CN106557841A - 一种基于大数据的电网规划投资预算方法 - Google Patents
一种基于大数据的电网规划投资预算方法 Download PDFInfo
- Publication number
- CN106557841A CN106557841A CN201611029726.3A CN201611029726A CN106557841A CN 106557841 A CN106557841 A CN 106557841A CN 201611029726 A CN201611029726 A CN 201611029726A CN 106557841 A CN106557841 A CN 106557841A
- Authority
- CN
- China
- Prior art keywords
- garden
- electricity consumption
- maximum load
- investment
- horizontal
- 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 28
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims description 156
- 238000004364 calculation method Methods 0.000 claims description 7
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036642 wellbeing 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于大数据的电网规划投资预算方法,包括:基于大数据技术和聚类算法,在横向上统计全国范围内已建设的智慧经济园区的历史电网投资数据,在纵向上统计本地区已建设的智慧经济园区的历史电网投资数据,结合已建设园区的各类指标计算出相应的指标系数,然后将指标系数应用到新建园区的电网规划中,得到新建园区的电网投资预算。该预算方法科学合理,数据系统全面、真实可靠,能够有效地对电网建设项目进行科学合理的规划投资预算,大大提高了电网规划投资预算的准确性和可靠性,具有很好的实际应用性,为电网规划投资预算提供了科学、可靠的依据。
Description
技术领域
本发明属于电网投资预算技术领域,具体地说,涉及一种基于大数据的电网规划投资预算方法。
背景技术
电力工业是国民经济的基础产业,投资策略的科学性、合理性是电网企业管理策略研究的核心内容之一,如何合理有效地利用和分配资金、资源,取得最佳的可靠性效益,是电力企业各级决策者十分关注的问题。科学准确的制定投资规划,对电力建设和企业发展意义重大。
智慧经济园区结合利用互联网、云计算等新一代信息技术全面感知并整合城市的运行状态,构建了未来城市的信息基础,有力地支撑了城市的发展。相比传统产业园区,智慧经济园区研发和使用更多的高科技智能设施,用电模式、主要用电模块与传统园区相比大大不同,智慧经济园区是未来园区发展的趋势,所带来的电网效益不可小觑,如何从智慧经济园区的用电特点出发,合理有效地规划主配网投资,在目前还没有相关的经验研究出现的情况下,是急需解决的关键问题。
目前,在电网规划投资方向国内外学者主要对制定投资规划、优化投资方式等进行了研究,提出了不同背景下的投资规划模型和投资建议,为电网企业的投资决策提供了参考,虽然这些研究理论和方法取得了一定的成果,但是并没有为电网的投资规划预算提出具有科学性、可靠性并且可以实际应用的方法。
发明内容
本发明提供了一种基于大数据的电网规划投资预算方法,将大数据技术融入到电网投资规划,从智慧经济园区的用电特点出发,合理有效地规划主配网投资,大大提高了电网规划投资预算的准确性和可靠性。
为了解决上述技术问题,本发明公开了一种基于大数据的电网规划投资预算方法,包括:基于大数据技术和聚类算法,在横向上统计全国范围内已建设的智慧经济园区的历史电网投资数据,在纵向上统计本地区已建设的智慧经济园区的历史电网投资数据,结合已建设园区的各类指标计算出相应的指标系数,然后将指标系数应用到新建园区的电网规划中,得到新建园区的电网投资预算。
进一步地,具体包括以下步骤:
步骤1、基于大数据技术和聚类算法,在横向上聚类统计全国范围内建设的智慧经济园区主要用电模块,纵向上聚类统计本地区以往建设的智慧经济园区主要用电模块,根据统计结果划分为高科技企业、写字楼、居民及配套单元三个用电模块;
步骤2、分别聚类统计各用电模块在横向及纵向两个维度上的各类指标加权值;并根据各类指标加权值分别在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,所述各指标值包括:建筑面积、年均最高负荷、年均用电量、园区年均最高负荷P0;
步骤3、根据步骤2得到的各用电模块的横向及纵向的建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度;
步骤4、分别在横向及纵向上聚类统计主配网投资金额,计算主配网投资金额的基准值,获得横向及纵向投资比例,根据所述横向及纵向投资比例,通过加权计算获得主配网投资比例k;
步骤5、分别在横向和纵向上聚类统计园区变压器容量和园区最高负荷,并运用加权算法求出横向及纵向各园区的园区变压器容量和园区最高负荷,并计算二者在横向及纵向上的比值,通过加权计算获得园区变压器容量和园区最高负荷总比值t;
步骤6、将步骤5得到的园区变压器容量和园区最高负荷总比值t及步骤2得到的园区年均最高负荷P0相乘,得到变压器容量A0:A0=t×P0;
步骤7、根据步骤4计算得到的横向配网投资金额基准值及纵向配网投资金额基准值,利用加权算法求出总配网投资额m基,然后根据步骤6得到的变压器容量A0,计算单位容量配网投资额m0:
步骤8、根据步骤3得到的各用电模块的空间最高负荷密度计算新建园区年均最高负荷P、变压器总容量A、主配网总投资额、年均用电量W。
进一步地,所述步骤2中各类指标加权值,包括:高科技企业、写字楼、居民及配套单元三个用电模块的横向建筑面积加权值S11、S21、S31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向建筑面积加权值S12、S22、S32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均最高负荷加权值P11、P21、P31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均最高负荷加权值P12、P22、P32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均用电量加权值W11、W21、W31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均用电量加权值W12、W22、W32;以及横向园区年均最高负荷加权值P01,纵向园区年均最高负荷加权值P02。
进一步地,所述步骤2中在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,具体计算方法为:某用电模块指标值=权重系数1×该用电模块横向加权值+权重系数2×该用电模块纵向加权值。
进一步地,所述步骤3中各用电模块的空间最高负荷密度、空间用电密度,具体计算方法如下:某用电模块空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;某用电模块空间用电密度=该模块年均用电量/该模块建筑面积。
进一步地,高科技企业用电模块空间最高负荷密度空间用电密度其中:P1为高科技企业用电模块年均最高负荷,S1为高科技企业用电模块建筑面积,W1为高科技企业用电模块年均用电量;
写字楼用电模块空间最高负荷密度空间用电密度其中:P2为写字楼用电模块年均最高负荷,S2为写字楼用电模块的建筑面积,W2为写字楼用电模块年均用电量;
居民及配套单元空间最高负荷密度空间用电密度其中:P3为居民及配套单元用电模块年均最高负荷,S3为居民及配套单元用电模块的建筑面积,W3为居民及配套单元用电模块年均用电量。
进一步地,所述步骤4具体包括:
步骤4.1、计算横向主配网投资金额基准值;
M基1=a1×M11+a2×M12+...+an×M1n,a1,a2,...,an为权重系数,且a1+a2+...+an=1;M基1为横向主网投资金额基准值;M11、M12、...、M1n为主网投资金额;
m基1=b1×m11+b2×m12+...+bn×m1n,b1,b2,...,bn为权重系数,且b1+b2+...+bn=1;m基1为横向配网投资金额基准值;m11、m12、...、m1n为配网投资金额;
步骤4.2、计算横向投资比例,横向投资比例
步骤4.3、纵向统计主网投资金额M21、M22、...、M2n及配网投资金额m21、m22、...、m2n,与横向主配网投资金额基准值计算方法相同,计算纵向主网投资金额基准值M基2及纵向配网投资金额基准值m基2;
步骤4.4、计算纵向投资比例,纵向投资比例
步骤4.5、对求出的横向投资比例和纵向投资比例赋予合理的权重系数,求出最终的主配网投资比例k,即主配网投资比例k=g×k1+h×k2;g,h为权重系数,且g+h=1。
进一步地,所述步骤5包括:
步骤5.1、计算横向园区变压器容量和园区最高负荷;
A基1=b1×A11+b2×A12+...+bn×A1n,b1,b2,...,bn为权重系数,且b1+b2+...+bn=1;A基1为横向园区变压器容量;A11、A12、...、A1n为横向各园区变压器容量;
P基1=c1×P11+c2×P12+...+cn×P1n,c1,c2,...,cn为权重系数,且c1+c2+...+cn=1;P基1为横向园区最高负荷;P011、P012、...、P01n为横向各园区最高负荷;
步骤5.2、计算横向比值,横向比值
步骤5.3、纵向上统计各园区变压器容量A21、A22、...、A2n及园区最高负荷P021、P022、...、P02n,P021、P022、...、P02n,与横向加权算法相同,分别计算纵向园区变压器容量A基2和纵向园区最高负荷P基2;
步骤5.4、计算纵向比值,纵向比值
步骤5.5、计算园区变压器容量和园区最高负荷总比值t:
t=i×t1+j×t2,i,j为权重系数,且i+j=1。
进一步地,所述步骤7中总配网投资额m基计算方法为:m基=k×m基1+l×m基2,k,l为权重系数,且k+l=1;m基1为横向配网投资金额基准值;m基2为纵向配网投资金额基准值。
进一步地,所述步骤8具体包括:
步骤8.1、设定新建园区的高科技企业、写字楼、居民及配套单元三个用电模块的建筑面积分别为S高科技、S写字楼、S居民,分别与步骤3求得的各用电模块空间最高负荷密度做乘积并相加,求得新建园区最高负荷P,即:
P=S高科技×α1+S写字楼×α2+S居民×α3;α1、α2、α3为各用电模块的空间最高负荷密度;
步骤8.2、根据步骤8.1得到的新建园区最高负荷P,计算新建园区变压器总容量A:A=t×P,t为园区变压器容量和园区最高负荷总比值;
步骤8.3、根据步骤8.2得到的新建园区变压器总容量A,计算新建园区配网总投资额m:m=m0×A,m0为单位容量配网投资额;并根据新建园区配网总投资额m,计算新建园区主网总投资额M:M=m×k,k为主配网投资比例;
步骤8.4、根据步骤3得到的各模块空间用电密度,计算新建园区年均用电量W:
W=S高科技×β1+S写字楼×β2+S居民×β3,β1、β2、β3为各用电模块的空间用电密度。
本发明具有如下技术效果或优点:
本发明提供的基于大数据的电网规划投资预算方法,将大数据技术融入到电网投资规划,从智慧经济园区的用电特点出发,通过与已建设同类型项目的投资数据以及类似项目的投资数据进行数据分析,计算出相关系数,将系数代入到新建项目中,求得新建项目合理的主配网投资预算,并且可根据计算数据估算出新建项目的投资收益,数据系统全面、真实可靠,实用价值高,大大提高了电网规划投资预算的准确性和可靠性。
附图说明
图1是本发明实施例提供的基于大数据的电网规划投资预算方法流程图。
具体实施方式
为了更好的理解上述技术方案,下面结合说明书附图及具体实施方式对上述技术方案进行详细说明。
本发明实施例提供一种基于大数据的电网规划投资预算方法,参见图1,具体包括以下步骤:
步骤1、基于大数据技术和聚类算法,在横向上聚类统计全国范围内建设的智慧经济园区主要用电模块,纵向上聚类统计本地区以往建设的智慧经济园区主要用电模块,从统计数据中可以看出,无论是从横向维度还是纵向维度来看,智慧经济园区的主要用电模块普遍划分为高科技企业、写字楼和居民及配套单元三类;
步骤2、分别聚类统计各用电模块在横向及纵向两个维度上的各类指标加权值,包括:高科技企业、写字楼、居民及配套单元三个用电模块的横向建筑面积加权值S11、S21、S31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向建筑面积加权值S12、S22、S32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均最高负荷加权值P11、P21、P31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均最高负荷加权值P12、P22、P32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均用电量加权值W11、W21、W31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均用电量加权值W12、W22、W32;以及横向园区年均最高负荷加权值P01,纵向园区年均最高负荷加权值P02。
然后根据各类指标加权值分别在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,所述各指标值包括:建筑面积、年均最高负荷、年均用电量、园区年均最高负荷P0。
所述步骤2中在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,具体计算方法为:
某用电模块指标值=权重系数1×该用电模块横向加权值+权重系数2×该用电模块纵向加权值。
具体到本实施例,以高科技企业用电模块为例,高科技企业用电模块建筑面积S1=a×S11+b×S12,a、b为权重系数,且a+b=1,S11为高科技企业用电模块横向建筑面积加权值,S12为高科技企业用电模块纵向建筑面积加权值;高科技企业用电模块年均最高负荷P1=C×P11+d×P12,c、d为权重系数,且c+d=1,P11为高科技企业用电模块横向年均最高负荷加权值,P12为高科技企业用电模块横向年均最高负荷加权值;高科技企业用电模块年均用电量W1=e×W11+f×W12,e、f为权重系数,且e+f=1,W11为高科技企业用电模块横向年均用电量加权值,W12为高科技企业用电模块横向年均用电量加权值。同理,求得写字楼用电模块的建筑面积S2、年均最高负荷P2、年均用电量W2;居民及配套单元用电模块的建筑面积S3、年均最高负荷P3、年均用电量W3;以及园区年均最高负荷P0。
步骤3、根据步骤2得到的各用电模块的建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度;
所述步骤3中各用电模块的空间最高负荷密度、空间用电密度,具体计算方法如下:
某用电模块空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;
某用电模块空间用电密度=该模块年均用电量/该模块建筑面积。
具体到本实施例,高科技企业用电模块空间最高负荷密度空间用电密度其中:P1为高科技企业用电模块年均最高负荷,S1为高科技企业用电模块建筑面积,W1为高科技企业用电模块年均用电量;
写字楼用电模块空间最高负荷密度空间用电密度其中:P2为写字楼用电模块年均最高负荷,S2为写字楼用电模块的建筑面积,W2为写字楼用电模块年均用电量;
居民及配套单元空间最高负荷密度空间用电密度其中:P3为居民及配套单元用电模块年均最高负荷,S3为居民及配套单元用电模块建筑面积,W3为居民及配套单元用电模块年均用电量。
步骤4、分别在横向及纵向上聚类统计主配网投资金额,计算主配网投资金额的基准值,获得横向及纵向投资比例,根据所述横向及纵向投资比例,通过加权计算获得主配网投资比例k;
所述步骤4具体包括:
步骤4.1、计算横向主配网投资金额基准值;
M基1=a1×M11+a2×M12+...+an×M1n,a1,a2,...,an为权重系数,且a1+a2+...+an=1;M基1为横向主网投资金额基准值;M11、M12、...、M1n为横向主网投资金额;
m基1=b1×m11+b2×m12+...+bn×m1n,b1,b2,..,bn为权重系数,且b1+b2+...+bn=1;m基1为横向配网投资金额基准值;m11、m12、...、m1n为横向配网投资金额;
步骤4.2、计算横向投资比例,横向投资比例
步骤4.3、纵向统计主网投资金额M21、M22、...、M2n及配网投资金额m21、m22、...、m2n,与横向主配网投资金额基准值计算方法相同,计算纵向主网投资金额基准值M基2及纵向配网投资金额基准值m基2;
步骤4.4、计算纵向投资比例,纵向投资比例
步骤4.5、对求出的横向投资比例和纵向投资比例赋予合理的权重系数,求出最终的主配网投资比例k,即主配网投资比例k=g×k1+h×k2;g,h为权重系数,且g+h=1。
步骤5、分别在横向和纵向上聚类统计园区变压器容量和园区最高负荷,并运用加权算法求出横向及纵向各园区的园区变压器容量和园区最高负荷,并计算二者在横向及纵向上的比值,通过加权计算获得园区变压器容量和园区最高负荷总比值t;
所述步骤5包括:
步骤5.1、计算横向园区变压器容量和园区最高负荷;
A基1=b1×A11+b2×A12+...+bn×A1n,b1,b2,...,bn为权重系数,且b1+b2+...+bn=1;A基1为横向园区变压器容量;A11、A12、...、A1n为横向各园区变压器容量;
P基1=c1×P11+c2×P12+...+cn×P1n,c1,c2,...,cn为权重系数,且c1+c2+...+cn=1;P基1为横向园区最高负荷;P011、P012、...、P01n为横向各园区最高负荷;
步骤5.2、计算横向比值,横向比值
步骤5.3、纵向上统计各园区变压器容量A21、A22、...、A2n及园区最高负荷P021、P022、...、P02n,P021、P022、...、P02n,与横向加权算法相同,分别计算纵向园区变压器容量A基2和纵向园区最高负荷P基2;
步骤5.4、计算纵向比值,纵向比值
步骤5.5、计算园区变压器容量和园区最高负荷总比值t:
t=i×t1+j×t2,i,j为权重系数,且i+j=1。
步骤6、将步骤5得到的园区变压器容量和园区最高负荷总比值t及步骤2得到的园区年均最高负荷P0相乘,得到变压器容量A0:A0=t×P0;
步骤7、根据步骤4计算得到的横向配网投资金额基准值及纵向配网投资金额基准值,利用加权算法求出总配网投资额m基,然后根据步骤6得到的变压器容量A0,计算单位容量配网投资额m0:
所述总配网投资额m基=k×m基1+l×m基2,k,l为权重系数,且k+l=1;m基1为横向配网投资金额基准值;m基2为纵向配网投资金额基准值。
步骤8、根据步骤3得到的各用电模块的空间最高负荷密度计算新建园区年均最高负荷P、变压器总容量A、主配网总投资额、年均用电量W。
所述步骤8具体包括:
步骤8.1、设定新建园区的高科技企业、写字楼、居民及配套单元三个用电模块的建筑面积分别为S高科技、S写字楼、S居民,分别与步骤3求得的各用电模块空间最高负荷密度做乘积并相加,求得新建园区最高负荷P,即:
P=S高科技×α1+S写字楼×α2+S居民×α3;α1为高科技企业用电模块空间最高负荷密度、α2为写字楼用电模块空间最高负荷密度、α3为居民及配套单元用电模块空间最高负荷密度;
步骤8.2、根据步骤8.1得到的新建园区最高负荷P,计算新建园区变压器总容量A:A=t×P,t为园区变压器容量和园区最高负荷总比值;
步骤8.3、根据步骤8.2得到的新建园区变压器总容量A,计算新建园区配网总投资额m:m=m0×A,m0为单位容量配网投资额;并根据新建园区配网总投资额m,计算新建园区主网总投资额M:M=m×k,k为主配网投资比例;
步骤8.4、根据步骤3得到的各模块空间用电密度,计算新建园区年均用电量W:
W=S高科技×β1+S写字楼×β2+S居民×β3,β1为高科技企业用电模块空间用电密度、β2为写字楼用电模块空间用电密度、β3为为居民及配套单元用电模块空间用电密度。
将所求的新建园区年均用电量W作为一个估算值,预判园区的经济收益,并将其作为辅助因素,判断该园区是否具有追加投资或者减少投资的必要。
基于大数据技术和聚类算法,将大数据技术融入到电网投资规划,数据变得更加全面、准确,电网投资规划预算的准确性和可靠性能够提高20%-30%,使新建项目的规划投资预算更加科学系统。
本发明提供的基于大数据的电网规划投资预算方法,该预算方法科学合理,数据系统全面、真实可靠,能够有效地对电网建设项目进行科学合理的规划投资预算,大大提高了电网规划投资预算的准确性和可靠性,具有很好的实际应用性,为电网规划投资预算提供了科学、可靠的依据。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于大数据的电网规划投资预算方法,其特征在于,包括:基于大数据技术和聚类算法,在横向上统计全国范围内已建设的智慧经济园区的历史电网投资数据,在纵向上统计本地区已建设的智慧经济园区的历史电网投资数据,结合已建设园区的各类指标计算出相应的指标系数,然后将指标系数应用到新建园区的电网规划中,得到新建园区的电网投资预算。
2.如权利要求1所述的基于大数据的电网规划投资预算方法,其特征在于,具体包括以下步骤:
步骤1、基于大数据技术和聚类算法,在横向上聚类统计全国范围内建设的智慧经济园区主要用电模块,纵向上聚类统计本地区以往建设的智慧经济园区主要用电模块,根据统计结果划分为高科技企业、写字楼、居民及配套单元三个用电模块;
步骤2、分别聚类统计各用电模块在横向及纵向两个维度上的各类指标加权值;并根据各类指标加权值分别在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,所述各指标值包括:建筑面积、年均最高负荷、年均用电量、园区年均最高负荷P0;
步骤3、根据步骤2得到的各用电模块的横向及纵向的建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度;
步骤4、分别在横向及纵向上聚类统计主配网投资金额,计算主配网投资金额的基准值,获得横向及纵向投资比例,根据所述横向及纵向投资比例,通过加权计算获得主配网投资比例k;
步骤5、分别在横向和纵向上聚类统计园区变压器容量和园区最高负荷,并运用加权算法求出横向及纵向各园区的园区变压器容量和园区最高负荷,并计算二者在横向及纵向上的比值,通过加权计算获得园区变压器容量和园区最高负荷总比值t;
步骤6、将步骤5得到的园区变压器容量和园区最高负荷总比值t及步骤2得到的园区年均最高负荷P0相乘,得到变压器容量A0:A0=t×P0;
步骤7、根据步骤4计算得到的横向配网投资金额基准值及纵向配网投资金额基准值,利用加权算法求出总配网投资额m基,然后根据步骤6得到的变压器容量A0,计算单位容量配网投资额m0:
步骤8、根据步骤3得到的各用电模块的空间最高负荷密度计算新建园区年均最高负荷P、变压器总容量A、主配网总投资额、年均用电量W。
3.如权利要求2所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤2中各类指标加权值,包括:高科技企业、写字楼、居民及配套单元三个用电模块的横向建筑面积加权值S11、S21、S31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向建筑面积加权值S12、S22、S32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均最高负荷加权值P11、P21、P31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均最高负荷加权值P12、P22、P32;高科技企业、写字楼、居民及配套单元三个用电模块的横向年均用电量加权值W11、W21、W31,高科技企业、写字楼、居民及配套单元三个用电模块的纵向年均用电量加权值W12、W22、W32;以及横向园区年均最高负荷加权值P01,纵向园区年均最高负荷加权值P02。
4.如权利要求3所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤2中在横向及纵向两个维度上进行加权计算,获得各用电模块的各指标值,具体计算方法为:
某用电模块指标值=权重系数1×该用电模块横向加权值+权重系数2×该用电模块纵向加权值。
5.如权利要求4所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤3中各用电模块的空间最高负荷密度、空间用电密度,具体计算方法如下:
某用电模块空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;
某用电模块空间用电密度=该模块年均用电量/该模块建筑面积。
6.如权利要求5所述的基于大数据的电网规划投资预算方法,其特征在于,高科技企业用电模块空间最高负荷密度空间用电密度其中:P1为高科技企业用电模块年均最高负荷,S1为高科技企业用电模块建筑面积,W1为高科技企业用电模块年均用电量;
写字楼用电模块空间最高负荷密度空间用电密度其中:P2为写字楼用电模块年均最高负荷,S2为写字楼用电模块的建筑面积,W2为写字楼用电模块年均用电量;
居民及配套单元空间最高负荷密度空间用电密度其中:P3为居民及配套单元用电模块年均最高负荷,S3为居民及配套单元用电模块的建筑面积,W3为居民及配套单元用电模块年均用电量。
7.如权利要求6所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤4具体包括:
步骤4.1、计算横向主配网投资金额基准值;
M基1=a1×M11+a2×M12+…+an×M1n,a1,a2,...,an为权重系数,且a1+a2+...+an=1;M基1为横向主网投资金额基准值;M11、M12、...、M1n为主网投资金额;
m基1=b1×m11+b2×m12+…+bn×m1n,b1,b2,...,bn为权重系数,且b1+b2+...+bn=1;m基1为横向配网投资金额基准值;m11、m12、...、m1n为配网投资金额;
步骤4.2、计算横向投资比例,横向投资比例
步骤4.3、纵向统计主网投资金额M21、M22、...、M2n及配网投资金额m21、m22、...、m2n,与横向主配网投资金额基准值计算方法相同,计算纵向主网投资金额基准值M基2及纵向配网投资金额基准值m基2;
步骤4.4、计算纵向投资比例,纵向投资比例
步骤4.5、对求出的横向投资比例和纵向投资比例赋予合理的权重系数,求出最终的主配网投资比例k,即主配网投资比例k=g×k1+h×k2;g,h为权重系数,且g+h=1。
8.如权利要求7所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤5包括:
步骤5.1、计算横向园区变压器容量和园区最高负荷;
A基1=b1×A11+b2×A12+…+bn×A1n,b1,b2,...,bn为权重系数,且b1+b2+...+bn=1;A基1为横向园区变压器容量;A11、A12、...、A1n为横向各园区变压器容量;
P基1=c1×P11+c2×P12+…+cn×P1n,c1,c2,...,cn为权重系数,且c1+c2+...+cn=1;P基1为横向园区最高负荷;P011、P012、...、P01n为横向各园区最高负荷;
步骤5.2、计算横向比值,横向比值
步骤5.3、纵向上统计各园区变压器容量A21、A22、...、A2n及园区最高负荷P021、P022、...、P02n,P021、P022、...、P02n,与横向加权算法相同,分别计算纵向园区变压器容量A基2和纵向园区最高负荷P基2;
步骤5.4、计算纵向比值,纵向比值
步骤5.5、计算园区变压器容量和园区最高负荷总比值t:
t=i×t1+j×t2,i,j为权重系数,且i+j=1。
9.如权利要求8所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤7中总配网投资额m基计算方法为:m基=k×m基1+l×m基2,k,l为权重系数,且k+l=1;m基1为横向配网投资金额基准值;m基2为纵向配网投资金额基准值。
10.如权利要求9所述的基于大数据的电网规划投资预算方法,其特征在于,所述步骤8具体包括:
步骤8.1、设定新建园区的高科技企业、写字楼、居民及配套单元三个用电模块的建筑面积分别为S高科技、S写字楼、S居民,分别与步骤3求得的各用电模块空间最高负荷密度做乘积并相加,求得新建园区最高负荷P,即:
P=S高科技×α1+S写字楼×α2+S居民×α3;α1、α2、α3为各用电模块的空间最高负荷密度;
步骤8.2、根据步骤8.1得到的新建园区最高负荷P,计算新建园区变压器总容量A:A=t×P,t为园区变压器容量和园区最高负荷总比值;
步骤8.3、根据步骤8.2得到的新建园区变压器总容量A,计算新建园区配网总投资额m:m=m0×A,m0为单位容量配网投资额;并根据新建园区配网总投资额m,计算新建园区主网总投资额M:M=m×k,k为主配网投资比例;
步骤8.4、根据步骤3得到的各模块空间用电密度,计算新建园区年均用电量W:W=S高科技×β1+S写字楼×β2+S居民×β3,β1、β2、β3为各用电模块的空间用电密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611029726.3A CN106557841A (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的电网规划投资预算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611029726.3A CN106557841A (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的电网规划投资预算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106557841A true CN106557841A (zh) | 2017-04-05 |
Family
ID=58444532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611029726.3A Pending CN106557841A (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的电网规划投资预算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557841A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882123A (zh) * | 2020-07-16 | 2020-11-03 | 成都市高博汇科信息科技有限公司 | 一种大数据智能决策的智慧社区物流终端选址方法 |
CN113807613A (zh) * | 2021-10-13 | 2021-12-17 | 国网安徽省电力有限公司 | 一种电网工程全周期预算优化配置工具 |
-
2016
- 2016-11-15 CN CN201611029726.3A patent/CN106557841A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882123A (zh) * | 2020-07-16 | 2020-11-03 | 成都市高博汇科信息科技有限公司 | 一种大数据智能决策的智慧社区物流终端选址方法 |
CN111882123B (zh) * | 2020-07-16 | 2023-06-23 | 成都市高博汇科信息科技有限公司 | 一种大数据智能决策的智慧社区物流终端选址方法 |
CN113807613A (zh) * | 2021-10-13 | 2021-12-17 | 国网安徽省电力有限公司 | 一种电网工程全周期预算优化配置工具 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105305490B (zh) | 一种考虑电能质量经济性最优的有源配电网规划方法 | |
CN109829604A (zh) | 一种电网侧储能电站运行效果综合评估方法 | |
CN103903094B (zh) | 一种电网企业承载力评估系统及方法 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
Gai et al. | Health resource allocation and productive efficiency of Chinese county hospitals: data from 1993 to 2005. | |
CN103544537B (zh) | 基于预测可信度评估的综合子网累加的短期负荷预测方法 | |
CN102063563A (zh) | 网省地一体化的母线负荷预测方法 | |
CN105046584A (zh) | 一种基于k-means算法的理想线损率的计算方法 | |
CN104036364A (zh) | 一种配电网网络结构水平评价方法 | |
Tleppayev | Digitalisation and energy: world experience and evidence of correlation from Kazakhstan | |
Xie et al. | Fair allocation of wastewater discharge permits based on satisfaction criteria using data envelopment analysis | |
CN106557841A (zh) | 一种基于大数据的电网规划投资预算方法 | |
CN104134102B (zh) | 基于leap模型的电网中长期电力需求分布预测方法 | |
CN106485364B (zh) | 一种基于碳平衡的区域“三生”用地规模优化方法 | |
CN106504110A (zh) | 基于云重心的电网工程后评价方法 | |
CN105654194B (zh) | 一种电网发展指数测算方法 | |
CN113077127A (zh) | 一种水资源高效利用的评价方法 | |
CN104143159B (zh) | 一种考虑地区差异化的配电网健康度自诊断方法 | |
Yang et al. | Government investment and high-quality economic development—measurement and analysis based on input-output method | |
Cui et al. | Transfer of embodied carbon emissions from provincial transportation industry in China | |
CN105976046A (zh) | 一种考虑需求侧管理的低碳电网规划方法 | |
CN107103415B (zh) | 配电网资源配置方法和系统 | |
CN107944687A (zh) | 一种面向电网公司保底服务的增量配电网综合评估方法 | |
CN110490488B (zh) | 基于大数据分析技术的电力企业主网规划数据分析系统 | |
CN107169607B (zh) | 一种基于成本的能效电厂优化配置与厂网协调规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170405 |