CN111160993A - 基于用户负荷报装的用户实用及阶段释放系数的分析方法 - Google Patents

基于用户负荷报装的用户实用及阶段释放系数的分析方法 Download PDF

Info

Publication number
CN111160993A
CN111160993A CN202010000654.XA CN202010000654A CN111160993A CN 111160993 A CN111160993 A CN 111160993A CN 202010000654 A CN202010000654 A CN 202010000654A CN 111160993 A CN111160993 A CN 111160993A
Authority
CN
China
Prior art keywords
user
load
coefficient
practical
power
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
CN202010000654.XA
Other languages
English (en)
Inventor
李晓莉
韩荣珍
沈浩彬
刘伟林
钟红梅
韦园清
赖来源
徐少晖
董路通
姚志昌
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.)
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Huizhou Power Supply Bureau 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 Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202010000654.XA priority Critical patent/CN111160993A/zh
Publication of CN111160993A publication Critical patent/CN111160993A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于用户负荷报装的用户实用及阶段释放系数的分析方法，其包括：1、确定用电区域、供电分区和行业划分标准；2、计算及统计用户历史年最大负荷；3、收集历史用户负荷报装数据；4、调用多元回归算法进行样本训练学习；5、预测行业的用户实用系数；6、预测阶段释放系数。该分析方法从用户负荷报装为切人口，通过收集用户负荷报装容量、所属行业与实际负荷等历史数据，基于行业用电特性分析运行负荷与报装容量之间存在的相互关系，从而构建用户实用、阶段释放系数分析模型；通过分析当年用户实用系数的统计规律，得到用户实用系数的分布和行业实用系数的差异；通过阶段释放系数的多元回归分析，预测在今后5年用户负荷的发展情况。

Description

基于用户负荷报装的用户实用及阶段释放系数的分析方法
技术领域
本发明涉及电网技术领域，尤其涉及基于用户负荷报装的用户实用及阶段释放系数的分析方法。
背景技术
随着城市化进程的不断深入，用户的用电需求也不断地增长，用户负荷报装容量也相应的迅速增长，大型房地产、经济技术开发区、商业金融中心、政府机构和交通枢纽等项目的报装容量即达到新建变电站的要求，使得新建变电站和配电房规模一直处于较高水平。另一方面，变电站利用效率不高，主变容量未能得到充分释放，根据电力公司实际运行情况来看，一般用户报装容量远超实际负荷，造成变电站10kV供电方案较为粗放，变电站出线间隔利用率过低，甚至有些变电站间隔已全部开放完毕，但负载率长期处于较低水平。特别是目前城市用户负荷报装容量不断增加，导致变电站规划建设与实际负荷运行数据不相符，容易造成投资浪费。现有负荷特性研究基本没有涉及到用户负荷报装容量与实际负荷之间的关系。
同时，城市产业结构的持续调整，电力用户的行业类别、生产经营模式、用电特性等呈现多样化和复杂化的发展趋势，城市各大行业电力用户的用电行为各有特征，同一行业的电力用户因细分二级或三级行业的不同，用电特性的差异也日渐明显。多样化的行业发展形势对传统的行业负荷特性分析和预测方法提出了新的挑战。
通过多年信息化建设和发展，电力公司生产、调度、计量和营销系统的不断完善，电力公司积累了各级行业用户、历年电量负荷、报装容量等庞杂的运营数据，为分析行业负荷特性提供了数据支撑。
发明内容
本发明的目的在于提供一种基于用户负荷报装的用户实用及阶段释放系数的分析方法，该基于用户负荷报装的用户实用及阶段释放系数的分析方法从用户负荷报装为切人口，通过收集用户负荷报装容量、所属行业与实际负荷等历史数据，基于行业用电特性分析运行负荷与报装容量之间存在的相互关系，从而分别构建用户实用系数和阶段释放系数分析模型；且通过多元回归算法分析当年用户实用系数的统计规律，得到用户实用系数的分布和行业实用系数的差异；通过阶段释放系数的多元回归分析，预测不同行业在今后5年用户负荷的发展情况；该基于用户负荷报装的用户实用及阶段释放系数的分析方法能够为电力公司提高用户负荷报装容量的利用率提供指导，也能够为配电网科学合理规划提供依据，还能够为配电网建设的经济化发展提供决策支持。
为达到上述目的，本发明通过以下技术方案来实现。
基于用户负荷报装的用户实用及阶段释放系数的分析方法，包括有以下步骤，具体的：
步骤1、确定用电区域、供电分区和行业划分标准；
步骤2、计算及统计用户历史年最大负荷；
步骤3、收集历史用户负荷报装数据；
步骤4、调用多元回归算法进行样本训练学习；
步骤5、预测行业的用户实用系数；
步骤6、预测阶段释放系数。
其中，于所述步骤1中，用电区域划分是按照所属地区的行政区域进行划分；
供电分区划分是根据《供电区域划分地理示意图》以确定每个供电区域及供电网格所属供电分区，并通过用户与所属区域关系来确定每个用户所属供电分区；
用电行业划分是以国家行业划分标准为依据，并将用户行业属性分为以下六类，第一类是工业用户；第二类是商业及办公用户；第三类是居民用电；第四类是农业用户；第五类是趸售用户；第六类是其他用户；
于步骤1中，根据上述用电区域划分、供电分区划分和用电行业划分，对供电用户进行分组归类，剔除无法确定用电区域或供电分区或用电行业的用户，同时也删除缺失年最大负荷数据的电力用户。
其中，于所述步骤2中，在电力运行设备终端，每间隔15分钟会自动监测采集一次有功功率、无功功率、功率因数电力运行数据，并按照计量点模型进行存储；通过计量点与测量点、测量点与用户的对应关系，计算在每个15分钟时刻每个用户所对应的所有计量点的时刻最大负荷；其中，最大负荷=有功功率的平方+无功功率的平方之和开根号；
用户的时间最大负荷等于各个时刻所属用户所有计量点的时刻最大负荷之和；
通过数学统计方法，根据上述用户的时间最大负荷可统计获得每个用户日、月和年的最大负荷，且通过此方法可计算统计每个用户指定时间段内的年最大负荷，为算法分析提供丰富的训练样本数据；
同时，要对用户年最大负荷进行数据筛选，将最大负荷为空或为0，或者尖峰等异常数据进行删除，也剔除计量点与用户不相关联的数据。
其中，于所述步骤3中，每当用户有用电需求时，都会到营业厅进行用户负荷报装，填报报装容量、报装时间数据；通过获取指定时间段内所有用户负荷报装数据，为算法分析提供丰富的训练样本数据；
同时，要对用户负荷报装进行数据筛选，将报装容量为空或为0异常数据进行删除，也剔除报装时间为空的数据，保证分析的数据质量。
其中，于所述步骤4中，所采用的多元回归分析方法是指将用户报装容量视为自变量，用户年最大负荷视为因变量，通过对历史5到10年间数据进行负荷特性时空分析，建立时间、用户报装容量与年最大负荷之间多元线性回归数学模型，利用样本数据的训练学习，从而分析预测行业用户实用系数和阶段释放系数的统计分析方法；
多元回归模型的输入数据对预测结果至关重要，不同的输入数据反映了不同的学习模型；该基于用户负荷报装的用户实用及阶段释放系数的分析方法通过用电区域、供电分区和用电行业进行数据筛选，以用户报装容量、年最大负荷作为输入，通过对样本数据进行训练学习，建立以行业为特征的多元回归模型，来预测行业和供电分区相关的用户实用系数和阶段释放系数。
其中，于所述步骤5中，用户实用系数表示报装容量的利用率，表现为报装容量与实际负荷之间的相互关系，其数值的大小反映了用户相对报装容量的实际负荷水平，为电力公司分析用户负荷报装容量的合理性提供了依据，有助于规划合理投资造成浪费，其计算步骤如下：
1、设有N个电力用户，则
Figure DEST_PATH_IMAGE001
Figure 887730DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷；
2、按照用电区域、供电分区和用电行业对所选电力用户及报装容量和历史负荷进行分类筛选，作为多元回归算法输入；
3、取负荷报装后第5年作为每一用户最终年份，每一用户最终年份的年最大负荷除以报装容量即可得到用户实用系数，计算公式如下：
Figure 601608DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
；
公式中：
Figure 332410DEST_PATH_IMAGE005
Figure 789936DEST_PATH_IMAGE006
表示i用户的实用系数，
Figure DEST_PATH_IMAGE007
Figure 27145DEST_PATH_IMAGE008
表示i用户第5年的最大负荷，
Figure 177503DEST_PATH_IMAGE009
Figure DEST_PATH_IMAGE010
表示i用户的报装容量；
4、对于用电区域、供电分区或用电行业内的所有电力用户，按照用户报装容量进行加权平均，即可得到行业的用户实用系数，计算公式如下：
Figure 73565DEST_PATH_IMAGE011
Figure 131520DEST_PATH_IMAGE012
；
公式中：
Figure DEST_PATH_IMAGE013
Figure 426497DEST_PATH_IMAGE014
表示m行业的用户实用系数，n表示m行业中有n个用户样本；
通过最终实用系数和历史阶段系数的趋势得到新装用户的实用系数和阶段系数值。
其中，于所述步骤6中，阶段释放系数表示相对实用系数的年度变化值，以用户的负荷发展信息为基础，确定每一行业用电负荷的实用系数后，通过各年份的负荷信息确定每一类用电负荷后面5年的阶段释放系数；
阶段释放系数反映了负荷年实用系数与最终实用系数之间的关系，其计算是用当年实用系数除以最终实用系数，计算步骤如下：
1、计算电力用户各年份的实用系数，以当年最大负荷除以报装容量，即可得到用户的当年实用系数，计算公式如下：
Figure 747757DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
；
公式中：
Figure 859676DEST_PATH_IMAGE017
Figure 986901DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 572603DEST_PATH_IMAGE001
Figure 300650DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷，
Figure 604592DEST_PATH_IMAGE009
Figure 269929DEST_PATH_IMAGE010
表示i用户的报装容量；
2、用户的当年实用系数除以最终实用系数即可得到用户的阶段释放系数，计算公式如下：
Figure DEST_PATH_IMAGE019
Figure 288568DEST_PATH_IMAGE020
；
公式中：
Figure 13947DEST_PATH_IMAGE021
Figure DEST_PATH_IMAGE022
是i用户第j年的阶段释放系数，
Figure 103388DEST_PATH_IMAGE017
Figure 510099DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 70393DEST_PATH_IMAGE005
Figure 137313DEST_PATH_IMAGE006
表示i用户的最终实用系数；
3、根据计算所得的用户阶段系数，统一进行归一化处理；通过用户阶段系数的分析，可以看到用户负荷报装后负荷逐年增长发展的情况。
本发明的有益效果为：本发明所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其包括有以下步骤，具体的：步骤1、确定用电区域、供电分区和行业划分标准；步骤2、计算及统计用户历史年最大负荷；步骤3、收集历史用户负荷报装数据；步骤4、调用多元回归算法进行样本训练学习；步骤5、预测行业的用户实用系数；步骤6、预测阶段释放系数。该基于用户负荷报装的用户实用及阶段释放系数的分析方法从用户负荷报装为切人口，通过收集用户负荷报装容量、所属行业与实际负荷等历史数据，基于行业用电特性分析运行负荷与报装容量之间存在的相互关系，从而分别构建用户实用系数和阶段释放系数分析模型；且通过多元回归算法分析当年用户实用系数的统计规律，得到用户实用系数的分布和行业实用系数的差异；通过阶段释放系数的多元回归分析，预测不同行业在今后5年用户负荷的发展情况；该基于用户负荷报装的用户实用及阶段释放系数的分析方法能够为电力公司提高用户负荷报装容量的利用率提供指导，也能够为配电网科学合理规划提供依据，还能够为配电网建设的经济化发展提供决策支持。
附图说明
下面利用附图来对本发明进行进一步的说明，但是附图中的实施例不构成对本发明的任何限制。
图1为本发明的分析流程图。
具体实施方式
下面结合具体的实施方式来对本发明进行说明。
如图1所示，基于用户负荷报装的用户实用及阶段释放系数的分析方法，其包括有以下步骤，具体的：
步骤1、确定用电区域、供电分区和行业划分标准；
步骤2、计算及统计用户历史年最大负荷；
步骤3、收集历史用户负荷报装数据；
步骤4、调用多元回归算法进行样本训练学习；
步骤5、预测行业的用户实用系数；
步骤6、预测阶段释放系数。
需解释的是，于所述步骤1中，用电区域划分是按照所属地区的行政区域进行划分；
供电分区划分是根据《供电区域划分地理示意图》以确定每个供电区域及供电网格所属供电分区，并通过用户与所属区域关系来确定每个用户所属供电分区；
用电行业划分是以国家行业划分标准为依据，并将用户行业属性分为以下六类，第一类是工业用户；第二类是商业及办公用户；第三类是居民用电；第四类是农业用户；第五类是趸售用户；第六类是其他用户；具体的，第一类是工业用户，包括电子制造业、石油化工制造业、纺织服装业、皮革及其制品和制鞋业、建材及家具制造业、交通工具制造业、金属冶炼及加工业、仪器仪表制造业、电源及LED灯具制造业、医药制造业等；第二类是商业及办公用户，包括商业住宿和餐饮业、行政办公等；第三类是居民用电，包括度假类住宅、普通住宅等；第四类是农业用户，包括农业生产、农业排灌等；第五类是趸售用户，包括各种趸售用户等；第六类是其他用户，包括各种其他用户等。
另外，于步骤1中，根据上述用电区域划分、供电分区划分和用电行业划分，对供电用户进行分组归类，剔除无法确定用电区域或供电分区或用电行业的用户，同时也删除缺失年最大负荷数据的电力用户。
于所述步骤2中，在电力运行设备终端，每间隔15分钟会自动监测采集一次有功功率、无功功率、功率因数电力运行数据，并按照计量点模型进行存储；通过计量点与测量点、测量点与用户的对应关系，计算在每个15分钟时刻每个用户所对应的所有计量点的时刻最大负荷；其中，最大负荷=有功功率的平方+无功功率的平方之和开根号；
用户的时间最大负荷等于各个时刻所属用户所有计量点的时刻最大负荷之和；
通过数学统计方法，根据上述用户的时间最大负荷可统计获得每个用户日、月和年的最大负荷，且通过此方法可计算统计每个用户指定时间段内的年最大负荷，为算法分析提供丰富的训练样本数据；
同时，要对用户年最大负荷进行数据筛选，将最大负荷为空或为0，或者尖峰等异常数据进行删除，也剔除计量点与用户不相关联的数据。
于所述步骤3中，每当用户有用电需求时，都会到营业厅进行用户负荷报装，填报报装容量、报装时间数据；通过获取指定时间段内所有用户负荷报装数据，为算法分析提供丰富的训练样本数据；
同时，要对用户负荷报装进行数据筛选，将报装容量为空或为0异常数据进行删除，也剔除报装时间为空的数据，保证分析的数据质量。
于所述步骤4中，所采用的多元回归分析方法是指将用户报装容量视为自变量，用户年最大负荷视为因变量，通过对历史5到10年间数据进行负荷特性时空分析，建立时间、用户报装容量与年最大负荷之间多元线性回归数学模型，利用样本数据的训练学习，从而分析预测行业用户实用系数和阶段释放系数的统计分析方法；
多元回归模型的输入数据对预测结果至关重要，不同的输入数据反映了不同的学习模型；该基于用户负荷报装的用户实用及阶段释放系数的分析方法通过用电区域、供电分区和用电行业进行数据筛选，以用户报装容量、年最大负荷作为输入，通过对样本数据进行训练学习，建立以行业为特征的多元回归模型，来预测行业和供电分区相关的用户实用系数和阶段释放系数。
于所述步骤5中，用户实用系数表示报装容量的利用率，表现为报装容量与实际负荷之间的相互关系，其数值的大小反映了用户相对报装容量的实际负荷水平，为电力公司分析用户负荷报装容量的合理性提供了依据，有助于规划合理投资造成浪费，其计算步骤如下：
1、设有N个电力用户，则
Figure 415847DEST_PATH_IMAGE001
Figure 360670DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷；
2、按照用电区域、供电分区和用电行业对所选电力用户及报装容量和历史负荷进行分类筛选，作为多元回归算法输入；
3、取负荷报装后第5年作为每一用户最终年份，每一用户最终年份的年最大负荷除以报装容量即可得到用户实用系数，计算公式如下：
Figure 339252DEST_PATH_IMAGE003
Figure 78538DEST_PATH_IMAGE004
；
公式中：
Figure 578790DEST_PATH_IMAGE005
Figure 327303DEST_PATH_IMAGE006
表示i用户的实用系数，
Figure 101005DEST_PATH_IMAGE007
Figure 276771DEST_PATH_IMAGE008
表示i用户第5年的最大负荷，
Figure 264319DEST_PATH_IMAGE009
Figure 550943DEST_PATH_IMAGE010
表示i用户的报装容量；
4、对于用电区域、供电分区或用电行业内的所有电力用户，按照用户报装容量进行加权平均，即可得到行业的用户实用系数，计算公式如下：
Figure 504118DEST_PATH_IMAGE011
Figure 850786DEST_PATH_IMAGE012
；
公式中：
Figure 60050DEST_PATH_IMAGE013
Figure 648901DEST_PATH_IMAGE014
表示m行业的用户实用系数，n表示m行业中有n个用户样本；
通过最终实用系数和历史阶段系数的趋势得到新装用户的实用系数和阶段系数值。
于所述步骤6中，阶段释放系数表示相对实用系数的年度变化值，以用户的负荷发展信息为基础，确定每一行业用电负荷的实用系数后，通过各年份的负荷信息确定每一类用电负荷后面5年的阶段释放系数；
阶段释放系数反映了负荷年实用系数与最终实用系数之间的关系，其计算是用当年实用系数除以最终实用系数，计算步骤如下：
1、计算电力用户各年份的实用系数，以当年最大负荷除以报装容量，即可得到用户的当年实用系数，计算公式如下：
Figure 892801DEST_PATH_IMAGE015
Figure 410370DEST_PATH_IMAGE016
；
公式中：
Figure 372510DEST_PATH_IMAGE017
Figure 502402DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 663125DEST_PATH_IMAGE001
Figure 351595DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷，
Figure 28127DEST_PATH_IMAGE009
Figure 460246DEST_PATH_IMAGE010
表示i用户的报装容量；
2、用户的当年实用系数除以最终实用系数即可得到用户的阶段释放系数，计算公式如下：
Figure 678738DEST_PATH_IMAGE019
Figure 538109DEST_PATH_IMAGE020
；
公式中：
Figure 710727DEST_PATH_IMAGE021
Figure 680957DEST_PATH_IMAGE022
是i用户第j年的阶段释放系数，
Figure 753955DEST_PATH_IMAGE017
Figure 345080DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 503529DEST_PATH_IMAGE005
Figure 277450DEST_PATH_IMAGE006
表示i用户的最终实用系数；
3、根据计算所得的用户阶段系数，统一进行归一化处理；通过用户阶段系数的分析，可以看到用户负荷报装后负荷逐年增长发展的情况。
通过上述步骤，本发明的基于用户负荷报装的用户实用及阶段释放系数的分析方法从用户负荷报装为切人口，通过收集用户负荷报装容量、所属行业与实际负荷等历史数据，基于行业用电特性分析运行负荷与报装容量之间存在的相互关系，从而分别构建用户实用系数和阶段释放系数分析模型；且通过多元回归算法分析当年用户实用系数的统计规律，得到用户实用系数的分布和行业实用系数的差异；通过阶段释放系数的多元回归分析，预测不同行业在今后5年用户负荷的发展情况；该基于用户负荷报装的用户实用及阶段释放系数的分析方法能够为电力公司提高用户负荷报装容量的利用率提供指导，也能够为配电网科学合理规划提供依据，还能够为配电网建设的经济化发展提供决策支持。
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于，包括有以下步骤，具体的：
步骤1、确定用电区域、供电分区和行业划分标准；
步骤2、计算及统计用户历史年最大负荷；
步骤3、收集历史用户负荷报装数据；
步骤4、调用多元回归算法进行样本训练学习；
步骤5、预测行业的用户实用系数；
步骤6、预测阶段释放系数。
2.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤1中，用电区域划分是按照所属地区的行政区域进行划分；
供电分区划分是根据《供电区域划分地理示意图》以确定每个供电区域及供电网格所属供电分区，并通过用户与所属区域关系来确定每个用户所属供电分区；
用电行业划分是以国家行业划分标准为依据，并将用户行业属性分为以下六类，第一类是工业用户；第二类是商业及办公用户；第三类是居民用电；第四类是农业用户；第五类是趸售用户；第六类是其他用户；
于步骤1中，根据上述用电区域划分、供电分区划分和用电行业划分，对供电用户进行分组归类，剔除无法确定用电区域或供电分区或用电行业的用户，同时也删除缺失年最大负荷数据的电力用户。
3.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤2中，在电力运行设备终端，每间隔15分钟会自动监测采集一次有功功率、无功功率、功率因数电力运行数据，并按照计量点模型进行存储；通过计量点与测量点、测量点与用户的对应关系，计算在每个15分钟时刻每个用户所对应的所有计量点的时刻最大负荷；其中，最大负荷=有功功率的平方+无功功率的平方之和开根号；
用户的时间最大负荷等于各个时刻所属用户所有计量点的时刻最大负荷之和；
通过数学统计方法，根据上述用户的时间最大负荷可统计获得每个用户日、月和年的最大负荷，且通过此方法可计算统计每个用户指定时间段内的年最大负荷，为算法分析提供丰富的训练样本数据；
同时，要对用户年最大负荷进行数据筛选，将最大负荷为空或为0，或者尖峰等异常数据进行删除，也剔除计量点与用户不相关联的数据。
4.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤3中，每当用户有用电需求时，都会到营业厅进行用户负荷报装，填报报装容量、报装时间数据；通过获取指定时间段内所有用户负荷报装数据，为算法分析提供丰富的训练样本数据；
同时，要对用户负荷报装进行数据筛选，将报装容量为空或为0异常数据进行删除，也剔除报装时间为空的数据，保证分析的数据质量。
5.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤4中，所采用的多元回归分析方法是指将用户报装容量视为自变量，用户年最大负荷视为因变量，通过对历史5到10年间数据进行负荷特性时空分析，建立时间、用户报装容量与年最大负荷之间多元线性回归数学模型，利用样本数据的训练学习，从而分析预测行业用户实用系数和阶段释放系数的统计分析方法；
多元回归模型的输入数据对预测结果至关重要，不同的输入数据反映了不同的学习模型；该基于用户负荷报装的用户实用及阶段释放系数的分析方法通过用电区域、供电分区和用电行业进行数据筛选，以用户报装容量、年最大负荷作为输入，通过对样本数据进行训练学习，建立以行业为特征的多元回归模型，来预测行业和供电分区相关的用户实用系数和阶段释放系数。
6.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤5中，用户实用系数表示报装容量的利用率，表现为报装容量与实际负荷之间的相互关系，其数值的大小反映了用户相对报装容量的实际负荷水平，为电力公司分析用户负荷报装容量的合理性提供了依据，有助于规划合理投资造成浪费，其计算步骤如下：
1、设有N个电力用户，则
Figure 875018DEST_PATH_IMAGE001
Figure 762072DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷；
2、按照用电区域、供电分区和用电行业对所选电力用户及报装容量和历史负荷进行分类筛选，作为多元回归算法输入；
3、取负荷报装后第5年作为每一用户最终年份，每一用户最终年份的年最大负荷除以报装容量即可得到用户实用系数，计算公式如下：
Figure 5971DEST_PATH_IMAGE003
Figure 22076DEST_PATH_IMAGE004
；
公式中：
Figure 984215DEST_PATH_IMAGE005
Figure 612643DEST_PATH_IMAGE006
表示i用户的实用系数，
Figure 274831DEST_PATH_IMAGE007
Figure 963301DEST_PATH_IMAGE008
表示i用户第5年的最大负荷，
Figure 412737DEST_PATH_IMAGE009
Figure 579276DEST_PATH_IMAGE010
表示i用户的报装容量；
4、对于用电区域、供电分区或用电行业内的所有电力用户，按照用户报装容量进行加权平均，即可得到行业的用户实用系数，计算公式如下：
Figure 376198DEST_PATH_IMAGE011
Figure 297886DEST_PATH_IMAGE012
；
公式中：
Figure 470504DEST_PATH_IMAGE013
Figure 706313DEST_PATH_IMAGE014
表示m行业的用户实用系数，n表示m行业中有n个用户样本；
通过最终实用系数和历史阶段系数的趋势得到新装用户的实用系数和阶段系数值。
7.根据权利要求1所述的基于用户负荷报装的用户实用及阶段释放系数的分析方法，其特征在于：于所述步骤6中，阶段释放系数表示相对实用系数的年度变化值，以用户的负荷发展信息为基础，确定每一行业用电负荷的实用系数后，通过各年份的负荷信息确定每一类用电负荷后面5年的阶段释放系数；
阶段释放系数反映了负荷年实用系数与最终实用系数之间的关系，其计算是用当年实用系数除以最终实用系数，计算步骤如下：
1、计算电力用户各年份的实用系数，以当年最大负荷除以报装容量，即可得到用户的当年实用系数，计算公式如下：
Figure 779311DEST_PATH_IMAGE015
Figure 809584DEST_PATH_IMAGE016
；
公式中：
Figure 466568DEST_PATH_IMAGE017
Figure 974910DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 230311DEST_PATH_IMAGE001
Figure 932950DEST_PATH_IMAGE002
为i用户在第j年的年最大负荷，
Figure 578695DEST_PATH_IMAGE009
Figure 890728DEST_PATH_IMAGE010
表示i用户的报装容量；
2、用户的当年实用系数除以最终实用系数即可得到用户的阶段释放系数，计算公式如下：
Figure 938318DEST_PATH_IMAGE019
Figure 814788DEST_PATH_IMAGE020
；
公式中：
Figure 947829DEST_PATH_IMAGE021
Figure 125870DEST_PATH_IMAGE022
是i用户第j年的阶段释放系数，
Figure 529431DEST_PATH_IMAGE017
Figure 72408DEST_PATH_IMAGE018
表示i用户的在j年的实用系数，
Figure 427166DEST_PATH_IMAGE005
Figure 346581DEST_PATH_IMAGE006
表示i用户的最终实用系数；
3、根据计算所得的用户阶段系数，统一进行归一化处理；通过用户阶段系数的分析，可以看到用户负荷报装后负荷逐年增长发展的情况。
CN202010000654.XA 2020-01-02 2020-01-02 基于用户负荷报装的用户实用及阶段释放系数的分析方法 Pending CN111160993A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010000654.XA CN111160993A (zh) 2020-01-02 2020-01-02 基于用户负荷报装的用户实用及阶段释放系数的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010000654.XA CN111160993A (zh) 2020-01-02 2020-01-02 基于用户负荷报装的用户实用及阶段释放系数的分析方法

Publications (1)

Publication Number Publication Date
CN111160993A true CN111160993A (zh) 2020-05-15

Family

ID=70560955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010000654.XA Pending CN111160993A (zh) 2020-01-02 2020-01-02 基于用户负荷报装的用户实用及阶段释放系数的分析方法

Country Status (1)

Country Link
CN (1) CN111160993A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915056A (zh) * 2020-06-16 2020-11-10 广东电网有限责任公司 一种基于大数据分析的用户实用负荷预测系统及预测方法
CN112257913A (zh) * 2020-10-16 2021-01-22 广东电网有限责任公司 中压线路负荷值预测方法、装置、设备及存储介质
CN113689051A (zh) * 2021-09-02 2021-11-23 广东电网有限责任公司东莞供电局 一种基于用户报装与地块的配网负荷预测装置及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915056A (zh) * 2020-06-16 2020-11-10 广东电网有限责任公司 一种基于大数据分析的用户实用负荷预测系统及预测方法
CN112257913A (zh) * 2020-10-16 2021-01-22 广东电网有限责任公司 中压线路负荷值预测方法、装置、设备及存储介质
CN113689051A (zh) * 2021-09-02 2021-11-23 广东电网有限责任公司东莞供电局 一种基于用户报装与地块的配网负荷预测装置及方法

Similar Documents

Publication Publication Date Title
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及系统
Al-Ghaili et al. Energy management systems and strategies in buildings sector: A scoping review
CN110097297A (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN105184455A (zh) 一种面向城市电力数据分析的高维可视化分析方法
CN105117810A (zh) 一种阶梯电价机制下居民用电中期负载预测方法
CN111160993A (zh) 基于用户负荷报装的用户实用及阶段释放系数的分析方法
CN110097220B (zh) 一种风力发电月度电量预测方法
CN111191966B (zh) 一种基于时空特性的配电网电压不合格时段识别方法
CN104376371B (zh) 一种基于拓扑的配网分层负荷预测方法
CN108959424A (zh) 一种用于电力系统负荷监测的城市用电地图的操作方法
CN110782153A (zh) 一种企业园区综合能效评估体系建模方法及系统
Gajowniczek et al. Electricity peak demand classification with artificial neural networks
CN107330540A (zh) 一种考虑电压质量的配电网台区缺供电量预测方法
CN114596693A (zh) 用于能源监控和管理的方法、系统、介质和程序产品
CN111310854A (zh) 基于用电负荷指纹的低误报率窃电检测二次筛选方法
CN108898248A (zh) 电力负荷影响因素量化分析方法、装置、设备及介质
CN115660225A (zh) 一种基于电表通信模块的用电负荷预测管理方法及系统
Yu et al. Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN118396326A (zh) 基于大数据的居民用电量预测以及调度系统和方法
Abdolrezaei et al. Substation mid-term electric load forecasting by knowledge-based method
CN112598257A (zh) 一种基于大数据特征挖掘的停电分析方法及系统
CN111144628A (zh) 一种分布式供能的冷热电负荷预测模型系统及方法
CN115730740A (zh) 一种台区级电力短期负荷预测方法及系统
CN114386204A (zh) 基于灰色模型的电网夏季空调负荷峰值精细化预测方法及系统

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