CN109784606B - 一种企业用电逾期风险评估方法 - Google Patents

一种企业用电逾期风险评估方法 Download PDF

Info

Publication number
CN109784606B
CN109784606B CN201811402971.3A CN201811402971A CN109784606B CN 109784606 B CN109784606 B CN 109784606B CN 201811402971 A CN201811402971 A CN 201811402971A CN 109784606 B CN109784606 B CN 109784606B
Authority
CN
China
Prior art keywords
enterprise
utilization
electricity
mode
month
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.)
Active
Application number
CN201811402971.3A
Other languages
English (en)
Other versions
CN109784606A (zh
Inventor
邓君华
邹云峰
徐超
江明
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power 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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811402971.3A priority Critical patent/CN109784606B/zh
Publication of CN109784606A publication Critical patent/CN109784606A/zh
Application granted granted Critical
Publication of CN109784606B publication Critical patent/CN109784606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种企业用电逾期风险评估方法，包括：对目标企业当前n个月的用电数据进行拐点特征提取，根据拐点特征确定目标企业的当前用能模式；确定目标企业的当前用能模式与预先提取的用电模式库的距离；根据目标企业的当前用能模式与预先提取的用电模式库的距离评价企业用电预期风险。本发明通过企业用电变化量计算企业用电数据的拐点数据，充分考虑了企业用电量的变化趋势，确定了企业的用电模式，将其与模式特征库中的用电模式进行匹配分析，使评价方法更加合理，为企业或者评估机构提供性能优异的评价方法；本发明采用合理的距离计算公式，更高效准确地评价当前企业用电模式与用电模式的偏离程度，整个过程清晰通用性好，适合推广使用。

Description

一种企业用电逾期风险评估方法
技术领域
本发明涉及一种企业用电逾期风险评估方法，具体属于电力数据环境下的用电知识挖掘与典型模式提取技术领域。
背景技术
在电力大数据环境下，对行业企业的海量用电数据进行深度知识挖掘，构建行业的典型用电模式知识库，用于预测和感知行业企业的用电异常，预测电费风险，构建综合风险筛查模型。对多数用电敏感行业，企业的生产经营态势与其用电态势是紧密相关的。用电上的迥异于该行业同类企业的用电模式，或与该行业典型异常用电模式相近，都是企业存在异常风险的体现，反之依然。
因此有必要对企业用电模式与行业用电模式进行模式匹配分析，根据当前企业与用电模式库的偏离程度，量化风险值，评估用电风险。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种企业用电逾期风险评估方法。
为解决上述技术问题，本发明采用以下技术方案：
本发明提供了一种企业用电逾期风险评估方法，包括以下步骤：
步骤一、对目标企业当前n个月的用电数据进行拐点特征提取，根据拐点特征确定目标企业的当前用能模式；
步骤二、确定目标企业的当前用能模式与预先提取的行业用电模式库的距离；
步骤三、根据目标企业的当前用能模式与预先提取的行业用电模式库的距离评价企业用电预期风险。
在以上技术方案中，步骤一包括确定目标企业当前n个月的用电数据的拐点，确定拐点的方法如下：
对于某个月份m，m∈[2,11]，计算m-1月与m月之间的用电变化量km-1，计算m月与m+1月之间的用电变化量km，表达式如下
km-1＝Conlm-Conlm-1,
km＝Conlm+1-Conlm，
其中Conlm为第m个月的用电量，Conlm-1为第m-1个月的用电量，Conlm+1为第m+1个月的用电量；
若km*km+1<0或者
Figure BDA0001876680950000021
其中ε为预先设定的值，则将m月定义为用电拐点。
在以上技术方案中，目标企业的当前用能模式表示为拐点的序列{infPoint1，infPoint2，...，infPointn}，其中拐点infPoint表示为：{m,km起始,km终止}，其中m表示月份，km起始,起始表示拐点起始用电变化量，km终止表示拐点终止用电变化量。
在以上技术方案中，步骤二确定目标企业的当前用能模式与预先提取的行业用电模式库的距离Di的公式如下：
Figure BDA0001876680950000022
Figure BDA0001876680950000023
若
Figure BDA0001876680950000024
距离
Figure BDA0001876680950000025
若
Figure BDA0001876680950000026
Figure BDA0001876680950000031
则当前企业与某个用电模式之间的距离为：
Figure BDA0001876680950000032
其中，n表示当前企业有数据的月数，kci表示当前企业第i个月与第i+1个月之间的用电变化量，其中i∈[1,11]；
Figure BDA0001876680950000033
表示预先提取的行业用电模式库中第i个月与第i+1个月之间的最大用电变化量，
Figure BDA0001876680950000034
表示预先提取的行业用电模式库中第i个月与第i+1个月之间的最小用电变化量
利用k近邻思想，找出前k个距离最小的用电模式，计算这k个用电模式的加权平均距离作为当前企业与对应模式库的距离。
在以上技术方案中，所述预先提取的行业用电模式库包括黑库和白库，通过距离公式得到两个距离集合，与白库的模式计算得到的距离记为List_W＝{D1,D2,…,Dk}，与黑库的模式计算得到的距离记为List_B＝{D1,D2,…,Dn}，利用k近邻思想，分别在List_W和List_B中找出前k个距离最小的用电模式，计算这k个用电模式的加权平均距离作为当前企业与对应模式库的距离，分别记为Dist_black和Dist_white。
在以上技术方案中，评价企业用电预期风险用的逾期风险度量公式如下：
Figure BDA0001876680950000035
本发明所达到的有益效果：
本发明通过企业用电变化量计算企业用电数据的拐点数据，充分考虑了企业用电量的变化趋势，确定了企业的用电模式，将其与模式特征库中的用电模式进行匹配分析，使评价方法更加合理，为企业或者评估机构提供性能优异的评价方法；
另外本发明采用合理的距离计算公式，更高效准确地评价当前企业用电模式与用电模式的偏离程度，是整个过程清晰通用性好，适合推广使用。
附图说明
图1是本发明方法流程示意图；
图2是本发明具体实施例某企业某年前4个月用电量折线图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
具体实施例
一种企业用电逾期风险评估方法，包括以下步骤：
步骤一、对目标企业当前n个月的用电数据进行拐点特征提取，根据拐点特征确定目标企业的当前用能模式；
步骤二、确定目标企业的当前用能模式与预先提取的行业用电模式库的距离；
步骤三、根据目标企业的当前用能模式与预先提取的行业用电模式库的距离评价企业用电预期风险。
确定目标企业当前n个月的用电数据的拐点，确定拐点的方法如下：
对于某个月份m，m∈[2,11]，计算m-1月与m月之间的用电变化量km-1，计算m月与m+1月之间的用电变化量km，表达式如下
km-1＝Conlm-Conlm-1,
km＝Conlm+1-Conlm，
其中Conlm为第m个月的用电量，Conlm-1为第m-1个月的用电量，Conlm+1为第m+1个月的用电量；
若km*km+1<0或者
Figure BDA0001876680950000051
其中ε为预先设定的值，则将m月定义为用电拐点。
在具体实施中以一个企业一年12个月的用电数据为例举例说明
[(1,4220.0),(2,1477.0),(3,3718.0),(4,1846.0),(5,1682.0),(7,4983.0),(9,1613.0),(11,3658.0),(12,1213.0)]
求得企业的拐点序列如表1，某些月份没有数据的，按0填充。
表1具体实施例某企业拐点序列
月份 起始用电变化量 终止用电变化量
1 0 -2743
2 -2743 2241
3 2241 -1872
4 -1872 -164
5 -164 -1682
6 -1682 4983
7 4983 -4983
8 -4983 1613
9 1613 -1613
10 -1613 3658
11 3658 -2445
12 -2445 0
根据拐点的定义，拐点序列表示的就是上表中的每一行。
在另一个实施例中，对于企业A，前4个月的用电数据如表2：
表2某企业某年前4个月用电量
一月 二月 三月 四月
用电量 2.4 4.4 1.8 2.8
对应的折线图如图2所示。
根据拐点的定义，1月、2月、3月和4月都是拐点(1月和4月属于当前企业当前阶段4个月的开始月份和结束月份，默认为拐点)，因此该企业的用能模式表示为：
{[1月,0.0,2.0],[2月,2.0,-2.6],[3月,-2.6,1.0],[4月,1.0,0.0]}
在一个具体实施例中，预先提取的行业用电模式有黑库(见表3和表4)和白库见(表5和表6)。
表3具体实施例黑库_B_m1:
Figure BDA0001876680950000071
表4具体实施例黑库_B_m2:
Figure BDA0001876680950000081
表5具体实施例白库_W_m1：
Figure BDA0001876680950000091
表6具体实施例白库_W_m2:
Figure BDA0001876680950000101
在具体实施例中根据企业的用电数据得到企业的阶段用电数据特征提取后的拐点序列C_m如表7，
表7具体实施例企业用电量的拐点序列
月份 起始用电变化量 终止用电变化量
1 0 2
2 2 5
3 5 -5
4 -5 -1
5 -1 6
6 6 -2
7 -2 4
8 4 -1
9 -1 -2
10 -2 3
11 3 -3
12 -3 0
分别计算C_m与W_m1、W_m2、B_m1和B_m2之间的距离，根据上述步骤(3)中的距离公式得到
D(C_m,W_m1)＝1.44，
D(C_m,W_m2)＝1.26，
D(C_m,B_m1)＝1.50，
D(C_m,B_m2)＝1.41，
则根据k近邻加权模式匹配度量算法(k＝2)，企业当前阶段与白库的距离Dist_white＝1.35,与黑库的距离Dist_black＝1.45，最后根据步骤(4)中企业逾期风险的计算公式得出该企业的偏离风险为0.46，企业逾期风险的计算公式如下所示：
Figure BDA0001876680950000111
本发明是在用能模式已知的情况下，对企业用电逾期风险进行评估。用能模式的提取采用的是现有技术，例如在具体实施方式中：
各个行业相同生产领域的企业的共性通常会表现在用能上面，可以利用dbscan聚类算法对用电数据进行聚类，聚类时会将距离相近的企业聚成一个簇，类似物以类聚，人以群分的意思，那么同一个聚簇中的这些企业具有相似的用能模式，这些企业的一年的用能曲线的走势大致相同，但是每个月的用电幅度(即用电变化量)存在差异，因此，要表征一个行业整体的用能模式，具体实施时可以采用幅度范围(即用电变化量范围)来呈现。关于用到的现有技术在此不做赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (3)

1.一种企业用电逾期风险评估方法，其特征是，包括以下步骤：
步骤一、对目标企业当前n个月的用电数据进行拐点特征提取，根据拐点特征确定目标企业的当前用能模式；
步骤二、确定目标企业的当前用能模式与预先提取的用电模式库的距离；步骤二确定目标企业的当前用能模式与预先提取的行业用电模式库的距离
Figure 877117DEST_PATH_IMAGE001
的公式如下：
Figure 528679DEST_PATH_IMAGE002
Figure 980520DEST_PATH_IMAGE003
若
Figure 313412DEST_PATH_IMAGE004
Figure 596626DEST_PATH_IMAGE005
若
Figure 356771DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE007
则当前企业与某个用电模式之间的距离为：
Figure 30329DEST_PATH_IMAGE008
，
其中，n表示当前企业有数据的月数，
Figure 963650DEST_PATH_IMAGE009
表示当前企业第i个月与第i+1个月之间的用电变化量，其中i
Figure 304633DEST_PATH_IMAGE010
[1,11]；
Figure 229820DEST_PATH_IMAGE011
表示预先提取的行业用电模式库中第i个月与第i+1个月之间的最大用电变化量，
Figure 718571DEST_PATH_IMAGE012
表示预先提取的行业用电模式库中第i个月与第i+1个月之间的最小用电变化量；
利用k近邻思想，找出前k个距离最小的用电模式，计算这k个用电模式的加权平均距离作为当前企业与对应模式库的距离；
步骤三、根据目标企业的当前用能模式与预先提取的行业用电模式库的距离评价企业用电预期风险；
确定拐点的方法如下：对于某个月份m，m
Figure 127686DEST_PATH_IMAGE010
[2,11]，计算m-1月与m月之间的用电变化量km-1，计算m月与m+1月之间的用电变化量km，表达式如下
km-1=Conlm- Conlm-1,
km= Conlm+1- Conlm，
其中Conlm为第m个月的用电量，Conlm-1为第m-1个月的用电量，Conlm+1为第m+1个月的用电量；
若km* km+1<0或者km/ km+1∉ [1-ε,1+ε]，其中ε为预先设定的值，则将m月定义为用电拐点；
目标企业的当前用能模式表示为拐点的序列{infPoint1，infPoint2，...，infPointn}，其中拐点infPoint表示为：{m, km起始, km终止}，其中m表示月份，km起始,起始表示拐点起始用电变化量，km终止表示拐点终止用电变化量。
2.根据权利要求1所述的企业用电逾期风险评估方法，其特征是，所述预先提取的行业用电模式库包括黑库和白库，通过距离公式得到两个距离集合，与白库的模式计算得到的距离记为List_W={D1, D2, …, Dk }，与黑库的模式计算得到的距离记为List_B={D1, D2,…, Dn }，利用k近邻思想，分别在List_W和List_B中找出前k个距离最小的用电模式，计算这k个用电模式的加权平均距离作为当前企业与对应模式库的距离，分别记为Dist_black和Dist_white。
3.根据权利要求2所述的企业用电逾期风险评估方法，其特征是，评价企业用电预期风险用的逾期风险度量公式如下：
Figure 385492DEST_PATH_IMAGE013
。
CN201811402971.3A 2018-11-23 2018-11-23 一种企业用电逾期风险评估方法 Active CN109784606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811402971.3A CN109784606B (zh) 2018-11-23 2018-11-23 一种企业用电逾期风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811402971.3A CN109784606B (zh) 2018-11-23 2018-11-23 一种企业用电逾期风险评估方法

Publications (2)

Publication Number Publication Date
CN109784606A CN109784606A (zh) 2019-05-21
CN109784606B true CN109784606B (zh) 2020-06-05

Family

ID=66496593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811402971.3A Active CN109784606B (zh) 2018-11-23 2018-11-23 一种企业用电逾期风险评估方法

Country Status (1)

Country Link
CN (1) CN109784606B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678766A (zh) * 2013-11-08 2014-03-26 国家电网公司 一种基于pso算法的异常用电客户检测方法
CN108376982A (zh) * 2017-11-24 2018-08-07 上海泰豪迈能能源科技有限公司 负载相序的识别方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101012863B1 (ko) * 2008-09-25 2011-02-08 한국전력공사 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템
CN106447206A (zh) * 2016-10-09 2017-02-22 国网浙江省电力公司信息通信分公司 基于用电信息采集数据的用电分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678766A (zh) * 2013-11-08 2014-03-26 国家电网公司 一种基于pso算法的异常用电客户检测方法
CN108376982A (zh) * 2017-11-24 2018-08-07 上海泰豪迈能能源科技有限公司 负载相序的识别方法及装置

Also Published As

Publication number Publication date
CN109784606A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
Rajabi et al. A comparative study of clustering techniques for electrical load pattern segmentation
Westermann et al. Unsupervised learning of energy signatures to identify the heating system and building type using smart meter data
WO2018082523A1 (zh) 一种负荷周期的模式识别方法
CN110796173B (zh) 一种基于改进kmeans的负荷曲线形态聚类算法
CN111784093B (zh) 一种基于电力大数据分析的企业复工辅助判断方法
CN112819299A (zh) 一种基于中心优化的差分K-means负荷聚类方法
CN113515512A (zh) 一种工业互联网平台数据的质量治理及提升方法
CN108230029A (zh) 客户交易行为分析方法
Yin et al. Dynamic real–time abnormal energy consumption detection and energy efficiency optimization analysis considering uncertainty
CN110738232A (zh) 一种基于数据挖掘技术的电网电压越限成因诊断方法
CN112258337A (zh) 一种自我补全修正的基站能耗模型预测方法
CN115422788B (zh) 一种配电网线损分析管理方法、装置、存储介质及系统
CN103971133A (zh) 基于案例推理的钢板表面缺陷的自动识别方法
CN118152836B (zh) 一种用于电能表运行过程的稳定性评估方法
CN108197254A (zh) 一种基于近邻的数据修复方法
CN111046913A (zh) 一种负荷异常值识别方法
CN114519651A (zh) 基于电力大数据的智能配电方法
CN111027841A (zh) 一种基于梯度提升决策树的低压台区线损计算方法
CN117291655B (zh) 基于实体、网络协同映射的消费者生命周期运营分析方法
CN114581141A (zh) 基于特征选择与lssvr的短期负荷预测方法
CN102621953A (zh) 一种橡胶硬度的在线自动质量监控和预测模型更新的方法
CN112163595B (zh) 用户典型用电模式的获取方法、获取装置和电子设备
AlMahamid et al. Agglomerative hierarchical clustering with dynamic time warping for household load curve clustering
CN109784606B (zh) 一种企业用电逾期风险评估方法
CN111105098B (zh) 一种单体用户算法自匹配的负荷预测方法和系统

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