CN113780862A - 一种电力负荷综合变化率评估方法、系统及计算机设备 - Google Patents
一种电力负荷综合变化率评估方法、系统及计算机设备 Download PDFInfo
- Publication number
- CN113780862A CN113780862A CN202111096681.2A CN202111096681A CN113780862A CN 113780862 A CN113780862 A CN 113780862A CN 202111096681 A CN202111096681 A CN 202111096681A CN 113780862 A CN113780862 A CN 113780862A
- Authority
- CN
- China
- Prior art keywords
- target sample
- sample user
- power
- change rate
- power load
- 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
Links
- 230000008859 change Effects 0.000 title claims abstract description 95
- 238000011156 evaluation Methods 0.000 title claims description 20
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 230000000737 periodic effect Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect 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
- G06Q50/06—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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种电力负荷综合变化率评估方法、系统及计算机设备,包括,步骤S1,得到目标样本用户;步骤S2,确定所述目标样本用户的用电周期,并根据用电周期确定日用电量调整值;步骤S3,确定目标样本用户在行业层面的重要度权重;步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线并对电力负荷综合变化率进行评估。本发明通过反映地区经济的电力负荷综合变化率指数,实时展示行业用户的电量负荷变化情况。
Description
技术领域
本发明涉及电力用户服务管理技术领域,特别是涉及一种电力负荷综合变化率评估方法。
背景技术
随着我国能源革命不断向纵深推进,期间数字经济加入并助推能源高效转型,两者的深度融合催生了一种新型经济发展形态——能源数字经济。发展能源数字经济,数字化是战略性抓手,数据挖掘是关键出路。作为社会能源供应的枢纽,电网企业应当充分发挥电力数据实时监控、反馈直观的特点,分析负荷特性变化进而挖掘其深层价值。
电力是现代城市的重要驱动力,电力数据也是反映城市经济发展的重要指标。然而现有负荷特性研究与用户实际生产行为变化的联系并不紧密,具体表现在固有波动和天气、工作日与否等客观因素扰动下的随机负荷起伏未有鉴别和区分。除此之外,我国经济总量快速攀升的同时,发展不平衡问题也越发突出,利润分配在不同行业、不同规模企业上严重失衡,而现有负荷特性研究在个体差异也少有针对性处理。但现有符合特征研究没有根据每个电力用户的负荷综合变化率指数分析企业经营状态以及未来经济走势提供数据基础。
发明内容
本发明的目的在于,提出一种电力负荷综合变化率评估方法,根据每个电力用户的社会重要程度、与GDP的相关程度、业扩潜力,赋予其不同的权重,选定基期构造综合变化率指数,从而为分析企业经营状态以及未来经济走势提供数据基础。
一方面,提供一种电力负荷综合变化率评估方法,包括以下步骤:
步骤S1,获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
步骤S2,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
步骤S3,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
优选地,在步骤S1中,获得目标样本用户的过程具体包括:
在电力用户的历史数据中,选择满足预设用户标准的用户组成选样空间,其中,所述预设用户标准包括用电时长大于预设用电时长阈值的用户、历史用电量无异常波动的用户及无长时间的空载记录的用户;
根据样本空间内用户前一年的总用电量对用户进行降序排序,获得用电量排序结果;
获取在该地区企业影响力数据、国民经济行业分类表,将用电量排序结果、企业影响力数据及国民经济行业分类表按相对比例选取各行业中用电量排名靠前的用户,输出为目标样本用户。
优选地,在步骤S2中,所述根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,具体包括:
从所述目标样本用户的历史数据中获取所述目标样本用户的实际日用电量,根据所述目标样本用户的实际日用电量确定一周内所述目标样本用户负荷变化情况;
通过一周内所述目标样本用户负荷变化情况确定所述目标样本用户一周内的工作强度;根据所述目标样本一周内的工作强度的分界点确定所述目标样本用户的用电周期。
优选地,在步骤S2中,所述根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值,具体包括:
根据以下公式计算所述目标样本用户的日用电量调整值:
min gi=σ(Di-ξi·T)
其中,D′表示日用电量调整值;D表示用户实际日用电量;ξ表示(N×1)维的工作强度系数矩阵;T表示(1×7)维的周期分量矩阵;表示周期分量序列的均值;Di表示D中第i行元素;ξi表示(N×1)维的工作强度系数矩阵中第i行元素;σ()表示计算给定数值集合的标准差。
优选地,在步骤S3中,所述根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重具体包括:
获取多个评判专家评判样本用户涉及行业的地位的等级结果;所述等级结果包括略微重要、一般重要、重要、比较重要、非常重要;
对等级结果进行量化处理,获取等级结果对应的模糊数值;
将所有专家评判的等级结果对应的模糊数以等权重线性加权方式进行整合,得到行业的重要程度判别模糊数;
根据行业的重要程度判别模糊数,确定模糊数的重心大小:
对模糊数的重心大小进行归一化处理,得到目标样本用户在行业层面的重要度权重。
优选地,在步骤S4中,所述得到所述目标样本用户的电力负荷综合变化率指数具体包括:
选取一年中的任意一日作为基准日,以所述基准日的加权和作为基准值;
确定所述目标样本用户在所述基准日的日用电量调整值;
根据所述基准值、所述目标样本用户的日用电量调整值、所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数。
优选地,所述目标样本用户的电力负荷综合变化率指数通过以下公式计算:
其中,It表示目标样本用户的电力负荷综合变化率指数;D′(t)表示目标样本用户的用电量;D′(t0)表示目标样本用户在所述基准日的日用电量调整值;sp表示目标样本用户在行业层面的重要度权重;n表示目标样本用户涉及行业总数;i表示目标样本用户的行业类型序号;p表示目标样本用户。
优选地,在步骤S5中,所述剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素具体包括:
根据以下公式对环境温度因素进行剔除:
其中,It表示目标样本用户的电力负荷综合变化率指数;Lt表示平滑的趋势项;Ah表示协变量,即日均气温;τh表示协变量的系数;ζt表示随机项;ε表示拟合误差。
一方面,还提供一种电力负荷综合变化率评估系统,用以实现所述的电力负荷综合变化率评估方法,其特征在于,包括:
目标样本模块,用以获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
第一获取模块,用以根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
第二获取模块,用以根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
第三获取模块,用以根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
评估模块,用以剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
另一方面,还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
步骤S1,获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
步骤S2,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
步骤S3,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的电力负荷综合变化率评估方法、系统及计算机设备,通过有助于反映地区经济的电力负荷综合变化率指数,实时展示行业用户的电量负荷变化情况,将以往的复杂而庞大的地区电量负荷数值转化为浅显易懂的的综合变化率指数数值。提出成分客户选取原则及的调整日电量的权重计算方法,可以反应地区内负荷最重、政府关注度最高、且最具有代表性的电力重要客户用电负荷情况,能比普通的企业用户用电量统计更加具有风向标的作用,类似股票综合变化率指数里的上证50。还可通过定期对比地区消费者物价综合变化率指数CPI、生产总值GDP等重要经济综合变化率指数,反映地区主体经济的发展方向。
本发明的唯一变量是指数组成客户用电量的变化率,能够在体现了成分客户社会重要性、能耗产出的基础上,综合反映每个客户的日用电量的变化。通过周期分量与非周期分量的分解,并引入工作强度矩阵,能够有效屏蔽休息日与工作日的影响。环境因素的影响是影响负荷变化的另一主要因素,尤其是气温因素。通过分析负荷与气温的相关性,剔除指数受气温因素的影响,最大程度的还原了样本客户的负荷特性的变化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种电力负荷综合变化率评估方法的主流程示意图。
图2为本发明实施例中一种电力负荷综合变化率评估系统的示意图。
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,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种电力负荷综合变化率评估方法的一个实施例的示意图。在该实施例中,所述方法包括以下步骤:
步骤S1,获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;可以理解的是,按给定规则筛选出地区N位用电量大、数据完整无异常的行业代表用户作为样本对象;给定规则包含以下选样空间、标准和方法。
具体实施例中,获得目标样本用户的过程具体包括:电力用户的历史数据中,选择满足预设用户标准的用户组成选样空间,其中,所述预设用户标准包括用电时长大于预设用电时长阈值的用户、历史用电量无异常波动的用户及无长时间的空载记录的用户;可以理解的是,选样空间中的用户需要同时满足以下条件:①具有3年以上的用电时长,除非该用户自申报装表以来日均用电量排在所有用户前10位;②历史用电量没有或只有少处明显的异常波动或统计错误;③无长时间的空载记录。
选样标准:选取用电量大、经济相关性高、地位重要度高,且在行业内具有代表性的行业用户作为样本用户。选样方法:根据样本空间内用户前一年的总用电量对用户进行降序排序,获得用电量排序结果;可以理解的是,根据样本空间用户前一年的总用电量降序排序,视用电量差异剔除排名若干位外的用户。获取在该地区企业影响力数据、国民经济行业分类表,将用电量排序结果、企业影响力数据及国民经济行业分类表按相对比例选取各行业中用电量排名靠前的用户,输出为目标样本用户;可以理解的是,选取社会重要度较高的用户;按国民经济行业分类按相对比例选取各行业中用电量排名靠前的用户补至样本量达目标样本量。
步骤S2,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;可以理解的是,不同于小企业或个体户等,多数大企业尤其是工业大企业一般会实行单休或双休制度,且对于一些大规模的工业企业,其工作计划性强,在月度或季度等长时间段内每日的工作量基本稳定。因此,部分大企业用户用电量存在着星期规律特性,即一周内工作日负荷明显高于周末负荷。这一工作日效应带来的固有周期变化使得用户负荷存在显著的“正常”波动,而这种波动会影响对负荷受扰波动的辨别以及对异常波动的严重程度的判断。因此需要区分开工作日效应这种固有波动的影响,但也不能忽略这部分电量的实际效益。
具体实施例中,将用户实际日用电量表示成(N×7)维矩阵D,下列拆解如式所示:
D=F+I·T (1)
式中:F为(N×7)维的非周期分量矩阵;I为(N×1)维的全1矩阵;T为(1×7)维的周期分量矩阵。
T通过STL算法对历史数据进行周期分解得到。STL是一个迭代的非参数回归过程,是将鲁棒局部加权回归作为平滑方法的时间序列分解方法,能够得到稳健的周期项,而不会被数据中的异常行为扭曲,并且适用于有缺失值的时间序列。
STL利用局部加权散点平滑法(locally weighted scatterplot smoothing,LOESS)来对离散序列点进行平滑处理。对于一个时间序列yi(i=1,2,…,n),选取平滑参数q≤n,由与时间点x最近的q个序列时间点xj构造时间点x上的邻近权重Wj(x)如下:
式中:λq为x与距其第q个远的序列值xλ的距离。
以此对yi局部加权线性回归的优化目标为:
基于LOESS,STL包含内外两个循环,其中内循环过程如下:
①去趋势:减去上一轮结果的趋势分量,D-T(k);
②周期子序列平滑:对每个子序列做LOESS回归,并向前向后各延展一个周期,得到C(k+1);
③周期子序列低通滤波:对C(k+1)依次进行窗口长度为7(周期长度)、7、3的滑动平均,再LOESS回归,得到H(k+1);
④周期子序列去趋势:S(k+1)=C(k+1)-H(k+1);
⑤去周期:减去周期分量,D-S(k+1);
⑥趋势平滑:对Y-S(k+1)对进行LOESS平滑,得到趋势分量T(k+1)。
外循环根据内循环所得周期项S和趋势项T计算余项R=D-S-T,并由此对时间点x赋予稳健权重:
式中:median()表示取给定数值集合的中值。
具体地,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,具体包括:从所述目标样本用户的历史数据中获取所述目标样本用户的实际日用电量,根据所述目标样本用户的实际日用电量确定一周内所述目标样本用户负荷变化情况;通过一周内所述目标样本用户负荷变化情况确定所述目标样本用户一周内的工作强度;根据所述目标样本一周内的工作强度的分界点确定所述目标样本用户的用电周期。
再具体地,根据以下公式计算所述目标样本用户的日用电量调整值:
min gi=σ(Di-ξi·T)
其中,D′表示日用电量调整值;D表示用户实际日用电量;ξ表示(N×1)维的工作强度系数矩阵;T表示(1×7)维的周期分量矩阵;表示周期分量序列的均值;Di表示D中第i行元素;ξi表示(N×1)维的工作强度系数矩阵中第i行元素;σ()表示计算给定数值集合的标准差。
可以理解的是,为保留周期分量电量带来的实际效益,将T均摊到周一至周日,以日用电量调整值D'代替实际值D作为负荷指数基础指标:
企业用户虽有固定工作日效应,但由于每周任务量的差异会存在工作强弱区别,以ξ来描述此种工作强度,其元素ξi由下式目标确定:
mingi=σ(Di-ξi·T)
式中:Di表示D中第i行元素;σ()表示计算给定数值集合的标准差。
步骤S3,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;可以理解的是,相较于一些传统企业用户,社会或是政府更关心一些高新技术、国计民生或绿色能源企业等的发展,同时这些企业也汇聚了更多的社会资源投入,具有更高的经济产值,同时更能体现社会未来的发展方向,如半导体行业、机场、地铁、5G行业等。因此对于这部分用户用电量波动应给予更多的重视。在指数中,结合一种经典的主观赋权法——模糊专家评价法,根据性质及相对重要性将样本企业划分五个等级,并以梯形模糊数M=(l,m,n,r)量化专家评判意见,其中l,m,n,r分别为模糊数的下界值、上临值、下临值和上界值,取值如下表所示,表示梯形模糊数取值
具体实施例中,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重具体包括:获取多个评判专家评判样本用户涉及行业的地位的等级结果;所述等级结果包括略微重要、一般重要、重要、比较重要、非常重要;对等级结果进行量化处理,获取等级结果对应的模糊数值;将所有专家评判的等级结果对应的模糊数以等权重线性加权方式进行整合,得到行业的重要程度判别模糊数;根据行业的重要程度判别模糊数,确定模糊数的重心大小:对模糊数的重心大小进行归一化处理,得到目标样本用户在行业层面的重要度权重。具体地,邀请k位专家评判样本涉及行业的地位相对重要性;然后,将所有专家评判结果对应的模糊数以等权重线性加权方式进行整合,得到第i个行业的重要程度判别模糊数Mi为:
式中:Miq表示第q位专家对第i个行业的评判结果对应的模糊数。
接着,计算梯形模糊数的重心大小c(Mi):
式中:μM(x)为梯形模糊数M对应的隶属度函数,取值如下:
最后,对重心大小c(Mi)归一化即可得到样本涉及行业的地位重要性权重si。
步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;可以理解的是,选取一年中的某日t0作为基期,以该日加权和作为基准值,取每位用户的日电量调整值为D(t)。由于选取样本的用电量差异可能巨大,最大的和最小的差值可能超过100:1,这种情况下,用电量小的客户的变化量可能完全被覆盖,其变化无法体现出来,为了更好的体现每位入选客户用电量的变化情况,选取了每位客户相对于基准日的电量变化率作为变量,得到了能够反映每个客户用电负荷的综合变化率指数。
具体实施例中,选取一年中的任意一日作为基准日,以所述基准日的加权和作为基准值;确定所述目标样本用户在所述基准日的日用电量调整值;根据所述基准值、所述目标样本用户的日用电量调整值、所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数。具体地,所述目标样本用户的电力负荷综合变化率指数通过以下公式计算:
其中,It表示目标样本用户的电力负荷综合变化率指数;D′(t)表示目标样本用户的用电量;D′(t0)表示目标样本用户在所述基准日的日用电量调整值;sp表示目标样本用户在行业层面的重要度权重;n表示目标样本用户涉及行业总数;i表示目标样本用户的行业类型序号;p表示目标样本用户。据此方法计算出来的综合变化率指数,在体现了成分客户社会重要性、未来发展方向的基础上,可以综合反映每个客户的日用电量的变化率。
步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。可以理解的是,环境因素的影响是影响负荷变化的另一主要因素,尤其是气温因素。通过分析负荷与气温的相关性,剔除指数受气温因素的影响。协变量可以用来解释时间序列中的一些变化,考虑气温因素作为具有时变系数的协变量,其时变系数随时间平稳变化,但不呈现任何周期性。
具体实施例中,剔除气温因素协变量的影响,即可得到负荷指数的趋势曲线,根据以下公式对环境温度因素进行剔除:
其中,It表示目标样本用户的电力负荷综合变化率指数;Lt表示平滑的趋势项;Ah表示协变量,即日均气温;τh表示协变量的系数;ζt表示随机项;ε表示拟合误差。
如图2所示,为本发明提供的一种电力负荷综合变化率评估系统的一个实施例的示意图。在该实施例中,所述系统用以实现所述的电力负荷综合变化率评估方法,包括:
目标样本模块,用以获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
第一获取模块,用以根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
第二获取模块,用以根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
第三获取模块,用以根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
评估模块,用以剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
关于电力负荷综合变化率评估系统的具体实现过程,可参考上述的电力负荷综合变化率评估方法的过程,在此不再赘述。
本发明的实施例中,还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下的方法的步骤:
步骤S1,获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
步骤S2,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
步骤S3,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的电力负荷综合变化率评估方法、系统及计算机设备,通过有助于反映地区经济的电力负荷综合变化率指数,实时展示行业用户的电量负荷变化情况,将以往的复杂而庞大的地区电量负荷数值转化为浅显易懂的的综合变化率指数数值。提出成分客户选取原则及的调整日电量的权重计算方法,可以反应地区内负荷最重、政府关注度最高、且最具有代表性的电力重要客户用电负荷情况,能比普通的企业用户用电量统计更加具有风向标的作用,类似股票综合变化率指数里的上证50。还可通过定期对比地区消费者物价综合变化率指数CPI、生产总值GDP等重要经济综合变化率指数,反映地区主体经济的发展方向。
本发明的唯一变量是指数组成客户用电量的变化率,能够在体现了成分客户社会重要性、能耗产出的基础上,综合反映每个客户的日用电量的变化。通过周期分量与非周期分量的分解,并引入工作强度矩阵,能够有效屏蔽休息日与工作日的影响。环境因素的影响是影响负荷变化的另一主要因素,尤其是气温因素。通过分析负荷与气温的相关性,剔除指数受气温因素的影响,最大程度的还原了样本客户的负荷特性的变化。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种电力负荷综合变化率评估方法,其特征在于,包括以下步骤:
步骤S1,获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
步骤S2,根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
步骤S3,根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
步骤S4,根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
步骤S5,剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
2.如权利要求1所述的方法,其特征在于,在步骤S1中,获得目标样本用户的过程具体包括:
在电力用户的历史数据中,选择满足预设用户标准的用户组成选样空间,其中,所述预设用户标准包括用电时长大于预设用电时长阈值的用户、历史用电量无异常波动的用户及无长时间的空载记录的用户;
根据样本空间内用户前一年的总用电量对用户进行降序排序,获得用电量排序结果;
获取在该地区企业影响力数据、国民经济行业分类表,将用电量排序结果、企业影响力数据及国民经济行业分类表按相对比例选取各行业中用电量排名靠前的用户,输出为目标样本用户。
3.如权利要求2所述的方法,其特征在于,在步骤S2中,所述根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,具体包括:
从所述目标样本用户的历史数据中获取所述目标样本用户的实际日用电量,根据所述目标样本用户的实际日用电量确定一周内所述目标样本用户负荷变化情况;
通过一周内所述目标样本用户负荷变化情况确定所述目标样本用户一周内的工作强度;根据所述目标样本一周内的工作强度的分界点确定所述目标样本用户的用电周期。
5.如权利要求4所述的方法,其特征在于,在步骤S3中,所述根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重具体包括:
获取多个评判专家评判样本用户涉及行业的地位的等级结果;所述等级结果包括略微重要、一般重要、重要、比较重要、非常重要;
对等级结果进行量化处理,获取等级结果对应的模糊数值;
将所有专家评判的等级结果对应的模糊数以等权重线性加权方式进行整合,得到行业的重要程度判别模糊数;
根据行业的重要程度判别模糊数,确定模糊数的重心大小:
对模糊数的重心大小进行归一化处理,得到目标样本用户在行业层面的重要度权重。
6.如权利要求5所述的方法,其特征在于,在步骤S4中,所述得到所述目标样本用户的电力负荷综合变化率指数具体包括:
选取一年中的任意一日作为基准日,以所述基准日的加权和作为基准值;
确定所述目标样本用户在所述基准日的日用电量调整值;
根据所述基准值、所述目标样本用户的日用电量调整值、所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数。
9.一种电力负荷综合变化率评估系统,用以实现如权利要求1-8任一项所述的方法,其特征在于,包括:
目标样本模块,用以获取电力用户的历史数据,并对电力用户进行筛选,得到目标样本用户;
第一获取模块,用以根据所述目标样本用户的历史数据确定所述目标样本用户的用电周期,并根据所述目标样本用户的用电周期确定所述目标样本用户的日用电量调整值;
第二获取模块,用以根据所述目标样本用户的历史数据确定目标样本用户在行业层面的重要度权重;
第三获取模块,用以根据各所述目标样本用户对应的日用电量调整值和所述目标样本用户在行业层面的重要度权重,得到所述目标样本用户的电力负荷综合变化率指数;
评估模块,用以剔除所述目标样本用户的电力负荷综合变化率指数中的环境温度因素,得到所述目标样本用户的电力负荷趋势曲线,通过所述目标样本用户的电力负荷趋势曲线对电力负荷综合变化率进行评估。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096681.2A CN113780862A (zh) | 2021-09-18 | 2021-09-18 | 一种电力负荷综合变化率评估方法、系统及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096681.2A CN113780862A (zh) | 2021-09-18 | 2021-09-18 | 一种电力负荷综合变化率评估方法、系统及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780862A true CN113780862A (zh) | 2021-12-10 |
Family
ID=78851982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111096681.2A Pending CN113780862A (zh) | 2021-09-18 | 2021-09-18 | 一种电力负荷综合变化率评估方法、系统及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780862A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629500A (zh) * | 2018-04-28 | 2018-10-09 | 国网河南省电力公司经济技术研究院 | 一种适用于新电改背景下电力客户综合价值评估方法 |
CN110334739A (zh) * | 2019-06-05 | 2019-10-15 | 深圳供电局有限公司 | 一种两段式分量负荷预测方法及装置 |
CN112883588A (zh) * | 2021-03-18 | 2021-06-01 | 国网福建省电力有限公司经济技术研究院 | 分产业负荷曲线模拟方法、系统及装置 |
-
2021
- 2021-09-18 CN CN202111096681.2A patent/CN113780862A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629500A (zh) * | 2018-04-28 | 2018-10-09 | 国网河南省电力公司经济技术研究院 | 一种适用于新电改背景下电力客户综合价值评估方法 |
CN110334739A (zh) * | 2019-06-05 | 2019-10-15 | 深圳供电局有限公司 | 一种两段式分量负荷预测方法及装置 |
CN112883588A (zh) * | 2021-03-18 | 2021-06-01 | 国网福建省电力有限公司经济技术研究院 | 分产业负荷曲线模拟方法、系统及装置 |
Non-Patent Citations (2)
Title |
---|
周宇;: "计及气象因素影响的短期电力负荷预测方法", 自动化技术与应用, no. 06, pages 107 - 113 * |
朱平芳等: "最大用电负荷与经济变量的关联研究", 学术月刊, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223196B (zh) | 基于典型行业特征库和反窃电样本库的反窃电分析方法 | |
CN106909933B (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN110689279B (zh) | 一种居民用电安全隐患的分析方法 | |
CN111027872B (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
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 | |
CN110991555A (zh) | 一种典型行业的用户用电量异常监控方法 | |
CN112418485A (zh) | 基于负荷特性和用电行为模式的家庭负荷预测方法及系统 | |
CN111724049A (zh) | 一种潜在电力能效服务客户的研判方法 | |
CN114254838A (zh) | 一种短期电力负荷预测影响因子的确定方法 | |
CN113344449A (zh) | 一种预测月尺度工业需水量的方法 | |
CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
CN114899830A (zh) | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 | |
CN114186733A (zh) | 一种短期负荷预测方法和装置 | |
CN112529475B (zh) | 一种城乡协同发展分析的方法、装置及存储介质 | |
CN117277312A (zh) | 一种基于灰色关联分析的电力负荷影响因素方法及设备 | |
CN110414776B (zh) | 分行业用电特性快速响应分析系统 | |
CN113780862A (zh) | 一种电力负荷综合变化率评估方法、系统及计算机设备 | |
CN115358476A (zh) | 需求响应潜力预测方法、装置、计算机设备和存储介质 | |
CN106651425A (zh) | 一种考虑业扩报装数据的用户偷电、漏电行为监测方法 | |
CN113780861A (zh) | 一种基于用户日电量调整值的成分指数评估方法及系统 | |
CN110852628B (zh) | 考虑发展模式影响的农村中长期负荷预测方法 | |
CN113361750A (zh) | 一种基于业扩报装大数据的售电量预测方法 | |
CN112835949A (zh) | 一种负荷预测的方法 | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
CN115730748B (zh) | 基于knn算法的电力客户行为预测方法及系统 |
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 |