CN104091227A - 一种城市用电用户的负荷密度分析方法 - Google Patents
一种城市用电用户的负荷密度分析方法 Download PDFInfo
- Publication number
- CN104091227A CN104091227A CN201410269901.0A CN201410269901A CN104091227A CN 104091227 A CN104091227 A CN 104091227A CN 201410269901 A CN201410269901 A CN 201410269901A CN 104091227 A CN104091227 A CN 104091227A
- Authority
- CN
- China
- Prior art keywords
- sample
- load density
- load
- interval
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种城市用电用户的负荷密度分析方法,包括以下步骤:首先,确定研究对象,筛选出各类用电用户的样本,所筛选样本应涵盖不同配变容量、配变投运时间;然后收集各样本的投运时间、建筑面积以及近3~5年的年最大负荷数据,计算样本的负荷密度;接着将各类用户按投运时间分成若干个区间,分别计算各类用户在各区间的负荷密度的平均值、最大值、最小值,并剔除其中的特殊样本;最后,重新计算剩余样本中各类用户各区间的负荷密度的平均值、最大值、最小值,并得到各区间的负荷密度的推荐值。本发明的方法,不仅能得到各类用电用户的负荷密度推荐值,而且能通过划分区间分析的方法推断出各类用户负荷密度的发展轨迹。
Description
技术领域
本发明涉及用电用户业扩负荷报装工作领域,特别涉及一种城市用电用户的负荷密度分析方法。
背景技术
由于城市用电总量不断增长、负荷构成复杂化等原因,负荷密度的计算日益受重视。用电用户在申请用电时需要估算用电量的大小,防止报装容量过大时造成浪费资源,投资过高,报装容量过小时无法满足电量需求。供电企业在受理业扩报装业务也需要核实用户的报装容量,以提高设备的利用率,保证电力系统的稳定运行。其中,业扩报装业务是指受理客户用电申请,根据客户用电需求和电网供电的实际情况,办理用电与供电不断扩充的有关业务工作的过程。精确的负荷密度计算结果可以作为业扩报装时确定用户的报装容量是否合理的参考依据。
目前用电用户的负荷计算方法主要采用负荷密度指标法。负荷密度指标法的基本步骤为根据片区内不同性质地块的分布情况以及相应的建筑面积,结合相应地块的负荷密度指标,计算该用电用户或该地区的负荷数值。负荷密度指标的正确选取是保证负荷密度计算精度的关键所在,但是现有的负荷密度分析方法存在如下问题:
1、传统上采用简单的类比方法或者依靠工作人员的经验,粗略地估算该用电用户或该地区的负荷密度,这种方法虽然简单易用,但实际应用时往往有很大的误差;
2、基于元胞历史数据等智能算法的负荷密度指标求取方法计算过程过于繁琐,且普遍存在对样本依赖性比较强的问题,实际工作上应用并不多;
3、上述两种方法给出的负荷密度指标仅为一个参考值,而忽略了用电用户在不同的发展时期其规模不一,负荷的发展需要经历从起步到饱和的过程,不能仅用一个参考值概括该过程。
因此,人们需要一种能考虑负荷发展规律的城市用电用户的负荷密度分析方法,以满足需求。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种城市用电用户的负荷密度分析方法,其对用电用户的负荷发展过程划分不同的阶段,以研究其增长规律,从而使得负荷计算结果能够充分考虑负荷的发展规律,具有更高的准确度。
本发明的目的通过以下的技术方案实现:
一种城市用电用户的负荷密度分析方法,包含以下顺序的步骤:
S1.确定研究对象,筛选各类用电用户的样本;
S2.划分区间,计算用电用户的负荷密度;
S3.剔除特殊样本;
S4.重新计算用电用户的负荷密度;
S5.获得负荷密度推荐值。
所述的城市用电用户的负荷密度分析方法,具体包含以下步骤:
(1)筛选出各类用电用户中具有代表性的样本,筛选原则为:
所选的样本应涵盖不同的配变容量,将它们按配变容量划分为三个区间,且使得配变容量平均分布于这三个区间;
所选样本的投运时间的跨度至少为15年;
(2)收集所有样本的负荷数据、建筑面积、配变投运时间数据,其中样本的负荷数据为样本下属所有配变近3~5年每年的最大负荷值;样本的配变投运时间数据为样本最新的配电房投运时间;
(3)计算各样本的负荷密度,计算公式如下:
式中,k为负荷密度,单位为W/m2;N为用户下属配电变压器的台数;Pi为第i台配变的年最大有功负荷,单位为kW;S为配变供电区域的建筑面积,单位为m2;
(4)对每类用户中的样本按配电投运时间从近到远排列,以4年或5年为间隔,对样本进行区间划分,使得样本尽可能平均分布在每个区间,分别计算各类用户各区间的负荷密度的平均值、最大值、最小值,其中,负荷密度平均值的计算公式为:
负荷密度最大值、最小值的计算公式为:
kmax=max{k1,k2,…km}
kmin=min{k1,k2,…km}
其中,kmax、kmin分别为该区间内负荷密度的平均值、最大值、最小值,ki(i=1,2,…,m)为该区间内第i个样本的负荷密度,m为样本个数;
(5)根据步骤(3)和步骤(4)的计算结果,筛选出各类用户各区间的特殊样本,筛选方法是:
一个样本有两个负荷密度值偏离平均值60%;
(6)将步骤(5)中筛选出来的特殊样本的数据剔除,对剩余样本重新进行步骤(4)的计算,得出各区间的平均值、最大值、最小值,并得到各区间的负荷密度的推荐值;
(7)最后根据样本的负荷密度数据的分析结果,为所研究的城市的各类型用电用户的各区间确定负荷密度的推荐值;确定方法为:
其中,kt表示区间的负荷密度推荐值,为该区间的负荷密度平均值。
所述的城市用电用户的负荷密度分析方法,在实际应用中,可根据企业或个人的需要适当调整负荷密度指标值,但不能超出步骤(6)中得到的负荷密度指标值的最大值以及最小值所限定的范围。
本发明与现有技术相比,具有如下优点和有益效果:
1、在用电用户负荷密度的分析中,提出了按投运时间划分区间的方法,能更详细地分析各类用电用户在不同发展时期的负荷变化趋势,有助于提供更精确的负荷;
2、提出了剔除特殊样本的方法,去除相应区间内的异常数据,使结果得到进一步的优化,得到更加精确的负荷密度推荐值。
附图说明
图1为本发明所述的城市用电用户的负荷密度分析方法的流程图;
图2为图1所述方法的剔除特殊样本的流程图;
图3为图1所述方法的居民(住宅)建筑最大负荷密度分布图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1,一种城市用电用户的负荷密度分析方法,包含以下顺序的步骤:
S1.确定研究对象,筛选各类用电用户的样本;
S2.划分区间,计算用电用户的负荷密度;
S3.剔除特殊样本;
S4.重新计算用电用户的负荷密度;
S5.获得负荷密度推荐值。
所述的城市用电用户的负荷密度分析方法,具体包含以下步骤:
(1)筛选出各类用电用户中具有代表性的样本,筛选原则为:
所选的样本应涵盖不同的配变容量,将它们按配变容量划分为三个区间,且使得配变容量平均分布于这三个区间;
所选样本的投运时间的跨度至少为15年;
(2)收集所有样本的负荷数据、建筑面积、配变投运时间数据,其中样本的负荷数据为样本下属所有配变近3~5年每年的最大负荷值;样本的配变投运时间数据为样本最新的配电房投运时间;
(3)计算各样本的负荷密度,计算公式如下:
式中,k为负荷密度,单位为W/m2;N为用户下属配电变压器的台数;Pi为第i台配变的年最大有功负荷,单位为kW;S为配变供电区域的建筑面积,单位为m2;
(4)对每类用户中的样本按配电投运时间从近到远排列,以4年或5年为间隔,对样本进行区间划分,使得样本尽可能平均分布在每个区间,分别计算各类用户各区间的负荷密度的平均值、最大值、最小值,其中,负荷密度平均值的计算公式为:
负荷密度最大值、最小值的计算公式为:
kmax=max{k1,k2,…km}
kmin=min{k1,k2,…km}
其中,kmax、kmin分别为该区间内负荷密度的平均值、最大值、最小值,ki(i=1,2,…,m)为该区间内第i个样本的负荷密度,m为样本个数;
(5)如图2,根据步骤(3)和步骤(4)的计算结果,筛选出各类用户各区间的特殊样本,筛选方法是:
一个样本有两个负荷密度值偏离平均值60%;
(6)将步骤(5)中筛选出来的特殊样本的数据剔除,对剩余样本重新进行步骤(4)的计算,得出各区间的平均值、最大值、最小值,并得到各区间的负荷密度的推荐值;
(7)最后根据样本的负荷密度数据的分析结果,为所研究的城市的各类型用电用户的各区间确定负荷密度的推荐值。确定方法为:
其中,kt表示区间的负荷密度推荐值,为该区间的负荷密度平均值;
所述的城市用电用户的负荷密度分析方法,在实际应用中,可根据企业或个人的需要适当调整负荷密度指标值,但不能超出步骤(6)中得到的负荷密度指标值的最大值以及最小值所限定的范围。
下面以某市某区为例,对城市用电用户的负荷密度分析方法进行详细的描述,但本发明的应用不限于此。
选取某区51个具有代表性的居民建筑作为样本研究该区,根据用户的年最大负荷与建筑面积计算出各样本从2010年到2013年用电用户的负荷密度,并结合配电房的投运年份,制成下表。
表1居民(住宅)建筑负荷密度统计
根据样本的负荷密度以及配变投运时间绘制成散点图,如附图3所示:
附图3实线为平均值折线,虚线为平均值趋势线,点表示用电用户相应投运年份的负荷密度。
从附图3见,随着投运时间的增加,各样本负荷密度总体呈现逐年增长趋势,负荷大体在投运第6年达到最大值并趋于平稳;负荷密度的平均值也是呈现逐年增长的趋势,并在第8年达到最大值并趋于平稳。总体而言,小区负荷密度稳定在5-15W/m2。
根据居民(住宅)样本的配变投运时间,以5年为一个区间,划分成3个区间,如表2所示。
表2各区间的最大负荷密度分析
投运年区间(年) | 平均值(W/m2) | 最大值(W/m2) | 最小值(W/m2) | 超过10W/m2的占比 |
2013-2009 | 7.78 | 15.64 | 0.24 | 19.00% |
2008-2004 | 10.43 | 15.25 | 4.44 | 58.82% |
2003-1999 | 10.35 | 18.76 | 5.28 | 47.22% |
注:最小值是指剔除所有为零的数据后的最小值。
从表2可见,2003-1999年间投运的样本的负荷密度值分布在[5.28,18.76]区间内,2008-2004年间投运的样本的负荷密度值的分布区间为[4.44,15.25],2013-2009年投运的则分布在[0.72,15.64];从平均值来看,2003-1999年间投运的样本的平均值最大,而2013-2009年间投运的样本的平均值最小;在超过10W/m2的占比指标中,2008-2004年间投运的样本的占比最大,为58.82%,2003-1999年间投运的样本次之,为47.22%,2013-2009年间投运的样本最小,为19.00%。
将表1中的特殊样本剔除后,重新分析各区间的指标,如下表所示。##
表3各区间的最大负荷密度分析(剔除后)
投运年区间(年) | 平均值(W/m2) | 最大值(W/m2) | 最小值(W/m2) | 超过10W/m2的占比 |
2013-2009 | 7.51 | 12.29 | 1.76 | 17.91% |
2008-2004 | 10.43 | 15.25 | 4.44 | 58.82% |
2003-1999 | 10.35 | 18.76 | 5.28 | 47.22% |
分析上表,可得出如下结论:
(1)2013-2009年间投运的住宅小区的各项指标均较小,表明住宅小区建成5年内,属于负荷增长期;
(2)2013-2009年间投运的住宅小区的最大负荷密度的平均值为7.51W/m2,最大值为12.29W/m2,最小值仅为1.76W/m2,三者相去甚远,可见近年建设小区的最大负荷密度有增长趋势,但由于负荷密度受地段影响较大,所以不同楼盘负荷密度差异也较大。
(3)根据各区间的平均值对比,可见最早建成的小区平均负荷密度较高,人流比较集中。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种城市用电用户的负荷密度分析方法,其特征在于,包含以下顺序的步骤:
S1.确定研究对象,筛选各类用电用户的样本;
S2.划分区间,计算用电用户的负荷密度;
S3.剔除特殊样本;
S4.重新计算用电用户的负荷密度;
S5.获得负荷密度推荐值。
2.根据权利要求1所述的城市用电用户的负荷密度分析方法,其特征在于,具体包含以下步骤:
(1)筛选出各类用电用户中具有代表性的样本,筛选原则为:
所选的样本应涵盖不同的配变容量,将它们按配变容量划分为三个区间,且使得配变容量平均分布于这三个区间;
所选样本的投运时间的跨度至少为15年;
(2)收集所有样本的负荷数据、建筑面积、配变投运时间数据,其中样本的负荷数据为样本下属所有配变近3~5年每年的最大负荷值;样本的配变投运时间数据为样本最新的配电房投运时间;
(3)计算各样本的负荷密度,计算公式如下:
式中,k为负荷密度,单位为W/m2;N为用户下属配电变压器的台数;Pi为第i台配变的年最大有功负荷,单位为kW;S为配变供电区域的建筑面积,单位为m2;
(4)对每类用户中的样本按配电投运时间从近到远排列,以4年或5年为间隔,对样本进行区间划分,使得样本尽可能平均分布在每个区间,分别计算各类用户各区间的负荷密度的平均值、最大值、最小值,其中,负荷密度平均值的计算公式为:
负荷密度最大值、最小值的计算公式为:
kmax=max{k1,k2,…km}
kmin=min{k1,k2,…km}
其中,kmax、kmin分别为该区间内负荷密度的平均值、最大值、最小值,ki(i=1,2,…,m)为该区间内第i个样本的负荷密度,m为样本个数;
(5)根据步骤(3)和步骤(4)的计算结果,筛选出各类用户各区间的特殊样本,筛选方法是:
一个样本有两个负荷密度值偏离平均值60%;
(6)将步骤(5)中筛选出来的特殊样本的数据剔除,对剩余样本重新进行步骤(4)的计算,得出各区间的平均值、最大值、最小值,并得到各区间的负荷密度的推荐值;
(7)最后根据样本的负荷密度数据的分析结果,为所研究的城市的各类型用电用户的各区间确定负荷密度的推荐值;确定方法为:
其中,kt表示区间的负荷密度推荐值,为该区间的负荷密度平均值。
3.根据权利要求2所述的城市用电用户的负荷密度分析方法,其特征在于,在实际应用中,可根据企业或个人的需要适当调整负荷密度指标值,但不能超出步骤(6)中得到的负荷密度指标值的最大值以及最小值所限定的范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410269901.0A CN104091227B (zh) | 2014-06-17 | 2014-06-17 | 一种城市用电用户的负荷密度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410269901.0A CN104091227B (zh) | 2014-06-17 | 2014-06-17 | 一种城市用电用户的负荷密度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104091227A true CN104091227A (zh) | 2014-10-08 |
CN104091227B CN104091227B (zh) | 2017-02-08 |
Family
ID=51638942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410269901.0A Active CN104091227B (zh) | 2014-06-17 | 2014-06-17 | 一种城市用电用户的负荷密度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091227B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117973A (zh) * | 2015-07-31 | 2015-12-02 | 国家电网公司 | 基于营销数据和统计学确定居民户均容量分类阈值的方法 |
CN107807961A (zh) * | 2017-10-10 | 2018-03-16 | 国网浙江省电力公司丽水供电公司 | 一种基于Spark计算引擎的配电网大数据分区处理方法 |
CN108665376A (zh) * | 2018-04-06 | 2018-10-16 | 东北电力大学 | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 |
CN110414776A (zh) * | 2019-06-14 | 2019-11-05 | 国网河南省电力公司郑州供电公司 | 分行业用电特性快速响应分析系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6014654A (en) * | 1996-03-29 | 2000-01-11 | Nec Corporation | Information filtering apparatus for filtering information for interests of users and a method therefor |
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN102930481A (zh) * | 2012-11-20 | 2013-02-13 | 广东电网公司 | 电网负荷密度分析方法及系统 |
CN103632306A (zh) * | 2013-09-23 | 2014-03-12 | 国家电网公司 | 一种基于聚类分析的配电网供电区域划分方法 |
-
2014
- 2014-06-17 CN CN201410269901.0A patent/CN104091227B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6014654A (en) * | 1996-03-29 | 2000-01-11 | Nec Corporation | Information filtering apparatus for filtering information for interests of users and a method therefor |
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN102930481A (zh) * | 2012-11-20 | 2013-02-13 | 广东电网公司 | 电网负荷密度分析方法及系统 |
CN103632306A (zh) * | 2013-09-23 | 2014-03-12 | 国家电网公司 | 一种基于聚类分析的配电网供电区域划分方法 |
Non-Patent Citations (2)
Title |
---|
CARRENO E M,PADILHA-FELTRIN A: "Evolutionary heuristic to determine future land use", 《PROCEEDINGS OF POWER AND ENERGY SOCIETY GENERAL MEETING-CONVERSION AND DELIVERY OF ELECTRICAL ENERGY IN THE 21ST CENTURY》 * |
何允红,李振元,王占英: "基于聚类分析的配电网小区负荷预测", 《吉林电力》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117973A (zh) * | 2015-07-31 | 2015-12-02 | 国家电网公司 | 基于营销数据和统计学确定居民户均容量分类阈值的方法 |
CN107807961A (zh) * | 2017-10-10 | 2018-03-16 | 国网浙江省电力公司丽水供电公司 | 一种基于Spark计算引擎的配电网大数据分区处理方法 |
CN108665376A (zh) * | 2018-04-06 | 2018-10-16 | 东北电力大学 | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 |
CN108665376B (zh) * | 2018-04-06 | 2021-06-18 | 东北电力大学 | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 |
CN110414776A (zh) * | 2019-06-14 | 2019-11-05 | 国网河南省电力公司郑州供电公司 | 分行业用电特性快速响应分析系统 |
CN110414776B (zh) * | 2019-06-14 | 2022-11-29 | 国网河南省电力公司郑州供电公司 | 分行业用电特性快速响应分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104091227B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jing et al. | Distributed or centralized? Designing district-level urban energy systems by a hierarchical approach considering demand uncertainties | |
WO2021196552A1 (zh) | 一种基于互馈关系解析的梯级水库风险评估方法及系统 | |
Guan et al. | Energy planning of university campus building complex: Energy usage and coincidental analysis of individual buildings with a case study | |
CN102402726B (zh) | 一种基于区域负荷分析的大规模配电网电力电量预测方法 | |
CN103942727B (zh) | 一种基于电网特征差异的线损水平评价方法 | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
CN106600104A (zh) | 一种综合能源系统能效的评估方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN103793788B (zh) | 一种有序用电管理方法 | |
CN102682218A (zh) | 一种工业用户电力能效评估方法 | |
CN104091293B (zh) | 基于用电结构变动的电网长期负荷特性预测方法 | |
CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
CN104091227A (zh) | 一种城市用电用户的负荷密度分析方法 | |
CN103310284B (zh) | 经济负荷和降温负荷的确定方法及负荷确定装置 | |
CN104636834B (zh) | 一种改进的联合概率规划模型系统优化方法 | |
CN101916335A (zh) | 城市需水量时间序列-指数平滑模型预测方法 | |
CN103810532A (zh) | 优化城市排水系统运行状况的方法 | |
CN104092215B (zh) | 配电变压器容量控制方法与系统 | |
Salam et al. | Energy consumption prediction model with deep inception residual network inspiration and LSTM | |
CN101916313A (zh) | 一种城市给水管网功能优化的方法 | |
Lu et al. | An inexact programming approach for urban electric power systems management under random-interval-parameter uncertainty | |
Yan et al. | Evaluation and prediction of water resources carrying capacity in Jiangsu Province, China | |
CN102663517A (zh) | 基于工询业扩和温度还原模型的年最大负荷预测方法 | |
CN103956732A (zh) | 一种基于行业平均峰谷差率进行组合供电的方法 | |
CN109741213A (zh) | 一种零能耗建筑耗能控制方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |