CN104951840A - 一种电力市场用电总体趋势的分析方法 - Google Patents
一种电力市场用电总体趋势的分析方法 Download PDFInfo
- Publication number
- CN104951840A CN104951840A CN201410111162.2A CN201410111162A CN104951840A CN 104951840 A CN104951840 A CN 104951840A CN 201410111162 A CN201410111162 A CN 201410111162A CN 104951840 A CN104951840 A CN 104951840A
- Authority
- CN
- China
- Prior art keywords
- electricity
- data
- market
- analysis
- electricity consumption
- 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.)
- Pending
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种电力市场用电总体趋势的分析方法,属于供用电管理领域。其对一个时间周期中本地区各类售电数据按照分类进行收集和汇总;对各类售电数据进行数据清理,得到完整的本地区各类售电数据;对各类售电数据的变化进行分析,得到本地区电力市场的用电总体趋势;根据历史完成售电量历史趋势数据、近两年业扩报装实际情况以及基于历史数据分析计算的极端气温对售电量的影响量,得到本地区电力市场的发展情况以及未来市场营销情况预测;借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持。可广泛用于供用电管理、电网优化和电力营销领域。
Description
技术领域
本发明属于供用电管理领域,尤其涉及一种用于电力市场用电总体趋势的预测分析方法。
背景技术
电力市场是在一定时间、地点条件下电力商品交换关系的总和,电力市场营销是通过电力市场交换来满足现实或潜在电力需求的综合性经营销售活动过程。在电力市场化改革的新形势下,作为电网经营企业要取得持续、稳定和快速发展,必须强化电力市场的营销管理,以市场需求为企业的出发点和落脚点,了解用电客户现在和将来的需求,采取各种有效的措施向用户进行营销。
在强化电力市场营销管理过程中,如何结合本供电地区实际,选择正确的电力市场营销战略和策略显得尤为重要。它是决电网经营企业全局性、长期性发展目标得以实现的基石。
电力市场营销活动的终极目标是开拓市场,占领市场,适应市场变化,满足社会需求,提高经济效益,增强电网经营企业实力。要实现这一目标,电网经营企业必须制定出具有科学性、可行性的电力市场营销战略和策略,而这又应当从全面准确分析电力市场状况入手。
授权公告日为2012年2月22日,授权公告号为CN102360475A的中国发明专利中公开了一种“城市输配电网供电能力协调匹配综合评估方法”,其包括以下步骤:(1)建立基于输配协调的城市电网供电能力评估指标体系,该评估指标体系包括:电网裕度类评估指标、结构类评估指标、匹配类评估指标和运行类评估指标;(2)建立城市电网供电能力评估指标体系中各个指标的评价特征函数;(3)建立基于输配协调的城市电网供电能力的综合评价数学模型。该发明通过输配电网协调匹配的思想,提出了完整适用于评估城市电网供电能力的指标体系,针对评价指标提出了评价指标计算模型、评价特征函数理论表达式和综合评价的算法模型,在保证城网安全、可靠的同时,优化网络结构进而优化电网投资结构,对提高企业的经济效益和社会效益具有巨大的现实意义。但其需要建立完整的供电能力评估指标体系、各个指标的评价特征函数和综合评价数学模型,对于一个局部区域性供电单位(例如某个城市的供电分公司)来说,数学模型的建模工作过于巨大,很多特征函数及其参数难以确定,给基层电力供电部门用电总体趋势的分析和预测带来一定的困难。
发明内容
本发明所要解决的技术问题是提供一种电力市场用电总体趋势的分析方法,其根据电力市场的现状及影响电力市场增长的因素,借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持,推进电能的有效利用。
本发明的技术方案是:提供一种电力市场用电总体趋势的分析方法,包括对历史供电数据的收集和分析,其特征是:
A、确定一个时间周期,对该时间周期中本地区各类售电数据按照分类进行收集和汇总;
B、对所收集和汇总的各类售电数据进行数据清理,得到完整的本地区各类售电数据;
C、对本地区各类售电数据的变化进行分析,得到本地区电力市场的用电总体趋势;
D、根据历史完成售电量历史趋势数据、近两年业扩报装实际情况以及基于历史数据分析计算的极端气温对售电量的影响量,得到本地区电力市场的发展情况以及未来市场营销情况预测;
E、借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持。
其中,所述的数据清理按照下列原则进行:根据样本数据筛选原则,对缺失严重的数据进行剔除,保证对完整的数据进行分析,确保分析结果的客观性和准确性。
具体的,其所述的样本数据筛选原则包括:
首先,确保用电类型相同,即同一个统号下,相同的电压等级,用电类别需要一致;其次,筛选出来的数据需要在每个月份都有记录;最后,剔除用电量为0的数据。
其所述的样本数据筛选原则使得该用电记录具有唯一性。
进一步的,其所述的分类收集和汇总按照用电类别进行分类汇总。
其所述的时间周期以年为单位。
本技术方案通过所述本地区电力市场用电总体趋势的分析,为电力市场分析及电网规划提供有效的数据支持,可用于分析预测不同行业发展周期性及先行行业。
与现有技术比较,本发明的优点是:
1.借助本地区电力市场用电总体趋势的分析,根据电力市场的现状及影响电力市场增长的因素,可对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持,推进电能的有效利用;
2.通过对本地区电力市场用电总体趋势的分析,结合该地区经济发展现状,可为电力市场分析及电网规划提供有效的数据支持,通过用电热点区域分析,为未来本地区的电力市场的热点区域预测提供可靠数据依据;
3.基于准确的历史数据积累,可以用于分析预测不同行业发展周期性及先行行业。
附图说明
图1是本发明方法的方框图;
图2是本地区大用户和全区总体用电趋势图;
图3是本地区2012年与2013年的用电量比较示意图;
图4是本地区大用户各用电类别用电趋势示意图;
图5是本地区大用户各用电类别(除大工业用电)用电趋势示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
图1中,本发明的技术方案提供了一种电力市场用电总体趋势的分析方法,包括对历史供电数据的收集和分析,其特征是:
A、确定一个时间周期,对该时间周期中本地区各类售电数据按照分类进行收集和汇总;
B、对所收集和汇总的各类售电数据进行数据清理,得到完整的本地区各类售电数据;
C、对本地区各类售电数据的变化进行分析,得到本地区电力市场的用电总体趋势;
D、根据历史完成售电量历史趋势数据、近两年业扩报装实际情况以及基于历史数据分析计算的极端气温对售电量的影响量,得到本地区电力市场的发展情况以及未来市场营销情况预测;
E、借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持。
其中,所述的数据清理按照下列原则进行:根据样本数据筛选原则,对缺失严重的数据进行剔除,保证对完整的数据进行分析,确保分析结果的客观性和准确性。
具体的,其所述的样本数据筛选原则包括:
首先,确保用电类型相同,即同一个统号下,相同的电压等级,用电类别需要一致;其次,筛选出来的数据需要在每个月份都有记录;最后,剔除用电量为0的数据。
其所述的样本数据筛选原则使得该用电记录具有唯一性。
进一步的,其所述的分类收集和汇总按照用电类别进行分类汇总。
其所述的时间周期以年为单位。
本技术方案通过所述本地区电力市场用电总体趋势的分析,为电力市场分析及电网规划提供有效的数据支持,可用于分析预测不同行业发展周期性及先行行业。
下面以某市某供电分公司2012年1-12月份用电量数据和2013年1-9月份的用电量数据为例,对本技术方案的分析方法做进一步的说明。
2012年的用电类别有9种,分别为大工业用电、非工业、非居民照明、居民生活用电、农业排灌、农业生产用电、普通工业、商业用电和中小学用电。
2012年大用户合计用电的个案数为4572条,用电总量为55.07997934亿kwh;全区合计用电的个案数为2728条,用电量为13.27645945亿kwh。
上述数据的汇总详见表1中所示。
另外,该年度数据中,其中1-9月份,大用户用电总量为41.58610191亿kwh,全区用电总量为10.36132279kwh。
表12012年大用户用电类别分类汇总
2013年的用电类别有10种,分别为城镇居民生活用电、大工业用电、非工业、非居民照明、居民生活用电、农业排灌、农业生产用电、普通工业、商业用电和中小学用电,相较于2012年,新增了城镇居民生活用电这一新用电类别,但是全区用电中无大工业用电类别记录。
2013年1-9月份,大用户合计用电的个案数为3330条,用电总量为43.47115507亿kwh;全区合计用电的个案数为2112条,用电量为11.35609248亿kwh。详见表2所示:
表2:2013年1-9月用电类别分类汇总
通过与2012年数据相比可知,大用户用电量较去年同期增长了4.53%;全区用电量较去年同期增长了9.6%。
由于原始数据数量比较多,我们需要对数据进行筛选,选出一个样本数据进行分析。对样本数据筛选按照下列原则进行:
首先,确保用电类型相同,即同一个统号下,相同的电压等级,用电类别需要一致;
其次,筛选出来的数据需要在每个月份都有记录。
最后,剔除用电量为0的数据。
根据统号、电压等级和用电类别,使得该用电记录有了唯一性,针对于12月份是否都有数据,对原始数据进行汇总。如果个案数满足12,则说明该用户在12个月都有用电记录,符合样本数据的要求;如不等于12,则说明不符合样本数据要求,予以剔除。
经过汇总和数据筛选,得到大用户和全区总体用电趋势如图2所示。
图2中,2012年大用户全年用电量中,10月份用电量最低,7月份用电量最高;全区用电量中,5月份用电量最低,8月份用电量最高。
2013年间,目前大用户最低用电量在2月份,最高在8月份;全区8月份最高,3月份最低。
在图3中,可以看出,2013年3月份、4月份这2个月较2012年同期相比,全区的用电量有所上升。
其它月份,全区和大用户的用电量较12年均有所增长。
从图4和图5中所示数据对比可以看出,大工业用电的趋势和总体趋势完全一致,由于其所占比重最大,所以对总体趋势有着决定性的影响作用。大工业用电2012年用电量中,8月份最高,1月份最低。2013年8月份的电量比2012年同期有所增长,增加了6.84%。
商业用电在总比重占第二,对总电量趋势有影响作用。在2012年2月份、3月份、5月份是呈现下降趋势,10月份呈现上升趋势,和总体趋势相反,其中8月份电量在全年最高,达到36365274kwh。在2013年1-9月份期间,6月份呈现上升趋势,8月份呈现下降趋势,与总体趋势相反;与2012年同期相比,用电量均有所上升;其中8月份电量与去年同期相比,增幅为9.42%。2013年1-9月份,用电量最高为7月份,40527515kwh。
非工业用电在总比重占第三,对总电量趋势有影响作用。在2012年2月份、5月份是呈现下降趋势,6月份、11月份呈现上升趋势,和总体趋势相反,其中8月份电量在全年最高,达到13162177kwh。在2013年1-9月份期间,1月份、6月份呈现上升趋势,5月份呈现下降趋势,与总体趋势相反;与2012年同期相比,用电量均有所上升;其中8月份电量与去年同期相比,降幅为4.82%。2013年1-9月份用电量最高月份为1月份,为13220084kwh。
农业生产用电在总比重占第三,对总电量趋势有影响作用。在2012年2月份是呈现下降趋势,4月份、6月份、11月份呈现上升趋势,和总体趋势相反,其中8月份电量在全年最高,达到10577058kwh。在2013年1-9月份期间,4月份呈现上升趋势,与总体趋势相反;与2012年同期相比,用电量均有所上升;其中8月份电量用电量最高,为14225571kwh,与去年同期相比,增幅为34.49%。
非居民照明在2012年3月份、5月份是呈现下降趋势,9月份、11月份呈现上升趋势,和总体趋势相反,其中9月份电量在全年最高,达到9485358kwh。在2013年1-9月份期间,1月份、6月份呈现上升趋势,5月份和8月份呈下降趋势,与总体趋势相反,与2012年同期相比,用电量均有所上升;其中9月份电量与去年同期相比,降幅为42.82%。2013年1月份用电量7983510kwh,在1-9月份中最高。
居民生活用电在2012年5月份、7月份、8月份是呈现下降趋势,6月份、9月份、11月份呈现上升趋势,和总体趋势相反,其中12月份电量在全年最高,达到6907424kwh。在2013年1-9月份期间,6月份、9月份呈现上升趋势,5月份、7月份、8月份呈下降趋势,与总体趋势相反;与2012年同期相比,增长趋势一致,用电量均有所上升。2013年3月份用电量6930518kwh,在1-9月份中最高。
中小学教学用电在2012年5月份、7月份是呈现下降趋势,6月份、9月份、11月份呈现上升趋势,和总体趋势相反,9月份呈现一个高增幅,可能原因是学校开学;其中12月份电量在全年最高,达到1280827kwh。在2013年1-9月份期间,1月份、6月份、9月份呈现上升趋势,5月份、7月份呈下降趋势,与总体趋势相反;与2012年同期相比,增长趋势一致,用电量均有所上升。2013年1月份用电量1503550kwh,在1-9月份中最高。
总体趋势分析:
通过对2012、2013两年的大用户和全区电量进行初步分析可知,本地区用电量在周期年里的总体变化趋势受季节性气温影响较大,全年用电量高峰一般都集中在8月份。
通过对2012、2013两年1-9月份的总体电量的对比可知,由于随着本地区自然经济的增长、人民生活水平逐步提高(可参考统计年鉴),结合2013年暑期出现史上最长高温气候,尤其对居民用电影响最大,故2013年较2012年在呈较大上升趋势。
和总体趋势相对比,大工业用电的趋势和总体趋势完全一致,由于其所占比重最大,所以对总体趋势有着决定性的影响作用。
从2012年1月到2013年9月来看,在全区所有用电类别中,居民生活用电和普通工业占据比例较大,分别为33.77%和31.93%。在2013年5-9月份,城镇居民生活用电占比最大,为38.04%。和总体趋势对比分析,商业用电的用电趋势与总体用电趋势完全一致。居民生活用电、普通工业的用电趋势与总体用电趋势有个别几个月不一致,其余均一致。
本发明的技术方案,根据电力市场的现状及影响电力市场增长的因素,借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持;通过用电热点区域分析,为未来本地区的电力市场的热点区域预测提供可靠数据依据;其基于准确的历史数据积累,可以分析预测不同行业发展周期性及先行行业。
本发明可广泛用于供用电管理、电网优化和电力营销领域。
Claims (7)
1.一种电力市场用电总体趋势的分析方法,包括对历史供电数据的收集和分析,其特征是:
A、确定一个时间周期,对该时间周期中本地区各类售电数据按照分类进行收集和汇总;
B、对所收集和汇总的各类售电数据进行数据清理,得到完整的本地区各类售电数据;
C、对本地区各类售电数据的变化进行分析,得到本地区电力市场的用电总体趋势;
D、根据历史完成售电量历史趋势数据、近两年业扩报装实际情况以及基于历史数据分析计算的极端气温对售电量的影响量,得到本地区电力市场的发展情况以及未来市场营销情况预测;
E、借助本地区电力市场用电总体趋势的分析,对本地区供用电的潜在市场进行大致预测,为优化电网和营销人员配备提供基础数据,为电力市场分析及电网规划提供有效的数据支持。
2.按照权利要求1所述的电力市场用电总体趋势的分析方法,其特征是所述的数据清理按照下列原则进行:根据样本数据筛选原则,对缺失严重的数据进行剔除,保证对完整的数据进行分析,确保分析结果的客观性和准确性。
3.按照权利要求2所述的电力市场用电总体趋势的分析方法,其特征是所述的样本数据筛选原则包括:
首先,确保用电类型相同,即同一个统号下,相同的电压等级,用电类别需要一致;
其次,筛选出来的数据需要在每个月份都有记录;
最后,剔除用电量为0的数据。
4.按照权利要求3所述的电力市场用电总体趋势的分析方法,其特征是所述的样本数据筛选原则使得该用电记录具有唯一性。
5.按照权利要求1所述的电力市场用电总体趋势的分析方法,其特征是所述的分类收集和汇总按照用电类别进行分类汇总。
6.按照权利要求1所述的电力市场用电总体趋势的分析方法,其特征是所述的时间周期以年为单位。
7.按照权利要求1所述的电力市场用电总体趋势的分析方法,其特征是通过所述本地区电力市场用电总体趋势的分析,为电力市场分析及电网规划提供有效的数据支持,可用于分析预测不同行业发展周期性及先行行业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111162.2A CN104951840A (zh) | 2014-03-24 | 2014-03-24 | 一种电力市场用电总体趋势的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111162.2A CN104951840A (zh) | 2014-03-24 | 2014-03-24 | 一种电力市场用电总体趋势的分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104951840A true CN104951840A (zh) | 2015-09-30 |
Family
ID=54166479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410111162.2A Pending CN104951840A (zh) | 2014-03-24 | 2014-03-24 | 一种电力市场用电总体趋势的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104951840A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205566A (zh) * | 2015-10-08 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 能源消耗量预测方法和系统 |
CN106952042A (zh) * | 2017-03-23 | 2017-07-14 | 北京恒华龙信数据科技有限公司 | 一种售电量预测方法及装置 |
CN109002986A (zh) * | 2018-07-16 | 2018-12-14 | 浙江电腾云光伏科技有限公司 | 一种电力区域销纳能力分析方法 |
CN110112828A (zh) * | 2019-05-20 | 2019-08-09 | 北京恒信铭达科技有限公司 | 一种绿色用电指数体系生成和表示方法及发布应用系统 |
CN111861016A (zh) * | 2020-07-24 | 2020-10-30 | 北京合众伟奇科技有限公司 | 电网预测售电量的汇总分析管理方法及管理系统 |
CN112001551A (zh) * | 2020-08-25 | 2020-11-27 | 西安交通大学 | 一种基于大用户电量信息的地市电网售电量预测方法 |
CN116385210A (zh) * | 2023-06-06 | 2023-07-04 | 江苏图南数字科技有限公司 | 一种基于物联网的供电能耗监测系统 |
-
2014
- 2014-03-24 CN CN201410111162.2A patent/CN104951840A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205566A (zh) * | 2015-10-08 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 能源消耗量预测方法和系统 |
CN106952042A (zh) * | 2017-03-23 | 2017-07-14 | 北京恒华龙信数据科技有限公司 | 一种售电量预测方法及装置 |
CN109002986A (zh) * | 2018-07-16 | 2018-12-14 | 浙江电腾云光伏科技有限公司 | 一种电力区域销纳能力分析方法 |
CN110112828A (zh) * | 2019-05-20 | 2019-08-09 | 北京恒信铭达科技有限公司 | 一种绿色用电指数体系生成和表示方法及发布应用系统 |
CN111861016A (zh) * | 2020-07-24 | 2020-10-30 | 北京合众伟奇科技有限公司 | 电网预测售电量的汇总分析管理方法及管理系统 |
CN111861016B (zh) * | 2020-07-24 | 2024-03-29 | 北京合众伟奇科技股份有限公司 | 电网预测售电量的汇总分析管理方法及管理系统 |
CN112001551A (zh) * | 2020-08-25 | 2020-11-27 | 西安交通大学 | 一种基于大用户电量信息的地市电网售电量预测方法 |
CN112001551B (zh) * | 2020-08-25 | 2023-08-04 | 西安交通大学 | 一种基于大用户电量信息的地市电网售电量预测方法 |
CN116385210A (zh) * | 2023-06-06 | 2023-07-04 | 江苏图南数字科技有限公司 | 一种基于物联网的供电能耗监测系统 |
CN116385210B (zh) * | 2023-06-06 | 2023-08-15 | 江苏图南数字科技有限公司 | 一种基于物联网的供电能耗监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deb et al. | Determining key variables influencing energy consumption in office buildings through cluster analysis of pre-and post-retrofit building data | |
Lu et al. | Review on carbon emissions of commercial buildings | |
CN104951840A (zh) | 一种电力市场用电总体趋势的分析方法 | |
Lombardi et al. | The sustainability of the Italian water sector: An empirical analysis by DEA | |
Copiello et al. | Evaluation of energy retrofit in buildings under conditions of uncertainty: The prominence of the discount rate | |
Aksoezen et al. | Building age as an indicator for energy consumption | |
CN104951988A (zh) | 一种电力潜在市场的预测方法 | |
Μπίθας et al. | Estimating urban residential water demand determinants and forecasting water demand for Athens metropolitan area, 2000-2010 | |
Econometrics | Assessing the employment and social impact of energy efficiency | |
Pukšec et al. | Potentials for energy savings and long term energy demand of Croatian households sector | |
Jin et al. | A review and reflection on open datasets of city-level building energy use and their applications | |
Corbett | Demand management in the smart grid: An information processing perspective | |
Martin | Generating low-cost national energy benchmarks: A case study in commercial buildings in Cape Town, South Africa | |
CN104881718A (zh) | 基于多尺度经济先行指标的区域电力景气指数构建方法 | |
Hu et al. | An approach to assess the responsive residential demand to financial incentives | |
Sun et al. | Regional difference of household electricity consumption: An empirical study of Jiangsu, China | |
Sha et al. | Development of a key-variable-based parallel HVAC energy predictive model | |
Cahill et al. | Quantifying the savings of an industry energy efficiency programme | |
CN105913366A (zh) | 一种基于工业电力大数据的区域工业景气指数构建方法 | |
Ferrantelli et al. | Evaluating the energy readiness of national building stocks through benchmarking | |
Chen et al. | Spatiotemporal analysis of line loss rate: A case study in China | |
Huang et al. | An electricity consumption model for synthesizing scalable electricity load curves | |
Angelopoulos et al. | Long-term electricity demand forecasting via ordinal regression analysis: The case of Greece | |
Xu et al. | Evaluating energy efficiency of public institutions in China | |
CN111126778A (zh) | 一种基于层次分析法的酒店能耗评价模型构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150930 |