùn)行數(shù)據(jù)，研究調(diào)控人員實(shí)時(shí)掌握用戶側(cè)用電感知及故障影響的方法，以輔助配網(wǎng)調(diào)控人員根據(jù)用戶需求優(yōu)化實(shí)施方式調(diào)整及故障處置，具有重要的理論和實(shí)踐價(jià)值。

本文在闡述調(diào)度側(cè)用戶感知及失電影響分析技術(shù)架構(gòu)基礎(chǔ)上，提出了一種基于調(diào)度側(cè)配電網(wǎng)負(fù)荷數(shù)據(jù)分析進(jìn)行負(fù)荷性質(zhì)辨識以及用戶側(cè)用電感知、失電影響評估的方法。利用基于模糊C 均值聚類方法求解饋線負(fù)荷曲線與典型負(fù)荷的隸屬度，判斷負(fù)荷類型，通過彎曲時(shí)間軸匹配序列點(diǎn)，以提高相似性距離的精度；利用基于用電量積分的概率譜方法，準(zhǔn)確感知用戶側(cè)故障并評估故障影響。實(shí)際案例分析表明，該方法能夠有效判別饋線負(fù)荷類型，感知用戶側(cè)故障影響并準(zhǔn)確評估其影響范圍，輔助調(diào)控人員建立配網(wǎng)運(yùn)行數(shù)據(jù)與客戶用電感知之間的實(shí)時(shí)映射。