CN105574606A - 一种基于负荷特性指标体系的用电避峰方法 - Google Patents
一种基于负荷特性指标体系的用电避峰方法 Download PDFInfo
- Publication number
- CN105574606A CN105574606A CN201510916971.5A CN201510916971A CN105574606A CN 105574606 A CN105574606 A CN 105574606A CN 201510916971 A CN201510916971 A CN 201510916971A CN 105574606 A CN105574606 A CN 105574606A
- Authority
- CN
- China
- Prior art keywords
- peak
- load
- user
- electricity consumption
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 230000005611 electricity Effects 0.000 claims description 40
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 16
- 238000003064 k means clustering Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于负荷特性指标体系的用电避峰方法,包括以下步骤:采集电力系统用电历史负荷数据,绘制日负荷曲线,利用K-means聚类找到各用电对象的典型日负荷曲线;以负荷波动率、保障经济生产可限负荷、峰值时差率和高峰时段覆盖率为特性指标,从典型日负荷曲线中进行特性指标的挖掘,建立融合各项特性指标的避峰价值模型;根据避峰价值模型计算出各用户的避峰价值,对各用电对象的避峰价值进行聚类分析,建立避峰排序表,根据排序表分析用电对象的避峰能力及避峰顺序。本发明能够实质反映的是用户避峰潜力的大小,可以指导电力用户合理避峰,具有一定的现实意义。
Description
技术领域
本发明涉及一种基于负荷特性指标体系的用电避峰方法。
背景技术
近年来随着经济的发展、人民生活水平的提高,社会各行业对用电量的需求越来越大。全国大部分地区都面临严峻的电力供需紧张局面,这种严重的供需不平衡不仅给电网带来困扰,也无法为电力用户提供优质、稳定的电能。本发明提到的避峰用电可以理解为削峰填谷,即在电网高峰时刻削减用电,在电网低谷时刻增加用电。
当前有些电力部门在建立避峰方案时,主要关注运行容量大的用户,安排大用户优先参与避峰,这样只考虑了避峰对缓解供需矛盾的利处,没有考虑到用户的利益。站在公平的角度上,电网应安排更多的用户参与避峰,这样可以将避峰带来的损失分摊到各个用户,单个用户承担的避峰损失就相应很小,能够调动各用户参与避峰的积极性。由于工业用电比重较大,所以应鼓励各工业用户都参与到避峰的工作中,电网可以通过激励政策来调动用户的积极性。
目前关于避峰方面的工作还不是很成熟。现有技术主要分析通过风能、太阳能等外界能源来应对电网高峰供电压力,没有分析用户的避峰潜力。或对用户的避峰潜力进行定量分析,仅认为高峰时期削减电量越大,避峰潜力就越大,没有考虑用户负荷曲线快上快下削峰填谷的能力。
然而,根据电力用户的容量及负荷曲线可以定性地感知其避峰能力强弱,但是这样不够准确。用户是否适合避峰,不应只考虑负荷曲线的形状及用电容量,还应挖掘更多的负荷特性进行定量地分析。
发明内容
本发明为了解决上述问题,提出了一种基于负荷特性指标体系的用电避峰方法,本方法首先利用K-means聚类找到各用户的典型日负荷曲线,然后定义了适用于避峰价值分析的负荷特性指标体系,并从用户的典型日负荷曲线中挖掘出各项特性指标,建立了融合各项特性指标的避峰价值模型,根据模型定量地计算出各用户的避峰价值大小。最后对各用户的避峰价值进行聚类分析,将海量用户聚为几类,并根据聚类结果产生指导性的避峰排序表,有效分析海量用户的避峰潜力,并向用户提供避峰决策支持。
为了实现上述目的,本发明采用如下技术方案:
一种基于负荷特性指标体系的用电避峰方法,包括以下步骤:
(1)采集电力系统用电历史负荷数据,绘制日负荷曲线,利用K-means聚类找到各用电对象的典型日负荷曲线;
(2)以负荷波动率、保障经济生产可限负荷、峰值时差率和高峰时段覆盖率为特性指标,从典型日负荷曲线中进行特性指标的挖掘,建立融合各项特性指标的避峰价值模型;
(3)根据避峰价值模型计算出各用户的避峰价值,对各用电对象的避峰价值进行聚类分析,建立避峰排序表,根据排序表分析用电对象的避峰能力及避峰顺序。
所述步骤(1)中,采集电力用户的一段时间内的历史负荷数据,然后绘制成多条日负荷曲线,利用K-means对各用户所有的日负荷曲线分别进行聚类,将各用户的用电情况分为若干类,选择分类天数最多的那一类对应的中心负荷曲线作为用户的典型日负荷曲线。
所述步骤(2)中,负荷波动率指用户用电负荷的变化起伏大小,反映负荷的波动幅度,负荷波动率定义为:负荷有功功率的标准差与负荷有功功率的算术平均值之比。
所述步骤(2)中,保障经济生产可限负荷表示在高峰时刻,用户保留经济生产保障负荷,满足自身设定部分生产能力所降低的负荷,保障经济生产可限负荷定义为典型负荷与经济生产保障负荷之差;经济生产保障负荷是指保障用电场所人身与财产安全之外,满足设定部分生产能力所需的电力负荷,统计用户典型日负荷曲线设定时间段内负荷最小值作为用户的经济生产保障负荷;典型负荷指电网供电高峰时段内出现最大供电负荷的对应时刻用户负荷的平均值。
所述步骤(2)中,峰值时差率是指电网负荷高峰与用户负荷高峰的时间差异程度。
进一步的,所述步骤(2)中,当电网的高峰时段个数大于或等于用户的高峰时段个数时,峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以用户的高峰时段个数与设定时间长度的乘积。
进一步的,所述步骤(2)中,当电网的高峰时段个数小于用户的高峰时段个数时,峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以电网的高峰时段个数与设定时间长度的乘积。
所述步骤(2)中,高峰时段覆盖率是指电网高峰时段内用户高峰时段总长度占电网高峰时段总长度的比重。
所述步骤(3)中,用电对象的避峰价值与负荷波动率成正比关系,与保障经济生产可限负荷和峰值时差率的比值成正比关系,与高峰时段覆盖率呈现指数关系。
进一步的,所述步骤(3)中,用电对象的避峰价值模型为:
其中,K为常数,l为负荷波动率,pl为保障经济生产可限负荷,η为峰值时差率,δ为高峰时段覆盖率。
所述步骤(3)中,避峰排序表包括企业编号、负荷波动率、保证经济生产可限负荷、峰值时差率、避峰价值、避峰顺序和/或避峰能力。
本发明的有益效果为:
(1)本发明结合数据挖掘中的聚类算法对某地区电力用户的用电情况进行深入的分析,从用户的历史负荷曲线中提取了负荷波动率、保障经济生产可限负荷、峰值时差率及高峰时段覆盖率等多个特性指标,融合各个指标建立避峰价值模型,定量地评估电力用户的避峰潜力;
(2)避峰序列表实质反映的是用户避峰潜力的大小,可以指导电力用户合理避峰,具有一定的现实意义,避峰价值模型准确有效,可以为电力用户自觉避峰提供决策支持。
附图说明
图1为本发明的某地区电网2014年的月最大负荷曲线示意图;
图2为本发明的某地区电网2014年7月的日最大负荷曲线示意图;
图3为本发明的为某地区电网2014年7月的典型日负荷曲线示意图;
图4为本发明的某7家企业的典型日负荷曲线示意图;
图5为本发明的某5家企业的典型日负荷曲线示意图;
图6为本发明的企业8、11、12的典型日负荷曲线。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
本发明根据电力用户的容量及负荷曲线可以定性地感知其避峰能力强弱,但是这样不够准确。用户是否适合避峰,不应该只考虑负荷曲线的形状,还应挖掘更多的负荷特性进行定量地分析。本发明首先结合数据挖掘中的K-means聚类找到各用户的典型日负荷曲线,然后按照新定义的负荷特性指标体系对各用户的典型日负荷曲线进行分析,并建立融合各项特性指标的避峰价值模型,定量地计算各用户的避峰价值。最后对各用户的避峰价值进行聚类,将海量用户划分成5个用户组,根据聚类情况设置5级避峰序列,分别表示避峰能力很强、强、较强、一般、差。避峰能力强的用户组优先进行避峰,同一个用户组内的各用户同时进行避峰。
1电网的负荷特性分析
电网的负荷特性主要反映在负荷曲线上,分析电网的负荷曲线可以寻找电网负荷的变化规律。通过年负荷特性,可以看出电网各月的供电情况,找出供电压力最大的月份;通过月负荷特性,可以看出电网每月负荷变化规律,掌握电网负荷是否受周六、周日影响;通过日负荷特性,可以得到电网一天的峰、平、谷时段,掌握电网一天中哪个时段是用电高峰,为指导用户避峰提供依据。
1.1年负荷特性分析
图1为某地区电网2014年的月最大负荷曲线。
图1中显示了该地区电网2014年每月的最大供电负荷,可以看出冬季和夏季的供电负荷比较突出,负荷受温度与季节的影响比较大,所以该地区避峰用电主要是针对冬季和夏季。而夏季中7月份的供电负荷最大,本发明主要分析该地区各电力用户7月份的用电情况。
1.2月负荷特性分析
图2是某地区电网2014年7月的日最大负荷曲线。
图2中显示了该地区电网2014年7月份每天的最大供电负荷,可以看出月负荷特性呈现周期性,7天一个周期。周六、周日的供电负荷小于工作日的供电负荷。供电负荷受周六、周日的影响比较大,所以主要分析该地区各电力用户7月份正常工作日的用电情况。
1.3日负荷特性分析
电网日负荷曲线描述的是电网一天24小时的供电负荷随时间变化的情况,但是根据数据量测系统得到多条日负荷曲线,所以进行日负荷特性分析时需要找出电网的典型日负荷曲线。并且对电网的典型日负荷曲线进行分析时,关键要得到电网一天的峰、平、谷时段,也就是需要对电网典型日负荷曲线进行峰谷时段的划分。
(1)典型日负荷曲线
图3为某地区电网2014年7月的典型日负荷曲线。
通过分析电网的年负荷特性、月负荷特性,确定对电网2014年7月份正常工作日的日负荷曲线进行分析,图3是对电网2014年7月份正常工作日的日负荷曲线相加取平均得到的负荷曲线,把它作为电网的典型日负荷曲线。
(2)峰谷时段划分
目前很多省份都在执行峰谷电价政策,峰谷电价是基于电网峰谷时段划分执行的。由于各省电网的经济发展、用电结构都有所不同,所以峰谷时段划分也不同。一般每个省份都会制定一个峰谷时段划分表及峰谷电价表,但是每个省份不同地区的用电结构不一定与该地区所在省份的峰谷时段划分表完全吻合,所以根据各个地区电网的实际供电负荷曲线进行峰谷时段划分更为准确。
一般电网的负荷曲线有着明显的高峰和低谷。对于负荷曲线上的最低点,处于谷时段的可能性为100%;对于负荷曲线上的最高点,处于峰时段的可能性为100%;而负荷曲线上其余各点的峰谷隶属度则根据隶属度函数来确定。其中峰时段隶属度由偏大型半梯形隶属函数来确定,谷时段隶属度由偏小型半梯形隶属函数来确定。本发明采用模糊隶属度函数法对电网的典型日负荷曲线进行峰谷时段划分,最终得到某地区电网的峰谷时段划分如下:
(1)峰时段:9:00-11:00、14:00-17:00。
(2)平时段:7:00-9:00、11:00-14:00、17:00-24:00。
(3)谷时段:0:00-7:00。
通过对电网的典型日负荷曲线进行峰谷时段划分,可以得到电网的高峰时段为9:00-11:00、14:00-17:00,低谷时段为0:00-7:00。
2电力用户的负荷特性分析
2.1典型日负荷曲线
通过数据量测系统可以获取电力用户大量的历史负荷数据,从而绘制用户每天的日负荷曲线,但是不可能分析所有的日负荷曲线,需要找到电力用户的典型日负荷曲线。这里对用户7月份正常工作日的日负荷曲线进行聚类分析,从而找到每个用户的典型日负荷曲线。典型日负荷曲线作为用户最具有代表意义的一天的负荷变化情况,对以后的研究非常有意义。
采集到某地区某些电力用户7月份的历史负荷数据,然后绘制成多条日负荷曲线。利用K-means对各用户7月份正常工作日的日负荷曲线分别进行聚类,将各用户7月份的用电情况分为几类,选择分类天数最多的那一类对应的中心负荷曲线作为用户的典型日负荷曲线。图4即为某地区7家企业7月份的典型日负荷曲线,图5为某地区5家企业7月份的典型日负荷曲线。
2.2负荷特性指标体系
本发明定义了新的负荷特性指标体系,包括4个特性指标:负荷波动率、保障经济生产可限负荷、峰值时差率、高峰时段覆盖率。通过电网与电力用户的典型日负荷曲线可以得到各项特性指标值,不同的用户对应的各项特性指标值是不同的。
(1)负荷波动率
负荷波动率指用户用电负荷的变化起伏大小,反映负荷的波动幅度。负荷波动率较大的,负荷下降和上升的幅度较大,负荷不稳定程度也大。负荷波动率定义为:负荷有功功率的标准差σ与负荷有功功率的算术平均值μ之比。负荷波动率的计算模型为:
其中,xi(i=1,2,...,N)表示一组负荷有功功率值;N为一天内测量负荷点的个数。本发明是一个小时采集一个有功功率值,所以N=24。
(2)保障经济生产可限负荷
保障经济生产可限负荷表示在高峰时刻,用户保留经济生产保障负荷,满足自身一部分生产能力所降低的负荷。而经济生产保障负荷是指保障用电场所人身与财产安全之外,满足一部分生产能力所需的电力负荷。一般统计用户典型日负荷曲线8:00-22:00内负荷最小值作为用户的经济生产保障负荷。经济生产保障负荷的计算模型为:
(2)式中:一天24小时内的时间轴(0:00-24:00)划分为24个时间段,分别为T0,T1,...,T23。这里T0代表0:00-1:00,T23代表23:00-24:00。代表8:00-22:00时间段内的最小负荷值。
典型负荷指某地区电网供电高峰时段内出现最大供电负荷的对应时刻用户负荷的平均值,体现了电网供电压力非常大的时刻用户对负荷的正常需求。典型负荷的计算模型为:
n表示某地区电网典型日负荷曲线高峰时段的个数;ppi表示电网第i个高峰时段出现最大供电负荷对应时刻用户的负荷值。
保障经济生产可限负荷定义为典型负荷与经济生产保障负荷之差。其数学模型为:
pl=pt-pe(4)
在电网供电压力较大时,保障用户的经济生产负荷既能保障用户一部分的生产能力,维护用户的生产效益;又能从一定程度上缩减用电负荷,减轻电网的供电压力。所以,用户的保障经济生产可限负荷越大,其避峰的空间就越大。
(3)峰值时差率
峰值时差率是指某地区电网负荷高峰与用户负荷高峰的时间差异程度。差异程度越小,用户避峰对电网起到的作用越大。峰值时差率的计算模型需要分类讨论:
①当电网的高峰时段个数大于或等于用户的高峰时段个数时,即n≥m,峰值时差率计算模型为:
②当电网的高峰时段个数小于用户的高峰时段个数时,即n<m,峰值时差率计算模型为:
所以,峰值时差率的计算模型为:
n表示某地区电网负荷高峰时段的个数;m表示某地区用户负荷高峰时段的个数;T表示一定的时间长度。这里,td(i)表示电网第i个高峰时段内电网负荷出现最大值对应的时刻;ty(i)表示用户第i个高峰时段内用户负荷出现最大值对应的时刻。
(4)高峰时段覆盖率
高峰时段覆盖率是指某地区电网高峰时段内用户高峰时段总长度占电网高峰时段总长度的比重。高峰时段覆盖率越大,说明用户负荷在电网高峰时段内的影响越大,参与避峰的效果越好。高峰时段覆盖率的计算模型为:
这里,n表示某地区电网负荷高峰时段的个数;Td(i)表示电网第i个高峰时段的区间长度;Ty(i)表示用户的高峰时段落入电网第i个高峰时段的区间长度。
分析用户的高峰时段覆盖率,需要对用户的典型日负荷曲线进行峰谷时段划分,表1为基于某地区12家企业的实际负荷曲线的峰谷时段划分表。
表1某12家企业的实际负荷曲线的峰谷时段划分表
3融合算法
用户的避峰价值与本发明定义的负荷特性指标体系中的各项特性指标都有关联。为了对用户的避峰价值进行量化分析,从而定量地评估用户的避峰潜力大小,需要融合各个负荷特性指标建立避峰价值模型来表达避峰价值Y。负荷波动率l反映负荷曲线的波动幅度,波动幅度大,用户的避峰价值就大,所以负荷波动率与避峰价值成正比关系,即Y∝l。保障经济生产可限负荷pl是高峰时刻用户保留经济生产保障负荷,满足一部分生产能力所降低的负荷,值越大,说明电网出现高峰时该企业可削减的负荷越多,避峰的效果越好。而峰值时差率η是指某地区电网负荷高峰与用户负荷高峰的时间差异程度。差异程度越小,用户避峰对电网起到的作用越大。所以避峰价值与保障经济生产可限负荷、峰值时差率的关系为
高峰时段覆盖率δ是指某地区电网高峰时段内用户高峰时段的区间总长度占电网高峰时段总长度的比值大小。高峰时段覆盖率越大,参与避峰的效果越好,并且高峰时段覆盖率这一因素对避峰的影响较大,覆盖率不同的用户,其避峰价值存在明显的差异。所以,高峰时段覆盖率与避峰价值呈现指数关系,即Y∝eδ。由于高峰时段覆盖率与避峰价值呈指数关系,而任何数值的零次方都为1,当用户的高峰时段覆盖率为0时,就会把影响用户避峰价值的其它特性指标覆盖了。所以需要将高峰时段覆盖率限制在(0,1)内,如果超出1,会夸大高峰时段覆盖率对于避峰价值的影响力度。所以最终建立避峰价值模型为:
其中,K为常数,这里令K=1,l为负荷波动率,pl为保障经济生产可限负荷,η为峰值时差率,δ为高峰时段覆盖率。
4算例分析及验证
评估用户的避峰价值需要建立一个完整的避峰价值模型,由于用户的避峰价值与定义的各项特性指标息息相关,所以将各个特性指标融合在一起建立避峰价值的数学模型。根据建立的数学模型计算出各用户的避峰价值大小,然后对所有用户的避峰价值大小进行聚类。表2即为某地区12家企业的价值模型评估结果。
表2某地区12家企业的价值模型评估结果
表2中列出了12家企业的各项特性指标值以及避峰价值大小,对12家企业的避峰价值大小进行聚类,将12家企业分成5个用户组。根据每组的聚类中心大小建立5级避峰序列表,聚类中心大的用户组避峰顺序靠前,避峰能力也相对强。通过表2可以看出,企业12应该最先选择避峰,企业1、3、4、5、10其次进行避峰,其他企业顺序进行避峰,同一分组内的企业应同时进行避峰。
分析用户是否适合避峰,可以通过其负荷曲线的走势直观分析。但是由于用户的避峰价值与多个负荷因素息息相关。所以建立了避峰价值模型对用户是否适合避峰进行更加精确的定量计算。本发明结合一些能够直观分析避峰潜力的负荷曲线对建立的避峰价值模型进行验证。以企业8、企业11和企业12为例进行验证分析。图6为某地区企业8、11、12的典型日负荷曲线图。
图6是企业8、11、12的典型日负荷曲线图,各曲线分别代表了各企业的典型用电情况。通过观察可以看出,企业8较企业11、12运行容量略低,其负荷特性属于连续性,负荷波动幅度很小,一天的负荷基本没什么太大变化。这样看来企业8的避峰潜力很小,如果强制其进行避峰,会造成大量的电量损失,对电网和企业都是有害的。电网的高峰时段为9:00-11:00、14:00-17:00,而企业11在9:00-15:00正好是低谷期,15:00-17:00用电负荷增加。所以,企业11在9:00-15:00之间避峰潜力较小,15:00后会相应地削减负荷,总体看有一定的避峰潜力。企业12属于白天生产型的,其负荷高峰时段为8:00-21:00,涵盖了电网所有的高峰时段,而且负荷波动率也较大。所以,非常适合避峰,避峰潜力非常大。
通过分析3个企业的典型日负荷曲线图,可以直观地判断3个企业的避峰顺序为企业12>企业11>企业8。对比表2某地区12家企业的价值模型评估结果也可以得到企业8、11、12的避峰顺序为企业12>企业11>企业8。所以,验证建立的避峰价值模型是正确的。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于负荷特性指标体系的用电避峰方法,其特征是:包括以下步骤:
(1)采集电力系统用电历史负荷数据,绘制日负荷曲线,利用K-means聚类找到各用电对象的典型日负荷曲线;
(2)以负荷波动率、保障经济生产可限负荷、峰值时差率和高峰时段覆盖率为特性指标,从典型日负荷曲线中进行特性指标的挖掘,建立融合各项特性指标的避峰价值模型;
(3)根据避峰价值模型计算出各用户的避峰价值,对各用电对象的避峰价值进行聚类分析,建立避峰排序表,根据排序表分析用电对象的避峰能力及避峰顺序。
2.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(1)中,采集电力用户一段时间内的历史负荷数据,然后绘制成多条日负荷曲线,利用K-means对各用户所有的日负荷曲线分别进行聚类,将各用户的用电情况分为若干类,选择分类天数最多的那一类对应的中心负荷曲线作为用户的典型日负荷曲线。
3.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,负荷波动率指用户用电负荷的变化起伏大小,反映负荷的波动幅度,负荷波动率定义为:负荷有功功率的标准差与负荷有功功率的算术平均值之比。
4.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,保障经济生产可限负荷表示在高峰时刻,用户保留经济生产保障负荷,满足自身设定部分生产能力所降低的负荷,保障经济生产可限负荷定义为典型负荷与经济生产保障负荷之差;经济生产保障负荷是指保障用电场所人身与财产安全之外,满足设定部分生产能力所需的电力负荷,统计用户典型日负荷曲线设定时间段内负荷最小值作为用户的经济生产保障负荷;典型负荷指电网供电高峰时段内出现最大供电负荷的对应时刻用户负荷的平均值。
5.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,峰值时差率是指电网负荷高峰与用户负荷高峰的时间差异程度。
6.如权利要求5所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,当电网的高峰时段个数大于或等于用户的高峰时段个数时,峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以用户的高峰时段个数与设定时间长度的乘积。
7.如权利要求5所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,当电网的高峰时段个数小于用户的高峰时段个数时,峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以电网的高峰时段个数与设定时间长度的乘积。
8.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(2)中,高峰时段覆盖率是指电网高峰时段内用户高峰时段总长度占电网高峰时段总长度的比重。
9.如权利要求1所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(3)中,用电对象的避峰价值与负荷波动率成正比关系,与保障经济生产可限负荷和峰值时差率的比值成正比关系,与高峰时段覆盖率呈现指数关系。
10.如权利要求9所述的一种基于负荷特性指标体系的用电避峰方法,其特征是:所述步骤(3)中,用电对象的避峰价值模型为:
其中,K为常数,l为负荷波动率,pl为保障经济生产可限负荷,η为峰值时差率,δ为高峰时段覆盖率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510916971.5A CN105574606A (zh) | 2015-12-10 | 2015-12-10 | 一种基于负荷特性指标体系的用电避峰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510916971.5A CN105574606A (zh) | 2015-12-10 | 2015-12-10 | 一种基于负荷特性指标体系的用电避峰方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105574606A true CN105574606A (zh) | 2016-05-11 |
Family
ID=55884710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510916971.5A Pending CN105574606A (zh) | 2015-12-10 | 2015-12-10 | 一种基于负荷特性指标体系的用电避峰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574606A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825298A (zh) * | 2016-03-14 | 2016-08-03 | 梁海东 | 一种基于负荷特性预估的电网计量预警系统及方法 |
CN106530138A (zh) * | 2016-12-05 | 2017-03-22 | 广东电网有限责任公司电网规划研究中心 | 用电避峰调度方法和装置 |
CN107403247A (zh) * | 2016-05-18 | 2017-11-28 | 中国电力科学研究院 | 基于自适应寻找聚类核心算法的负荷分类聚合分析方法 |
CN108205721A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 基于聚类的样条插值典型日负荷曲线选取装置 |
CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
CN111009901A (zh) * | 2019-12-24 | 2020-04-14 | 福建百城新能源科技有限公司 | 一种基于储充系统的错峰用电优化调度系统 |
CN111144468A (zh) * | 2019-12-19 | 2020-05-12 | 国网冀北电力有限公司信息通信分公司 | 电力用户信息标签化方法和装置、电子设备以及存储介质 |
CN113158566A (zh) * | 2021-04-21 | 2021-07-23 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种基于需求侧的用户有序用电控制方法、系统和介质 |
CN115618752A (zh) * | 2022-12-16 | 2023-01-17 | 国网江苏省电力有限公司营销服务中心 | 一种基于Autoformer模型的电力负荷控制方法及系统 |
-
2015
- 2015-12-10 CN CN201510916971.5A patent/CN105574606A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825298B (zh) * | 2016-03-14 | 2020-05-01 | 梁海东 | 一种基于负荷特性预估的电网计量预警系统及方法 |
CN105825298A (zh) * | 2016-03-14 | 2016-08-03 | 梁海东 | 一种基于负荷特性预估的电网计量预警系统及方法 |
CN107403247A (zh) * | 2016-05-18 | 2017-11-28 | 中国电力科学研究院 | 基于自适应寻找聚类核心算法的负荷分类聚合分析方法 |
CN106530138A (zh) * | 2016-12-05 | 2017-03-22 | 广东电网有限责任公司电网规划研究中心 | 用电避峰调度方法和装置 |
CN108205721A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 基于聚类的样条插值典型日负荷曲线选取装置 |
CN108205721B (zh) * | 2016-12-16 | 2021-11-02 | 国家电网公司 | 基于聚类的样条插值典型日负荷曲线选取装置 |
CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
CN111144468A (zh) * | 2019-12-19 | 2020-05-12 | 国网冀北电力有限公司信息通信分公司 | 电力用户信息标签化方法和装置、电子设备以及存储介质 |
CN111009901A (zh) * | 2019-12-24 | 2020-04-14 | 福建百城新能源科技有限公司 | 一种基于储充系统的错峰用电优化调度系统 |
CN111009901B (zh) * | 2019-12-24 | 2021-09-03 | 福建百城新能源科技有限公司 | 一种基于储充系统的错峰用电优化调度系统 |
CN113158566A (zh) * | 2021-04-21 | 2021-07-23 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种基于需求侧的用户有序用电控制方法、系统和介质 |
CN113158566B (zh) * | 2021-04-21 | 2023-08-15 | 内蒙古电力(集团)有限责任公司乌兰察布供电分公司 | 一种基于需求侧的用户有序用电控制方法、系统和介质 |
CN115618752A (zh) * | 2022-12-16 | 2023-01-17 | 国网江苏省电力有限公司营销服务中心 | 一种基于Autoformer模型的电力负荷控制方法及系统 |
CN115618752B (zh) * | 2022-12-16 | 2023-06-30 | 国网江苏省电力有限公司营销服务中心 | 一种基于Autoformer模型的电力负荷控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574606A (zh) | 一种基于负荷特性指标体系的用电避峰方法 | |
Zuo et al. | Research on the optimization of new energy vehicle industry research and development subsidy about generic technology based on the three-way decisions | |
CN106777244A (zh) | 一种电力客户用电行为分析方法及系统 | |
CN103310388B (zh) | 基于信源熵的电网运行综合指数计算方法 | |
CN105184455A (zh) | 一种面向城市电力数据分析的高维可视化分析方法 | |
CN104915456A (zh) | 一种基于数据分析系统下的海量用电数据挖掘方法 | |
CN104680261A (zh) | 基于重点大客户负荷曲线聚类的电力负荷运行控制方法 | |
CN109272205B (zh) | 广义负荷特性分析方法及装置 | |
CN110162859A (zh) | 一种电动车二氧化碳减排量估算方法 | |
CN113724103B (zh) | 基于智能电表的区域碳排放监测方法、系统、设备及介质 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN110210914A (zh) | 基于智能推荐的居民用电需求响应方法 | |
Dietz et al. | Economic benchmark of charging strategies for battery electric vehicles | |
CN104616082A (zh) | 一种基于电价的需求响应效益及潜力评估方法 | |
Ropuszyńska-Surma et al. | The virtual power plant–A review of business models | |
Jain | Political economy of the electricity subsidy: Evidence from Punjab | |
CN104715156A (zh) | 一种建筑节能潜力动态评估方法 | |
CN106056264A (zh) | 一种考虑负荷发展的分时电价优化方法 | |
Heiskanen et al. | Exploring emerging customer needs for smart grid applications | |
CN114899830A (zh) | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 | |
CN110866706A (zh) | 一种地区用电需求差异化综合分析和评估的方法 | |
Durillon et al. | Demand Response Methodology Applied on Three-Axis Constructed Consumers Profiles | |
Pereira et al. | An analysis of the interactions between daily electricity demand levels in France | |
Parra et al. | Customers' demand clustering analysis—A case study using smart meter data | |
Song et al. | An undesirable-output-considered super-efficiency DEA model and its illustration in evaluation of thermoelectric enterprises |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160511 |