CN107294093A - 基于k线图的电力数据分析方法、装置及智能终端 - Google Patents

基于k线图的电力数据分析方法、装置及智能终端 Download PDF

Info

Publication number
CN107294093A
CN107294093A CN201710618090.4A CN201710618090A CN107294093A CN 107294093 A CN107294093 A CN 107294093A CN 201710618090 A CN201710618090 A CN 201710618090A CN 107294093 A CN107294093 A CN 107294093A
Authority
CN
China
Prior art keywords
load
default
time period
power
average
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
Application number
CN201710618090.4A
Other languages
English (en)
Inventor
卢世祥
林国营
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201710618090.4A priority Critical patent/CN107294093A/zh
Publication of CN107294093A publication Critical patent/CN107294093A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于K线图的电力数据分析方法、装置及智能终端,用于解决现有技术中对于电力用户的用电趋势展示分析一般是采用平均负荷曲线、最大负荷曲线等较为简单的形式,对于用户的用电特征、变化趋势等内容的呈现不够直观、深入,难以进行准确的用电数据分析,无法对电力行业用户侧的用电健康情况和运行态势进行总体的把握的技术问题。本发明实施例方法包括:获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据;根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。

Description

基于K线图的电力数据分析方法、装置及智能终端
技术领域
本发明涉及电力数据分析领域,尤其涉及一种基于K线图的电力数据分析方法、装置及智能终端。
背景技术
随着经济发展方式的转型、能源和电力发展方式的转变、产业结构的调整、城市化进程的推进、电力市场化改革的深入,以及人口环境、气候等因素的变化,我国的城市特别是大型城市的用电需求特点、用电结构、负荷特性变化规律出现了新的变化,呈现出新的特征。在这种新形势下,电网企业需要更加精准的掌握电力需求变化,并根据需求的特点,开展合理的营销策略。
现有技术中,对于电力用户的用电趋势展示分析一般是采用平均负荷曲线、最大负荷曲线等较为简单的形式,对于用户的用电特征、变化趋势等内容的呈现不够直观、深入,难以进行准确的用电数据分析,无法对电力行业用户侧的用电健康情况和运行态势进行总体的把握,难以对电力决策形成有效支撑。
发明内容
本发明实施例提供了一种基于K线图的电力数据分析方法、装置及智能终端,解决了现有技术中对于电力用户的用电趋势展示分析一般是采用平均负荷曲线、最大负荷曲线等较为简单的形式,对于用户的用电特征、变化趋势等内容的呈现不够直观、深入,难以进行准确的用电数据分析,无法对电力行业用户侧的用电健康情况和运行态势进行总体的把握的技术问题。
本发明实施例提供的一种基于K线图的电力数据分析方法,包括:
获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段;
根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
优选地,根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图具体包括:
以最大负荷为最高点及最小负荷为最低点,连成一条竖直线,并在竖直线上根据尖峰平均负荷和平谷平均负荷连接成长方柱体以及根据平均负荷的大小确定平均负荷在竖直线上所处的位置点,长方柱体的高度为尖峰平均负荷与平谷平均负荷的绝对值。
优选地,
当尖峰平均负荷大于平谷平均负荷时,长方柱体为内部无填充的空白长方柱体;
当尖峰平均负荷小于平谷平均负荷时,长方柱体为内部全填充的实心长方柱体。
优选地,
当后一个预设第二时间段内的平均负荷大于前一个预设第二时间段时,将竖直线和长方柱体以预置第一颜色表示;
当后一个预设第二时间段内的平均负荷小于前一个预设第二时间段时,将竖直线和长方柱体以预置第二颜色表示。
优选地,通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图具体包括:
通过将每个预设第二时间段内的K线图中的平均负荷所处的位置点按时间顺序连接,获得预设第一时间段内的电力负荷K线图。
优选地,本发明实施例提供的一种基于K线图的电力数据分析方法还包括:
将用户根据区域和行业进行分类归纳,并根据用户的用电数据计算及呈现用户的用电负荷指标,用电负荷指标包括用电负荷涨幅、用电负荷涨跌、最高用电负荷、最低用电负荷、平均用电负荷、用电负荷同比和用电负荷环比。
优选地,本发明实施例提供的一种基于K线图的电力数据分析方法还包括:
获取用户的预设第三时间段内的历史用电数据,根据历史用电数据绘制历史用电负荷平均线,并将历史用电负荷平均线作为预设第一时间段内的电力负荷K线图的异动预警阈值线,历史用电负荷均线包括历史最高用电负荷平均线和历史最低用电负荷平均线。
优选地,本发明实施例提供的一种基于K线图的电力数据分析方法还包括:
根据用电数据计算并呈现预设第二时间段内的总用电量。
本发明实施例提供的一种基于K线图的电力数据分析装置,包括:
计算模块,用于获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段;
绘图模块,用于根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
本发明实施例提供的一种智能终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段;
根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
本发明实施例提供的一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如本发明提供的任意一种的基于K线图的电力数据分析方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
通过将用户的用电数据(历史营销用电量数据和当前累计的用电量数据),结合了电力系统中的特性指标进行计算,得到用户在某一时间段(如一天)内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,并根据用电负荷数据将电力用户的用电负荷数据抽象出电力用户用电的电力负荷“K线图”,即借鉴股票交易中的K线图概念,将最大负荷、尖峰平均负荷、平谷平均负荷和最小负荷与股票交易K线图中的最高价、收盘价、开盘价和最低价进行类比获得对应的电力负荷K线图,在考虑电力系统物理特性的前提下,形成类股票交易的电力用户负荷及电量波动特性分析,以K线图的形式对用户的用电情况进行全新的趋势动态跟踪和异动分析。本发明提供的基于K线图的电力数据分析方法可精细描述电力用户的用电情况,凝练的展现多维度的电力特性数据,克服了当前电力数据分析和展示方面可视化程度低、模式单一和不够直观的缺陷,为全面分析用户的用电特征、变化趋势提供直观、有效的呈现内容,有利于进行准确的用户电量预测,为精准勾勒售电市场整体健康情况和运行态势提供有效的数据支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于K线图的电力数据分析方法的一个实施例的流程示意图;
图2为本发明实施例提供的一种基于K线图的电力数据分析方法的另一个实施例的流程示意图;
图3a为本发明实施例提供的空心日负荷K线模型图;
图3b为本发明实施例提供的实心日负荷K线模型图;
图4a为本发明实施例提供的绿色日负荷K线模型图;
图4b为本发明实施例提供的红色日负荷K线模型图;
图5为本发明实施例提供的某一时间段内的电力负荷K线图;
图6a为本发明实施例提供的常日班型企业电力负荷K线图示例图;
图6b为本发明实施例提供的突发高负荷生产型企业电力负荷K线图示例图;
图6c为本发明实施例提供的错峰生产型企业电力负荷K线图示例图;
图6d为本发明实施例提供的周期性生产型企业电力负荷K线图示例图;
图6e为本发明实施例提供的连续生产型企业电力负荷K线图示例图。
具体实施方式
本发明实施例提供了一种基于K线图的电力数据分析方法、装置及智能终端,用于解决现有技术中对于电力用户的用电趋势展示分析一般是采用平均负荷曲线、最大负荷曲线等较为简单的形式,对于用户的用电特征、变化趋势等内容的呈现不够直观、深入,难以进行准确的用电数据分析,无法对电力行业用户侧的用电健康情况和运行态势进行总体的把握的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,本发明实施例提供的一种基于K线图的电力数据分析方法的一个实施例的流程示意图。
本发明实施例提供的一种基于K线图的电力数据分析方法的一个实施例包括:
S101、获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段。
可以理解的是,用户指的是如学校、医院、工厂、公司等工商业用户,也可以是某一区域(如具体某一地级市或具体某一城镇等)或者某一行业(如汽车制造行业、化工行业或IT行业等)内的所有电力用户,以便于从区域、行业等板块维度对电力用户进行深层的分析,即可根据实际情况决定需要进行分析的用户,此处不做具体的限定。
预设第一时间段和预设第二时间段的选取可根据实际分析需求决定,如将预设第一时间段定为周、月或年等具体一个时间段,将预设第二时间段定为日,则可类似股票交易中的K线图,获得具体的一周、一个月或一年内的每一日的用电负荷数据,即日最大负荷、日尖峰平均负荷、日平均负荷、日平谷平均负荷和日最小负荷。其中,用户在预设第二时间段内的用电负荷数据可以根据用户在预设第一时间段内的用电数据计算获得,如收集获取到了用户的一周或一个月内的每日所有用电数据,具体的,如每日每15分钟采集一次,每日一共96个负荷数据点,则根据所搜集的96个负荷数据点即可计算获得用户一周或一个月内每一天的日最大负荷、日尖峰平均负荷、日平均负荷、日平谷平均负荷和日最小负荷。
需要说明的是,日最大负荷可理解为用户一天96个负荷数据点中用电负荷数值最大的数据点。
日尖峰平均负荷为用户在11-12点、14-17点和19-22点这三个时间段负荷数据的算术平均值。
日平均负荷为用户一天96个负荷数据点的算术平均值。
日平谷平均负荷为用户在0-11点、12-14点、17-19点和22-24点这四个时间段内负荷数据点的算术平均值。
日最小负荷荷为用户一天96个负荷数据点中数值最小的数据点。
其中,日尖峰平均负荷和日平谷平均负荷的时间段的选择可视实际具体情况而定,此处仅做示例说明而不做具体限定。
S102、根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
在获得了预设第一时间段中的每一个预设第二时间段内的用电负荷数据之后,可以在作图区域以时间为横轴,单位是预设第二时间段(如日),以用电负荷量为纵轴,单位是万千瓦(可根据具体作图情况定),作图得一个二维坐标系。如将日最大负荷、日尖峰平均负荷、日平谷平均负荷和日最小负荷与股票交易K线图中的最高价、收盘价、开盘价和最低价进行类比获得对应的电力负荷日K线图,将一周内的电力负荷日K线图按照时间顺序连接起来即可获得电力负荷周K线图,类似的,可获得电力负荷月K线图或电力负荷年K线图,即形成用户在预设第一时间段内的电力负荷K线图。
本发明实施例中通过将用户的用电数据,结合了电力系统中的特性指标进行计算,得到用户在某一时间段(如一天)内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,并根据用电负荷数据将电力用户的用电负荷数据抽象出电力用户用电的电力负荷“K线图”,即借鉴股票交易中的K线图概念,将最大负荷、尖峰平均负荷、平谷平均负荷和最小负荷与股票交易K线图中的最高价、收盘价、开盘价和最低价进行类比获得对应的电力负荷K线图,在考虑电力系统物理特性的前提下,形成类股票交易的电力用户负荷及电量波动特性分析,以K线图的形式对用户的用电情况进行全新的趋势动态跟踪和异动分析。本发明提供的基于K线图的电力数据分析方法可精细描述电力用户的用电情况,凝练的展现多维度的电力特性数据,克服了当前电力数据分析和展示方面可视化程度低、模式单一和不够直观的缺陷,为全面分析用户的用电特征、变化趋势提供直观、有效的呈现内容,有利于进行准确的用户电量预测,为精准勾勒售电市场整体健康情况和运行态势提供有效的数据支撑。
实施例二
请参阅图2,本发明实施例提供的一种基于K线图的电力数据分析方法的另一个实施例的流程示意图。
本发明实施例提供的一种基于K线图的电力数据分析方法的一个实施例包括:
S201、获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段。
S201的实现过程与上述的S101类似,此处不再赘述。
S202、以最大负荷为最高点及最小负荷为最低点,连成一条竖直线,并在竖直线上根据尖峰平均负荷和平谷平均负荷连接成长方柱体以及根据平均负荷的大小确定平均负荷在竖直线上所处的位置点,长方柱体的高度为尖峰平均负荷与平谷平均负荷的绝对值。
参照股票交易中的K线概念,将最大负荷、尖峰平均负荷、平谷平均负荷和最小负荷与股票交易K线图中的最高价、收盘价、开盘价和最低价进行类比获得对应的预设第二时间段的电力负荷K线图。
此外,需要说明的是,当尖峰平均负荷大于平谷平均负荷时,长方柱体为内部无填充的空白长方柱体;当尖峰平均负荷小于平谷平均负荷时,长方柱体为内部全填充的实心长方柱体。以日负荷为例,当日尖峰负荷大于日平谷负荷时,则柱体区域画成空白形式;当日尖峰负荷小于日平谷负荷时,则整个柱体填充为实心。具体的,可参阅图3a和图3b,为本发明实施例提供的空心日负荷K线模型图和实心日负荷K线模型图。
当后一个预设第二时间段内的平均负荷大于前一个预设第二时间段时,将竖直线和长方柱体以预置第一颜色(如红色)表示;当后一个预设第二时间段内的平均负荷小于前一个预设第二时间段时,将竖直线和长方柱体以预置第二颜色(如绿色)表示。以日负荷为例,当某日平均负荷高于上日,则表现方法为:(1)若该日日尖峰负荷大于日平谷负荷时,则将柱体边框与竖直线用红色表示,柱体内部仍空白;(2)若该日日尖峰负荷小于日平谷负荷时,则将柱体与竖直线填充为红色。当某日平均负荷低于上日,则表现方法为:(1)若该日日尖峰负荷大于日平谷负荷时,则将柱体边框与竖直线用绿色表示,柱体内部仍空白;(2)若该日日尖峰负荷小于日平谷负荷时,则将柱体与竖直线填充为绿色。具体的,可参阅图4a和图4b,为本发明实施例提供的绿色日负荷K线模型图和红色日负荷K线模型图。
S203、通过将每个预设第二时间段内的K线图中的平均负荷所处的位置点按时间顺序连接,获得预设第一时间段内的电力负荷K线图。
具体的,如将一周内的电力负荷日K线图根据日平均负荷所处的位置点按照时间顺序连接起来即可获得电力负荷周K线图,类似的,可获得电力负荷月K线图或电力负荷年K线图,即形成用户在预设第一时间段内的电力负荷K线图。如图5所示,为本发明实施例提供的某一时间段内的电力负荷K线图。
此外,还可以根据用电数据计算并呈现预设第二时间段内的总用电量。即计算并呈现出用户在预设第二时间段内的总用电量(将总用电量类比股票交易中的成交量)。如图5中所示,日电量:5514千瓦时(代表当日用户的总用电量为5514千瓦时)。通过对用户在预设第二时间段内的总用电量的呈现,可以直观清晰的分析到用户每日的用电量情况,便于对用户进行日电量波动分析。
显然,从电力负荷K线图中,既可以看到在较长时间跨度下用户的负荷的变化趋势,同时也可以了解到每日的负荷波动情况及用户总用电量情况,能够全面透彻的观察到用户负荷变化情况。
S204、将用户根据区域和行业进行分类归纳,并根据用户的用电数据计算及呈现用户的用电负荷指标,用电负荷指标包括用电负荷涨幅、用电负荷涨跌、最高用电负荷、最低用电负荷、平均用电负荷、用电负荷同比和用电负荷环比。
通过将用户根据区域和行业进行分类归纳,可以对区域、行业、用户的用电趋势进行实时分析,即进行用电趋势概览,直观地查看用电负荷涨幅、用电负荷涨跌、最高用电负荷、最低用电负荷、平均用电负荷、用电负荷同比和用电负荷环比等用电负荷指标。
其中,用电负荷涨幅计算公式:用电负荷涨幅=(当日用电量—昨日用电量)/昨日用电量×100%;用电负荷涨跌计算公式:用电负荷涨跌=(当日用电量—昨日用电量)/昨日用电量×100%;正值代表用电量上涨,负值表示用电量下降,否则持平。
最高用电负荷、最低用电负荷、平均用电负荷可以为日最高用电负荷(上述的日最大负荷),日最低用电负荷(上述的日最小负荷)以及日平均负荷。
用电负荷同比和用电负荷环比分为用电负荷同比最高、用电负荷同比最低和用电负荷同比平均;用电负荷环比最高、用电负荷环比最低和用电负荷环比平均。
用电负荷同比最高计算公式:同比最高=当日最高负荷-去年同日的日最高负荷;
用电负荷环比最高计算公式:环比最高=当日最高负荷-上月同日的日最高负荷;
同理可以得出用电负荷同比最低和用电负荷同比平均以及用电负荷环比最低和用电负荷环比平均的计算公式。
S205、获取用户的预设第三时间段内的历史用电数据,根据历史用电数据绘制历史用电负荷平均线,并将历史用电负荷平均线作为预设第一时间段内的电力负荷K线图的异动预警阈值线,历史用电负荷均线包括历史最高用电负荷平均线和历史最低用电负荷平均线。
对区域、行业、用户历史数据进行深度挖掘,即可以多条历史电量均线作为异动预警阀值,标注正常和异常用电趋势范围,对比当前用电情况并及时反映用电异常,且可进一步转到日电量波动分析、相关K线分析、分时分析等。
具体的,如建立横坐标为时间,纵坐标为电力负荷的二维坐标系,选取某一用户(区域、行业)的当前月的日用电负荷数据,并将其累计日负荷曲线绘制在坐标系中(即当前月的电力负荷K线图);对于异动预警阈值,则选取前三月平均累计电量上限(即前三月历史最高用电负荷平均线)与前三月平均累计电量下限(即前三月历史最低用电负荷平均线)绘制在坐标系中,当日负荷累计曲线超出这两条预警阈值线时,则表示该用户(区域、行业)用电出现异常状况,需要提高警惕。
本发明实施例提供的基于K线图的电力数据分析方法可以进一步对不同用电规律的用户进行分类,根据最大负荷与最小负荷的波动范围,可将K线分为小阴、小阳、中阴、中阳和大阴、大阳等线型,现可以归纳分为5大类,分别是:常日班型企业、突发高负荷生产型企业、错峰生产型企业、周期性生产型企业和连续生产型企业。具体的,如图6a至图6e所示,为本发明实施例提供的常日班型企业电力负荷K线图示例图、突发高负荷生产型企业电力负荷K线图示例图、错峰生产型企业电力负荷K线图示例图、周期性生产型企业电力负荷K线图示例图和连续生产型企业电力负荷K线图示例图。以下为这5类企业K线图特征:
常日班型企业:尖峰平均负荷高于平谷负荷,平谷平均负荷接近最低负荷,体现为下影线较短,柱体区域为空白形式。该类型企业代表为IT业、办公楼、医院、银行等。
突发高负荷生产型企业:最大负荷远高于平均负荷,体现为上影线较长,柱体区域为空白形式。该类型企业代表为金属冶炼业等。
错峰生产型企业:平谷平均负荷高于尖峰平均负荷,尖峰平均负荷接近最低负荷,体现为下影线较短,实体较长,且柱体区域填充为实心。该类型企业代表为制衣厂、加工厂等。
周期性生产型企业:周期性平均负荷下降,体现为平均负荷连线呈现周期性下降规律,柱体区域为空白形式。该类型企业代表为IT、政府机关等。
连续生产型企业:尖峰平均负荷接近平谷平均负荷,体现为实体较短,不同时间K线变化不大。该类型企业代表为纺织业、化工业等。
本发明实施例中通过将用户的用电数据,结合了电力系统中的特性指标进行计算,得到用户在某一时间段(如一天)内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,并根据用电负荷数据将电力用户的用电负荷数据抽象出电力用户用电的电力负荷“K线图”,即借鉴股票交易中的K线图概念,将最大负荷、尖峰平均负荷、平谷平均负荷和最小负荷与股票交易K线图中的最高价、收盘价、开盘价和最低价进行类比获得对应的电力负荷K线图,在考虑电力系统物理特性的前提下,形成类股票交易的电力用户负荷及电量波动特性分析,并将电力用户看成个股,区域和行业的组合看成板块,以K线图的形式进行全新的趋势动态跟踪和异动分析,以一种新的视角来分析用电情况。本发明提供的基于K线图的电力数据分析方法可精细描述电力用户的用电情况,凝练的展现多维度的电力特性数据,克服了当前电力数据分析和展示方面可视化程度低、模式单一和不够直观的缺陷,为全面分析用户的用电特征、变化趋势提供直观、有效的呈现内容,有利于进行准确的用户电量预测,为精准勾勒售电市场整体健康情况和运行态势提供有效的数据支撑。
实施例三
本发明实施例提供的一种基于K线图的电力数据分析装置包括:
计算模块301,用于获取用户在预设第一时间段内的用电数据,并根据用电数据计算预设第二时间段内的用电负荷数据,用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,预设第一时间段包括至少一个预设第二时间段。
绘图模块302,用于根据用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图;
绘图模块具体还包括:
第一绘图子模块3021,用于以最大负荷为最高点及最小负荷为最低点,连成一条竖直线,并在竖直线上根据尖峰平均负荷和平谷平均负荷连接成长方柱体以及根据平均负荷的大小确定平均负荷在竖直线上所处的位置点,长方柱体的高度为尖峰平均负荷与平谷平均负荷的绝对值;
第二绘图子模块3022,用于通过将每个预设第二时间段内的K线图中的平均负荷所处的位置点按时间顺序连接,获得预设第一时间段内的电力负荷K线图。
分析模块303,用于将用户根据区域和行业进行分类归纳,并根据用户的用电数据计算及呈现用户的用电负荷指标,用电负荷指标包括用电负荷涨幅、用电负荷涨跌、最高用电负荷、最低用电负荷、平均用电负荷、用电负荷同比和用电负荷环比。
预警模块304,用于获取用户的预设第三时间段内的历史用电数据,根据历史用电数据绘制历史用电负荷平均线,并将历史用电负荷平均线作为预设第一时间段内的电力负荷K线图的异动预警阈值线,历史用电负荷均线包括历史最高用电负荷平均线和历史最低用电负荷平均线。
实施例四
本发明实施例提供一种智能终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现S101至S102的步骤或S201至S205的步骤。
实施例五
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如实施例一或实施例二的基于K线图的电力数据分析方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (11)

1.一种基于K线图的电力数据分析方法,其特征在于,包括:
获取用户在预设第一时间段内的用电数据,并根据所述用电数据计算预设第二时间段内的用电负荷数据,所述用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,所述预设第一时间段包括至少一个所述预设第二时间段;
根据所述用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
2.根据权利要求1所述的基于K线图的电力数据分析方法,其特征在于,所述根据所述用电负荷数据作出每个预设第二时间段内的电力负荷K线图具体包括:
以所述最大负荷为最高点及所述最小负荷为最低点,连成一条竖直线,并在所述竖直线上根据所述尖峰平均负荷和所述平谷平均负荷连接成长方柱体以及根据所述平均负荷的大小确定所述平均负荷在所述竖直线上所处的位置点,所述长方柱体的高度为所述尖峰平均负荷与所述平谷平均负荷的绝对值。
3.根据权利要求2所述的基于K线图的电力数据分析方法,其特征在于,
当所述尖峰平均负荷大于所述平谷平均负荷时,所述长方柱体为内部无填充的空白长方柱体;
当所述尖峰平均负荷小于所述平谷平均负荷时,所述长方柱体为内部全填充的实心长方柱体。
4.根据权利要求3所述的基于K线图的电力数据分析方法,其特征在于,
当后一个预设第二时间段内的平均负荷大于前一个预设第二时间段时,将所述竖直线和所述长方柱体以预置第一颜色表示;
当后一个预设第二时间段内的平均负荷小于前一个预设第二时间段时,将所述竖直线和所述长方柱体以预置第二颜色表示。
5.根据权利要求2所述的基于K线图的电力数据分析方法,其特征在于,所述通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图具体包括:
通过将每个预设第二时间段内的K线图中的平均负荷所处的位置点按时间顺序连接,获得预设第一时间段内的电力负荷K线图。
6.根据权利要求1至5任意一项所述的基于K线图的电力数据分析方法,其特征在于,还包括:
将用户根据区域和行业进行分类归纳,并根据所述用户的用电数据计算并呈现所述用户的用电负荷指标,所述用电负荷指标包括用电负荷涨幅、用电负荷涨跌、最高用电负荷、最低用电负荷、平均用电负荷、用电负荷同比和用电负荷环比。
7.根据权利要求1至5任意一项所述的基于K线图的电力数据分析方法,其特征在于,还包括:
获取用户的预设第三时间段内的历史用电数据,根据所述历史用电数据绘制历史用电负荷平均线,并将所述历史用电负荷平均线作为所述预设第一时间段内的电力负荷K线图的异动预警阈值线,所述历史用电负荷均线包括历史最高用电负荷平均线和历史最低用电负荷平均线。
8.根据权利要求1至5任意一项所述的基于K线图的电力数据分析方法,其特征在于,还包括:
根据所述用电数据计算并呈现预设第二时间段内的总用电量。
9.一种基于K线图的电力数据分析装置,其特征在于,包括:
计算模块,用于获取用户在预设第一时间段内的用电数据,并根据所述用电数据计算预设第二时间段内的用电负荷数据,所述用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,所述预设第一时间段包括至少一个所述预设第二时间段;
绘图模块,用于根据所述用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
10.一种智能终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取用户在预设第一时间段内的用电数据,并根据所述用电数据计算预设第二时间段内的用电负荷数据,所述用电负荷数据包括最大负荷、尖峰平均负荷、平均负荷、平谷平均负荷和最小负荷,所述预设第一时间段包括至少一个所述预设第二时间段;
根据所述用电负荷数据作出每个预设第二时间段内的电力负荷K线图,并通过将每个预设第二时间段内的K线图连接获得预设第一时间段内的电力负荷K线图。
11.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于K线图的电力数据分析方法。
CN201710618090.4A 2017-07-26 2017-07-26 基于k线图的电力数据分析方法、装置及智能终端 Pending CN107294093A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710618090.4A CN107294093A (zh) 2017-07-26 2017-07-26 基于k线图的电力数据分析方法、装置及智能终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710618090.4A CN107294093A (zh) 2017-07-26 2017-07-26 基于k线图的电力数据分析方法、装置及智能终端

Publications (1)

Publication Number Publication Date
CN107294093A true CN107294093A (zh) 2017-10-24

Family

ID=60102796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710618090.4A Pending CN107294093A (zh) 2017-07-26 2017-07-26 基于k线图的电力数据分析方法、装置及智能终端

Country Status (1)

Country Link
CN (1) CN107294093A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959424A (zh) * 2018-06-11 2018-12-07 长春电力设计有限公司 一种用于电力系统负荷监测的城市用电地图的操作方法
CN108985484A (zh) * 2018-04-26 2018-12-11 国网浙江省电力有限公司 一种基于随机指标的用户用电负荷趋势预测方法
CN109086930A (zh) * 2018-07-27 2018-12-25 广东电网有限责任公司 一种基于电力k线图及深度网络的用户用电行为分析方法
CN111680851A (zh) * 2020-08-13 2020-09-18 国网浙江省电力有限公司营销服务中心 基于k线图的企业用电趋势评估方法
WO2020237540A1 (zh) * 2019-05-29 2020-12-03 西门子股份公司 电网用户分类方法、装置和计算机可读存储介质
CN112070276A (zh) * 2020-08-14 2020-12-11 国网江西省电力有限公司鹰潭供电分公司 一种基于智能插座的供电服务系统及供电服务方法
CN112257770A (zh) * 2020-10-19 2021-01-22 四川长虹电器股份有限公司 一种k线形态识别方法
CN112329982A (zh) * 2020-09-29 2021-02-05 武汉地大信息工程股份有限公司 一种基于k线图的地质灾害预测方法及系统
CN112836886A (zh) * 2021-02-09 2021-05-25 国网山西省电力公司吕梁供电公司 一种用能服务方法、装置、计算机设备及存储介质
CN113205202A (zh) * 2021-03-23 2021-08-03 苏州易助能源管理有限公司 一种基于产业园电力大数据的用电峰值预测方法及设备
CN113849546A (zh) * 2021-09-08 2021-12-28 国家电网公司东北分部 一种基于电力k线分析数据的系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103490422A (zh) * 2013-09-30 2014-01-01 陕西省地方电力(集团)有限公司 一种实现电力需求响应的方法及装置
CN104537438A (zh) * 2014-12-26 2015-04-22 国家电网公司 一种用电高峰的预测及监控方法
CN104992262A (zh) * 2015-05-27 2015-10-21 南京国云电力有限公司 一种用电大数据分析挖掘处理方法
CN106294822A (zh) * 2016-08-17 2017-01-04 国网上海市电力公司 一种电力数据可视化系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103490422A (zh) * 2013-09-30 2014-01-01 陕西省地方电力(集团)有限公司 一种实现电力需求响应的方法及装置
CN104537438A (zh) * 2014-12-26 2015-04-22 国家电网公司 一种用电高峰的预测及监控方法
CN104992262A (zh) * 2015-05-27 2015-10-21 南京国云电力有限公司 一种用电大数据分析挖掘处理方法
CN106294822A (zh) * 2016-08-17 2017-01-04 国网上海市电力公司 一种电力数据可视化系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郑美春: "基于用电信息采集系统数据挖掘的负荷预测方法及应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
龙立波等: "一种基于股票图形的负荷分析新方法", 《电力科学与工程》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985484A (zh) * 2018-04-26 2018-12-11 国网浙江省电力有限公司 一种基于随机指标的用户用电负荷趋势预测方法
CN108959424A (zh) * 2018-06-11 2018-12-07 长春电力设计有限公司 一种用于电力系统负荷监测的城市用电地图的操作方法
CN108959424B (zh) * 2018-06-11 2021-08-20 长春电力设计有限公司 一种用于电力系统负荷监测的城市用电地图的操作方法
CN109086930B (zh) * 2018-07-27 2021-01-22 广东电网有限责任公司 一种基于电力k线图及深度网络的用户用电行为分析方法
CN109086930A (zh) * 2018-07-27 2018-12-25 广东电网有限责任公司 一种基于电力k线图及深度网络的用户用电行为分析方法
EP3961548A4 (en) * 2019-05-29 2022-11-30 Siemens Aktiengesellschaft METHOD AND DEVICE FOR CLASSIFICATION OF POWER NETWORK USERS AND COMPUTER READABLE STORAGE MEDIUM
WO2020237540A1 (zh) * 2019-05-29 2020-12-03 西门子股份公司 电网用户分类方法、装置和计算机可读存储介质
CN111680851B (zh) * 2020-08-13 2020-11-03 国网浙江省电力有限公司营销服务中心 基于k线图的企业用电趋势评估方法
CN111680851A (zh) * 2020-08-13 2020-09-18 国网浙江省电力有限公司营销服务中心 基于k线图的企业用电趋势评估方法
CN112070276A (zh) * 2020-08-14 2020-12-11 国网江西省电力有限公司鹰潭供电分公司 一种基于智能插座的供电服务系统及供电服务方法
CN112070276B (zh) * 2020-08-14 2024-05-14 国网江西省电力有限公司鹰潭供电分公司 一种基于智能插座的供电服务系统及供电服务方法
CN112329982A (zh) * 2020-09-29 2021-02-05 武汉地大信息工程股份有限公司 一种基于k线图的地质灾害预测方法及系统
CN112329982B (zh) * 2020-09-29 2022-06-28 武汉地大信息工程股份有限公司 一种基于k线图的地质灾害预测方法及系统
CN112257770A (zh) * 2020-10-19 2021-01-22 四川长虹电器股份有限公司 一种k线形态识别方法
CN112257770B (zh) * 2020-10-19 2022-05-06 四川长虹电器股份有限公司 一种k线形态识别方法
CN112836886A (zh) * 2021-02-09 2021-05-25 国网山西省电力公司吕梁供电公司 一种用能服务方法、装置、计算机设备及存储介质
CN113205202A (zh) * 2021-03-23 2021-08-03 苏州易助能源管理有限公司 一种基于产业园电力大数据的用电峰值预测方法及设备
CN113849546A (zh) * 2021-09-08 2021-12-28 国家电网公司东北分部 一种基于电力k线分析数据的系统

Similar Documents

Publication Publication Date Title
CN107294093A (zh) 基于k线图的电力数据分析方法、装置及智能终端
He et al. Urban long term electricity demand forecast method based on system dynamics of the new economic normal: the case of Tianjin
CN103854068B (zh) 一种居民小区短期负荷预测方法
Hilorme et al. Smart grid concept as a perspective for the development of Ukrainian energy platform
Lee et al. Measuring the relative efficiency of hydrogen energy technologies for implementing the hydrogen economy: An integrated fuzzy AHP/DEA approach
Song et al. Unraveling economic and environmental implications of cutting overcapacity of industries: A city-level empirical simulation with input-output approach
Jiang et al. Sustainability efficiency assessment of listed companies in China: a super-efficiency SBM-DEA model considering undesirable output
CN105488628A (zh) 一种面向电力大数据可视化的数据挖掘方法
Yılmaz et al. Assessment of sustainability performances of banks by TOPSIS method and balanced scorecard approach
Moran et al. Analysis of electricity consumption profiles in public buildings with dimensionality reduction techniques
Ramoliya et al. ML-Based Energy Consumption and Distribution Framework Analysis for EVs and Charging Stations in Smart Grid Environment
Luo et al. A novel methanol futures price prediction method based on multicycle CNN-GRU and attention mechanism
Al-Tamimi et al. Multiscale integrated analysis of societal and ecosystem metabolism of Qatar
Wei et al. Estimating the influence of the socio-economic inequalities on counties’ occupational injuries in Central China
Zhou et al. How good or how poor have China’s new energy enterprises done: an empirical study based on the lagged double-market network
CN114169802B (zh) 电网用户需求响应潜力分析方法、系统及存储介质
CN115456247A (zh) 线路规划方法、装置、计算机设备和可读存储介质
CN108009725A (zh) 多能源转换技术分析方法及系统
Gerbec et al. A methodology to classify distribution load profiles
CN107909219A (zh) 一种基于双重聚类的日售电量预测方法及系统
CN102819659A (zh) 一种基于拉式物价指数的动态权重指数计算方法
CN108009943A (zh) 一种对用户实施不同电价策略的聚类方法
CN107403276A (zh) 分析用电需求的方法和装置
Li et al. Customer segmentation analysis based on SOM clustering
Li et al. Design and Implementation of an Adaptive Market Evolution Retail Settlement Model

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

Application publication date: 20171024

RJ01 Rejection of invention patent application after publication