CN106875058A - 一种电力业扩可开放容量智能判断方法 - Google Patents
一种电力业扩可开放容量智能判断方法 Download PDFInfo
- Publication number
- CN106875058A CN106875058A CN201710085417.6A CN201710085417A CN106875058A CN 106875058 A CN106875058 A CN 106875058A CN 201710085417 A CN201710085417 A CN 201710085417A CN 106875058 A CN106875058 A CN 106875058A
- Authority
- CN
- China
- Prior art keywords
- user
- daily
- load
- distribution transforming
- points
- 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
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种电力业扩可开放容量智能判断方法,包括以下步骤:分析获取用户相似负荷特性;根据用户气象用电量影响模型和用户未来每天的基准电量预测用户未来每天的用电量;根据用户未来每天的基准负荷、用户相似负荷特性和用户气象负荷影响模型预测用户未来每天的负荷;根据待接入用户的配变的历史负荷和未来气象的温度数据,预测配变未来每天的负荷;将用户未来每天的负荷和待接入用户的配变未来每天的负荷叠加;从叠加后的负荷数据中提取日最大负荷,根据日最大负荷和配变的容量计算日最大负载率并判断待接入用户的配变是否可以接入用户。本发明基于大数据技术,结合各类气象环境的温度数据,可以进行科学客观的计算,提高研判的准确性。
Description
技术领域
本发明属于电力营销智能应用技术领域,具体涉及一种电力业扩可开放容量智能判断方法。
背景技术
江苏省经济发展水平位于我国前列,近三年省内业扩报装平均增速超过7%。近年来,受国内外经济形势影响,业扩报装容量增长率波动较为明显,对我省用电量增长间接造成一定影响。为准确把握我省下阶段用电情况走势,支撑公司经营与发展政策实施,对全省历史业扩报装大数据进行分析,研究业扩报装情况、运行容量、用电负荷利用率、用电量之间的关联关系,量化具体的业扩与电量的影响关系,用于预测业扩导致的电量增长,根据业扩电量影响率结合用户负荷预测,进行业扩可开放容量智能研判。
现有的业扩工程需要客户服务中心根据不同电压等级、不同用户容量、不同用电需求制定业扩工程完成计划表,组织专业人员进行现场联合勘察后拟定供电方案,邀请专家召开业扩供电方案审查会,对方案进行审定后再进行实施。业扩容量的判断取决于专业人员对现场情况的掌握及自身的经验判断,主观性较大,准确性小。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足提供一种电力业扩可开放容量智能判断方法,本电力业扩可开放容量智能判断方法基于大数据技术,结合各类环境数据,可以进行科学客观的计算,提高研判的准确性。
为实现上述技术目的,本发明采取的技术方案为:
一种电力业扩可开放容量智能判断方法,包括以下步骤:
步骤1:根据用户所属行业,分析获取用户相似负荷特性;
步骤2:计算月业扩电量影响率,根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,根据用户历史用电量数据和历史气象的温度数据之间的关系建立用户气象用电量影响模型,根据用户气象用电量影响模型和用户未来每天的基准电量预测用户未来每天的用电量;
步骤3:根据用户未来每天的用电量计算用户未来每天的基准负荷,根据用户未来每天的基准负荷、用户相似负荷特性和用户气象负荷影响模型预测用户未来每天的负荷;
步骤4:根据待接入用户的配变的历史负荷和未来气象的温度数据,预测在不接入任何用户情况下配变未来每天的负荷;
步骤5:将用户未来每天的负荷和待接入用户的配变未来每天的负荷叠加,得到已接入用户的配变未来每天的负荷数据;
步骤6:从已接入用户的配变未来每天的负荷数据中提取已接入用户的配变的日最大负荷,根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,通过已接入用户的配变的日最大负载率判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户。
作为本发明进一步改进的技术方案,所述的步骤1包括以下步骤:
(1)根据用户所属的行业,将用户分为居民用户和非居民用户;
(2)如果为居民用户,判断待接入用户的配变为纯居配变或者为非纯居配变,当待接入用户的配变为纯居配变时,将纯居配变的负荷特性作为用户相似负荷特性,当待接入用户的配变为非纯居配变时,查找用户所在地区下的纯居配变的负荷特性并将其作为用户相似负荷特性;
(3)如果为非居民用户,从99行业中判断用户所属行业,查找用户所属行业的负荷特性并将其作为用户相似负荷特性。
作为本发明进一步改进的技术方案,所述的步骤2包括以下步骤:
(1)计算月业扩电量影响率,所述月业扩电量影响率为:
其中F表示月业扩电量影响率;Tind表示行业类型;Mperiod表示业扩申请月份与影响统计月份之间的间隔,以月份为单位;Ktype表示业扩的申请类型,Ktype=1时为新装或增容,Ktype=2时为减容或销户;S表示该行业下业扩申请的所有用户,Ai为该行业下第i个业扩申请用户的月增加或减少的用电量,Pi表示该行业下第i个业扩申请用户增加或减少的容量,Ktype=1时Pi为正数,Ktype=2时Pi为负值,i为自然数。
(2)根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,所述用户未来每天的基准电量=业扩申请的容量*月业扩电量影响率*24;
(3)获取用户历史每天的用电量数据和历史气象中每天的平均温度数据,分析每天的用电量数据和对应日平均温度数据之间的关系,建立用户气象用电量影响模型;
(4)获取未来每天的平均温度数据,根据用户气象用电量影响模型确定未来每天的平均温度数据所对应的用户气象用电量影响率,根据用户未来每天的基准电量和未来每天的平均温度数据所对应的用户气象用电量影响率预测用户未来每天的用电量,所述用户未来每天的用电量=对应日的基准电量*(1+对应日的平均温度数据所对应的用户气象用电量影响率)。
作为本发明进一步改进的技术方案,所述的步骤3包括以下步骤:
(1)根据用户未来每天的用电量计算用户未来每天的基准负荷,所述用户未来每天的基准负荷=用户未来每天的用电量/24;
(2)获取用户历史每天96点的负荷数据和历史每天96点的温度数据,分析用户历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立用户气象负荷影响模型;
(3)获取未来每天96点的温度数据,根据用户气象负荷影响模型确定未来每天96点的温度数据所对应的用户气象负荷影响率;
(4)根据用户相似负荷特性判断未来每天96点的负荷比例,根据未来每天96点的负荷比例将用户未来每天的基准负荷分摊为96点的基准负荷,根据分摊的96点的基准负荷和未来每天96点的温度数据所对应的用户气象负荷影响率预测用户未来每天96点的负荷,所述用户未来每天96点的负荷=对应日分摊的96点的基准负荷*(1+对应日的96点的温度数据所对应的用户气象负荷影响率)。
作为本发明进一步改进的技术方案,所述的步骤4包括以下步骤:
(1)获取待接入的配变历史每天96点的负荷数据和历史每天96点的温度数据,分析配变历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立配变气象负荷影响模型;
(2)根据历史最近一年中每天96点的温度数据和配变气象负荷影响模型确定历史最近一年中每天96点的温度数据所对应的配变气象负荷影响率;
(3)获取配变历史最近一年每天的96点的负荷,分析出无温度影响情况下的配变未来每天96点的基准负荷,所述配变未来每天96点的基准负荷=配变历史最近一年中对应日的96点的负荷/(1+历史最近一年中对应日96点的温度数据所对应的配变气象负荷影响率);
(4)获取未来每天96点的温度数据,根据未来每天96点的温度数据和配变气象负荷影响模型确定未来每天96点的温度数据所对应的配变气象负荷影响率;
(5)根据配变未来每天96点的基准负荷和未来每天96点的温度数据所对应的配变气象负荷影响率确定配变未来每天96点的负荷,所述配变未来每天96点的负荷=配变对应日96点的基准负荷*(1+对应日96点的温度数据所对应的配变气象负荷影响率)。
作为本发明进一步改进的技术方案,所述的步骤5为:根据用户未来每天96点的负荷和待接入用户的配变未来每天96点的负荷确定已接入用户的配变未来每天96点的负荷数据,所述已接入用户的配变未来每天96点的负荷数据=用户未来每天96点的负荷+待接入用户的配变对应日96点的负荷。
作为本发明进一步改进的技术方案,所述的步骤6包括以下步骤:
(1)从已接入用户的配变未来每天96点的负荷数据中提取已接入用户的配变的日最大负荷;
(2)根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,所述已接入用户的配变的日最大负载率=(日最大负荷/配变容量)*100%;
(3)通过已接入用户的配变的日最大负载率的大小判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户。
本发明结合气象的温度数据,建立月业扩电量影响模型、用户气象用电量影响模型、用户气象负荷影响模型和配变气象负荷影响模型。基于以上模型进行用户用电量预测及负荷预测;通过配变历史负荷,结合增容用户的预测负荷进行配变负荷预测;叠加用户负荷预测和待接入用户的配变的负荷预测,预测配变走势,计算配变未来的负荷情况,从而为用户接入做出科学精确的判断,减少了人为因素的影响,提电力高业扩办理效率,构建“精简、透明、高效”的电力业扩报装服务新模式。本发明可以进行科学客观的计算,提高研判的准确性。
附图说明
图1为本发明的流程示意图。
图2为本发明预测的用户的96点的负荷曲线图。
图3为本发明预测的待接入用户的配变的96点的负荷曲线图。
图4为本发明预测的已接入用户的配变的96点的负荷曲线图。
具体实施方式
下面根据图1至图4对本发明的具体实施方式作出进一步说明:
参见图1,一种电力业扩可开放容量智能判断方法,包括以下步骤:
步骤1:根据用户所属行业,分析获取用户相似负荷特性;
步骤2:计算月业扩电量影响率,根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,根据用户历史用电量数据和历史气象的温度数据之间的关系建立用户气象用电量影响模型,根据用户气象用电量影响模型和用户未来每天的基准电量预测用户未来每天的用电量;
步骤3:根据用户未来每天的用电量计算用户未来每天的基准负荷,根据用户未来每天的基准负荷、用户相似负荷特性和用户气象负荷影响模型预测用户未来每天的负荷;
步骤4:根据待接入用户的配变的历史负荷和未来气象的温度数据,预测在不接入任何用户情况下配变未来每天的负荷;
步骤5:将用户未来每天的负荷和待接入用户的配变未来每天的负荷叠加,得到已接入用户的配变未来每天的负荷数据;
步骤6:从已接入用户的配变未来每天的负荷数据中提取已接入用户的配变的日最大负荷,根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,通过已接入用户的配变的日最大负载率判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户。
所述的步骤1包括以下步骤:
(1)根据用户所属的行业,将用户分为居民用户和非居民用户;
(2)如果为居民用户,判断待接入用户的配变为纯居配变或者为非纯居配变,当待接入用户的配变为纯居配变时,将纯居配变的负荷特性作为用户相似负荷特性,当待接入用户的配变为非纯居配变时,查找用户所在地区下的纯居配变的负荷特性并将其作为用户相似负荷特性;
(3)如果为非居民用户,从99行业中判断用户所属行业,查找用户所属行业的负荷特性并将其作为用户相似负荷特性。
所述的步骤2包括以下步骤:首先参见图1,判断用户是否为新装,如果用户为新装,则根据用户新装的容量、月业扩电量影响率和用户气象用电量影响模型预测用户未来每天的用电量;如果用户不是新装,根据用户扩容的容量、月业扩电量影响率和用户气象用电量影响模型预测用户未来每天增加的用电量;具体均按照以下步骤进行预测:
(1)计算月业扩电量影响率,所述月业扩电量影响率为:
其中F表示月业扩电量影响率;Tind表示行业类型;Mperiod表示业扩申请月份与影响统计月份之间的间隔,以月份为单位;Ktype表示业扩的申请类型,Ktype=1时为新装或增容,Ktype=2时为减容或销户;S表示该行业下业扩申请的所有用户,Ai为该行业下第i个业扩申请用户的月增加或减少的用电量,Pi表示该行业下第i个业扩申请用户增加或减少的容量,Ktype=1时Pi为正数,Ktype=2时Pi为负值,i为自然数。
(2)根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,所述用户未来每天的基准电量=业扩申请的容量*月业扩电量影响率*24,下面通过示例来说明:用户号为0424024038的低压居民用户,接在配变0153931149上,以2016年11月8日之前为历史,2016年11月8日之后为未来作为案例,在未来2016年11月8日进行20kva的增容申请,根据用户的基本信息按照上述公式确定月业扩电量影响率,根据月业扩电量影响率和业扩申请的容量求取用户未来2016年11月8日之后一年内每天的基准电量;
(3)获取用户历史每天的用电量数据和历史气象中每天的平均温度数据,分析历史每天的用电量数据和对应日平均温度数据之间的关系,建立用户气象用电量影响模型;其中从用户气象用电量影响模型中可以准确的分析出用户气象用电量影响率,本实施例中的用户气象用电量影响模型采用现有技术中常用的气象用电量影响模型的建立方法;
(4)获取未来每天的平均温度数据,即2016年11月8日之后的一年内每一天的平均温度数据,根据用户气象用电量影响模型确定未来每天的平均温度数据所对应的用户气象用电量影响率,(即日平均温度数据和对应日的用电量数据具有一定的关系,即用户气象用电量影响率,每天的用户气象用电量影响率的大小都不相同,均与每天的平均温度数据有一定的对应关系),从而确定未来2016年11月8日之后的一年内每一天的平均温度数据所对应的用户气象用电量影响率,根据用户未来每天的基准电量和未来每天的平均温度数据所对应的用户气象用电量影响率预测用户未来每天的用电量,用户未来每天的用电量=对应日的基准电量*(1+对应日的平均温度数据所对应的用户气象用电量影响率),即若求取用户2016年11月9日的用电量,则用户2016年11月9日的用电量=2016年11月9日的基准电量*(1+2016年11月9日的平均温度数据所对应的用户气象用电量影响率),由于用户号为0424024038的低压居民用户不是新装,因此计算出的该用户未来每天的用电量即为该用户未来每天增加的用电量,依次类推,求取未来2016年11月8日之后的一年内每一天增加的用电量。采用上述方法进行研判,预测上述低压居民用户未来一年每天增加的用电量,数据如下表格的形式:
所述的步骤3包括以下步骤:
(1)根据用户未来2016年11月8日之后的一年内每一天的用电量(如上表)计算用户未来2016年11月8日之后的一年内每一天的基准负荷,所述用户未来每天的基准负荷=用户未来每天的用电量/24;
(2)获取用户历史每天96点的负荷数据和历史每天96点的温度数据,分析用户历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立用户气象负荷影响模型;其中从用户气象负荷影响模型中可以准确的分析出用户气象负荷影响率,本实施例中的用户气象负荷影响模型采用现有技术中常用的气象负荷影响模型的建立方法;
(3)获取未来2016年11月8日之后的一年内每一天的96点的温度数据,根据用户气象负荷影响模型确定未来2016年11月8日之后的一年内每一天的96点的温度数据所对应的用户气象负荷影响率;(每一天的96点中每点的温度数据和对应日的96点中每点的负荷数据具有一定的关系,分析每一天的96点中每点的温度数据对对应日的96点中每点的负荷数据的影响,即求取用户气象用电量影响率,每一天的96点中每点的用户气象用电量影响率的大小都不相同,均与每一天的96点中每点的温度数据有一定的对应关系);
(4)根据用户号为0424024038的低压居民用户,按照步骤1中的方法确定用户相似负荷特性,根据用户相似负荷特性确定未来2016年11月8日之后的一年内每一天的96点的负荷比例,根据未来每天96点的负荷比例将用户未来每天的基准负荷分摊为96点的基准负荷,根据分摊的96点的基准负荷和未来每天96点的温度数据所对应的用户气象负荷影响率预测用户未来每天96点的负荷,用户未来每天96点的负荷=对应日分摊的96点的基准负荷*(1+对应日的96点的温度数据所对应的用户气象负荷影响率),即若求取用户2016年11月9日96点的负荷,则用户2016年11月9日96点的负荷=2016年11月9日分摊的96点的基准负荷*(1+2016年11月9日的96点的温度数据所对应的用户气象负荷影响率),因此按照上述方法求出该用户未来2016年11月8日之后的一年内每一天增加的96点的负荷,以2016年11月9日到2016年11月14日为例,如图2所示。
参见图1,如果在申请当天2016年11月8日配变就要接入该用户时,将待接入用户的配变昨日负荷叠加用户未来的负荷预测值(距离申请日最近一天的用户的负荷预测值),即将待接入用户的配变在2016年11月7日96点的的负荷叠加用户未来2016年11月9日96点的负荷预测值,得到已接入用户的配变96点的负荷预测值,因此不需要执行步骤4和步骤5,只需要直接执行步骤6计算配变负载率,判断配变当天是否可接入用户,本实施例暂定负载情况超过80为不可接入;而如果在未来的一段时间内配变接入该用户时,则需要按照步骤4至步骤6的方法依次进行分析。
所述的步骤4包括以下步骤:
(1)获取待接入的配变历史每天96点的负荷数据和历史每天96点的温度数据,分析配变历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立配变气象负荷影响模型;其中从配变气象负荷影响模型中可以准确的分析出配变气象负荷影响率,本实施例中的配变气象负荷影响模型采用现有技术中常用的配变负荷影响模型的建立方法;
(2)根据历史最近一年中每天96点的温度数据和配变气象负荷影响模型确定历史最近一年中每天96点的温度数据所对应的配变气象负荷影响率;(历史每一天的96点中每点的温度数据和对应日配变的96点中每点的负荷数据具有一定的关系,分析每一天的96点中每点的温度数据对对应日配变的96点中每点的负荷数据的影响,即求取配变气象负荷影响率,每一天的96点中每点的配变气象负荷影响率的大小都不相同,均与每一天的96点中每点的温度数据有一定的对应关系);
(3)获取配变历史最近一年每天的96点的负荷,分析出无温度影响情况下的配变未来2016年11月8日之后的一年内每一天的96点的基准负荷,所述配变未来每天96点的基准负荷=配变历史最近一年中对应日的96点的负荷/(1+历史最近一年中对应日96点的温度数据所对应的配变气象负荷影响率);即若求取配变2016年11月9日96点的基准负荷,则配变2016年11月9日96点的基准负荷=配变2015年11月9日的96点的负荷/(1+2015年11月9日96点的温度数据所对应的配变气象负荷影响率);依次类推,从而求出配变未来2016年11月8日之后的一年内每一天的96点的基准负荷;
(4)获取未来每天96点的温度数据,根据未来每天96点的温度数据和配变气象负荷影响模型确定未来每天96点的温度数据所对应的配变气象负荷影响率;
(5)根据配变未来2016年11月8日之后的一年内每一天的96点的基准负荷和未来2016年11月8日之后的一年内每一天的96点的温度数据所对应的配变气象负荷影响率确定配变未来2016年11月8日之后的一年内每一天的96点的负荷,所述配变未来每天96点的负荷=配变对应日96点的基准负荷*(1+对应日96点的温度数据所对应的配变气象负荷影响率),即若求取配变2016年11月9日96点的负荷,则配变2016年11月9日96点的负荷=配变2016年11月9日的96点的基准负荷*(1+2016年11月9日96点的温度数据所对应的配变气象负荷影响率);依次类推,从而求出待接入用户的配变未来2016年11月8日之后的一年内每一天的96点的负荷;如图3所述。
所述的步骤5为:根据用户未来2016年11月8日之后的一年内每一天96点的负荷和待接入用户的配变未来2016年11月8日之后的一年内每一天96点的负荷确定已接入用户的配变未来2016年11月8日之后的一年内每一天96点的负荷数据,所述已接入用户的配变未来每天96点的负荷数据=用户未来每天96点的负荷+待接入用户的配变对应日96点的负荷,即若求取已接入用户的配变2016年11月9日96点的负荷,则已接入用户的配变2016年11月9日96点的负荷=用户2016年11月9日96点的96点的负荷+待接入用户的配变2016年11月9日96点的96点的负荷,依次类推,从而求出已接入用户的配变未来2016年11月8日之后的一年内每一天的96点的负荷;以2016年11月9日到2016年11月14日为例,如图4所述。
所述的步骤6包括以下步骤:
(1)从已接入用户的配变未来2016年11月8日之后的一年内每一天的96点的负荷中提取已接入用户的配变的日最大负荷;
(2)根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,所述已接入用户的配变的日最大负载率=(日最大负荷/配变容量)*100%;
(3)通过已接入用户的配变的日最大负载率的大小判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户,本实施例中计算出接入用户号为0424024038的低压居民用户的配变发生的最大负载率为62%,且该配变在历史一年内没有发生过重过载,从而判断该用户的扩容申请为通过,该用户可接入。一般行业规定的是:如果配变日最大负载率超过80%,为不可接入;如果配变日最大负载率低于80%,判断配变历史最近一年的负载率是否超过80%,如果超过80%,则该用户依然不可接入,否则,用户可接入。
本发明结合气象的温度数据,建立月业扩电量影响模型、用户气象用电量影响模型、用户气象负荷影响模型和配变气象负荷影响模型。基于以上模型进行用户用电量预测及负荷预测;通过配变历史负荷,结合增容用户的预测负荷进行配变负荷预测;叠加用户负荷预测和待接入用户的配变的负荷预测,预测配变走势,计算配变未来的负荷情况,从而为用户接入做出科学精确的判断。本发明可以进行科学客观的计算,提高研判的准确性。
本发明的保护范围包括但不限于以上实施方式,本发明的保护范围以权利要求书为准,任何对本技术做出的本领域的技术人员容易想到的替换、变形、改进均落入本发明的保护范围。
Claims (7)
1.一种电力业扩可开放容量智能判断方法,其特征在于:包括以下步骤:
步骤1:根据用户所属行业,分析获取用户相似负荷特性;
步骤2:计算月业扩电量影响率,根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,根据用户历史用电量数据和历史气象的温度数据之间的关系建立用户气象用电量影响模型,根据用户气象用电量影响模型和用户未来每天的基准电量预测用户未来每天的用电量;
步骤3:根据用户未来每天的用电量计算用户未来每天的基准负荷,根据用户未来每天的基准负荷、用户相似负荷特性和用户气象负荷影响模型预测用户未来每天的负荷;
步骤4:根据待接入用户的配变的历史负荷和未来气象的温度数据,预测在不接入任何用户情况下配变未来每天的负荷;
步骤5:将用户未来每天的负荷和待接入用户的配变未来每天的负荷叠加,得到已接入用户的配变未来每天的负荷数据;
步骤6:从已接入用户的配变未来每天的负荷数据中提取已接入用户的配变的日最大负荷,根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,通过已接入用户的配变的日最大负载率判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户。
2.根据权利要求1所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤1包括以下步骤:
(1)根据用户所属的行业,将用户分为居民用户和非居民用户;
(2)如果为居民用户,判断待接入用户的配变为纯居配变或者为非纯居配变,当待接入用户的配变为纯居配变时,将纯居配变的负荷特性作为用户相似负荷特性,当待接入用户的配变为非纯居配变时,查找用户所在地区下的纯居配变的负荷特性并将其作为用户相似负荷特性;
(3)如果为非居民用户,从99行业中判断用户所属行业,查找用户所属行业的负荷特性并将其作为用户相似负荷特性。
3.根据权利要求2所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤2包括以下步骤:
(1)计算月业扩电量影响率,所述月业扩电量影响率为:
其中F表示月业扩电量影响率;Tind表示行业类型;Mperiod表示业扩申请月份与影响统计月份之间的间隔,以月份为单位;Ktype表示业扩的申请类型,Ktype=1时为新装或增容,Ktype=2时为减容或销户;S表示该行业下业扩申请的所有用户,Ai为该行业下第i个业扩申请用户的月增加或减少的用电量,Pi表示该行业下第i个业扩申请用户增加或减少的容量,Ktype=1时Pi为正数,Ktype=2时Pi为负值,i为自然数。
(2)根据月业扩电量影响率和业扩申请的容量计算用户未来每天的基准电量,所述用户未来每天的基准电量=业扩申请的容量*月业扩电量影响率*24;
(3)获取用户历史每天的用电量数据和历史气象中每天的平均温度数据,分析每天的用电量数据和对应日平均温度数据之间的关系,建立用户气象用电量影响模型;
(4)获取未来每天的平均温度数据,根据用户气象用电量影响模型确定未来每天的平均温度数据所对应的用户气象用电量影响率,根据用户未来每天的基准电量和未来每天的平均温度数据所对应的用户气象用电量影响率预测用户未来每天的用电量,所述用户未来每天的用电量=对应日的基准电量*(1+对应日的平均温度数据所对应的用户气象用电量影响率)。
4.根据权利要求3所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤3包括以下步骤:
(1)根据用户未来每天的用电量计算用户未来每天的基准负荷,所述用户未来每天的基准负荷=用户未来每天的用电量/24;
(2)获取用户历史每天96点的负荷数据和历史每天96点的温度数据,分析用户历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立用户气象负荷影响模型;
(3)获取未来每天96点的温度数据,根据用户气象负荷影响模型确定未来每天96点的温度数据所对应的用户气象负荷影响率;
(4)根据用户相似负荷特性判断未来每天96点的负荷比例,根据未来每天96点的负荷比例将用户未来每天的基准负荷分摊为96点的基准负荷,根据分摊的96点的基准负荷和未来每天96点的温度数据所对应的用户气象负荷影响率预测用户未来每天96点的负荷,所述用户未来每天96点的负荷=对应日分摊的96点的基准负荷*(1+对应日的96点的温度数据所对应的用户气象负荷影响率)。
5.根据权利要求4所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤4包括以下步骤:
(1)获取待接入的配变历史每天96点的负荷数据和历史每天96点的温度数据,分析配变历史每天96点的负荷数据和对应日96点的温度数据之间的关系,建立配变气象负荷影响模型;
(2)根据历史最近一年中每天96点的温度数据和配变气象负荷影响模型确定历史最近一年中每天96点的温度数据所对应的配变气象负荷影响率;
(3)获取配变历史最近一年每天的96点的负荷,分析出无温度影响情况下的配变未来每天96点的基准负荷,所述配变未来每天96点的基准负荷=配变历史最近一年中对应日的96点的负荷/(1+历史最近一年中对应日96点的温度数据所对应的配变气象负荷影响率);
(4)获取未来每天96点的温度数据,根据未来每天96点的温度数据和配变气象负荷影响模型确定未来每天96点的温度数据所对应的配变气象负荷影响率;
(5)根据配变未来每天96点的基准负荷和未来每天96点的温度数据所对应的配变气象负荷影响率确定配变未来每天96点的负荷,所述配变未来每天96点的负荷=配变对应日96点的基准负荷*(1+对应日96点的温度数据所对应的配变气象负荷影响率)。
6.根据权利要求5所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤5为:根据用户未来每天96点的负荷和待接入用户的配变未来每天96点的负荷确定已接入用户的配变未来每天96点的负荷数据,所述已接入用户的配变未来每天96点的负荷数据=用户未来每天96点的负荷+待接入用户的配变对应日96点的负荷。
7.根据权利要求6所述的电力业扩可开放容量智能判断方法,其特征在于:所述的步骤6包括以下步骤::
(1)从已接入用户的配变未来每天96点的负荷数据中提取已接入用户的配变的日最大负荷;
(2)根据日最大负荷和配变的容量计算已接入用户的配变的日最大负载率,所述已接入用户的配变的日最大负载率=(日最大负荷/配变容量)*100%;
(3)通过已接入用户的配变的日最大负载率的大小判断待接入用户的配变增容后是否会出现超载从而判断待接入用户的配变是否可以接入用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085417.6A CN106875058B (zh) | 2017-02-17 | 2017-02-17 | 一种电力业扩可开放容量智能判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085417.6A CN106875058B (zh) | 2017-02-17 | 2017-02-17 | 一种电力业扩可开放容量智能判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106875058A true CN106875058A (zh) | 2017-06-20 |
CN106875058B CN106875058B (zh) | 2020-12-15 |
Family
ID=59167023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710085417.6A Active CN106875058B (zh) | 2017-02-17 | 2017-02-17 | 一种电力业扩可开放容量智能判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875058B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111082419A (zh) * | 2019-12-06 | 2020-04-28 | 国网河北省电力有限公司电力科学研究院 | 基于大数据技术的智能配电网用户接入方案管理方法及系统 |
CN111680832A (zh) * | 2020-05-26 | 2020-09-18 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据技术的智能配电网接入方法 |
CN112990559A (zh) * | 2021-03-02 | 2021-06-18 | 国网河北省电力有限公司 | 一种低压业扩电源点的选取方法 |
CN113852072A (zh) * | 2021-09-28 | 2021-12-28 | 南方电网科学研究院有限责任公司 | 电力系统的新增发电容量预测方法、装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615266A (zh) * | 2009-08-12 | 2009-12-30 | 上海市电力公司市东供电公司 | 用于电力系统中行业需用系数的分析系统及分析方法 |
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN106355265A (zh) * | 2016-08-19 | 2017-01-25 | 国家电网公司 | 一种基于业扩报装大数据和计量经济模型的用电量预测方法 |
CN106372809A (zh) * | 2016-09-18 | 2017-02-01 | 国家电网公司 | 一种电力业扩工程供电方案的制定方法及装置 |
-
2017
- 2017-02-17 CN CN201710085417.6A patent/CN106875058B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615266A (zh) * | 2009-08-12 | 2009-12-30 | 上海市电力公司市东供电公司 | 用于电力系统中行业需用系数的分析系统及分析方法 |
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN106355265A (zh) * | 2016-08-19 | 2017-01-25 | 国家电网公司 | 一种基于业扩报装大数据和计量经济模型的用电量预测方法 |
CN106372809A (zh) * | 2016-09-18 | 2017-02-01 | 国家电网公司 | 一种电力业扩工程供电方案的制定方法及装置 |
Non-Patent Citations (1)
Title |
---|
郑海雁等: "基于业扩报装大数据的电量预测方法", 《电力信息与通信技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111082419A (zh) * | 2019-12-06 | 2020-04-28 | 国网河北省电力有限公司电力科学研究院 | 基于大数据技术的智能配电网用户接入方案管理方法及系统 |
CN111082419B (zh) * | 2019-12-06 | 2022-06-24 | 国网河北省电力有限公司电力科学研究院 | 基于大数据技术的智能配电网用户接入方案管理方法及系统 |
CN111680832A (zh) * | 2020-05-26 | 2020-09-18 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据技术的智能配电网接入方法 |
CN112990559A (zh) * | 2021-03-02 | 2021-06-18 | 国网河北省电力有限公司 | 一种低压业扩电源点的选取方法 |
CN113852072A (zh) * | 2021-09-28 | 2021-12-28 | 南方电网科学研究院有限责任公司 | 电力系统的新增发电容量预测方法、装置 |
CN113852072B (zh) * | 2021-09-28 | 2023-07-11 | 南方电网科学研究院有限责任公司 | 电力系统的新增发电容量预测方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106875058B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875058A (zh) | 一种电力业扩可开放容量智能判断方法 | |
CN109858728B (zh) | 基于分行业用电特性分析的负荷预测方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
Roberts et al. | Characterisation of Australian apartment electricity demand and its implications for low-carbon cities | |
CN113297799B (zh) | 一种基于数据驱动的空调集群负荷需求响应潜力评估方法 | |
CN110033134A (zh) | 一种考虑气象因素的逐日分段短期负荷预测算法 | |
CN104537433A (zh) | 基于存量容量与业扩报装特征的售电量预测方法 | |
CN103971296A (zh) | 基于电负荷与气温的数学模型的购电方法 | |
CN107423836A (zh) | 基于体感温度的短期负荷预测方法 | |
CN110198042A (zh) | 一种电网储能的动态优化方法及存储介质 | |
Bossmann et al. | The German load curve in 2050: structural changes through energy efficiency measures and their impacts on the electricity supply side | |
Claridge | A perspective on methods for analysis of measured energy data from commercial buildings | |
Tanwar et al. | Clustering analysis of the electrical load in european countries | |
CN116562583A (zh) | 一种多维度水资源供需预测方法及系统 | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
CN109858668B (zh) | 一种雷电气候下电力负荷区域协调预测方法 | |
Wang et al. | Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units | |
CN113902181A (zh) | 公变重过载的短期预测方法及设备 | |
CN110533247B (zh) | 一种采用气温数据异常点补偿的月度用电量预测方法 | |
Lim et al. | Application of expert system to load composition rate estimation algorithm | |
CN109767037A (zh) | 一种夏季日最大负荷的预测方法 | |
Li et al. | The impacts of temperature on residential electricity consumption in Anhui, China: does the electricity price matter? | |
Naderi et al. | Clustering based analysis of residential duck curve mitigation through solar pre-cooling: A case study of Australian housing stock | |
CN109472437B (zh) | 设备能效综合控制平台及其控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |