CN113255850A - 配用电节能节费潜力评估方法 - Google Patents
配用电节能节费潜力评估方法 Download PDFInfo
- Publication number
- CN113255850A CN113255850A CN202110801160.6A CN202110801160A CN113255850A CN 113255850 A CN113255850 A CN 113255850A CN 202110801160 A CN202110801160 A CN 202110801160A CN 113255850 A CN113255850 A CN 113255850A
- Authority
- CN
- China
- Prior art keywords
- load
- saving
- power
- energy
- cost
- 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Abstract
本发明公开了配用电节能节费潜力评估方法,包括以下步骤:(1)通过ICT信息化技术获取到用户配电和用电环节中的电力运行数据;(2)基于电力运行数据,应用聚类分析,对负荷特征进行聚类分析,形成负荷特征聚类典型样本,作为后续节能节费评估的基础数据;(3)按节费、节能维度依次开展评估形成节费潜力值和节能潜力值,最后通过节能值电价折算汇总为电力用户综合节能节费潜力,即节费潜力值+节能潜力值×电度电价;本发明根据电力运行数据,采用数据聚类分析与电力传统理论相结合的技术,充分考虑电力市场价格因素,有针对性地实现配用电全过程节能节费潜力的评估,指导电力用户开展管理节能节费、技术改造节能节费。
Description
技术领域
本发明涉及一种配用电节能节费潜力评估方法,用于配用电全过程节能节费潜力的评估。
背景技术
推动能源消费革命,提升电力能源配送、能源消费过程的效率,既是我国实现“碳达峰,碳中和”的重要路径,也是帮助用电企事业单位降低能源成本,提升企业竞争力的重要手段。然而,每个企事业单位因其产业性质的差异,有着不同的电力配送设施、不同的电力设备、不同使用方式、不同的负荷特性,以往多数依靠单位自有电工或者运维单位,根据历史经验提出一些提升能效方法,缺乏系统性、全面性和针对性。
发明内容
本发明所要解决的技术问题是提供一种配用电节能节费潜力评估方法,实现配用电全过程节能节费潜力的评估,指导电力用户开展管理节能节费、技术改造节能节费。
为解决上述技术问题,本发明配用电节能节费潜力评估方法,其包括以下步骤:
(1)通过ICT信息化技术获取到用户配电和用电环节中的进线、母线、配电设备、各分支线、用电设备的电力运行数据,数据类型包括电压、电流、频率、有功功率、无功功率、功率因数、谐波及电能量、开关状态、设备温度。
(2)基于电力运行数据,应用聚类分析,对包括有功功率、无功功率、电压、功率因数在内的负荷特征进行聚类分析,形成负荷特征聚类典型样本,作为后续节能节费评估的基础数据。
(3)按节费、节能维度依次开展评估形成节费潜力值和节能潜力值,最后通过节能值电价折算汇总为电力用户综合节能节费潜力,即节费潜力值+节能潜力值×电度电价;其中:
节费维度:
在可移动负荷识别后,经报装优化策略、移峰填谷策略分别得出基本电费节费潜力、电度电费节费潜力;所述可移动负荷是供电时间可按计划变动的负荷。
基于无功节能评估方法计算得出力率电费优化潜力。
电费节费潜力、电度电费节费潜力、力率电费优化潜力均为节费潜力值的一种。
节能维度:
通过无功节能评估方法、三相不平衡损耗评估方法、降压节能评估方法、谐波损耗评估方法,从电能质量优化角度评估各指标项影响的能耗值,即电能质量优化节能潜力值(节能潜力值的一种)。
基于变压器经济运行评估方法,结合负荷特征数据,评估企业的最佳经济运行方式,最终评估出变压器综合能效优化潜力值(节能潜力值的一种)。
基于待机负荷识别算法,识别用电单位非工作期间的待机负荷以及辅机设备的待机特性,汇总形成企业待机能耗优化潜力值(节能潜力值的一种)。
所述可移动负荷识别的步骤为:
(2.1)数据采集与获取;获取电力自动化监测系统所记录的包括有功功率、无功功率、电流、电压、功率因数和用电量数据在内的用电设备历史运行数据;根据负荷识别需要将预设的多个用电设备的负荷进行矢量叠加,合成为一个组合对象;所述组合对象为多个用电设备的负荷矢量叠加的结果。
(2.2)数据清洗与补齐:以单个用电设备为识别对象,首先检查识别对象的每条历史数据记录,标识数据缺失的记录;其次,应用欧姆定律、基尔霍夫电路定律、基本功率方程对同一时间的功率、电流、电压、功率因数、电量的数据间关系进行相互校核,验证数据的有效性;若发现数据异常则剔除该数据,同时标识该数据缺失;最后,对缺失的数据记录进行补齐。
(2.3)形成标准化的日负荷曲线三维向量:将识别步骤(2.2)清洗后的数据进行归一化处理,构建日期、24小时时间、幅度三维向量矩阵R(M,T,P),其中M为负荷曲线的天数,T为数据对应的24小时的时间,P代表幅度。
(2.4)负荷特征识别;对用电设备日负荷曲线三维向量按日进行聚类分析计算,计算得到N个分类;其中N为远小于M的整数(远小于是指M除以N大于10,即M大于N一个数量级);把每个分类的聚类中心作为用电设备的典型特征曲线;M天中每一天的负荷都会对应N个分类中的其中一个分类。
(2.5)日负荷曲线突变检测:将M天中每天实际的负荷曲线与其对应的典型特征曲线作对比;如果存在M天中每天实际的负荷曲线对比其对应的典型特征曲线在曲线上发生突变,则判断该识别对象为可移动负荷; 获取该识别对象的可移动负荷的大小以及对应的时间。
(2.6)重复识别步骤(2.2)至识别步骤(2.5),对其他负荷或用电设备识别。
作为优选,所述聚类分析为K-均值、高斯混合或者谱聚类方法。
所述补齐方法采用历史同比负荷对比参考法和最小二乘法插值法这两种方法的综合,综合方式为按权重进行综合;所述历史同比参考负荷根据负荷周期自动识别。
计算每个识别对象的聚类类别及时间为函数的均方差;如果识别对象的某一个时间的用电值减去此时对应的聚类中心的差值大于预设的阈值即判断该识别对象为可移动负荷。
或者,所述突变的判断采用差值百分比检测法,所述差值百分比检测法以典型用电曲线作为参考值,通过差值百分比与预设的阈值比较,检测大型用电器发生时间,所述差值百分比计算公式为:差值百分比=(真实值-聚类中心)/聚类中心。
所述报装优化策略步骤为:
Pi为负荷曲线上第i时刻的负荷值,N为班组工作周期内负荷采样点数;
逐点扫描负荷曲线上的可移动负荷,把最大的可移动负荷转移到最小负荷的时间点上,次大的可移动负荷转移到次小负荷的时间点上,依次类推,最终形成新的负荷曲线,然后计算新负荷曲线的最大需量;
(7.2)基于包括用户电费单、用户档案在内的信息,提取包括用户供电设备容量、报装方案、报装容量/需量,容量电费单价、需量电费单价在内的信息;
(7.3)分别计算按容量计费和按需量计费的基本电费,对比两者最小者为优化的报装方式,得到优化的报装方案;
(7.4)对比计算优化后的方案费用和原方案费用差额,则为优化节省费用。
所述移峰填谷策略步骤为:根据识别的可移动负荷,然后将不同时段的可移动负荷分散平移到用电单位的低谷时段当中去;平移可移动负荷时先优先移动到低谷电价时段当中,其次移动到平电价时段当中去;在相同的电价时段中优先按照负荷率最高的原则进行平移;最终得到平移后的负荷曲线,对比原负荷曲线和平移后的负荷曲线,计算得到节省的电费。
所述无功节能评估方法包括无功节能模型和无功节费模型,其中:
无功节能模型为E=F(Wq,kq),Wq是统计周期内的无功电量,kq是无功功率影响损耗指数,kq的取值采用余弦相似度和变化量扰动关联算法来计算,首先根据电力用户的配用电损耗和无功功率的历史数据,通过测量损耗和无功功率两个向量的夹角的余弦值来度量它们之间的关联度,通过分析历史同样的有功功率和配网工况下,其无功功率增减变化反映出损耗的变化,得到无功功率对损耗的影响量,从而得到若采用无功补偿方式,其能够获得的节能量数据;
无功节费模型,首先根据无功功率和有功功率计算出功率因数fC,节费金额M=F(功率因数考核值fT,实际月平均功率因数fC,基本电费mB,电量电费mE),形成式子如下:M=kC(mB+mE)+ kJ(mB+mE),其中,kC是fC低于fT时电力市场确定的电费惩罚系数,kJ是功率因数高于fT时电力市场确定最高电费奖励系数。
所述三相不平衡损耗评估方法为:首先利用设备在运行过程中采集的电压、无功功率、有功功率数据,经聚类分析归类后,在有限的负荷类特征中,按照改进型不平衡的前推回代潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
所述谐波损耗评估方法为:首先利用设备在运行过程中采集的谐波电压、谐波电流和谐波功率等数据,经聚类分析归类后,在有限的负荷类特征中,按照谐波阻抗网络和谐波潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
所述降压节能评估方法为:首先对负荷进行分类,按照恒功率负荷PP、恒阻抗负荷PZ、恒电流负荷PI三类进行划分,电力用户的负荷模型按照由这三种负荷组合而成,即P=kPPP+kZPZ+kIPI;利用经过聚类后的有功功率、电压和电流数据,采用岭回归拟合算法,找到各类负荷的k系数;找到每种负荷类型的占比后,根据每种负荷fCVR降损因子;得到了fCVR降损因子后,根据聚类后的电压特征曲线,确定降压幅度,从而得到最终的降压节能评估。
所述变压器经济运行评估方法为:首先利用变压器在运行过程中包括功率在内的数据,经聚类分析归类后,在有限的负荷类特征中,按照变压器损耗模型算法得到每个负荷时间点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
待机负荷识别算法步骤为:
(14.1)采集用电设备的全年有功功率曲线;
(14.2)负荷特征聚类,画出各用电设备的全年负荷特征,识别包括工作日、非工作日在内的聚类特征曲线;
(14.3)结合用电设备非工作曲线,对待分析曲线进行同时间维度的比较,识别待分析曲线是否存在待机负荷;
(14.4)计算待机能耗。
在评估方法步骤(3)后,按照包括用电单位、按行业、按区域在内的维度通过图形化界面展示:节能潜力总量、占比,节费潜力总额、占比;通过逐层钻取式展示具体提升方向和建议措施。从而让用户明确提升潜力和具体措施,提供投资决策信息。
相对于单独的算法,本发明综合考虑了可移动识别算法、报装优化策略算法、移峰填谷策略算法、无功节能评估算法、三相不平衡损耗评估算法、降压节能评估方法、变压器经济运行评估方法、待机负荷识别算法,并结合大数据聚类分析得到用户的典型用电负荷特征,分析结果更精准、更准确。
本发明根据智能仪表采集的电力运行数据,采用数据聚类分析与电力传统理论相结合的技术,充分考虑电力市场价格因素,有针对性地实现配用电全过程节能节费潜力的评估,指导电力用户开展管理节能节费、技术改造节能节费,节费达5%-10%。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明示意图。
图2为电力可移动负荷识别方法流程图。
图3为报装优化策略流程图。
图4为待机负荷识别方法流程图。
具体实施方式
配用电节能节费潜力评估方法,其包括以下步骤:
(1)通过ICT信息化技术获取到用户配电和用电环节中的进线、母线、配电设备、各分支线、用电设备的电力运行数据,数据类型包括电压、电流、频率、有功功率、无功功率、功率因数、谐波及电能量、开关状态、设备温度等数据;采集到这些数据的途径可以是安装智能化仪表(包括但不限于电能表、多功能仪表、保护装置、测控装置等),也可以是从其他电力信息化系统转发过来电力运行数据,或者是上述两种的混合模式。
(2)基于采集得到一定时间(至少1年)的电力运行数据,应用聚类分析(包括高斯混合、K-Mean、谱聚类等),对用户配电和用电环节中的各进线、各分支线、用电设备的有功功率、无功功率、电压、功率因数等负荷特征聚类分析,结合典型负荷特征的颗粒度要求,形成一定数量(4~30种)的负荷特征聚类典型样本,用于后续节能节费评估的基础数据。
(3)按节费、节能维度依次开展评估形成节费潜力值和节能潜力值,最后通过节能值电价折算汇总为电力用户综合节能节费潜力,即(节费潜力值+节能潜力值×电度电价);其中:
节费维度:通过可移动负荷识别,经报装优化策略、移峰填谷策略分别得出基本电费节费潜力、电度电费节费潜力;基于无功节能评估方法计算得出力率电费优化潜力;所述可移动负荷是供电时间可按计划变动的负荷;
节能维度:通过无功节能评估方法、三相不平衡损耗评估方法、降压节能评估方法、谐波损耗评估方法,从电能质量优化角度评估各指标项影响的能耗值,即为电能质量优化节能潜力值;
基于变压器经济运行评估方法,结合负荷特征数据,评估企业的最佳经济运行方式,最终评估出变压器综合能效优化潜力值;
基于待机负荷识别算法,识别企业(用电单位)非工作期间的待机负荷以及辅机设备的待机特性,汇总形成企业待机能耗优化潜力值。
(4)按照用电单位、按行业、按区域等维度通过图形化界面展示:节能潜力总量、占比,节费潜力总额、占比;通过逐层钻取式展示具体提升方向和建议措施;从而让用户明确提升潜力和具体措施,提供投资决策信息。
电力可移动负荷识别,如图2所示:
2.1数据采集与获取;获取电力自动化监测系统所记录的包括有功功率、无功功率、电流、电压、功率因数和用电量数据在内的用电设备历史运行数据(至少1年以上);根据负荷识别需要将预设的多个用电设备的负荷进行矢量叠加,合成为一个组合对象;所述组合对象为多个用电设备的负荷矢量叠加的结果。
2.2数据清洗与补齐:以单个用电设备为识别对象,首先检查识别对象的每条历史数据记录,标识数据缺失的记录;其次,应用欧姆定律、基尔霍夫电路定律、基本功率方程对同一时间的功率、电流、电压、功率因数、电量的数据间关系进行相互校核,验证数据的有效性;若发现数据异常则剔除该数据,同时标识该数据缺失;最后,对缺失的数据记录进行补齐。所述补齐方法采用历史同比负荷对比参考法和最小二乘法插值法这两种方法的综合,综合方式为按权重进行综合;所述历史同比参考负荷根据负荷周期自动识别。
2.3形成标准化的日负荷曲线三维向量:将步骤2.2清洗后的数据进行归一化处理,构建日期、24小时时间、幅度三维向量矩阵R(M,T,P),其中M为负荷曲线的天数,T为数据对应的24小时的时间,P代表幅度。
2.4负荷特征识别;对用电设备日负荷曲线三维向量按日进行聚类分析(如聚类分析为K-均值、高斯混合或者谱聚类方法)计算,计算得到N个分类;其中N为远小于M的整数(远小于是指M除以N大于10,即M大于N一个数量级);把每个分类的聚类中心作为用电设备的典型特征曲线,也就是负荷特征;M天中每一天的负荷都会对应N个分类中的其中一个分类。
2.5日负荷曲线突变检测:将M天中每天实际的负荷曲线与其对应的典型特征曲线作对比;如果存在M天中每天实际的负荷曲线对比其对应的典型特征曲线在曲线上发生突变,则判断该识别对象为可移动负荷; 获取该识别对象的可移动负荷的大小以及对应的时间。
具体地,所述突变的判断标准的一种方法为:将典型用电曲线作为期望值μ,当天第i采样时刻点实际负荷为xi,每天数据采样点数为N,则利用均方差公式:
计算每个识别对象的聚类类别及时间为函数的均方差;如果识别对象的某一个时间的用电值减去此时对应的聚类中心的差值大于预设的阈值即判断该识别对象为可移动负荷。
所述突变的判断的另一种方法为:采用差值百分比检测法,所述差值百分比检测法以典型用电曲线作为参考值,通过差值百分比与预设的阈值比较,检测大型用电器发生时间,所述差值百分比计算公式如下:差值百分比=(真实值-聚类中心)/聚类中心。
2.6重复步骤2.2至步骤2.5,对其他负荷或用电设备识别。
以一个识别对象的n天的用电负荷96个点日负荷曲线,即每15分钟一个负荷电量读数为例,其可移动负荷识别的过程为:
中间结果:(1)被识别的用电设备的典型曲线聚类数据,m×3,数据矩阵中每一行对应识别对象id,日期,聚类id;(2)典型用电曲线聚类数据,,数据矩阵中每一行对应某个聚类的聚类中心24小时每15分钟的负荷数,n为聚类数,n<<m。
基于本方法计算即可输出:以15分钟为最小时间单位,输出每个用户每个时刻对应的原始用电量、类中心用电量、差值以及均方差。
在实际的操作中,通常将应用本方法识别出可移动负荷的进行标识及展示,绘制每天N点的日负荷棒图。在每个采集时间点对应存在可移动负荷量,其上部用对比强烈的强调色进行展示,上部占比为可移动负荷量。对日负荷曲线峰值的负荷移动之后,展示移动之前和移动之后的负荷峰值水平线。
也可以根据需要按月度尺度的进行可移动负荷展示,同时,累计计算用户全年负荷电量曲线与其聚类中心用电量的差值,即可得到设备可移动负荷的全年总电量数。
报装优化策略,如图3所示:
Pi为负荷曲线上第i时刻的负荷值,N为班组工作周期内负荷采样点数。
逐点扫描负荷曲线上的可移动负荷,把最大的可移动负荷转移到最小负荷的时间点上,次大的可移动负荷转移到次小负荷的时间点上,依次类推,最终形成新的负荷曲线,然后计算新负荷曲线的最大需量。
7.2基于包括用户电费单、用户档案在内的信息,提取包括用户供电设备容量、报装方案、报装容量/需量,容量电费单价、需量电费单价在内的信息。
7.3分别计算按容量计费和按需量计费的基本电费,对比两者最小者为优化的报装方式,得到优化的报装方案。
7.4对比计算优化后的方案费用和原方案费用差额,则为优化节省费用。
以一个识别对象的m天的用电负荷96个点日负荷曲线,8小时工作制为例,其报装优化策略的过程为:
将处理后的数据输入,该识别对象的原始用电曲线数据和经识别的可移动负荷数据组成二维数据矩阵(公式表示),该数据矩阵中每一行记录对应该识别对象的某一天0点到24点之间的每隔15分钟的原始负荷读数以及可移动负荷示数,m为数据中包含的天数。
将用户电费单、用户档案在内的信息,包括用户供电设备容量、报装方案、报装容量/需量,容量电费单价、需量电费单价在内的信息输入。
中间结果:(1)抽取8小时工作制中工作时间段内的二维数据矩阵;(2)以负荷率最大为目标,逐点扫描负荷曲线上的可移动负荷,把最大的可移动负荷转移到最小负荷的时间点上,次大的可移动负荷转移到次小负荷的时间点上;(3)依次类推,形成新的负荷曲线,并计算最新负荷曲线的最大需量;(4)根据电费单实际报装方式,分别计算按容量计费和按需量计费的基本电费,对比两者最小者为优化的报装方式,得到优化的报装方案;(5)当基本电费按容量缴纳时:容量费=Fc*C;需量费=max(0.4*C,实际月最大需量)*需量价格,如果容量费>需量费,则:基本电费节费潜力=容量费-需量费,否则基本电费节费潜力=0。当基本电费按需量缴纳时:容量费=Fc*C; 需量费A=max(0.4*C,申报需量)*需量价格,需量费B=max(0.4*C,实际月最大需量)*需量价格; 如果需量费A>min(容量费,需量费B),则:基本电费节费潜力=需量费A- min(容量费,需量费B),否则基本电费节费潜力=0。其中Fc为容量价格,C供电设备容量。
基于本方法计算即可输出:输出每个用户每个月的按容量计费和按需量计费的基本电费,优化的报装方案。
移峰填谷策略:
根据识别的可移动负荷,然后将不同时段的可移动负荷分散平移到用电单位的低谷时段当中去;平移可移动负荷时先优先移动到低谷电价时段当中,其次移动到平电价时段当中去;在相同的电价时段中优先按照负荷率最高的原则进行平移;最终得到平移后的负荷曲线,对比原负荷曲线和平移后的负荷曲线,计算得到节省的电费。
以一个识别对象的m天的用电负荷96个点日负荷曲线,8小时工作制为例,其移峰填谷策略的过程为:
将处理后的数据输入,该识别对象的原始用电曲线数据和经识别的可移动负荷数据组成二维数据矩阵(公式表示),该数据矩阵中每一行记录对应该识别对象的某一天0点到24点之间的每隔15分钟的原始负荷读数以及可移动负荷示数,m为数据中包含的天数。
将用户档案在内的信息,包括费率时段、电费单价的信息输入。
中间结果:(1)抽取8小时工作制中工作时间段内的二维数据矩阵;(2)以负荷率最大为目标,逐点扫描负荷曲线上的可移动负荷,把最大的可移动负荷转移到最小负荷的时间点上,次大的可移动负荷转移到次小负荷的时间点上;(3)依次类推,形成新的负荷曲线;(4)根据费率时段的电费单价信息,计算移动前、后的电量电费,及移动后优化的节费值;
基于本方法计算即可输出:输出每个用户每个月的移峰填谷节费值。
所述无功节能评估方法包括无功节能模型和无功节费模型,其中:
无功节能模型为E=F(Wq,kq),Wq是统计周期内的无功电量,kq是无功功率影响损耗指数,kq的取值采用余弦相似度和变化量扰动关联算法来计算,首先根据电力用户的配用电损耗和无功功率的历史数据,通过测量损耗和无功功率两个向量的夹角的余弦值来度量它们之间的关联度,通过分析历史同样的有功功率和配网工况下,其无功功率增减变化反映出损耗的变化,得到无功功率对损耗的影响量,从而得到若采用无功补偿方式,其能够获得的节能量数据。
以一个识别对象的一年的96个无功功率曲线,即每15分钟一个无功功率读数为例,其无功节能的过程为:
中间结果:(1)计算统计周期内的无功电量Wq;(2)根据用户特性确定无功功率影响损耗指数kq;(3)根据无功节能模型为E=F(Wq,kq),计算因无功节能量数据。
基于本方法计算即可输出:输出每个用户无功节能量数据。
力率节费模型,首先根据无功功率和有功功率计算出功率因数fC,节费金额M=F(功率因数考核值fT,实际月平均功率因数fC,基本电费mB,电量电费mE),形成式子如下:M=kC(mB+mE)+ kJ(mB+mE),其中,kC是fC低于fT时电力市场确定的电费惩罚系数,kJ是功率因数高于fT时电力市场确定最高电费奖励系数。
以一个识别对象的一年的96个功率因数曲线,即每15分钟一个功率因数读数为例,其力率节费的过程为:
将处理后的数据输入,该识别对象每月的有功电量、无功电量数据
用户功率因数考核信息、功率因数考核表作为输入
中间结果:(1)根据无功电量和有功电量计算出功率因数fC;(2)根据M=F(功率因数考核值fT,实际月平均功率因数fC,基本电费mB,电量电费mE)计算力率节费潜力
基于本方法计算即可输出:输出每个用户每个月的力率节费潜力。
所述三相不平衡损耗评估方法为:
首先利用设备在运行过程中采集的电压、无功功率、有功功率数据,经聚类分析归类后,在有限的负荷类特征中,按照改进型不平衡的前推回代潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
所述谐波损耗评估方法为:
首先利用设备在运行过程中采集的谐波电压、谐波电流和谐波功率等数据,经聚类分析归类后,在有限的负荷类特征中,按照谐波阻抗网络和谐波潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
所述降压节能评估方法为:
首先对负荷进行分类,按照恒功率负荷PP、恒阻抗负荷PZ、恒电流负荷PI三类进行划分,电力用户的负荷模型按照由这三种负荷组合而成,即P=kPPP+kZPZ+kIPI;利用经过聚类后的有功功率、电压和电流数据,采用岭回归拟合算法,找到各类负荷的k系数;找到每种负荷类型的占比后,根据每种负荷fCVR降损因子;得到了fCVR降损因子后,根据聚类后的电压特征曲线,确定降压幅度,从而得到最终的降压节能评估。
所述变压器经济运行评估方法为:
首先利用变压器在运行过程中包括功率在内的数据,经聚类分析归类后,在有限的负荷类特征中,按照变压器损耗模型算法得到每个负荷时间点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
待机负荷识别算法如图4所示,步骤为:
14.1采集用电设备的全年有功功率曲线;
14.2负荷特征聚类,画出各用电设备的全年负荷特征,识别包括工作日、非工作日在内的聚类特征曲线;
14.3结合用电设备非工作曲线,对待分析曲线进行同时间维度的比较,识别待分析曲线是否存在待机负荷;
14.4计算待机能耗。
以一个识别对象的一年的用电负荷96个点日负荷曲线,即每15分钟一个负荷电量读数为例,其待机负荷识别的过程为:
中间结果:(1)被识别的用电设备的典型曲线聚类数据,m×3,数据矩阵中每一行对应识别对象id,日期,聚类id;(2)典型用电曲线聚类数据,,数据矩阵中每一行对应某个聚类的聚类中心24小时每15分钟的负荷数,n为聚类数,n<<m;(3)画出各用电设备的全年负荷特征,识别包括工作日、非工作日在内的聚类特征曲线;(4)结合用电设备非工作曲线,对待分析曲线进行同时间维度的比较,识别待分析曲线是否存在待机负荷;(5)计算待机能耗。
基于本方法计算即可输出:输出每个用户每个用电设备的待机能耗。
上述实施例不以任何方式限制本发明,凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。
Claims (15)
1.配用电节能节费潜力评估方法,其特征在于包括以下步骤:
(1)通过ICT信息化技术获取到用户配电和用电环节中的进线、母线、配电设备、各分支线、用电设备的电力运行数据,数据类型包括电压、电流、频率、有功功率、无功功率、功率因数、谐波及电能量、开关状态、设备温度;
(2)基于电力运行数据,应用聚类分析,对包括有功功率、无功功率、电压、功率因数在内的负荷特征进行聚类分析,形成负荷特征聚类典型样本,作为后续节能节费评估的基础数据;
(3)按节费、节能维度依次开展评估形成节费潜力值和节能潜力值,最后通过节能值电价折算汇总为电力用户综合节能节费潜力,即节费潜力值+节能潜力值×电度电价;其中:
节费维度:
在可移动负荷识别后,经报装优化策略、移峰填谷策略分别得出基本电费节费潜力、电度电费节费潜力;所述可移动负荷是供电时间可按计划变动的负荷;
基于无功节能评估方法计算得出力率电费优化潜力;
节能维度:
通过无功节能评估方法、三相不平衡损耗评估方法、降压节能评估方法、谐波损耗评估方法,从电能质量优化角度评估各指标项影响的能耗值,即电能质量优化节能潜力值;
基于变压器经济运行评估方法,结合负荷特征数据,评估企业的最佳经济运行方式,最终评估出变压器综合能效优化潜力值;
基于待机负荷识别算法,识别用电单位非工作期间的待机负荷以及辅机设备的待机特性,汇总形成企业待机能耗优化潜力值。
2.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述可移动负荷识别的步骤为:
(2.1)数据采集与获取;获取电力自动化监测系统所记录的包括有功功率、无功功率、电流、电压、功率因数和用电量数据在内的用电设备历史运行数据;根据负荷识别需要将预设的多个用电设备的负荷进行矢量叠加,合成为一个组合对象;所述组合对象为多个用电设备的负荷矢量叠加的结果;
(2.2)数据清洗与补齐:以单个用电设备为识别对象,首先检查识别对象的每条历史数据记录,标识数据缺失的记录;其次,应用欧姆定律、基尔霍夫电路定律、基本功率方程对同一时间的功率、电流、电压、功率因数、电量的数据间关系进行相互校核,验证数据的有效性;若发现数据异常则剔除该数据,同时标识该数据缺失;最后,对缺失的数据记录进行补齐;
(2.3)形成标准化的日负荷曲线三维向量:将步骤(2.2)清洗后的数据进行归一化处理,构建日期、24小时时间、幅度三维向量矩阵R(M,T,P),其中M为负荷曲线的天数,T为数据对应的24小时的时间,P代表幅度;
(2.4)负荷特征识别;对用电设备日负荷曲线三维向量按日进行聚类分析计算,计算得到N个分类;其中N为远小于M的整数;把每个分类的聚类中心作为用电设备的典型特征曲线;M天中每一天的负荷都会对应N个分类中的其中一个分类;
(2.5)日负荷曲线突变检测:将M天中每天实际的负荷曲线与其对应的典型特征曲线作对比;如果存在M天中每天实际的负荷曲线对比其对应的典型特征曲线在曲线上发生突变,则判断该识别对象为可移动负荷; 获取该识别对象的可移动负荷的大小以及对应的时间;
(2.6)重复步骤(2.2)至步骤(2.5),对其他负荷或用电设备识别。
3.根据权利要求1或2所述的配用电节能节费潜力评估方法,其特征在于:所述聚类分析为K-均值、高斯混合或者谱聚类方法。
4.根据权利要求2所述的配用电节能节费潜力评估方法,其特征在于:所述补齐方法采用历史同比负荷对比参考法和最小二乘法插值法这两种方法的综合,综合方式为按权重进行综合;历史同比参考负荷根据负荷周期自动识别。
6.根据权利要求2所述的配用电节能节费潜力评估方法,其特征在于:所述突变的判断采用差值百分比检测法,所述差值百分比检测法以典型用电曲线作为参考值,通过差值百分比与预设的阈值比较,检测大型用电器发生时间,所述差值百分比计算公式为:差值百分比=(真实值-聚类中心)/聚类中心。
7.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述报装优化策略步骤为:
Pi为负荷曲线上第i时刻的负荷值,N为班组工作周期内负荷采样点数;
逐点扫描负荷曲线上的可移动负荷,把最大的可移动负荷转移到最小负荷的时间点上,次大的可移动负荷转移到次小负荷的时间点上,依次类推,最终形成新的负荷曲线,然后计算新负荷曲线的最大需量;
(7.2)基于包括用户电费单、用户档案在内的信息,提取包括用户供电设备容量、报装方案、报装容量/需量,容量电费单价、需量电费单价在内的信息;
(7.3)分别计算按容量计费和按需量计费的基本电费,对比两者最小者为优化的报装方式,得到优化的报装方案;
(7.4)对比计算优化后的方案费用和原方案费用差额,则为优化节省费用。
8.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述移峰填谷策略步骤为:根据识别的可移动负荷,然后将不同时段的可移动负荷分散平移到用电单位的低谷时段当中去;平移可移动负荷时先优先移动到低谷电价时段当中,其次移动到平电价时段当中去;在相同的电价时段中优先按照负荷率最高的原则进行平移;最终得到平移后的负荷曲线,对比原负荷曲线和平移后的负荷曲线,计算得到节省的电费。
9.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述无功节能评估方法包括无功节能模型和无功节费模型,其中:
无功节能模型为E=F(Wq,kq),Wq是统计周期内的无功电量,kq是无功功率影响损耗指数,kq的取值采用余弦相似度和变化量扰动关联算法来计算,首先根据电力用户的配用电损耗和无功功率的历史数据,通过测量损耗和无功功率两个向量的夹角的余弦值来度量它们之间的关联度,通过分析历史同样的有功功率和配网工况下,其无功功率增减变化反映出损耗的变化,得到无功功率对损耗的影响量,从而得到若采用无功补偿方式,其能够获得的节能量数据;
无功节费模型,首先根据无功功率和有功功率计算出功率因数fC,节费金额M=F(功率因数考核值fT,实际月平均功率因数fC,基本电费mB,电量电费mE),形成式子如下:M= kC(mB+mE)+ kJ(mB+mE),其中,kC是fC低于fT时电力市场确定的电费惩罚系数,kJ是功率因数高于fT时电力市场确定最高电费奖励系数。
10.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述三相不平衡损耗评估方法为:首先利用设备在运行过程中采集的电压、无功功率、有功功率数据,经聚类分析归类后,在有限的负荷类特征中,按照改进型不平衡的前推回代潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
11.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述谐波损耗评估方法为:首先利用设备在运行过程中采集的谐波电压、谐波电流和谐波功率等数据,经聚类分析归类后,在有限的负荷类特征中,按照谐波阻抗网络和谐波潮流算法得到每个负荷点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
12.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述降压节能评估方法为:首先对负荷进行分类,按照恒功率负荷PP、恒阻抗负荷PZ、恒电流负荷PI三类进行划分,电力用户的负荷模型按照由这三种负荷组合而成,即P=kPPP+kZPZ+kIPI;利用经过聚类后的有功功率、电压和电流数据,采用岭回归拟合算法,找到各类负荷的k系数;找到每种负荷类型的占比后,根据每种负荷fCVR降损因子;得到了fCVR降损因子后,根据聚类后的电压特征曲线,确定降压幅度,从而得到最终的降压节能评估。
13.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:所述变压器经济运行评估方法为:首先利用变压器在运行过程中包括功率在内的数据,经聚类分析归类后,在有限的负荷类特征中,按照变压器损耗模型算法得到每个负荷时间点的损耗功率,然后将每个负荷点的损耗功率积分后得到统计周期内的能量损耗。
14.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:待机负荷识别算法步骤为:
(14.1)采集用电设备的全年有功功率曲线;
(14.2)负荷特征聚类,画出各用电设备的全年负荷特征,识别包括工作日、非工作日在内的聚类特征曲线;
(14.3)结合用电设备非工作曲线,对待分析曲线进行同时间维度的比较,识别待分析曲线是否存在待机负荷;
(14.4)计算待机能耗。
15.根据权利要求1所述的配用电节能节费潜力评估方法,其特征在于:在步骤(3)后,按照包括用电单位、按行业、按区域在内的维度通过图形化界面展示:节能潜力总量、占比,节费潜力总额、占比;通过逐层钻取式展示具体提升方向和建议措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801160.6A CN113255850B (zh) | 2021-07-15 | 2021-07-15 | 配用电节能节费潜力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801160.6A CN113255850B (zh) | 2021-07-15 | 2021-07-15 | 配用电节能节费潜力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255850A true CN113255850A (zh) | 2021-08-13 |
CN113255850B CN113255850B (zh) | 2021-09-24 |
Family
ID=77180400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110801160.6A Active CN113255850B (zh) | 2021-07-15 | 2021-07-15 | 配用电节能节费潜力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255850B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789628A (zh) * | 2010-01-08 | 2010-07-28 | 江苏大学 | 企业电能节能管理系统 |
CN105868887A (zh) * | 2016-03-23 | 2016-08-17 | 上海电力学院 | 一种基于分项计量的楼宇综合能效分析方法 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
-
2021
- 2021-07-15 CN CN202110801160.6A patent/CN113255850B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789628A (zh) * | 2010-01-08 | 2010-07-28 | 江苏大学 | 企业电能节能管理系统 |
CN105868887A (zh) * | 2016-03-23 | 2016-08-17 | 上海电力学院 | 一种基于分项计量的楼宇综合能效分析方法 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113255850B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909933B (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN104794206B (zh) | 一种变电站数据质量评价系统及方法 | |
CN110070282B (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN111027872B (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN103135009A (zh) | 基于使用者回馈信息的电器侦测方法与系统 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN114004296A (zh) | 一种基于电力负荷特征反向提取监测点的方法及系统 | |
CN103793756A (zh) | 一种变压器经济运行特征分析方法 | |
CN110866691A (zh) | 一种孤立批智能电能表的分阶段与分层抽样方法 | |
CN114722722A (zh) | 一种基于大数据分析的用电数据异常检测方法及系统 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
CN111553568A (zh) | 一种基于数据挖掘技术的线损管理方法 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN113255850B (zh) | 配用电节能节费潜力评估方法 | |
Xu et al. | Investigating the determinants of the growth of the new energy industry: using quantile regression approach | |
CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
CN112994002B (zh) | 一种电力可移动负荷识别方法 | |
CN115133659A (zh) | 低压配电网络低压线损的在线监测方法与系统 |
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 |