ارايه راهكار دو ‌مرحله‌اي جهت شناسايي الگوهاي مصرف برق

A Two-Stage Approach for Pattern Recognition of Electricity Consumption

با در نظر گرفتن هزينه‌هاي بسيار بالاي توليد انرژي، شناسايي رفتار و الگوي مصرف مشتركين نيروي برق نقش بسيار موثري را در اتخاذ سياستهاي مديريت انرژي ايفا مي‌كند. همچنين با رقابتي شدن فعاليتهاي شركتهاي توزيع اين امر به تعريف نظامهاي تعرفه اي صحيح نيز كمك مي‌كند. از مهمترين مسايل اين حوزه ارايه راهكاريست كه علاوه بر ميزان مصرف، شكل الگوي مصرف مشتركين را نيز به خوبي تشخيص دهد. اين مقاله راهكاري مبتني بر شبكه‌هاي خودسازمانده ارايه كرده است كه در قدم اول ضمن طراحي، بهينه سازي و اجراي شبكه، نگاشتي از الگوهاي ورودي تهيه مي‌كند. سپس فرآيند دو مرحله‌اي خوشه‌بندي را انجام مي‌دهد. در مرحله اول خوشه‌بندي نگاشت را با تمركز بر شكل نمودارهاي مصرف انجام داده سپس در مرحله دوم، هر يك از خوشه‌ها را با بر اساس ميزان مصرفشان به زيرخوشه‌هايي تقسيم مي‌كند. نماينده هر زيرخوشه، معرف يكي از الگوهاي رفتاري مشتركين خواهد بود. علاوه بر شناسايي الگوها، تحليل و تفسير خروجيهاي شهودي شبكه دانش مفيدي را در اختيار مديران قرار مي‌دهد. راهكار پيشنهادي بر روي داده‌هاي مصرف نيروي برق در سال 93 در شهرستان عنبرآباد استان كرمان اعمال و نتايج با راهكارهاي قبلي مورد مقايسه قرار گرفته است.

Considering high cost of producing energy, recognition the patterns and behaviors of customer’s consumption is very important for strategic decision-making and designing the tariff in the competitive market of energy. In this scope, an approach is needed witch considers the similarity in terms of the shape of the load curve (e. g. peaks and valleys on the curve) instead of simply comparing the values. This paper has presented an approach based on Self Organizing Map that designs, optimizes, and develops the network and build the map. Then this map is clustered in two steps. In the first step, the map is clustered based on the shape of the curve. In the second step, each cluster divided to some sub clusters based on the values. Representative of each sub cluster determines the one pattern of the customer’s consumptions. Analysis of the patterns provides valuable knowledge. Presented approach has been applied on the consumption profiles of customers in Anbarabad city of Kerman and the results have been compared with previous approaches.