随着社会的发展，人们的日常生活离不开电能。由于我国人均GDP的不断增加以及用户无节制地用电行为，使得高峰负荷也不断升高，同时，负荷的增加速度远远比电量的增加速度快，这样就导致谷峰差值变大，人们对电的利用率变小，在用电高峰期甚至出现供不应求的现象。本文主要介绍了一种新的错峰用电管理想法，采用大数据技术，可以掌握用户用电的形式，将这一大数据技术用在错峰用电管理工作中，根据不同的用户，调整错峰用电的方式。通过将这种大数据技术的错峰用电管理方式运用到实施用电管理工作中，可以减小用电系统在高峰时期的负荷，增加系统负荷率，使峰谷间的差值变小。
1理论系统
大数据技术在错峰用电管理中的主要作用是对用户的用电方式进行了解，采用信息化技术对用户的各种信息和数据进行分析，从而掌握用户的错峰潜力等隐性的信息，用电企业可以根据这个信息来有效进行错峰用电的管理工作，同时也可以为用户设计一个最优用电方案。
1.1用户用电模式识别技术
针对于单个家庭用户，对其最近一年每天96个点的用电信息数据进行处理，采用Canopy+K-means聚类运算方式，对用户每天所用电的负荷特性图进行分析，由聚类方式得出的簇就是用户用电模式的体现，选择簇中大于设定阈值的簇，其就是用户最经常使用的用电模式，同时确定用电模式的类型，得到有错峰倾向的用电模式，这样就选择了进行错峰潜力研究的对象。
1.1.1聚类分析
所谓聚类分析，就是对数据进行分组或者分类的整个过程，尽量将比较相似的数据放在同一组，使不同组里面的数据具有较高的差异性。并用数据间的距离来表示数据间的相似度，如果距离越小，则代表越相似，反之，距离越大则代表越不相似，下式代表两样本间的欧式距离：
（1）
其中，d(xi,xj)就是指第i天和第j天，当天的电量负荷特性曲线中两天之间的欧式距离；字母n表示属性空间的一个维度；因为每个用户的每条特性曲线上总共有96个点，所以，字母n取值为96；符号xi代表用户在第i天的负荷特性曲线图；符号xik代表用户在第i天的第k个所用电量。
1.1.2聚类后的处理
将用户用电数据信息进行聚类的目的就是掌握用户的用电模式，一种类型的聚类就是一种用户用电模式。但是并不是所有种类的用电模式都可以对错峰用电起到指导性意义，只有最经常用到的用电模式才具有指导意义；
每一簇聚类都是某种用电模式的代表，选取聚类中心所对应的曲线图来作为此种用电模式的曲线代表图。统计所有簇内的数目，如果簇内对象的统计数目大于所设计的阈值，那么就可以确定用户最经常用的用电模式。并统计该用电模式的相应规律，统计内容主要包括日期时间的分别状况，找到该用电模式出现最频繁的时间；再对该模式下的曲线指标进行运算，从得出的指标来分辨用电模式的种类。
分辨用电模式种类的曲线指标主要包括：每天的负荷率、每天峰谷的差率、高峰时期的负载率、正常时期的负载率、低谷时期的负载率，如下表1所示。对这些指标进行相应的处理，用电模式有以下四种：平滑类型、避峰类型、单峰波动类型以及双峰波动的类型。
表1
设置一个具体的离散标准，使这些不间断的线形指标离散化。可以按以下公式设置离散的标准：
（2）
四种类型的用电模式线形指标所对应的具体离散值为下表2所示：
表2
同时还可以建立分类的树形，这样更方便用电模式的分辨工作。
1.2错峰潜力分析
拥有错峰潜力的用电模式一般都是波动类型的用电模式，所以选择波动类型的用电模式为研究对象。波动类型的用电模式峰与谷之间的差值就是单位最合适的最大错峰潜力，但是在实际生活中，用户常常不能达到这样一错峰潜力，同时单位生活实际错峰潜力比单位现实最高错峰潜力小，这些都和发生的时间和方式有关联，单位现实最大值经常不能达到单位理想中的最大值。
如果将发生的时间往前推或者往后推，将用户用电的高峰时期设置为t2-t3和t4-t5，将用电低谷时期设置为t0-t1和t6-t7，用调整后的时间来计算错峰量，如下图1。那么在用电高峰时间段所少用的电量为
（3）
而在用电低谷时间段增加用的电量为
（4）
图1
2算例分析
本文列举了咸阳某区域内用户一年时间内的用电量和相关档案资料，信息采集时间为2012年1月1日到2012年12月31日，包括大客户终端总数3505，总的用户数量为3497，每间隔15分钟采集一次信息。对单个用电家庭进行用电模式的辨别，本文以ID名为#001的单个家庭用户为例子，选取在2012年中共365条特性线条，采用Canopy+K-means聚类运算方式进行聚类，如下图2。
图2
由上图可知，本用户的曲线能够聚成6簇，所以总共有6种类型的用电模式。当聚类阶段完成后，对选出的5中波动类型比较频繁用电的用电模式进行相关的规律统计以及时间和分别上的相应统计，发现各种模式最常发生的时间，这样就能够为明年的相应日期作出合理的计划安排；与用户进行有效沟通马尾用户制定最合适的用电模式，使用户既可以错峰用电，又可以增加用电的效率。当错峰潜力分析工作结束后，可以整理出该地区针对每个用户的有关错峰潜力排序的表格。
结束语
本文只是研究到分析用户的错峰潜力，还没能研究出一种智能化选择用电模式的方法，但是，笔者希望通过介绍大数据技术，并将其应用到错峰用电管理中，掌握用户用电的形式， 为用户提供最理想的用电模式，使用户既可以错峰用电，又可以增加用电的效率。
参考文献：
[1] 周昊.关于大数据技术在电力行业应用的思索[J].科学时代,2014,2(19):316-317. [2] 黄彦浩,于之虹,谢昶等.电力大数据技术与电力系统仿真计算结合问题研究[J].中国电机工程学报,2015,5(1):13-22.
