基于大數(shù)據(jù)技術(shù)的錯(cuò)峰用電管理應(yīng)用研究

張　昕，李棟華，程　明

(北京南瑞埃森哲信息技術(shù)中心有限公司,北京　100096)

Study on Peak Load Shifting Management Based on the Big Data TechnologyZHANG Xin, LI Donghua, CHENG Ming

(NARI Accenture Information Technology Center Co.,LTD, Beijing 100096,China)

?

基于大數(shù)據(jù)技術(shù)的錯(cuò)峰用電管理應(yīng)用研究

張昕，李棟華，程明

(北京南瑞埃森哲信息技術(shù)中心有限公司,北京100096)

0引言

近年來(lái)，隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，電能在終端能源消費(fèi)當(dāng)中的分量越來(lái)越重[1]。然而由于高GDP 增長(zhǎng)率加上用戶相對(duì)粗放的用電方式導(dǎo)致高峰負(fù)荷快速增長(zhǎng)，且負(fù)荷增長(zhǎng)率遠(yuǎn)高于電量增長(zhǎng)率，這使得峰谷差日益增大，電能利用率降低，高峰時(shí)段的供電緊張，“電荒”現(xiàn)象頻發(fā)[2]。減小系統(tǒng)峰谷差最有效的方法是有效地開(kāi)展需求側(cè)管理，進(jìn)行削峰填谷，在減小系統(tǒng)波峰負(fù)荷的同時(shí)增大系統(tǒng)波谷負(fù)荷。

在以前的實(shí)際用電管理工作中，往往是在電力緊缺的情況下，進(jìn)行有序用電管理，對(duì)供電用戶實(shí)行錯(cuò)峰、避峰、限電、拉閘等措施，來(lái)抑制高峰負(fù)荷[3]?，F(xiàn)在隨著智能電網(wǎng)的建設(shè)和需求側(cè)管理相關(guān)研究的深入以及需求側(cè)管理相關(guān)應(yīng)用的逐步成熟，面向智能電網(wǎng)的需求側(cè)管理開(kāi)始在削峰填谷、提高能效、節(jié)能減排等方面發(fā)揮其不可忽視的作用。目前電力需求側(cè)管理在移峰填谷方面的應(yīng)用主要是通過(guò)對(duì)工商業(yè)用戶實(shí)行分時(shí)計(jì)量電量，實(shí)行尖峰、峰谷平分時(shí)電價(jià)措施引導(dǎo)工商業(yè)用戶調(diào)整生產(chǎn)運(yùn)行方式，轉(zhuǎn)移高峰時(shí)刻的用電負(fù)荷，降低高峰用電需求，從而提高電網(wǎng)供電設(shè)備的負(fù)荷率和利用率，緩和高峰時(shí)刻的供用電矛盾[4]。

錯(cuò)峰用電管理屬于需求側(cè)管理的一部分，科學(xué)合理地開(kāi)展錯(cuò)峰用電，可以在減小波峰負(fù)荷的同時(shí)增加波谷負(fù)荷，達(dá)到削峰填谷的最佳效果。現(xiàn)有錯(cuò)峰用電管理在安排用戶錯(cuò)峰時(shí)通常不考慮用戶的實(shí)際用電特點(diǎn)，主要是根據(jù)用戶的用電性質(zhì)和負(fù)荷等級(jí)進(jìn)行優(yōu)先排序，這樣相對(duì)粗放的安排方式往往會(huì)使得錯(cuò)峰效果不佳。而且，由于我國(guó)錯(cuò)峰用電管理是在電力的緊張形勢(shì)下興起的，因此很多電力部門僅將它當(dāng)成缺電期間的短期工作來(lái)對(duì)待，單純依靠行政手段實(shí)施錯(cuò)峰，沒(méi)有真正認(rèn)識(shí)錯(cuò)峰用電管理的關(guān)鍵和重要性。其實(shí)無(wú)論是電力過(guò)剩時(shí)期還是電力緊缺時(shí)期，我們都應(yīng)從長(zhǎng)遠(yuǎn)的角度來(lái)出發(fā)，堅(jiān)持完善錯(cuò)峰用電工作[5]。

而且，隨著智能表計(jì)大規(guī)模應(yīng)用和系統(tǒng)接入，用電信息數(shù)據(jù)資源開(kāi)始急劇增長(zhǎng)并形成了一定的規(guī)模，我國(guó)電力行業(yè)開(kāi)始步入大數(shù)據(jù)時(shí)代。通過(guò)大數(shù)據(jù)技術(shù)的引入和應(yīng)用，可以釋放“大數(shù)據(jù)”的業(yè)務(wù)潛力，應(yīng)用到錯(cuò)峰用電領(lǐng)域，可以實(shí)現(xiàn)錯(cuò)峰用電管理應(yīng)用的實(shí)用化、精益化、高效化。

本文的貢獻(xiàn)主要在于提出了一種面向智能電網(wǎng)的錯(cuò)峰用電管理新思路，利用大數(shù)據(jù)技術(shù)進(jìn)行用戶的用電模式識(shí)別，并將這項(xiàng)技術(shù)應(yīng)用到錯(cuò)峰用電管理領(lǐng)域當(dāng)中，針對(duì)用戶不同的用電特點(diǎn)，考慮差異化錯(cuò)峰用電策略。這種基于用戶的用電模式識(shí)別而開(kāi)展的錯(cuò)峰潛力分析，可以為供電企業(yè)開(kāi)展錯(cuò)峰用電管理工作提供依據(jù)，有效地彌補(bǔ)現(xiàn)有錯(cuò)峰用電管理方式相對(duì)粗放的不足，且支持將錯(cuò)峰用電管理作為一項(xiàng)長(zhǎng)期用電管理工作來(lái)開(kāi)展，可以有效地降低系統(tǒng)高峰負(fù)荷，提高負(fù)荷率，減小峰谷差。

1理論體系

大數(shù)據(jù)技術(shù)應(yīng)用到錯(cuò)峰用電領(lǐng)域的關(guān)鍵是利用大數(shù)據(jù)技術(shù)進(jìn)行用戶的用電模式識(shí)別，利用數(shù)據(jù)挖掘技術(shù)對(duì)用戶的用采數(shù)據(jù)進(jìn)行深入分析來(lái)開(kāi)展，進(jìn)而獲得用戶的錯(cuò)峰潛力等潛在的有用信息，既能夠?yàn)楣╇娖髽I(yè)開(kāi)展錯(cuò)峰用電管理工作提供依據(jù)，又能夠?yàn)殡娏τ脩舾玫刂贫ㄓ秒姺桨浮?/p>

1.1用戶用電模式識(shí)別技術(shù)

對(duì)單個(gè)用戶，取其最新一年的每日96點(diǎn)用電信息，對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗等預(yù)處理，然后用Canopy + K-means 聚類算法對(duì)這些日負(fù)荷特性曲線進(jìn)行聚類分析，聚類獲得的簇即代表用戶的用電模式，通過(guò)篩選簇內(nèi)對(duì)象大于設(shè)定閾值的方法來(lái)獲得用戶的常用用電模式，并對(duì)常用用電模式進(jìn)行類型判定，得到具有錯(cuò)峰潛力的常用用電模式，為后期進(jìn)行錯(cuò)峰潛力分析選定分析對(duì)象。

1.1.1聚類分析

聚類分析(clustering analysis)是一個(gè)將數(shù)據(jù)集劃分為若干組或類的過(guò)程，并使得同一個(gè)組內(nèi)的數(shù)據(jù)對(duì)象具有較高的相似度；而不同組中的數(shù)據(jù)對(duì)象相似度很低。相似或不相似通常是利用各對(duì)象間距離來(lái)進(jìn)行表示的，兩個(gè)樣本之間的距離越小相似度越高，兩個(gè)樣本之間的距離越大則相似度越低。最常用的歐式距離如式(1)：

(1)

式中:d(xi,xj)代表第i日和第j日的日負(fù)荷特性曲線的歐式距離；n為屬性空間的維度，由于用戶每條日負(fù)荷特性曲線都包含96個(gè)點(diǎn)，故取n=96；xi為該用戶第i日的日負(fù)荷特性曲線；xik為該用戶第i日的第k個(gè)用電量。

我們此次采用的是在Mahout中實(shí)現(xiàn)的Canopy算法和K-means算法，其中Canopy算法是用來(lái)為K-means算法服務(wù)的。思路是：首先通過(guò)Canopy算法進(jìn)行聚類，以確定簇?cái)?shù)以及初始簇心，接著通過(guò)K-means算法進(jìn)行迭代運(yùn)算，收斂出最后的聚類結(jié)果。

1.1.2聚類后處理

聚類的目的是得到用戶的用電模式，每一簇聚類就代表了一種用電模式，然而并非所有的用電模式都對(duì)錯(cuò)峰用電有指導(dǎo)作用，把錯(cuò)峰用電作為一種長(zhǎng)期的用電工作，只有常用的用電模式才會(huì)對(duì)其有指導(dǎo)價(jià)值；而錯(cuò)峰工作的重點(diǎn)在于發(fā)掘具有錯(cuò)峰潛力的用電模式，因此我們要通過(guò)聚類后處理得到用戶具有錯(cuò)峰潛力的常用用電模式。

首先，一簇聚類就代表了一種用電模式，由于聚類中心具有代表性，因此每簇聚類的聚類中心所對(duì)應(yīng)的負(fù)荷特性曲線可以作為該用電模式的代表曲線[6-7]。對(duì)簇內(nèi)對(duì)象進(jìn)行數(shù)量統(tǒng)計(jì)，當(dāng)簇內(nèi)對(duì)象數(shù)量大于我們?cè)O(shè)定的閾值時(shí)，可以判定此用電模式為用戶的常用用電模式。針對(duì)該常用用電模式，要對(duì)其進(jìn)行用電規(guī)律統(tǒng)計(jì)，統(tǒng)計(jì)指標(biāo)主要是該模式日期分布，從而得到該用電模式的頻發(fā)時(shí)間；計(jì)算該模式負(fù)荷特性曲線的相關(guān)形態(tài)指標(biāo)，根據(jù)這些指標(biāo)進(jìn)行用電模式類型判斷。

用于用電模式類型判斷的曲線形態(tài)指標(biāo)包括日負(fù)荷率、日峰谷差率、峰期負(fù)載率、平期負(fù)載率、谷期負(fù)載率[8-9]，如表1。將這些指標(biāo)進(jìn)行離散化處理，可以將用戶的用電模式分為平滑型、避峰型、單峰波動(dòng)型、雙峰波動(dòng)型4種類型。

表1　負(fù)荷曲線形態(tài)指標(biāo)

設(shè)定離散標(biāo)準(zhǔn)，將這些連續(xù)性的形態(tài)指標(biāo)離散化。離散標(biāo)準(zhǔn)設(shè)定：

(3)

這4種用電模式的形態(tài)指標(biāo)對(duì)應(yīng)的離散值分別如表2所示。

表2　用電模式類型及其負(fù)荷曲線形態(tài)指標(biāo)對(duì)應(yīng)的離散值

通過(guò)構(gòu)建分類決策樹(shù)，我們可以快速地將用戶的用電模式進(jìn)行分類，以實(shí)現(xiàn)用戶用電模式的快速識(shí)別。我們利用C5.0算法構(gòu)造決策樹(shù)如圖1所示。

圖1　用電模式類型判別決策樹(shù)

1.2錯(cuò)峰潛力分析

波動(dòng)型用電模式與系統(tǒng)波動(dòng)性有很強(qiáng)的相關(guān)性，說(shuō)明系統(tǒng)負(fù)荷的波動(dòng)主要由這些用電模式引起[10-12]，因此波動(dòng)型用電模式才是最具有錯(cuò)峰潛力的用電模式，故選定用戶波動(dòng)型常用用電模式為錯(cuò)峰潛力分析對(duì)象。

波動(dòng)型用電模式的峰谷差代表了該模式下用戶的單位理想最大錯(cuò)峰潛力，而實(shí)際應(yīng)用中，用戶的單位實(shí)際最大錯(cuò)峰潛力往往達(dá)不到單位理想最大錯(cuò)峰潛力，且單位實(shí)際錯(cuò)峰潛力往往達(dá)不到單位實(shí)際最大錯(cuò)峰潛力，這與系統(tǒng)高峰發(fā)生時(shí)間和錯(cuò)峰實(shí)現(xiàn)手段都有關(guān)系。首先，用戶的單位實(shí)際最大錯(cuò)峰潛力往往達(dá)不到單位理想最大錯(cuò)峰潛力。

圖2　單位實(shí)際最大錯(cuò)峰潛力

從圖2中可以看出，用戶的單位實(shí)際最大錯(cuò)峰潛力與與系統(tǒng)高峰發(fā)生時(shí)間之間的關(guān)系，只有在用戶高峰與系統(tǒng)高峰同時(shí)發(fā)生的時(shí)候，用戶的單位實(shí)際最大錯(cuò)峰潛力才等于用戶的單位理想最大錯(cuò)峰潛力，其他情況下，用戶的單位實(shí)際最大錯(cuò)峰潛力都要小于用戶的單位理想最大錯(cuò)峰潛力。

再者，用戶的實(shí)際錯(cuò)峰潛力往往達(dá)不到單位實(shí)際最大錯(cuò)峰潛力。通過(guò)調(diào)整生產(chǎn)時(shí)間，將生產(chǎn)提前或推后一段時(shí)間，從而將用電高峰提前或推后，錯(cuò)開(kāi)系統(tǒng)用電高峰，如圖3中所示。這種調(diào)整生產(chǎn)時(shí)間的錯(cuò)峰手段，其實(shí)際錯(cuò)峰潛力往往也達(dá)不到單位實(shí)際最大錯(cuò)峰潛力，因?yàn)樯a(chǎn)時(shí)間的調(diào)整要受到實(shí)際生產(chǎn)規(guī)律的約束和諸多用戶時(shí)間協(xié)調(diào)的約束，恰好能將低谷負(fù)荷調(diào)到高峰時(shí)段的情況是非常少的。

圖3　單位實(shí)際錯(cuò)峰潛力

通過(guò)將生產(chǎn)時(shí)間提前或推后Δt，假設(shè)用電高峰時(shí)段為t2-t3和t4-t5，低谷時(shí)段為t0-t1和t6-t7,調(diào)整生產(chǎn)時(shí)間后的錯(cuò)峰量計(jì)算如圖4。

圖4　調(diào)整生產(chǎn)時(shí)間后的錯(cuò)峰量計(jì)算

則在高峰時(shí)段內(nèi)減少的用電量為

(4)

在低谷時(shí)段內(nèi)增加的用電量為

(5)

2算例分析

本文收集了某省某縣用電信息采集系統(tǒng)中所有專變用戶一年的用電量及其用戶檔案，其中用戶用電量信息的采樣時(shí)間范圍為2012-01-01～2012-12-31。該縣的用電信息采集系統(tǒng)包含大客戶終端數(shù)為3 505，用戶數(shù)為3 497，采樣間隔為15min。

圖5　ID#001用戶日負(fù)荷特性曲線聚類結(jié)果

對(duì)單個(gè)用戶進(jìn)行用電模式識(shí)別，以ID為#001的用戶為例，取該用戶在2012年度的365條日負(fù)荷特性曲線，應(yīng)用Canopy+ K-means算法對(duì)這些曲線進(jìn)行聚類，結(jié)果如圖5所示。從圖5中可以看出，該用戶的日負(fù)荷特性曲線可以聚成6簇，即該用戶在2012年度主要有6種用電模式，對(duì)聚類結(jié)果進(jìn)行后處理可得：

① 對(duì)每一簇聚類內(nèi)的曲線對(duì)應(yīng)天數(shù)進(jìn)行統(tǒng)計(jì)，可以得到每簇聚類對(duì)應(yīng)天數(shù)分別為65、37、125、97、39、12，前5種用電模式對(duì)應(yīng)天數(shù)大于我們?cè)O(shè)定的閾值30，為常用用電模式；第6種用電模式對(duì)應(yīng)天數(shù)少于30，為特殊用電模式。

②類型0～4為常用用電模式，對(duì)其負(fù)荷曲線形態(tài)指標(biāo)進(jìn)行統(tǒng)計(jì)和離散化處理，并根據(jù)用電模式類型判別決策樹(shù)進(jìn)行用電模式類型判別，類型0～4的用電模式都是波動(dòng)型用電模式，都具有錯(cuò)峰潛力。

聚類后處理結(jié)束后，還要對(duì)篩選出的5種波動(dòng)型常用用電模式進(jìn)行用電規(guī)律統(tǒng)計(jì)和錯(cuò)峰潛力分析。用電規(guī)律統(tǒng)計(jì)主要是對(duì)其時(shí)間分布進(jìn)行統(tǒng)計(jì)，找出每種模式的頻發(fā)時(shí)間，可以在來(lái)年的對(duì)應(yīng)日期之前提前做出錯(cuò)峰安排；針對(duì)每種用電模式，通過(guò)與用戶溝通，為其量身定制合理的用電策略，可以在實(shí)現(xiàn)錯(cuò)峰用電的同時(shí)提高用戶的用電效率。錯(cuò)峰潛力分析主要是計(jì)算用戶通過(guò)調(diào)整其生產(chǎn)時(shí)間而達(dá)到的錯(cuò)峰量。

現(xiàn)擬制定2014年2月的錯(cuò)峰用電計(jì)劃，根據(jù)之前的用戶用電模式識(shí)別結(jié)果，可以篩選出頻發(fā)時(shí)間位于2月的波動(dòng)型用電模式。由歷史數(shù)據(jù)分析得出該地區(qū)在2月的高峰時(shí)段為9:00～11:00和17:00～21:00，對(duì)選定的用戶用電模式進(jìn)行錯(cuò)峰潛力分析，部分結(jié)果如表3所示。其中錯(cuò)峰調(diào)整時(shí)間以小時(shí)為單位，“+”表示時(shí)間前提，“-”表示時(shí)間推后；錯(cuò)峰量以103kWh為單位，“+”表示用電量增加，“-”表示用電量減少。由于錯(cuò)峰調(diào)整時(shí)間設(shè)定的變化會(huì)導(dǎo)致錯(cuò)峰量的變化，所以針對(duì)每個(gè)用戶，我們得到的錯(cuò)峰潛力分析是不同方案的集合。最佳方案的選擇以高峰時(shí)段內(nèi)減少的用電量和低谷時(shí)段內(nèi)增加的用電量之和最大為最優(yōu)。

用戶錯(cuò)峰潛力分析完畢后，加以排序整理得到該地區(qū)的用戶錯(cuò)峰潛力排序表。錯(cuò)峰用電管理人員可以據(jù)此制定相應(yīng)的錯(cuò)峰計(jì)劃，包括錯(cuò)峰用戶的選擇，錯(cuò)峰手段的選取和錯(cuò)峰時(shí)間的協(xié)調(diào)等。

3結(jié)論

這種基于用戶用電模式分析而開(kāi)展的錯(cuò)峰用電，針對(duì)用戶不同的用電特點(diǎn)，考慮差異化錯(cuò)峰用電策略，可以有效地彌補(bǔ)現(xiàn)有錯(cuò)峰用電管理方式相對(duì)粗放的不足，且支持將錯(cuò)峰用電管理作為一項(xiàng)長(zhǎng)期用電管理工作來(lái)開(kāi)展，帶來(lái)的收益也是很明顯的，主要有以下幾點(diǎn)：

表3　大用戶錯(cuò)峰潛力分析表

① 提高滿意度?？紤]用戶用電特性，與用戶進(jìn)行事先溝通，體現(xiàn)用戶關(guān)懷，提高了用戶滿意度和參與積極性；

② 減少損失?？梢栽诶l限電發(fā)生之前有效控制峰荷增長(zhǎng)，減少用戶和社會(huì)的經(jīng)濟(jì)損失；

③ 控制成本。增加電網(wǎng)設(shè)備資產(chǎn)的使用效率，延緩了電網(wǎng)建設(shè)，減少了發(fā)電成本；

④ 節(jié)能減排。引導(dǎo)用戶科學(xué)合理用電，可以極大地提高用電效率，平滑電力負(fù)荷，進(jìn)而實(shí)現(xiàn)節(jié)能減排。

目前我們的研究只進(jìn)行到對(duì)用戶的錯(cuò)峰潛力分析，距離提供智能化決策方案還有一定的距離，后續(xù)的工作重點(diǎn)應(yīng)該放在根據(jù)錯(cuò)峰潛力分析結(jié)果對(duì)用戶負(fù)荷曲線進(jìn)行優(yōu)化，從而為制定錯(cuò)峰用電計(jì)劃提供智能化輔助決策支持。

參考文獻(xiàn)

[1]楊詩(shī)雄.電力需求側(cè)管理現(xiàn)狀及問(wèn)題分析[J].科技致富向?qū)?2011(8):1-2.

[2]王兵.探討當(dāng)前電力需求側(cè)管理的現(xiàn)狀與策略[J].大科技,2010(12):1-2.

[3]國(guó)家發(fā)展改革委.有序用電管理辦法.2011.

[4]國(guó)家經(jīng)貿(mào)委考察團(tuán).美國(guó)、加拿大電力需求側(cè)管理考察報(bào)告[R].電力需求側(cè)管理,2002,4(3):58-60.

[5]國(guó)家發(fā)展改革委.電力需求側(cè)管理辦法.2010-11-04.

[6]黎祚,周步祥,林楠. 基于模糊聚類與改進(jìn) BP算法的日負(fù)荷特性曲線分類與短期負(fù)荷預(yù)測(cè)[J]. 電力系統(tǒng)保護(hù)與控制,2012,40(3):56-60.

[7]劉麗輕,丁巧林,張鐵峰,等. 電力用戶負(fù)荷模式識(shí)別方法研究[J].華北電力大學(xué)學(xué)報(bào)，2011,38(6):29-33.

[8]陳偉，樂(lè)麗琴，崔凱，等. 典型用戶負(fù)荷特性及用電特點(diǎn)分析[J]. 能源技術(shù)經(jīng)濟(jì),2011,23(9):44-49.

[9]張素香,劉建明,趙丙鎮(zhèn),等. 基于云計(jì)算的居民用電行為分析模型研究[J].電網(wǎng)技術(shù)，2013,37(6):1542-1546.

[10]Abreu M J,Cmara Pereira F, Ferr?o P. Using pattern recognition to identify habitual behavior in residential electricity consumption[J]. Energy and Buildings, 2012, 49: 479-487.

[11]Tsekouras G J, Salis A D, Tsaroucha M A, et al. Load Time-Series Classification Based on Pattern Recognition[J]. Intech, 2008.

[12]Ghaemi S, Brauner G. User behavior and patterns of electricity use for energy saving[C]//Internationale Energiewirtschaftstagung an der TU Wien,2009:1-12.

張昕(1972—)，男，碩士，高級(jí)工程師，研究方向包括企業(yè)信息化規(guī)劃、計(jì)劃管理、實(shí)時(shí)數(shù)據(jù)庫(kù)技術(shù)等，E-mail: zhangxin@sgepri.sgcc.com.cn；

李棟華(1984—)，男，碩士，工程師，研究方向包括企業(yè)信息系統(tǒng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等, E-mail:lidonghua@sgepri.sgcc.com.cn；

程明(1990—)，女，學(xué)士，研究方向?yàn)殡娏π畔⒒⒋髷?shù)據(jù)等，E-mail: chengming1@sgepri.sgcc.com.cn。

(責(zé)任編輯：楊秋霞)

Study on Peak Load Shifting Management Based on the Big Data TechnologyZHANG Xin, LI Donghua, CHENG Ming

(NARI Accenture Information Technology Center Co.,LTD, Beijing 100096,China)

摘要：為有效地降低峰谷差，提高負(fù)荷率，本文提出了一種面向智能電網(wǎng)的錯(cuò)峰用電管理新思路，利用大數(shù)據(jù)技術(shù)進(jìn)行用戶的用電模式識(shí)別，并將這項(xiàng)技術(shù)應(yīng)用到錯(cuò)峰用電管理領(lǐng)域當(dāng)中，針對(duì)用戶不同的用電特點(diǎn)，考慮差異化錯(cuò)峰用電策略。這種基于用戶的用電模式識(shí)別而開(kāi)展的錯(cuò)峰潛力分析，可有效地彌補(bǔ)現(xiàn)有錯(cuò)峰用電管理方式相對(duì)粗放的不足。

關(guān)鍵詞：大數(shù)據(jù)技術(shù)；錯(cuò)峰用電；用電模式識(shí)別；負(fù)荷特性；聚類分析

Abstract：In order to reduce the difference between peak and valley load effectively and improve load rate, a new idea for peak load shifting management is presented for smart grid, in which the electricity consumption pattern is recognized by using big data technology. In addition, this technology is also applied to peak load shifting management, and different peak load shifting strategies are considered as to the consumption characteristics of different users. The peak load shifting potential analysis based on pattern recognition can make up for the shortcoming of extensive peak load shifting management effectively.

Keywords：big data technology; peak load shifting; electricity consumption pattern recognition；load characteristics; cluster analysis

作者簡(jiǎn)介：

收稿日期：2014-07-18

文章編號(hào)：1007-2322(2015)03-0066-05

文獻(xiàn)標(biāo)志碼：A

中圖分類號(hào)：TM7