CN113011045B - 夏季用电负荷中空调功率获取方法及计算机可读介质 - Google Patents

Abstract

本发明公开了一种夏季用电负荷中空调功率获取方法，其先获取供电区域全年的日负荷功率数据、温度数据和湿度数据；然后根据全年温度、湿度数据，计算温湿度效应下的人体体感温度；接着根据每日最高体感温度、最低体感温度和平均体感温度确定全年常温日集合、夏季高温日集合；分别基于常温日集合中工作日和非工作的归一化的日负荷曲线，通过聚类分析，从常温日集合中获得工作日和非工作日的基准日负荷曲线集合；为夏季高温日集合中的每一天筛选一条最接近基准日负荷曲线作为对应日计算空调功率的基准；从而获得夏季高温日的空调负荷功率变化曲线。本发明解决了现有负荷建模过程中，由于缺乏空调功率数据而影响夏季负荷模型准确性的问题。

Description

夏季用电负荷中空调功率获取方法及计算机可读介质

技术领域

本发明属于电力系统分析领域，夏季用电负荷中空调功率获取方法及计算机可读介质。

背景技术

电力系统仿真是进行电网规划、电网建设、制定电网运行方式的主要工具，仿真分析结果的精度将直接影响电网能否安全经济运行。电力系统仿真分析的精度取决于所用模型的准确性。负荷模型是电力系统仿真模型的重要组成部分，建立准确的负荷模型对于提高电力系统的仿真精度具有重要意义。

统计综合法是负荷建模的方法之一，其基本步骤包括：(1)将用户的电器分类，并确定各种类型电器的平均特性；(2)进行负荷调查，统计出各类电器所占的比重；(3)按照电压等级由低到高逐级综合，最终得到总体的负荷模型。在各步骤中，如何准确获得各类电器所占的比重是关键的一步。

空调是夏季用电负荷中非常重要的一个成分，掌握空调功率对于建立准确的电力负荷模型有重要作用。但是，供电区域内的空调用电无法直接测量。

发明内容

本发明针对现有技术中存在的问题，提出了一种可信度高，有助于提高夏季负荷模型准确性的夏季用电负荷中空调功率获取方法。

为实现上述目的，本发明提供一种夏季用电负荷中空调功率获取方法，包括以下步骤：

获取供电区域全年每日的日负荷功率数据、温度数据和湿度数据；

根据全年温度数据、湿度数据，计算温湿度效应下的人体体感温度；

根据得到每日的最低体感温度、最高体感温度和日平均体感温度确定全年常温日集合和夏季高温日集合；

分别基于常温日集合中工作日和非工作的归一化的日负荷曲线，通过聚类分析，从常温日集合中获得工作日和非工作日的基准日负荷曲线集合；

获取夏季高温日集合中每一个工作日的归一化的日负荷曲线与基准日负荷曲线集合中每条工作日基准日负荷曲线之间的距离，筛选出距离最小的基准日负荷曲线为对应工作日的最接近基准日负荷曲线；获取夏季高温日集合中每一个非工作日的归一化的日负荷曲线与基准日负荷曲线集合中每条非工作日基准日负荷曲线之间的距离，筛选出距离最小的基准日负荷曲线为对应非工作日的最接近基准日负荷曲线；

根据公式

i∈C₂得到夏季高温日集合C₂中第i天第j个数据采集点的空调负荷功率P_{i,j_AC}，其中，P_{i_nax}表示第i天日负荷功率的最大值，

表示夏季高温日集合C₂中第i天第j个数据采集点的归一化的负荷功率，

表示第i天的最接近基准日负荷曲线中第j个数据采集点的归一化的负荷功率。

进一步，每天的数据采集频率为15分钟一次。采用这个频率采集数据能够在最小的计算量下有效提高获取的空调功率的准确性。

进一步，确定全年常温日集合、夏季高温日集合的方法为：满足以下公式的日子认为是常温日，将常温日组成全年常温日集合C₁：

其中，T′_{i_max}表示第i天的最高体感温度，T′_{i_min}表示第i天的最低体感温度，T′_{i_avr}表示第i天的日平均体感温度；将6月～9月中的常温日删除，剩下的日子为高温日，所有的高温日组成夏季高温日集合C₂。

进一步，通过公式

计算第i天第j个数据采集点的归一化的负荷功率P′_i,j，P_i,j表示第i天第j个数据采集点采集到的负荷功率，P_{i_max}表示第i天日负荷功率的最大值。

进一步，所述聚类分析采用K-means方法，其中聚类数为3。

本发明还提供了一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如上述夏季用电负荷中空调功率获取方法的流程。

本发明还提供了一种计算机系统，包括：

一个或多个处理器；

存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如上述夏季用电负荷中空调功率获取方法的流程。

工作原理：本发明通过供电区域负荷总功率的历史数据和相应气象信息的历史数据，实现对供电区域内空调功率的估算，其综合考虑了空调负荷的时间变化特征以及与体感温度的相关性。

与现有技术相比，本发明具有如下显著优点：本发明中所需的电力负荷的总功率数据和气象数据(温度和湿度)易于获取；同时本发明获取的夏季用电负荷中空调功率可信度较高，有助于提高夏季负荷模型的准确性。解决了现有负荷建模过程中，由于缺乏空调功率数据而影响夏季负荷模型准确性的问题，为夏季含高比例空调的负荷建模提供必须的空调总功率数据，对于提高夏季负荷模型的准确性有重要意义。

附图说明

图1是夏季用电负荷中空调功率获取方法的流程图；

图2是步骤1中获取的一年四季中的平均日负荷曲线，其中(a)为工作日的平均日负荷曲线，(b)为非工作日的平均日负荷曲线；

图3是实际温度与总负荷功率、步骤2所得体感温度与总负荷功率的对应关系图；

图4是依据体感温度绘制的全年日最低、平均、最高温度变化曲线；

图5是全年常温日集合C₁的筛选结果；

图6是步骤4所得常温工作日和非工作的6条基准日负荷曲线；

图7是2017年8月15日的日负荷曲线及对应的最接近基准日负荷曲线；

图8是本发明所得到的2017年8月15日的空调负荷变化曲线。

具体实施方式

下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。

在公开的实施例中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

实施例来自某220kV变电站的1条供电线路，该线路安装有功率测量装置，变电站内有气象数据测量装置，记录温度、湿度等基本气象数据，数据采样记录间隔为15分钟。供电区域主要为居民区，并含少量工厂、商业区等。

该供电区域的夏季用电负荷中空调功率的估算方法流程如图1所示。下面，按图1所示流程说明本发明的实施方式：

步骤1、采集供电区域全年的日负荷功率数据P_i,j(MW)、温度数据T_i,j(℃)和湿度数据H_i,j(％)。数据采集频率为15分钟一次，即每日96个数据采集点；其中P_i,j表示第i天第j个数据采集点采集到的负荷功率，T_i,j表示第i天第j个数据采集点采集到的温度，H_i,j表示第i天第j个数据采集点采集到的湿度，下标i表示日期对应的编号，i＝1,2,…，365，从全年的第一天开始进行编号，每一天对应的编号唯一；下标j表示数据采集点的序号，j＝1,2,…，96。

为便于观察，图2展示了该供电区域一年四季内工作日和非工作日的平均日负荷曲线(将一个季节内所有工作日或非工作的96点负荷曲线累加后求平均值所得)，该供电区域在工作日和非工作日的负荷变化情况非常接近，但工作日的最大负荷更高一些。

步骤2、依据步骤1中获取到的所有温度数据T_i,j(℃)和湿度数据H_i,j(％)，结合温湿度效应计算人体体感温度，根据公式(1)计算体感温度T′_i,j：

如图3所示，图中的圆点代表了根据原始温度和相应时刻负荷总功率的对应关系，图3中的叉形符号代表了由步骤2根据温湿度效应求得的人体的体感温度和和相应时刻负荷总功率的对应关系。由图3可见，由于温湿度效应的原因，人体的体感温度会高于实际温度。

步骤3、依据步骤2计算得到的体感温度T′_i,j，可以获得每日的最低体感温度T′_{i_min}和最高体感温度T′_{i_max}，并且分别根据每天所有的体感温度T′_i,j求出当天对应的日平均体感温度T′_{i_avr}；将获得的全年每天的最低体感温度T′_{i_min}、最高体感温度T′_{i_max}和日平均体感温度T′_{i_avr}进行筛选，满足公式(2)所示条件的则认为是常温日，筛选出来的常温日的日期对应的编号组成全年常温日集合C₁，常温日认为不需要开启制冷空调，即常温日默认为空调负荷为零。将6月～9月中的常温日删除，剩下的日子为高温日，所有的高温日的日期对应的编号组成夏季高温日集合C₂。本实施例中选择的地区在一年的6月～9月之间为需要开启空调制冷的月份，该月份区间可以随不同地区的气候特征进行调整。

如图4所示，根据步骤2得到的体感温度计算出的一年365天的每日最低体感温度T′_{i_min}、最高体感温度T′_{i_max}和日平均体感温度T′_{i_avr}分别得到的全年最低体感温度、最高体感温度和日平均体感温度的变化曲线。如图5所示，确定出的全年常温日集合C₁的日期分布情况。表1给出不同月份的常温日、高温日选取结果，常温日共143天，高温日共81天。

表1常温日高温日选取结果

步骤4、根据式(3)将全年常温日集合C₁中第i天第j个数据采集点采集到的负荷功率P_i,j(i∈C₁)除以对应当日功率峰值P_{i_max}得到第i天第j个数据采集点的归一化的负荷功率

其中，P_{i_max}表示第i天日负荷功率的最大值，

表示常温日集合C₁中第i天第j个数据采集点的归一化的负荷功率，一天中所有数据采集点的的归一化的负荷功率形成当日的归一化的日负荷曲线；计算常温日集合C₁中所有天数和采集点的归一化的负荷功率，根据计算结果可以得到常温日集合C₁中每一天的归一化的日负荷曲线；将常温日集合C₁中根据编号所对应的日期将编号分为工作日和非工作日；然后对全年常温日集合C₁中所有天数的归一化的日负荷曲线进行聚类分析，本实施例中采用成熟的K-means方法，聚类数取为3，将全年常温日集合C₁中的工作日和非工作日负荷曲线分别聚为3类，每一类的聚类中心曲线即为一条基准日负荷曲线，从而常温工作日和常温非工作日各得到3条基准日负荷曲线，这6条基准日负荷曲线组成基准日负荷曲线集合C₃。C₃＝{WD₁,WD₂,WD₃,HD₁,HD₂,HD₃}，其中，WD₁表示第一条工作日的基准日负荷曲线，WD₂表示第二条工作日的基准日负荷曲线，WD₃表示第三条工作日的基准日负荷曲线，HD₁表示第一条非工作日的基准日负荷曲线，HD₂表示第二条非工作日的基准日负荷曲线，HD₃表示第三条非工作日的基准日负荷曲线，每一条基准日负荷曲线均由96个数据点形成。

如图6所示，虚线为步骤4得出的常温非工作日的3条基准日负荷曲线，实线为常温工作日的3条基准日负荷曲线。

步骤5、根据式(4)将夏季高温日集合C₂中第i天第j个数据采集点采集到的负荷功P_i,j(i∈C₂)除以对应当日功率峰值P_{i_max}得到归得到第i天第j个数据采集点的归一化的负荷功率

表示夏季高温日集合C₂中第i天第j个数据采集点的归一化的负荷功率；计算夏季高温日集合C₂中所有天数和采集点的归一化的负荷功率，根据计算结果可以得到夏季高温日集合C₂中每一天的归一化的日负荷曲线；然后，将夏季高温日集合C₂中根据编号所对应的日期将编号分为工作日和非工作日；

按式(5)计算夏季高温日集合C₂中每一个工作日的归一化的日负荷曲线与基准日负荷曲线集合C₃中每一条工作日的基准日负荷曲线之间的距离，以及夏季高温日集合C₂中每一个非工作日的归一化的日负荷曲线与基准日负荷曲线集合C₃中每一条非工作日的基准日负荷曲线之间的距离；

式中，WD_m,j表示第m条工作日的基准日负荷曲线中第j个点的负荷功率，其中m为工作日的基准日负荷曲线的编号，本实施例中，m＝1、2、3。HD_n,j表示第n条非工作日的基准日负荷曲线中第j个点的负荷功率，其中n为非工作日的基准日负荷曲线的编号，本实施例中，n＝1、2、3。

根据计算的结果，对于夏季高温日集合C₂中的每一个工作日的归一化的日负荷曲线，选择与基准日负荷曲线集合C₃中工作日的基准日负荷曲线之间距离d最短的工作日的基准日负荷曲线作为对应日计算空调功率的基准，则该工作日的基准日负荷曲线则为该日的最接近基准日负荷曲线；对于夏季高温日集合C₂中的每一个非工作日的归一化的日负荷曲线，选择与基准日负荷曲线集合C₃中非工作日的基准日负荷曲线之间距离d最短的非工作日的基准日负荷曲线作为对应日计算空调功率的基准，则该非工作日的基准日负荷曲线则为该日的最接近基准日负荷曲线；若某一夏季高温日的归一化的日负荷曲线与基准日负荷曲线集合C₃中的两条曲线的距离相等，则选取最大负荷更高的那条基准日负荷曲线为该日的最接近基准日负荷曲线。

图7以2017年8月15日的高温日的日负荷曲线为例，其中虚线为根据步骤5所述方法选出的最接近基准日负荷曲线。为方便观察，图7中两条曲线均已从归一化数值恢复到实际数值，方法是将归一化的数值乘以2017年8月15日当日的负荷最高值。

步骤6、根据公式(6)得到夏季高温日集合C₂中第i天第j个数据采集点的空调负荷功率P_{i,j_AC}：

其中，

表示第i天的最接近基准日负荷曲线中第j个数据采集点的归一化的负荷功率，

的计算方法与

的计算方法相同。图7中所示的实线代表了夏季高温日集合C₂中第i天的日负荷曲线实际值

图7中所示的虚线代表了对应最接近基准日负荷曲线的实际值P_{i_max}P′_base,j。

图8中的曲线是根据步骤6所得到的2017年8月15日的空调负荷变化曲线，即为当天所有数据采集点的的空调负荷功率P_{i,j_AC}形成，这也是本发明所要获取的最终结果。

本发明还提供了一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如前述夏季用电负荷中空调功率获取方法的流程。

本发明还提供了一种计算机系统，包括：一个或多个处理器；存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如前述夏季用电负荷中空调功率获取方法的流程。

应当理解，本发明的前述夏季用电负荷中空调功率获取方法的示例可以在任何包含具有数据存储和数据处理的计算机系统中，前述的计算机系统可以是至少一个包括处理器和存储器的电子处理系统或者电子设备，例如PC电脑，不论是个人用PC电脑、商用PC电脑，或者图形处理用PC电脑、服务器级PC电脑。这些PC电脑通过具有数据接口和/或网络接口，实现有线和/或无线的数据传输。

在另一些实施例，该计算机系统还可以是服务器，尤其是云服务器，具有数据存储、处理以及网络通讯功能。

作为示例的计算机系统通常包括由系统总线连接的至少一个处理器、存储器和网络接口。网络接口用于与其他设备/系统进行通信。

处理器用于提供系统的计算和控制。

存储器包括非易失性存储器和缓存。

非易失性存储器通常具有海量存储能力，可以存储操作系统以及计算机程序，这些计算机程序可以包括可被操作的指令，这些指令在通过一个或多个处理器执行时使得一个或多个处理器能够执行本发明前述实施例的夏季用电负荷中空调功率获取方法的过程。

在需要或者合理的实现方式中，前述计算机系统，不论是PC设备或者服务器，还可以包括比图示中更多或者更少的部件，或者组合，或者采用不同的硬件、软件等不同部件或者不同的部署方式。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (6)

1.一种夏季用电负荷中空调功率获取方法，其特征在于：包括以下步骤：

获取供电区域全年每日的日负荷功率数据、温度数据和湿度数据；

根据全年温度数据、湿度数据，计算温湿度效应下的人体体感温度；

根据得到每日的最低体感温度、最高体感温度和日平均体感温度确定全年常温日集合和夏季高温日集合；

分别基于常温日集合中工作日和非工作的归一化的日负荷曲线，通过聚类分析，从常温日集合中获得工作日和非工作日的基准日负荷曲线集合；

获取夏季高温日集合中每一个工作日的归一化的日负荷曲线与基准日负荷曲线集合中每条工作日基准日负荷曲线之间的距离，筛选出距离最小的基准日负荷曲线为对应工作日的最接近基准日负荷曲线；获取夏季高温日集合中每一个非工作日的归一化的日负荷曲线与基准日负荷曲线集合中每条非工作日基准日负荷曲线之间的距离，筛选出距离最小的基准日负荷曲线为对应非工作日的最接近基准日负荷曲线；

根据公式

得到夏季高温日集合C₂中第i天第j个数据采集点的空调负荷功率P_{i,j_AC}，其中，P_{i_nax}表示第i天日负荷功率的最大值，

表示夏季高温日集合C₂中第i天第j个数据采集点的归一化的负荷功率，

表示第i天的最接近基准日负荷曲线中第j个数据采集点的归一化的负荷功率；

其中，通过公式

计算第i天第j个数据采集点的归一化的负荷功率P′_i,j，P_i,j表示第i天第j个数据采集点采集到的负荷功率，P_{i_max}表示第i天日负荷功率的最大值。

2.根据权利要求1所述的夏季用电负荷中空调功率获取方法，其特征在于：每天的数据采集频率为15分钟一次。

3.根据权利要求1所述的夏季用电负荷中空调功率获取方法，其特征在于：确定全年常温日集合、夏季高温日集合的方法为：满足以下公式的日子认为是常温日，将常温日组成全年常温日集合C₁：

其中，T′_{i_max}表示第i天的最高体感温度，T′_{i_min}表示第i天的最低体感温度，T′_{i_avr}表示第i天的日平均体感温度；将6月～9月中的常温日删除，剩下的日子为高温日，所有的高温日组成夏季高温日集合C₂。

4.根据权利要求1所述的夏季用电负荷中空调功率获取方法，其特征在于：所述聚类分析采用K-means方法，其中聚类数为3。

5.一种存储软件的计算机可读介质，其特征在于：所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如权利要求1-4中任意一项所述的夏季用电负荷中空调功率获取方法的流程。

6.一种计算机系统，其特征在于，包括：

一个或多个处理器；

存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如权利要求1-4中任意一项所述的夏季用电负荷中空调功率获取方法的流程。

Images