CN111210170A - 基于90%用电分布特征指标的环保管控监测及评价方法 - Google Patents
基于90%用电分布特征指标的环保管控监测及评价方法 Download PDFInfo
- Publication number
- CN111210170A CN111210170A CN202010314582.6A CN202010314582A CN111210170A CN 111210170 A CN111210170 A CN 111210170A CN 202010314582 A CN202010314582 A CN 202010314582A CN 111210170 A CN111210170 A CN 111210170A
- Authority
- CN
- China
- Prior art keywords
- control
- curve
- production
- data
- enterprise
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000009826 distribution Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 title claims description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 180
- 230000004044 response Effects 0.000 claims abstract description 63
- 230000007613 environmental effect Effects 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000004140 cleaning Methods 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000011229 interlayer Substances 0.000 claims description 6
- 238000013450 outlier detection Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims 1
- 230000001186 cumulative effect Effects 0.000 description 6
- 235000012571 Ficus glomerata Nutrition 0.000 description 4
- 244000153665 Ficus glomerata Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000023813 Isia Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于90%用电分布特征指标的环保管控监测及评价方法，包括：步骤1：获取待监测企业历史用电曲线，并对历史用电曲线进行数据清洗和对历史用电数据的管控情况进行标记；步骤2：根据步骤1标记结果对待监测企业的非环保管控时段用户用电曲线进行聚类，挖掘90%典型生产带和企业典型模式生产能力曲线，并计算生产模式指标，结合各个生产模式指标提取不同的生产模式；步骤3：根据步骤2提取的不同生产模式，建立不同的管控指令，结合管控指令计算管控曲线；步骤4：结合管控曲线，读取实时用电曲线，进行企业环保响应监控及评价。本发明为环保部门实现管控措施响应信息远程监控和异常生产企业精准控制提供技术手段。
Description
技术领域
本发明涉及电力数据用于环保指令管控领域的分析方法技术领域，尤其涉及基于90%用电分布特征指标的环保管控监测及评价方法。
背景技术
近年来，随着国家电网泛在电力物联网的建设，电网呈现信息化、数字化、智能化特征，大量电网数据为国网公司开拓电网数字经济的蓝海提供了有利的平台和坚实的基础。目前，大部分研究主要集中在泛在电力物联网与智能电网之间的融合交互，旨在利用信息化手段为传统电网赋能，提升电网的运行效率和客户服务质量，然而，对于电网数据在其他行业的应用尚处于初步探索阶段，相关的问题分析方法仍有待进一步研究。
将用户用电数据用于环保管控监测，为有关政府部门提供管控效果反馈信息和决策支持是对“枢纽型”、“平台型”、“共享型”电网的积极探索。一方面，有效的促进电网数据的经济效益挖掘，有利于国家电网公司战略转型策略的实施；另一方面，可有效提升环保监测的效率和准确性，实现跨专业、跨行业的数据共享、技术支撑和互利共赢。然而，由于不同的企业生产情况和用能情况各不相同，同一企业在不同季节、不同时间段在产量、工艺等方面也有较大差异，以往通过日电量数据反映用户生产水平和环保管控措施响应情况的方法难以适应“蓝天保卫战”的实际需求。
发明内容
本发明所要解决的技术问题是现有的环保管控监测方法不能精准地实现生产企业对环保部门管控指令响应情况的研判和异常生产企业的把控，难以满足实际需求。本发明提供了解决上述问题的基于90%用电分布特征指标的环保管控监测及评价方法，本发明从用户的多维度历史用电数据入手，基于90%用电分布特征指标挖掘用户的用电特征和环保指令响应特征，为环保部门实现管控措施响应信息远程监控和异常生产企业精准控制提供技术手段。
本发明通过下述技术方案实现：
基于90%用电分布特征指标的环保管控监测及评价方法，该方法包括以下步骤：
步骤1：获取待监测企业历史用电曲线，并对历史用电曲线进行数据清洗和对历史用电数据的管控情况进行标记；
步骤2：根据步骤1标记结果对待监测企业的非环保管控时段用户用电曲线进行聚类，挖掘90%典型生产带和企业典型模式生产能力曲线，并计算生产模式指标，结合各个生产模式指标提取不同的生产模式；
步骤3：根据步骤2提取的不同生产模式，建立不同的管控指令，结合管控指令计算管控曲线；
步骤4：结合管控曲线，读取实时用电曲线，进行企业环保响应监控及评价。
基于现有的环保管控监测方法不能精准地实现生产企业对环保部门管控指令响应情况的研判和异常生产企业的把控，难以满足实际需求。因此本发明充分利用企业历史用电曲线，考虑研究扩展时间维度电量信息用于生产企业环保管控执行情况的监测及精准辨识方法，充分挖掘用户用电信息与环保管控之间的关联关系，实现异常生产企业的精确查找；本发明基于90%用电分布特征指标的环保管控监测及评价方法，提出基于90%用电分布带的典型生产能力曲线获取方法，构造了生产模式指标用以表征企业生产状态和模式，并通过建立基于不同生产模式的环保管控曲线以及环保管控响应评价指标，通过电网企业为用电企业建立基于90%典型生产带和企业典型模式生产能力曲线来计算生产模式指标，结合各个生产模式指标提取不同的生产模式，从而结合管控指令计算用电企业对应的管控曲线；这样便建立了用电企业、电网企业和环保局之间的对应关系，为环保局对各个用电企业提供相对应环保管控措施的监控，在此基础上，实现企业环保管控响应实时研判，为环保监查提供了技术手段。
进一步地，所述步骤1包括以下子步骤：
步骤11：从电网公司用电采集系统获取待监测企业用户历史用电曲线，用户历史用电曲线为用户一天多个时间点的电量数据或功率数据，采集周期根据实际需求确定，一般可取15min，1h，2h等。
步骤12：对步骤11中采集到的数据进行数据清洗，其中数据清洗包括异常数据剔除和缺失数据补齐；其中，异常数据剔除主要是对明显不符合实际情况的数据，例如用电量激增、功率数据为负等情况。针对采样数据中存在数据缺失的情况，可以利用相邻多日相同时刻点数据的均值、插值等算法对缺失数据进行补齐；当一个样本中缺失数据超过三分之一时，应将该样本予以去除。
步骤13：对步骤12中清洗后的数据进行历史数据标记初步标记和管控标记：初步标记包括工作日与非工作日，工作日标记为0，非工作日标记为1；管控标记按照环保部门的要求包括无管控、红色管控、橙色管控和黄色管控四类，分别对应标记为0、1、2和3；
步骤14：进行工作日标记和非工作日标记的有效性判定：对工作日数据和非工作日数据的相关性进行分析，判断该企业工作日和非工作日的用电情况是否呈现较大差异，若差异较大，对非工作日和工作日分别进行处理；若差异较小，则不区分工作日和非工作日。
进一步地，步骤S12中的所述缺失数据补齐方法采用相邻多日相同时刻点数据的均值算法或者插值算法对缺失数据进行补齐；
其中，采用均值算法对缺失数据进行补齐时，若第N个样本i时刻数据缺失，则缺失时刻的数据由缺失样本前后一段时长的数据补齐，计算结果为：
式中，
为第N个样本在第i时刻缺失的测量值；
为第S个样本在第i时刻的测量值。
进一步地，所述步骤2包括以下子步骤：
步骤21：基于最大层间距离的聚类方法对待监测企业的非环保管控时段用户用电曲线进行聚类；
若采用基于划分的聚类方法（如K-means、fuzzy K-means等），根据企业性质和用电情况确定分类数目需要人为选定，然而，企业数量众多人为选定工作量大，且人工选定的分类数目可能存在主观性，难以实现最优聚类。因此，本发明首先根据历史样本建立聚类树，根据聚类树的最大纵向距离（最大层间距离）选定分类数目，并以该分类数目为基础采用聚类算法对数据进行划分。
步骤22：根据步骤21的聚类结果，针对不同类生产模式，通过离群点检测方法，去除离群点的数量不高于10%，从而获得包含90%的样本数据的最小范围；从而挖掘出不同时间点的范围值构成90%典型生产带；
步骤23：挖掘企业典型模式生产能力曲线：根据步骤21的聚类结果，按照不同类来生成典型曲线带；典型生产模式的生产能力曲线公式：
式中：i的取值范围为1~k；C的取值范围为1~分类数；
为第C类中所有曲线第i时刻值的集合中，包含90%以上的样本数据的最小范围；max为最大值函数，
为生产能力曲线上界；
步骤24：基于典型生产能力曲线计算生产模式指标，结合各个生产模式指标提取不同的生产模式；其中，生产模式指标包括曲线均衡度、曲线平稳度和日生产量。
曲线均衡度
，用来表征第c类生产模式的均衡程度，公式如下：
式中，
为第c类生产模式曲线的上界的最大值，
为第c类生产模式曲线的上界的最小值，
为该企业所有样本中（包括所有时刻）的最大值。
曲线平稳度
，用来表征第c类生产模式的平稳程度，公式如下：
式中，
为第c类生产模式曲线的平稳度，t为平稳度计算时窗，取可样本时间维度k被整除的数；
为第c类生产模式曲线在t时窗模式下的差分向量；
为该企业所有样本中（包括所有时刻）的最大值，
为第c类生产模式上界在i时刻的值；
的判定标准根据实际曲线确定，一般小于0.2则认为整体平稳度较高；
的符号变化为生产模式转变的标致，
大于0.6则认为j+1时段为大量增产阶段时段，
小于-0.6则判定j+1时段为大量减产时段，
则j+1时段处于稳定生产时段；
实际中，可以通过循环改变窗长时间t来计算平稳度指标，并根据指标的变化情况判定生产模式的最佳匹配模型。
日生产量，用tot c 来表征第c类生产模式日生产能力，公式如下：
式中，
为第c类生产模式上界在i时刻的值。
提取生产模式包括但不限于高产模式、中产模式和低产模式，应结合曲线平稳度、曲线均衡度和日常量共同确定。具体而言包括：
高产模式和低产模式应分别通过日生产能力查找不同聚类结果的典型生产能力曲线获取。首先从所有生产能力曲线中选取日生产量最高的一类生产能力曲线和日生产量最低的一类生产能力曲线。然后判定所选择的生产能力曲线的平稳程度；对于曲线均衡度小于2、
小于某一规定值的典型生产能力曲线，其曲线平稳度较高，表明该企业的生产状况平稳，则所选取的两条生产能力曲线分别对应该企业的高产模式和低产模式；若对于曲线均衡度大于等于2小于等于4（即
）、
大于某一规定值的典型生产能力曲线，则该曲线中同时存在高产、低产（或者其他）生产模式，应根据
判断曲线的变化趋势，确定各种生产能力曲线下的稳定高产和稳定低产模式对应的时段。特别的，对于曲线均衡度等于5、
大于某一规定值的典型生产能力曲线，一般对应着基础负荷和生产负荷的叠加，生产负荷出现的时段为高产时段。可以求取高产（满产）时段的峰值和基础负荷值。
进一步地，所述步骤22的具体步骤包括：
步骤221：针对每一个时刻的不同用户用电曲线样本计算待挖掘样本不同时刻的标准差；
步骤222：对不同时刻用户用电曲线样本标准差进行排序；
步骤223：对于标准差最大的时刻，采用离群点检测方法淘汰1%的用户用电曲线样本，重新计算样本标准差；
步骤224：用户用电曲线样本数量低于90%且新的用户用电曲线样本均值或者原用户用电曲线样本均值的距离小于最大值的2%，则结束计算；否则返回步骤222。
进一步地，所述步骤3包括如下子步骤：
步骤31：针对步骤2提出的不同生产模式，建立不同的管控指令；
管控规则的制定原则：
管控时段的生产用电曲线不得超过管控前企业所属典型模式的生产能力曲线。数值高于典型模式生产能力曲线的时刻判定为未响应时刻。
应根据管控前企业所属典型模式的生产能力曲线，确定不同的生产能力响应模型，实时监测曲线数值高于管控曲线的时刻判定为未响应时刻。不同的生产能力曲线不同生产模式所对应的管控深度应该有所差异。
具体而言，针对第c类曲线模式建立如下管控曲线的函数表达式为：
式中，
为辨识出的与生产无关的基础负荷值，若判定该企业无基础负荷，则该值为0；
为第c类生产模式曲线的上界，函数
为管控系数；
管控系数
的表达式如下：
其中，
为低产时段的管控系数，若判定的低产模式为基础负荷模式，则取
，低产模式的管控上限即为该模式的生产能力曲线；
和
分别为中产时段和高产时段的管控系数，高产模式的管控系数大于中产模式的管控系数；
为管控强度，根据环保部门的指令确定，无管控为
，根据企业实际情况取0；黄色管控取
为10%~40%；一般橙色管控取
为50%~70%；一般红色管控取
为80%~100%；
步骤32：进行管控指令响应情况评估指标确定。
开展企业排污管控措施响研判，重点在于判定在当前条件下，企业生产情况是否满足管控指令要求，提供企业是否执行环保管控指令的判断依据。从环保部门的角度看，在执行管控期间，希望各生产企业积极响应，一方面，企业是否响应管控指令的判定需要考察生产状况与管控曲线之间的关系；另一方面，除了与生产无关的基础负荷外，管控期间的用电水平不应该超过管控前的用电水平。
综合上述两个方面，实际管控曲线应该由公式（6）确定的管控曲线和管控前的生产曲线共同确定。具体评估指标包括累积电量响应指标和实时电量响应指标。
（1）累积电量响应指标：若管控前为非基础负荷模式，管控期间非基础负荷的日电量应不高于管控前的日电量，且低于管控曲线日电量，计算公式与公式（7）相同。基于此，提出累积电量响应指标：
所述累积电量响应指标
的计算公式为：
式中：
为管控起始时刻，
为管控结束时刻，t为当前时刻；
为实测数据，
为管控前一天数据；
为正则说明该用户响应指令，值越大，则说明该用户响应指令的深度越大；若
为负则说明该用户未响应指令，数值越大，说明该用户不响应指令超发的概率越大。
（2）实时电量响应指标
根据上述分析可知，若某时刻管控期间生产电量低于管控曲线电量，则企业响应指令的概率为1；若某时刻管控期间生产电量高于低一级管控指令的曲线电量，则该企业响应管控的概率为0。低一级管控指令是指根据环保部门提供的环保指令中，按照污染严重程度由低到高排序，红色管控曲线的低一级管控指令为橙色管控曲线，橙色管控曲线的低一级管控指令为黄色管控曲线，黄色管控曲线的低一级管控指令为管控前所述生产能力曲线。当实际用电曲线介于管控曲线和低一级管控曲线之间时，企业响应管控的概率呈现一定的分布，可以是用线性分布或指数分布等，记为
。
假设当前管控程度β的标号为n，提出实时电量响应指标，所述实时电量响应指标的计算公式为：
式中：t为时间，
，
为第n级管控曲线；
为第n-1级管控曲线，
为t时刻测量的用户电量。
进一步地，所述步骤4包括以下子步骤：
步骤41：确定待监测企业管控前一段时长的生产模式；比如，提取管控前五天的数据，生成与管控日样本所对应的典型模式生产能力曲线（当生产模式与工作日相关时，应考虑生产模式与工作日之间的关系）；
步骤42：结合典型模式生产能力曲线和环保部门给定的管控指令，进一步计算管控曲线（包括低一级指令的管控曲线）；
步骤43：读取实时用电曲线，结合管控曲线进行，计算指令响应情况评估指标，并结合评估指标判断企业环保响应情况，并给出判定结果。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明基于90%用电分布特征指标的环保管控监测及评价方法，提出基于90%用电分布带的典型生产能力曲线获取方法，构造了生产模式指标用以表征企业生产状态和模式，并通过建立基于不同生产模式的环保管控曲线以及环保管控响应评价指标，在此基础上，实现企业环保管控响应实时研判，为环保监查提供了技术手段。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明方法流程图。
图2为本发明实施例步骤211中建立的聚类树。
图3为本发明实施例步骤21中样本聚类结果。
图4为本发明实施例中的90%数据用户曲线分布提取结果及生产能力曲线结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1至图4所示，本发明基于90%用电分布特征指标的环保管控监测及评价方法，该方法包括以下步骤：
步骤1：获取待监测企业历史用电曲线，并对历史用电曲线进行数据清洗和对历史用电数据的管控情况进行标记；
步骤2：根据步骤1标记结果对待监测企业的非环保管控时段用户用电曲线进行聚类，挖掘90%典型生产带和企业典型模式生产能力曲线，并计算生产模式指标，结合各个生产模式指标提取不同的生产模式；
步骤3：根据步骤2提取的不同生产模式，建立不同的管控指令，结合管控指令计算管控曲线，进行基于环保管控曲线的指令响应情况的评估；
步骤4：结合管控曲线，读取实时用电曲线，进行企业环保响应监控及评价。
具体实施时，详细实施步骤如下：
所述步骤1包括以下子步骤：
步骤11：从电网公司用电采集系统获取待监测企业用户历史用电曲线，用户历史用电曲线为用户一天多个时间点的电量数据或功率数据；本实施例中采用采样周期为1h用户历史用电曲线，采用用户一天24个点的功率数据进行分析。
步骤12：对步骤11中采集到的数据进行数据清洗，其中数据清洗包括异常数据剔除和缺失数据补齐；其中，异常数据剔除主要是对明显不符合实际情况的数据，本实施例中，对于用电量超过抄表容量的数据按照抄表容量予以替换。
针对采样数据中存在数据缺失的情况，可以利用相邻多日相同时刻点数据的均值、插值等算法对缺失数据进行补齐；当一个样本中缺失数据超过三分之一时，应将该样本予以去除。在本实施李忠，采用均值算法对缺失数据进行补齐。
步骤13：对步骤12中清洗后的数据进行历史数据标记初步标记和管控标记：初步标记包括工作日与非工作日，工作日标记为0，非工作日标记为1；管控标记按照环保部门的要求包括无管控、红色管控、橙色管控和黄色管控四类，分别对应标记为0、1、2和3；
步骤14：进行工作日标记和非工作日标记的有效性判定：对工作日数据和非工作日数据的相关性进行分析，判断该企业工作日和非工作日的用电情况是否呈现较大差异，若差异较大，对非工作日和工作日分别进行处理；若差异较小，则不区分工作日和非工作日。
所述步骤2包括以下子步骤：
步骤21：基于最大层间距离的聚类方法对待监测企业的非环保管控时段用户用电曲线进行聚类；
步骤211：本实施例中首先根据历史样本建立聚类树，如附图2所示。
步骤212：计算聚类树的最大纵向距离（最大层间距离），本实施例中为43048。
步骤213：根据聚类树的最大纵向距离（最大层间距离）选择聚类数目，本实施例中为2。
步骤214：以聚类数目2进行聚类分析，本实施例中聚类分析结果如图3所示。
步骤22：根据步骤21的聚类结果，针对不同类生产模式，通过离群点检测方法，去除离群点的数量不高于10%，从而获得包含90%的样本数据的最小范围；从而挖掘出不同时间点的范围值构成90%典型生产带；
所述步骤22的具体步骤包括：
步骤221：针对每一个时刻的不同用户用电曲线样本计算待挖掘样本不同时刻的标准差；
步骤222：对不同时刻用户用电曲线样本标准差进行排序；
步骤223：对于标准差最大的时刻，采用离群点检测方法淘汰1%的用户用电曲线样本，重新计算样本标准差；
步骤224：用户用电曲线样本数量低于90%且新的用户用电曲线样本均值或者原用户用电曲线样本均值的距离小于最大值的2%，则结束计算；否则返回步骤222。
步骤23：挖掘企业典型模式生产能力曲线：根据步骤21的聚类结果，按照不同类来生成典型曲线带；本实施例中生产能力曲线结果如图4所示，图4为90%数据用户曲线分布提取结果及生产能力曲线结果。典型生产模式的生产能力曲线公式如下：
式中：i的取值范围为1~k；C的取值范围为1~分类数；
为第C类中所有曲线第i时刻值的集合中，包含90%以上的样本数据的最小范围；max为最大值函数，
步骤24：基于典型生产能力曲线计算生产模式指标，结合各个生产模式指标提取不同的生产模式；其中，生产模式指标包括曲线均衡度
、曲线平稳度
和日生产量。
提取生产模式包括但不限于高产模式、中产模式和低产模式，应结合曲线平稳度、曲线均衡度和日生产量共同确定。
本实施例中根据计算结果，
。两类数据稳定程度和均衡程度均较高，第二类数据为低产负荷数据，第一类数据为高产数据。
所述步骤3包括以下子步骤：
步骤31：根据管控规则的制定原则，针对步骤2提出的不同生产模式，建立不同的管控指令。
具体而言，针对第c类曲线模式建立如下管控曲线的函数表达式为：
式中，
为辨识出的与生产无关的基础负荷值，若判定该企业无基础负荷，则该值为0；
为第c类生产模式曲线的上界，函数
为管控系数；
管控系数
的表达式如下：
其中，
为低产时段的管控系数，若判定的低产模式为基础负荷模式，则取
，低产模式的管控上限即为该模式的生产能力曲线；
和
分别为中产时段和高产时段的管控系数，高产模式的管控系数大于中产模式的管控系数；本实施例中
；
为管控强度，根据环保部门的指令确定，本实施例中无管控为
取0；黄色管控取
为30%；橙色管控取
为60%；红色管控取
为90%。
步骤32：进行管控指令响应情况评估指标确定。
所述步骤4包括以下子步骤：
步骤41：确定待监测企业管控前五天的生产模式；提取管控前五天的数据，生成与管控日样本所对应的典型模式生产能力曲线，所属的曲线为由于本实施例中生产模式与工作日与否不相关，因此无需考虑生产模式与工作日之间的关系。本实施例中管控前五天的数据所属类型为类型1高产模式。
步骤42：结合典型模式生产能力曲线和环保部门给定的管控指令，进一步计算管控曲线（包括低一级指令的管控曲线）；
步骤43：读取实时用电曲线，结合管控曲线进行，计算指令响应情况评估指标，并结合评估指标判断企业环保响应情况，并给出判定结果。计算指令响应情况评估指标如下：
开展企业排污管控措施响研判，重点在于判定在当前条件下，企业生产情况是否满足管控指令要求，提供企业是否执行环保管控指令的判断依据。从环保部门的角度看，在执行管控期间，希望各生产企业积极响应，一方面，企业是否响应管控指令的判定需要考察生产状况与管控曲线之间的关系；另一方面，除了与生产无关的基础负荷外，管控期间的用电水平不应该超过管控前的用电水平。
综合上述两个方面，实际管控曲线应该由公式（6）确定的管控曲线和管控前的生产曲线共同确定。具体评估指标包括累积电量响应指标和实时电量响应指标。
（1）累积电量响应指标：若管控前为非基础负荷模式，管控期间非基础负荷的日电量应不高于管控前的日电量，且低于管控曲线日电量，计算公式与公式（7）相同。基于此，提出累积电量响应指标：
所述累积电量响应指标
的计算公式为：
式中：
为管控起始时刻，
为管控结束时刻，t为当前时刻；
为实测数据，
为管控前一天数据；
为正则说明该用户响应指令，值越大，则说明该用户响应指令的深度越大；若
为负则说明该用户未响应指令，数值越大，说明该用户不响应指令超发的概率越大。
（2）实时电量响应指标
根据上述分析可知，若某时刻管控期间生产电量低于管控曲线电量，则企业响应指令的概率为1；若某时刻管控期间生产电量高于低一级管控指令的曲线电量，则该企业响应管控的概率为0。低一级管控指令是指根据环保部门提供的环保指令中，按照污染严重程度由低到高排序，红色管控曲线的低一级管控指令为橙色管控曲线，橙色管控曲线的低一级管控指令为黄色管控曲线，黄色管控曲线的低一级管控指令为管控前所述生产能力曲线。当实际用电曲线介于管控曲线和低一级管控曲线之间时，企业响应管控的概率呈现一定的分布，可以是用线性分布或指数分布等，记为
。
假设当前管控程度β的标号为n，提出实时电量响应指标，所述实时电量响应指标的计算公式为：
式中：t为时间，
，
为第n级管控曲线；
为第n-1级管控曲线，
为t时刻用户电量测量值。
结合评估指标判断企业环保响应情况，t时刻该企业响应管控的概率为
，其值越大，响应管控的概率越高。
由此，根据本发明方法最终计算出的
来反映出用电企业相应管控的概率高低，环保部门可以据此评判企业的指令响应状况，从而给环保局进行环保选择稽查企业提供依据。
工作原理是：基于现有的环保管控监测方法不能精准地实现生产企业对环保部门管控指令响应情况的研判和异常生产企业的把控，难以满足实际需求。因此本发明考虑研究扩展时间维度电量信息用于生产企业环保管控执行情况的监测及精准辨识方法，充分挖掘用户用电信息与环保管控之间的关联关系，实现异常生产企业的精确查找；本发明基于90%用电分布特征指标的环保管控监测及评价方法，提出基于90%用电分布带的典型生产能力曲线获取方法，构造了生产模式指标用以表征企业生产状态和模式，以用户90%用电曲线分布为基础挖掘企业的生产能力曲线，并通过均衡度、平稳度、日常量三个指标对生产模式进行分析；通过电网企业为用电企业建立基于90%典型生产带和企业典型模式生产能力曲线来计算生产模式指标，结合各个生产模式指标提取不同的生产模式，从而结合管控指令计算用电企业对应的管控曲线；这样便建立了用电企业、电网企业和环保局之间的对应关系，为环保局对各个用电企业提供相对应环保管控措施的监控；在此基础上，提出了管控曲线的计算方法和管控指令响应情况的评估指标，从累积电量和实时电量两个方面对企业环保响应情况进行分析，为环保监查提供依据。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，该方法包括以下步骤：
步骤1：获取待监测企业历史用电曲线，并对历史用电曲线进行数据清洗和对历史用电数据的管控情况进行标记；
步骤2：根据步骤1标记结果对待监测企业的非环保管控时段用户用电曲线进行聚类，挖掘90%典型生产带和企业典型模式生产能力曲线，并计算生产模式指标，结合各个生产模式指标提取不同的生产模式；
步骤3：根据步骤2提取的不同生产模式，建立不同的管控指令，结合管控指令计算管控曲线；
步骤4：结合管控曲线，读取实时用电曲线，进行企业环保响应监控及评价。
2.根据权利要求1所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，所述步骤2包括以下子步骤：
步骤21：基于最大层间距离的聚类方法对待监测企业的非环保管控时段用户用电曲线进行聚类；
步骤22：根据步骤21的聚类结果，针对不同类生产模式，通过离群点检测方法，去除离群点的数量不高于10%，从而获得包含90%的样本数据的最小范围；从而挖掘出不同时间点的范围值构成90%典型生产带；
步骤23：根据步骤21的聚类结果，按照不同类来生成典型曲线带；典型生产模式的生产能力曲线公式：
式中：
为生产能力曲线上界；i的取值范围为1~k；C的取值范围为1~分类数；
为第C类中所有曲线第i时刻值的集合中，包含90%以上的样本数据的最小范围；max为最大值函数；
步骤24：基于典型生产能力曲线计算生产模式指标，结合各个生产模式指标提取不同的生产模式；其中，生产模式指标包括曲线均衡度、曲线平稳度和日生产量，生产模式包括但不限于高产模式、中产模式和低产模式。
3.根据权利要求2所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，所述步骤22的具体步骤包括：
步骤221：针对每一个时刻的不同用户用电曲线样本计算待挖掘样本不同时刻的标准差；
步骤222：对不同时刻用户用电曲线样本标准差进行排序；
步骤223：对于标准差最大的时刻，采用离群点检测方法淘汰1%的用户用电曲线样本，重新计算样本标准差；
步骤224：用户用电曲线样本数量低于90%且新的用户用电曲线样本均值或者原用户用电曲线样本均值的距离小于最大值的2%，则结束计算；否则返回步骤222。
4.根据权利要求1所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，所述步骤3包括如下子步骤：
步骤31：针对步骤2提出的不同生产模式，建立不同的管控指令；针对第c类曲线模式建立如下管控曲线的函数表达式为：
式中，
为辨识出的与生产无关的基础负荷值，若判定该企业无基础负荷，则该值为0；
为第c类生产模式曲线的上界，函数
为管控系数；
管控系数
的表达式如下：
其中，
为低产时段的管控系数，若判定的低产模式为基础负荷模式，则取
，低产模式的管控上限即为该模式的生产能力曲线；
和
分别为中产时段和高产时段的管控系数，高产模式的管控系数大于中产模式的管控系数；
为管控强度，根据环保部门的指令确定；
步骤32：进行管控指令响应情况评估指标确定，其中，评估指标包括累积电量响应指标和实时电量响应指标，所述累积电量响应指标
的计算公式为：
式中：
为管控起始时刻，
为管控结束时刻，t为当前时刻；
为实测数据，
为管控前一天数据；
所述实时电量响应指标的计算公式为：
式中：t为时间，
；
为第n级管控曲线；
为第n-1级管控曲线，
为t时刻测量的用户电量。
5.根据权利要求1所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，所述步骤4包括以下子步骤：
步骤41：确定待监测企业管控前一段时长的生产模式；
步骤42：结合典型模式生产能力曲线和环保部门给定的管控指令，进一步计算管控曲线；
步骤43：读取实时用电曲线，结合管控曲线进行，计算指令响应情况评估指标，并结合评估指标判断企业环保响应情况，并给出判定结果。
6.根据权利要求1所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，所述步骤1包括以下子步骤：
步骤11：从电网公司用电采集系统获取待监测企业用户历史用电曲线，包括一天多个时间点的电量数据或功率数据；
步骤12：对步骤11中采集到的数据进行数据清洗，其中数据清洗包括异常数据剔除和缺失数据补齐；
步骤13：对步骤12中清洗后的数据进行历史数据标记初步标记和管控标记：初步标记包括工作日与非工作日，工作日标记为0，非工作日标记为1；管控标记按照环保部门的要求包括无管控、红色管控、橙色管控和黄色管控四类，分别对应标记为0、1、2和3；
步骤14：进行工作日标记和非工作日标记的有效性判定：对工作日数据和非工作日数据的相关性进行分析，判断该企业工作日和非工作日的用电情况是否呈现较大差异，若差异较大，对非工作日和工作日分别进行处理；若差异较小，则不区分工作日和非工作日。
7.根据权利要求6所述的基于90%用电分布特征指标的环保管控监测及评价方法，其特征在于，步骤S12中的所述缺失数据补齐方法采用相邻多日相同时刻点数据的均值算法或者插值算法对缺失数据进行补齐；
其中，采用均值算法对缺失数据进行补齐时，若第N个样本i时刻数据缺失，则缺失时刻的数据由缺失样本前后一段时长的数据补齐，计算结果为：
式中，
为第N个样本在第i时刻缺失的测量值；
为第S个样本在第i时刻的测量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010314582.6A CN111210170B (zh) | 2020-04-21 | 2020-04-21 | 基于90％用电分布特征指标的环保管控监测及评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010314582.6A CN111210170B (zh) | 2020-04-21 | 2020-04-21 | 基于90％用电分布特征指标的环保管控监测及评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111210170A true CN111210170A (zh) | 2020-05-29 |
| CN111210170B CN111210170B (zh) | 2020-07-31 |
Family
ID=70787319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010314582.6A Active CN111210170B (zh) | 2020-04-21 | 2020-04-21 | 基于90％用电分布特征指标的环保管控监测及评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210170B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680937A (zh) * | 2020-08-13 | 2020-09-18 | 国网浙江省电力有限公司营销服务中心 | 基于电力数据分级赋权的小微企业复工率评估方法 |
| CN112465378A (zh) * | 2020-12-09 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 基于电力大数据挖掘的住房空置自适应研判方法及装置 |
| CN112904816A (zh) * | 2021-01-19 | 2021-06-04 | 杭州沃点环保科技有限公司 | 一种智慧环保实时监测方法 |
| CN112949700A (zh) * | 2021-02-19 | 2021-06-11 | 国网北京市电力公司 | 企业限产政策执行力度的识别方法及装置 |
| CN113869782A (zh) * | 2021-10-15 | 2021-12-31 | 生态环境部环境工程评估中心 | 基于时序分解企业用电数据以识别环保管控异常的方法 |
| CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616121A (zh) * | 2015-02-28 | 2015-05-13 | 南京飞腾电子科技有限公司 | 一种区域能量综合协调管控系统 |
| CN105184402A (zh) * | 2015-08-31 | 2015-12-23 | 国家电网公司 | 一种基于决策树的个性化用户短期负荷预测算法 |
| CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
| CN109726862A (zh) * | 2018-12-24 | 2019-05-07 | 深圳供电局有限公司 | 一种用户日电量模式预测方法 |
| CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
| CN110837857A (zh) * | 2019-10-31 | 2020-02-25 | 杭州中恒云能源互联网技术有限公司 | 工业用电负荷预测方法、系统及其存储介质 |
-
2020
- 2020-04-21 CN CN202010314582.6A patent/CN111210170B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616121A (zh) * | 2015-02-28 | 2015-05-13 | 南京飞腾电子科技有限公司 | 一种区域能量综合协调管控系统 |
| CN105184402A (zh) * | 2015-08-31 | 2015-12-23 | 国家电网公司 | 一种基于决策树的个性化用户短期负荷预测算法 |
| CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
| CN109726862A (zh) * | 2018-12-24 | 2019-05-07 | 深圳供电局有限公司 | 一种用户日电量模式预测方法 |
| CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
| CN110837857A (zh) * | 2019-10-31 | 2020-02-25 | 杭州中恒云能源互联网技术有限公司 | 工业用电负荷预测方法、系统及其存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨清等: "用电数据用于污染源企业工况监控技术的研究", 《污染防治技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680937A (zh) * | 2020-08-13 | 2020-09-18 | 国网浙江省电力有限公司营销服务中心 | 基于电力数据分级赋权的小微企业复工率评估方法 |
| CN111680937B (zh) * | 2020-08-13 | 2020-11-13 | 国网浙江省电力有限公司营销服务中心 | 基于电力数据分级赋权的小微企业复工率评估方法 |
| CN112465378A (zh) * | 2020-12-09 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 基于电力大数据挖掘的住房空置自适应研判方法及装置 |
| CN112465378B (zh) * | 2020-12-09 | 2022-04-29 | 国网四川省电力公司电力科学研究院 | 基于电力大数据挖掘的住房空置自适应研判方法及装置 |
| CN112904816A (zh) * | 2021-01-19 | 2021-06-04 | 杭州沃点环保科技有限公司 | 一种智慧环保实时监测方法 |
| CN112949700A (zh) * | 2021-02-19 | 2021-06-11 | 国网北京市电力公司 | 企业限产政策执行力度的识别方法及装置 |
| CN113869782A (zh) * | 2021-10-15 | 2021-12-31 | 生态环境部环境工程评估中心 | 基于时序分解企业用电数据以识别环保管控异常的方法 |
| CN113869782B (zh) * | 2021-10-15 | 2022-04-22 | 生态环境部环境工程评估中心 | 基于时序分解企业用电数据以识别环保管控异常的方法 |
| CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111210170B (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111210170B (zh) | 基于90％用电分布特征指标的环保管控监测及评价方法 | |
| CN107220732B (zh) | 一种基于梯度提升树的停电投诉风险预测方法 | |
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
| CN111539845B (zh) | 一种基于用电模式隶属评分的企业环保管控响应研判方法 | |
| CN115276006A (zh) | 一种用于电力集成系统的负荷预测的方法及系统 | |
| CN105117810A (zh) | 一种阶梯电价机制下居民用电中期负载预测方法 | |
| CN111027872B (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
| CN111260198A (zh) | 一种台区同期线损合理度评判方法、系统及终端设备 | |
| CN112801388B (zh) | 一种基于非线性时间序列算法的电力负荷预测方法及系统 | |
| CN107437135B (zh) | 一种新型储能选型方法 | |
| CN108011367A (zh) | 一种基于深度决策树算法的电力负荷特性挖掘方法 | |
| CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
| CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
| CN112001441A (zh) | 一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法 | |
| CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
| CN115470962A (zh) | 一种基于LightGBM的企业失信风险预测模型构建方法 | |
| CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
| CN115907822A (zh) | 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法 | |
| CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
| CN107590747A (zh) | 基于综合能源大数据分析的电网资产周转率计算方法 | |
| CN111027841A (zh) | 一种基于梯度提升决策树的低压台区线损计算方法 | |
| CN113962477A (zh) | 一种产业电量关联聚集预测方法、装置、设备及存储介质 | |
| CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
| CN116662860A (zh) | 一种基于能源大数据的用户画像与分类方法 | |
| CN113298148B (zh) | 一种面向生态环境评价的不平衡数据重采样方法 |
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 |