CN103198139A - 用户电力数据的用能分析方法 - Google Patents

Abstract

本发明涉及用户电力数据的用能分析方法，属电力系统数据分析领域。这一用能分析方法包含以下步骤：数据整合、用能数据分析和海量数据处理。本发明系统完整地对用能分析进行了设计，在设计中体现了多方位、多场景的用能分析特点，将用能统计分析、能效指标评级、能效诊断、能效措施效益跟踪管理和异常监控一体化集成在用能分析中；对海量数据处理进行优化，采用中间结果集、层次粒度处理法对数据进行高效处理。从时间粒度分级对数据进行处理，根据计算分项粒度的大小来从低层次到高层次进行统计计算，形成了从点到面高效计算。为了避免大量重复的计算，将数据集进行分类，存储中间数据到临时表中，极大地提高数据的利用效率。

Description

用户电力数据的用能分析方法

技术领域  

本发明涉及一种用户电力数据的用能分析方法，本发明属电力系统数据分析领域。

背景技术  

互动服务门户技术是智能电网技术中一个新兴分支，目的在于探索我国智能用电交互技术，建立一个能够针对不同类型用户多方位的数据分析、展示和交互的平台。其中电力数据的用能分析方法的研究是其中探索研究的关键之一，虽然以前也有过许多对用能分析相关零碎的探讨和分析，但是不够构建完整系统的用能分析。

1 文献资料研究

根据相关的文献资料可以看出，目前针对用能分析方法的学术性研究大致可以分为如下几个方向：

电力数据分析方法的研究

研究主要针对供电电力数据质量分析，包括电力质量异常检测和故障检测等，其成果主要用在改善电力供电质量和进行故障检修等，另外的电力数据分析主要是对当前电力行业进行统计分析，以达到预测以后电力行业发展状况的目的。而本研究系统完整的研究了用电相关的数据分析和展示技术，以提供一个灵活互动服务平台。

（2）电力数据海量数据处理方法研究

在文献资料中，广泛存在“数据海量处理”的相关研究资料。这部分有关海量电力数据的处理方法主要集中在数据整合、数据查询优化、数据传输优化等，目的主要是解决海量电力数据存储问题，电力数据实时传输问题和进行报表制作的查询速度问题。

对于本研究而言，进行海量数据处理机制的研究主要目的是支持提出的电力数据分析方法，在现有的技术基础上，通过调整数据处理的步骤和信息粒度来对信息进行处理以达到数据处理高效准确性。通过实际数据的分析处理和验证，支撑智能用能数据分析。

2 实际应用分析

在实际工作中，随着人们对电力数据部分公开的需要和国网信息化互动化程度的提高，人们开始考虑如何完整系统地对电力数据进行分析，并运用当前海量数据处理技术对数据进行处理，以提供一种可靠有效的用能分析方法，达到多方位互动、高效灵活互动的效果。从相关文献看来，这部分分析主要包括：

（1）电力数据分析方法的研究

结合当前电网的数据采集发展状况，对以往电力数据的分析进行汇总，并根据现有电力系统发展状况，进行系统化分析研究提出一种完整有效的电能数据分析方法。

这些分析往往立足点较高，涉及数据采集信息化传输、智能电表应用、网络建设和设备水平等多方面内容，这是当前智能电网互动服务的需求，目前正在探索中。目前电能数据分析这一方面的实际应用尚未形成体系化、标准化的方法，且其工作思路与本研究成果思路也不相同（本研究成果探索了大量能效指标，并给出了进行限值异常报警和能效措施自动跟踪等，这是目前这方面实际应用中所不存在的），本研究成果是对智能电网用能互动化服务一个很好的尝试，能够很好的指导这一方面工作。

（2）电力数据海量数据处理方法研究

在对电力系统电能数据的存储、传输、查询优化以提供利用当前数据挖掘技术对电能数据进行相应分析提供一种满足专门角度（比如报表制作等）的需要，保证电力数据的稳定性存储和流畅查询。

这部分内容在考虑范围之内，并结合多场景数据整合的基础上，提出了对电能海量数据进行了较为周全初步分析和处理方法。

发明内容

本发明的目的是在现有学术研究、实际工作的基础上，为达到更系统高效的用能分析目的，首次提出了一套完善的智能用能分析方法，这是以往任何工作所无法达到的。

本发明采取的技术方案是：

本发明的用能分析方法包含以下步骤：数据整合、用能数据分析和海量数据处理。

(1)数据整合是指利用现在已有集群，保证电力数据安全高效特性，将各个源数据进行抽取汇总，在抽取过程中，也包括少量的统计计算；

(2)用能数据分析着重于用能数据的分析设计，包括系统地确定分析的内容：用能能耗统计分析和诊断、能效指标确定、跟踪和智能数据处理等。其中智能数据处理包括以下两个步骤：

缺失值处理：

为了弥补电量数据采集的缺失，可以采用多种算法模型进行处理，根据选择产生的曲线效果和特征值进行计算，可以由专业人员对算法的效果进行评估，从而选取特定的适合当前时间区段的缺失值计算模型。主要涉及到的缺失值计算模型包括：均值插补、同类均值插补、极大似然估计、多重插补。

数据分析和预测：

在保证电力数据完备性的条件下，数据分析算法在一种场合使用，可能在更换时间数据的情况下，有意义的数据分析算法有所变化。为了能够极大利用当前数据进行多种数据分析的尝试，以发挥数据挖掘的灵活性。数据分析模块设计多种备用算法库，可以由人为触发进行探索性数据挖掘。在探索模式中选取数据分析算法对选定数据进行处理，产生数据分析结果。根据人为经验对挖掘模型进行甄选，经过多个专业人员和一段时间的甄选打分，可以对数据分析算法进行打分统计，产生报表，以供参考。对打分高的算法可以进行勾选移到常规算法库中，可以用来在常规模式进行常规数据挖掘。设计到的数据分析算法模块有：电量异常数据的智能诊断、峰谷电价与电量消耗的关联规则提取、电量负荷预测。

(3)电量统计计算包括电量数据按刻、时、天、月和年进行计算，对其中时间粒度对应的线路电量数据又分为分项计算、一级子项计算和二级子项计算，除此之外，还有对应时间粒度进行异常电量分析、电流电压等质量分析等。计算量巨大，为了提高海量数据统计效率，运用了现有集群技术以提高负载均衡，通过设计执行脚本对数据分层计算、定时抽取和计算等来减少计算的重复量，达到提高效率。

(4)电能质量评价。电能质量的评价从电压偏差、电压波动、电压闪变、频率偏差、三相不对称度、谐波、功率因数、瞬态过电压方面进行综合评价，获得各因素权重。在初步获得各因素权重后，为了克服主观性，采用熵权来进行各因素权重的修正。

在实际应用时，工作人员根据现有数据和需要汇集数据使用的频率和数据量的大小，可以对数据整合进行有效科学的设计；然后根据现场数据的具体分析可以得到异常诊断临界值的设定；之后通过合理设计统计计算脚本，利用中间结果集来提高统计分析效率，保证整个用能分析系统有效地进行。

本发明的主要特点：

1、系统完整地对用能分析进行了设计，在设计中体现了多方位、多场景的用能分析特点，将用能统计分析、能效指标评级、能效诊断、能效措施效益跟踪管理和异常监控一体化集成在用能分析中。

2、对海量数据处理进行优化，采用中间结果集、层次粒度处理法对数据进行高效处理。从时间粒度分级对数据进行处理，根据计算分项粒度的大小来从低层次到高层次进行统计计算，形成了从点到面高效计算。为了避免大量重复的计算，将数据集进行分类，存储中间数据到临时表中，极大地提高数据的利用效率。

本发明所能产生的效果:

1、为用户提供了高效有效互动服务，加强了电网和用户互动，丰富了服务内容，提高了服务质量；

2、提出了系统完整的一体化用能分析服务，为提高电网经营管理水平提供重要的指导意义；

3、提出了配电网可靠性的评估体系和方法，为大规模开展可靠性评估分析与规划提供了整套技术方案；

4、能够及时发现能效异常，便于发现电网工作中存在的不足之处，便于及时予以调整；

5、结合当前现代计算机基础、数据挖掘技术、海量数据处理技术和电力系统计算与分析技术对全网运行实时状况进行了较为系统地分析，加快了电网建设与改造提供有效的技术支持，对智能电网互动化技术是一次有意义的探索；

6、全面提升了用户的满意率，提升电力企业的企业形象和社会品牌价值；

7、能够为预测某区域具体分项能效状况，采取节能措施取得节能环保效益和直接经济效益，从而进行有关决策或为制定相关原则提供理论支持。

附图说明  

图1是电力数据统计结构图；

图2是总体电量数据统计分析流程总图。

具体实施方式

1 用能分析

（1）实施目的

在智能电网的建设发展中，针对电力数据全方位系统的用能分析是一项当前尚无实际开展经验的工作，也是对智能用能互动化服务的一种探索性尝试。用能分析设计工作能够从多角度、多场景出发反映当前对电网互动化需求和电网维护节能改进需求的迫切程度，可以通过分析用户用能数据，诊断分析用户能效水平，为用户提供用能策略、用能辅助决策等多样化技术，最终实现节能技术在终端用户中的推广和使用。

（2）实施思路

1）资料收集整理

对当前电力系统涉及到的用能分析方法和内容进行调研和收集，整理出当前用能分析方法现状；

2）研究当前智能电网需求

根据国家智能电网建设现状的开展情况和互动化服务建设目标，确定用能分析综合目标；

3）调研相关技术

对用能分析方法涉及到相关的技术进行调研，通过对技术现状的研究来确定当前要实现的集成技术的可行性。

4）结合分析     

结合当前硬件、软件、技术现状，估算所带来的经济社会效益，系统化研究用能分析，实现工作目标。

（3）实施效果

1）明确用能分析目标和内容，为下一步智能用能分析提供支撑；

2）根据当前技术的现状和新技术集成研究，为今后智能电网建设提供技术指导。

3）根据当前节能分析和经济效益分析，制定相应合理有效的节能措施和长远的节能计划；

2 电力数据海量数据处理

（1）实施目标

任何系统的数据分析设计都需求技术和基层数据的大力支撑，因此需要根据已有海量数据技术和数据整合现状进行分析，来支撑用能分析，使得该用能分析具有良好的性能和效率，以提供给用户快捷高效的服务质量。

（2）实施思路

1）数据整合现状研究

根据实际电力数据采集分布情况，对数据源的来源、访问频率和数据量大小进行权衡分析参照当前数据整合方案研究，了解策划当前数据整合方案。

2）数据库集群技术研究

对当前数据库集群技术进行研究，根据现有数据处理和分析技术确定数据库集群架构，提高数据分析处理性能。

3）确定海量数据分析处理方法

对数据分析分项进行划分，对数据分析时间粒度进行划分，根据处理流程优化数据处理效率，提高数据分析处理速度。

如图1和图2所示，电量统计计算包括电量数据按刻、时、天、月和年进行计算，对其中时间粒度对应的线路电量数据又分为分项计算、一级子项计算和二级子项计算，除此之外，还有对应时间粒度进行异常电量分析、电流电压等质量分析等。计算量巨大，为了提高海量数据统计效率，运用了现有集群技术以提高负载均衡，通过设计执行脚本对数据分层计算、定时抽取和计算等来减少计算的重复量，达到提高效率。

4）设计程序

根据以上技术和数据分析处理优化设计，在数据库中设置定时器，并编写脚本来完成海量电力数据分析处理。

（3）实施效果

1）明确电力数据数据分析粒度的特性，为今后进一步提升和优化数据处理提供指导。

2）在数据整合和集群技术研究中，选择有效而经济的电网数据整合和布置方式；

3）对现代计算机技术、数据挖掘技术进一步引入到电力数据用能分析中提高用能服务互动性提供技术铺垫；

4）明确了软硬件配置等条件，并结合未来规划，能够对系统化电能分析服务成本和效益进行计算。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1. 一种用户电力数据的用能分析方法，其特征是，包含以下步骤：

(1)数据整合：将各个源数据进行抽取汇总；

(2)用能数据分析：基于整合的数据，系统地确定分析的内容：包括用能能耗分析和诊断、能效指标确定、跟踪和智能数据处理； 

(3) 海量数据处理：对电量统计进行计算，包括电量数据按刻、时、天、月和年进行计算，对其中时间粒度对应的线路电量数据又分为分项计算、一级子项计算和二级子项计算，除此之外，还包含对应时间粒度进行异常电量分析、电流电压质量分析。

2.根据权利要求1所述的用户电力数据的用能分析方法，其特征是，还包含电能质量评价的步骤，电能质量的评价从电压偏差、电压波动、电压闪变、频率偏差、三相不对称度、谐波、功率因数、瞬态过电压方面进行综合评价，获得各因素权重。

3.根据权利要求2所述的用户电力数据的用能分析方法，其特征是，在获得各因素权重后，采用熵权来进行各因素权重的修正。

4.根据权利要求1所述的用户电力数据的用能分析方法，其特征是，其中智能数据处理包括以下两个步骤：

a、缺失值处理：

为了弥补电量数据采集的缺失，采用多种算法模型进行处理，根据选择产生的曲线效果和特征值进行计算，对算法的效果进行评估，从而选取适合当前时间区段的缺失值计算模型；

b、数据分析和预测：

包含多种备用算法库，由人为触发进行探索性数据挖掘；在探索模式中选取数据分析算法对选定数据进行处理，产生数据分析结果；根据人为经验对挖掘模型进行甄选，经过多个专业人员和一段时间的甄选打分，对数据分析算法进行打分统计，产生报表；对打分最高的算法进行勾选移到常规算法库中，用来在常规模式进行常规数据挖掘。

5.根据权利要求4所述的用户电力数据的用能分析方法，其特征是，所述缺失值计算模型为：均值插补、同类均值插补、极大似然估计或多重插补。

6.根据权利要求4所述的用户电力数据的用能分析方法，其特征是，所述数据分析算法模块有：电量异常数据的智能诊断、峰谷电价与电量消耗的关联规则提取、电量负荷预测。

7.根据权利要求1所述的用户电力数据的用能分析方法，其特征是，所述海量数据处理运用集群技术提高负载均衡，通过执行脚本对数据分层计算、定时抽取和计算来减少计算的重复量。

Images