CN114169802A - 电网用户需求响应潜力分析方法、系统及存储介质 - Google Patents
电网用户需求响应潜力分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114169802A CN114169802A CN202111652264.1A CN202111652264A CN114169802A CN 114169802 A CN114169802 A CN 114169802A CN 202111652264 A CN202111652264 A CN 202111652264A CN 114169802 A CN114169802 A CN 114169802A
- Authority
- CN
- China
- Prior art keywords
- demand response
- industry
- power
- power consumption
- electric quantity
- 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
- 230000004044 response Effects 0.000 title claims abstract description 152
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 11
- 239000003550 marker Substances 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 86
- 238000012216 screening Methods 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 239000004480 active ingredient Substances 0.000 claims 2
- 238000005065 mining Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory 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
- G06Q10/04—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
- 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
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电网数字化领域,为电网用户需求响应潜力分析方法、系统及存储介质,其系统包括:数据预处理模块;指标体系构建模块,筛选重点行业,构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系;模型构建模块,构造基于拉普拉斯修正的动态标杆因子模型以筛选行业标杆用户,计算需求响应年电量及需求响应指数,挖掘用户削峰填谷的潜力,得到需求响应用户;分析决策模块,对需求响应用户绘制分时用电负荷曲线,计算用户削峰填谷前后的电费及可节约的经济成本。本发明使得需求响应用户及其响应潜力、响应能力的分析识别不再是通过人为经验来进行,有效降低电网在高峰时段的负荷,缓解供需矛盾。
Description
技术领域
本发明属于电网数字化领域,具体涉及基于拉普拉斯修正动态标杆因子的电网用户需求响应潜力分析方法、系统及存储介质。
背景技术
在用电高峰或电力供应紧张情形时,会对企业的用电进行调控,例如部分企业错峰生产或者停产。在此背景下,充分细分目标客户群体,提升客户筛选的精准性及有效性,协助政府制定需求响应与有序用电方案,对于及时做好沟通协调及响应配合工作、全力维护供用电秩序稳定有着重要的支撑作用。长远来看,为了保障电网系统供电可靠性和稳定性,通过需求响应管理可以有效降低电网在高峰时段的负荷,缓解供需矛盾,并显著降低电网投资不断增长的压力。而在具体操作方面,受用户用电规模、生产习惯及用电管理等因素影响,电网公司需求响应管理部门很难快速识别出需求响应潜力用户,各用户的需求响应能力也很难量化,主要存在以下管理与技术难题:
1.缺乏需求响应用户识别的技术手段
需求响应用户只能通过用户用电量来判别,无法对用户的行业用电水平、分时用电及用电波动情况等规律开展系统和综合分析,更无法高效、精准定位出具有需求响应潜力的用电客户。
2.缺乏需求响应能力量化的技术手段
在不了解用户用电习惯的现状下,很难量化出用户的需求响应能力,不利于需求响应管理人员开展相关工作。
3.各地市供电公司需求管理能力有待提升
各地市供电公司对需求响应用户分布、响应潜力及响应能力等缺少系统分析和监管,只能通过经验来简单识别和管理。
发明内容
鉴于此,本发明的目的在于提供电网用户需求响应潜力分析方法、系统及存储介质,基于拉普拉斯修正动态标杆因子进行用户需求响应潜力分析,为大用户需求响应潜力目标用户的甄别及潜力量化提供了科学的依据,使得需求响应用户及其响应潜力、响应能力的分析识别不再是通过人为经验来进行,有效降低电网在高峰时段的负荷,缓解供需矛盾,并显著降低电网投资不断增长的压力。
本发明分析系统采用如下技术方案:电网用户需求响应潜力分析系统,包括:
数据预处理模块,用于对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量相关的数据进行预处理操作;
指标体系构建模块,根据数据预处理模块的结果,将电力用户用电规模、时段用电均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系;
模型构建模块,基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,并构造基于拉普拉斯修正的动态标杆因子模型以筛选行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征,计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应用户;
分析决策模块,对需求响应用户绘制分时用电负荷曲线,并结合分时电量和分时电价计算用户削峰填谷前后的电费及可节约的经济成本。
本发明的电网用户需求响应潜力分析方法,包括以下步骤:
S1、对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量相关的数据进行预处理操作;
S2、根据预处理的结果,将电力用户用电规模、时段用电均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系,用于对用户削峰填谷潜力的全面衡量;
S3、基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,动态统计客户在行业内用电水平及时段用电均衡水平,构建基于拉普拉斯修正的动态标杆因子,筛选出行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征,计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应用户;
S4、分析决策,通过绘制需求响应用户的用电负荷曲线,结合分时电量和分时电价计算削峰填谷前后的电费及可节约的经济成本。
本发明的存储介质,其上存储有计算机指令,当计算机指令被处理器执行时,实现本发明电网用户需求响应潜力分析方法的各步骤。
从以上技术方案可知,本发明采用基于拉普拉斯修正的动态标杆因子对电网用户需求响应潜力进行分析,能够针对电网的供需矛盾,助力削峰填谷,有效缓解电网投资不断增长的压力。本发明在对高压用户用电规模、用电波动水平、时段用电均衡性水平深度探索的基础上,构造衍生指标形成指标体系,在此基础上构造基于拉普拉斯修正的动态标杆因子模型筛选出各行业的标杆用户,并基于行业标杆用户筛选出需求响应用户,绘制用户时段用电负荷曲线,结合时段电量和电价计算用户需求响应的经济成本,从而激励用户错峰用电,降低电网在高峰时段的负荷,缓解供需矛盾。与现有技术相比,本发明取得的有益效果包括:
1、通过对指标体系的深度探索,构建基于拉普拉斯修正的动态标杆因子模型,筛选行业标杆用户,再基于行业标杆用户的用电规模和均衡性特征计算客户需求响应年电量和需求响应指数,进而得到需求响应用户。
本发明采用基于拉普拉斯修正的动态标杆因子模型来高效智能地研判行业标杆用户的意义在于:不仅能够全面兼顾大用户的用电规模和用电均衡水平,更重要的是能够动态衡量客户最近一年各个时期内用电波动情况,从而筛选出各个行业内用电规模大、时段用电均衡且用电水平保持稳定的标杆用户,为大用户需求响应潜力目标用户的甄别及潜力量化提供了科学的依据,使得需求响应用户及其响应潜力、响应能力的分析识别不再是通过人为经验来进行。
2、在指标体系构建方面,将电力客户需求响应分析与具体业务过程相联系,根据业务实际情况,构造全面刻画客户用电规模、用电时段均衡性及客户在行业内所处的用电水平的指标体系,能够全面衡量客户用电行为特征,也能够全面衡量用户削峰填谷的潜力。
3、在决策思路方面,对需求响应用户绘制分时用电负荷曲线,计算削峰填谷前后的电费,为后续业务部门相关工作进行决策支撑,为从经济成本角度鼓励客户错峰用电。
附图说明
图1是本发明实施例一中电网用户需求响应潜力分析系统的示意图;
图2是本发明实施例二中电网用户需求响应潜力分析方法的示意图。
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,下面将结合实施例及附图,对本发明的实施方式进行清楚、完整的描述,显然所描述的实施例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。
实施例1
本实施例电网用户需求响应潜力分析系统,基于拉普拉斯修正动态标杆因子;请参见图1,包括数据预处理模块100、指标体系构建模块200、模型构建模块300、分析决策模块400。本实施例的分析系统可有针对性地鼓励客户错峰用电,有效降低电网建设压力,在对所涉及的用户用电数据进行深入挖掘之前,先通过数据预处理模块对数据进行去重、归一化处理、异常值处理、缺失值处理,以及通过指标体系构建模块,为需求潜力用户挖掘数据,再通过分析决策模块全面感知客户用电特性。
本实施例的分析系统以用户基本档案信息、历史用电、户分时电价等数据为基础,选取用户编号、用户名称、用电地市名称、立户日期、所属行业、用电规模、用电时段、用电波动情况、分时电价等全方位数据,通过数据预处理模块对重复值、异常值、缺失值等进行处理,确保数据质量;指标体系构建模块在基础档案信息、电量、电费、电价基础上,结合上述多个维度构建衍生指标,包括:用户编号、用户名称、用电地市名称、立户日期、所属行业、近一年内总电量、一年内总电费、半年内总用电量、半年内总用电费、近三个月内总电量、近三个月内总电费、近一个月内总电量、近一个月内总电费、近一年内峰电量、半年内峰电量、近三个月内峰电量、近一个月峰电量、近一年内平电量、半年内平电量、近三个月内平电量、近一个月平电量、近一年内谷电量、半年内谷电量、近三个月内谷电量、近一个月谷电量、近一年、近一年内峰电量占比、近一年内谷电量占比、近半年内峰电量占比、近半年内谷电量占比、近三个月内峰电量占比、近三个月内谷电量占比、近一个月内峰电量占比、近一个月内谷电量占比、近一年内峰谷电量差占总电量的比例、近半年内峰谷电量差占总电量的比例、近三个月内峰谷电量差占总电量的比例、近一个月内峰谷电量差占总电量的比例,形成大用户需求响应分析指标体系;在此基础上,通过模型构建模块,构建基于拉普拉斯修正的行业标杆因子模型筛选行业标杆用户,再根据行业标杆用户计算需求响应指数和需求响应年电量,进而挖掘出需求响应用户。此外,通过绘制需求响应用户分时用电负荷曲线,结合分时电价分析客户错峰用电后可节约的经济成本,鼓励客户错峰用电。
在本实施例的实施过程中,数据预处理模块100,用于对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量等相关的数据进行预处理操作,包括数据去重、归一化处理、异常值处理、缺失值处理。其中,数据去重处理,主要是根据表的唯一字段分组求数量,找到数量大于1的记录,筛选其中的若干条分析重复特征,根据重复特征进行相应的开窗去重操作。数据归一化处理,包括对客户所属行业的处理,处理过程包括:对大工业用户保留到二级行业,对其他用户保留到一级;此外对用电时段进行合并,把电度电费表中时段电量进行汇总合并,把尖峰、峰时段的电量合并作为峰电量,把脊谷和谷时段电量合并作为谷电量。数据异常情况处理,包括对用户电量电费相关的数据小于0时可能存在退补情况,但电费退补无法代表用户用电情况,因此对电量电费小于0的用户在建模之前进行过滤。缺失值处理包括用户编号、用户名称、用电行业、户龄、用电年月、总电量、总电费、峰电量、平电量、谷电量字段缺失值情况等处理。
指标体系构建模块200,根据数据预处理模块的结果,将电力用户用电规模、用电时段均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系。所构建的指标体系,用于对用户削峰填谷潜力的全面衡量,并应用于后续模型构建,各衍生指标分别介绍如下:
客户基本档案信息:用户名称、用户编号、所属行业、户龄、用电地址等信息,通过该信息对客户基本属性进行认知。
用户总电量:近一年内总电量、近半年内总电量、近三个月内总电量、近一个月内总电量。通过统计最近一年、近半年、近三个月、近一个月内的总电量来透析客户最近一年不同时期内的用电规模。
用户总电费:用户总电费:近一年内总电费、近半年内总电费、近三个月内总电费、近一个月内总电费。通过统计最近一年、近半年、近三个月、近一个月内的总电费来透析客户最近一年不同时期内的电费情况。
分时电量:近一年内峰电量、近一年内谷电量、近一年内平电量;近半年内峰电量、近半年内谷电量、近半年内平电量;近三个月内峰电量、近三个月内谷电量、近三个月内平电量;近一个月内峰电量、近一个月内谷电量、近一个月内平电量。通过统计最近一年、近半年、近三个月、近一个月内各个时段的电量来展示客户分时用电情况。
峰谷电量差占总电量的比例:近一年内峰谷电量差占总电量的比例、近半年内峰谷电量差占总电量的比例、近三个月内峰谷电量差占总电量的比例、近一个月内峰谷电量差占总电量的比例。通过构造近一年、近半年、近三个月、近一个月内峰谷电量差占总电量的比例,以动态刻画客户最近一年内峰谷时段用电均衡水平。
用户总电量在行业内的标准化:近一年内用户总电量在所属行业内的标准化、近半年内用户总电量在所属行业内的标准化、近三个月内客户总电量在所属行业内的标准化、近一个月内客户总电量在所属行业内的标准化。通过构造近一年、近半年、近三个月、近一个月内客户总电量在客户所属行业内的标准化指标,以动态衡量客户最近一年内用电规模在所属行业内的用电水平,从而能够以更直观的形式动态展示客户近一年不同时期内在所属行业内的用电水平。
模型构建模块300,根据对大用户需求分析指标体系的深度探索分析,基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,构造基于拉普拉斯修正的动态标杆因子模型(也叫需求响应潜力分析模型),以定位(也叫筛选)行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应潜力用户。
本实施例中,模型构建模块中构造基于拉普拉斯修正的动态标杆因子模型,以筛选行业标杆用户和需求响应潜力用户的过程,具体包括以下几个步骤:
步骤一、计算动态标杆因子,筛选行业标杆用户
只考虑一年内总体的用电行为习惯对近期习惯发生过变化的客户会有失偏颇,因此在计算动态标杆因子的时候,分别求取了近一年、近半年、近三个月和近一个月等多个不同长度时间段内的动态标杆因子,然后将对应时间段内的动态标杆因子加权求和,即:
将加权求和后的动态标杆因子最趋近于1的用户定义为行业标杆用户,这样如果用户在近一年内是半年前用电量大或者峰时用电大,但是最近一段时间内用电量较小,或者峰时用电量较小的话,动态标杆因子就会比近一年内一直用电量大且峰时用电量大的用户小。
其中,均为取值范围在(0,1)之间的加权系数,且:=1,本实施例中取值为;为近一年内峰占比,为近一年内谷占比,为近一年总电量,为行业内最大年用电量,为行业内最小年用电量;为近半年内峰占比,为近半年内谷占比,近半年总电量,为近半年行业最大用电量,近半年行业最小用电量;为近三个月内峰占比,为近三个月内谷占比,为近三个月内总电量,为近三个月内行业最大用电量,为近三个月内行业最小用电量;为近一个月内峰占比,为近一个月内谷占比,为近一个月内总电量,为近一个月内行业最大用电量,为近一个月内行业最小用电量。
步骤二、基于行业标杆用户计算需求响应年电量
步骤三、基于行业标杆用户计算需求响应指数
步骤四、筛选需求响应用户
将需求响应年电量和需求响应指数按照地市进行排名,把二者综合排名占前n%()且需求响应指数和需求响应年电量均大于0的客户定义为需求响应用户。进一步地,本步骤还进行重点行业的筛选,按照地市对近两年内总电量排名,取排名前20%的行业作为重点行业,从重点行业中筛选需求响应用户。
本实施例中,模型构建模块通过动态统计客户在行业内用电水平及时段用电均衡水平,构建基于拉普拉斯修正的动态标杆因子,筛选出行业标杆用户,再基于行业标杆用户计算用户需求响应年电量及需求响应指数,根据二者的排名得到需求响应潜力用户。
分析决策模块400通过绘制需求响应用户的分时用电负荷曲线,结合分时电量和分时电价计算用户削峰填谷前后的电费及可节约的经济成本,从节约经济成本的角度鼓励客户错峰用电。分析决策模块还从不同角度对指标数据的建模过程进行信息统计,得到相应的统计报表,可以满足不同业务部门的统计需求,为后续的信息分析工作提供了依据。
为了描述的方便,描述以上系统时以功能分为各种模块或单元分别描述。当然,在实施本申请时可以把各模块、单元的功能在同一个或多个软件和/或硬件中实现。
实施例2
本实施例为基于拉普拉斯修正动态标杆因子的电网用户需求响应潜力分析方法,该方法与实施例1基于相同的发明构思。请参见图2,该方法包括如下步骤:
S201、对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量相关的数据进行预处理操作;包括数据去重、归一化处理、异常值处理、缺失值处理。
S202、根据预处理的结果,将电力用户用电规模、时段用电均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系。所构造的指标体系,称为大用户需求响应分析指标体系,用于对用户削峰填谷潜力的全面衡量等。
S203、基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,动态统计客户在行业内用电水平及时段用电均衡水平,构建基于拉普拉斯修正的动态标杆因子,筛选出行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征,计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应用户;
也就是说,根据大用户需求响应分析指标体系,构建基于拉普拉斯修正的标杆因子Y以筛选行业标杆用户,即:
其中,分子表示客户电总量在行业内的标准化,值越趋近于1,表示用户在行业内的用电规模越大;分母表示修正后的峰电量与谷电量之差占总电量比例的绝对值的倒数,值越趋近于1,表示客户峰谷时段用电越均衡。而运算结果Y取值越趋近于1,表明客户用电规模越大,且峰谷时段用电越均衡。因此将使得y值最趋近于1的用户定义为行业标杆用户。具体包括以下步骤:
S2031、考虑到用户用电行为习惯是动态变化的,若只考虑某一段时间内总体的用电行为习惯对近期用电行为习惯发生过突变的客户会有失偏颇,因此在计算行业标杆因子时,分别动态地求了近一年、近半年、近三个月和近一个月等多个不同长度的时间段内的标杆因子,然后将对应时间段内的动态标杆因子进行加权求和,即:
其中,均为取值范围在(0,1)之间的加权系数,且=1,本实施例中取值为;为近一年内峰占比,为近一年内谷占比,为近一年总电量,为行业内最大年用电量,为行业内最小年用电量;为近半年内峰占比,为近半年内谷占比,近半年总电量,为近半年行业最大用电量,近半年行业最小用电量;为近三个月内峰占比,为近三个月内谷占比,为近三个月内总电量,为近三个月内行业最大用电量,为近三个月内行业最小用电量;为近一个月内峰占比,为近一个月内谷占比,为近一个月内总电量,为近一个月内行业最大用电量,为近一个月内行业最小用电量。
S2032、计算需求响应年电量和需求响应指数,需求响应年电量从需求响应规模上刻画用户削峰填谷的能力,而需求响应指数从需求响应占比上刻画客户削峰填谷的能力。
需求响应年电量计算公式为:
需求响应指数计算公式为:
S204、分析决策,通过绘制需求响应用户的用电负荷曲线,结合分时电量和分时电价计算削峰填谷前后的电费及可节约的经济成本,从节约经济成本的角度鼓励客户错峰用电。此外,还从不同角度对指标数据的建模过程进行信息统计,得到相应的统计报表,可以满足不同业务部门的统计需求,为后续的信息分析工作提供了依据。
对于本实施例描述基于拉普拉斯修正动态标杆因子的大用户需求潜力分析方法而言,由于在技术方案的实施上与实施例1基于拉普拉斯修正动态标杆因子的大用户需求潜力分析系统相对应,所以本实施例描述得比较简略,技术特征相对应之处请参见实施例1中基于拉普拉斯修正动态标杆因子的大用户需求潜力分析方法系统部分的说明即可,此处不再赘述。
实施例3
与实施例1、2基于相同的发明构思,本实施例为存储介质,存储介质上存储有计算机指令,当计算机指令被处理器执行时,实现实施例2电网用户需求响应潜力分析方法的各步骤。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上所述近视本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.电网用户需求响应潜力分析系统,其特征在于,包括:
数据预处理模块,用于对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量相关的数据进行预处理操作;
指标体系构建模块,根据数据预处理模块的结果,将电力用户用电规模、时段用电均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系;
模型构建模块,基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,并构造基于拉普拉斯修正的动态标杆因子模型以筛选行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征,计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应用户;
分析决策模块,对需求响应用户绘制分时用电负荷曲线,并结合分时电量和分时电价计算用户削峰填谷前后的电费及可节约的经济成本。
3.根据权利要求2所述的电网用户需求响应潜力分析系统,其特征在于,步骤一分别求取近一年、近半年、近三个月和近一个月不同长度时间段内的动态标杆因子,然后将对应时间段内的动态标杆因子加权求和,即:
其中,均为取值范围在(0,1)之间的加权系数,且=1;为近一年内峰占比,为近一年内谷占比,为近一年总电量,为行业内最大年用电量,为行业内最小年用电量;为近半年内峰占比,为近半年内谷占比,近半年总电量,为近半年行业最大用电量,近半年行业最小用电量;为近三个月内峰占比,为近三个月内谷占比,为近三个月内总电量,为近三个月内行业最大用电量,为近三个月内行业最小用电量;为近一个月内峰占比,为近一个月内谷占比,为近一个月内总电量,为近一个月内行业最大用电量,为近一个月内行业最小用电量;
步骤二计算需求响应年电量为:
步骤三计算需求响应指数为:
5.根据权利要求1-4中任一项所述的电网用户需求响应潜力分析系统,其特征在于,模型构建模块还进行重点行业的筛选,按照地市对近两年内总电量排名,取排名前20%的行业作为重点行业,从重点行业中筛选需求响应用户。
6.电网用户需求响应潜力分析方法,其特征在于,包括以下步骤:
S1、对客户基本档案信息、用户总电量、用户总电量电费、分时电量、分时电价、日电量相关的数据进行预处理操作;
S2、根据预处理的结果,将电力用户用电规模、时段用电均衡水平、用电波动情况与具体业务相联系,筛选重点行业,并对重点行业用户构造全面刻画用户用电行业、行业用电规模、行业用电水平、用电时段均衡性、用电波动情况的指标体系,用于对用户削峰填谷潜力的全面衡量;
S3、基于对用户用电规模、时段用电均衡水平、行业用电水平、用电波动情况进行全面探索,动态统计客户在行业内用电水平及时段用电均衡水平,构建基于拉普拉斯修正的动态标杆因子,筛选出行业标杆用户,再结合客户自身用电特征与行业标杆用户用电特征,计算需求响应年电量及需求响应指数,深入挖掘用户削峰填谷的潜力,得到需求响应用户;
S4、分析决策,通过绘制需求响应用户的用电负荷曲线,结合分时电量和分时电价计算削峰填谷前后的电费及可节约的经济成本。
9.根据权利要求8所述的电网用户需求响应潜力分析方法,其特征在于,
步骤S31分别求取近一年、近半年、近三个月和近一个月不同长度时间段内的动态标杆因子,然后将对应时间段内的动态标杆因子加权求和,即:
其中,均为取值范围在(0,1)之间的加权系数,且=1;为近一年内峰占比,为近一年内谷占比,为近一年总电量,为行业内最大年用电量,为行业内最小年用电量;为近半年内峰占比,为近半年内谷占比,近半年总电量,为近半年行业最大用电量,近半年行业最小用电量;为近三个月内峰占比,为近三个月内谷占比,为近三个月内总电量,为近三个月内行业最大用电量,为近三个月内行业最小用电量;为近一个月内峰占比,为近一个月内谷占比,为近一个月内总电量,为近一个月内行业最大用电量,为近一个月内行业最小用电量;
步骤S32计算需求响应年电量为:
步骤S32计算需求响应指数为:
10.存储介质,其上存储有计算机指令,其特征在于,当所述计算机指令被处理器执行时,实现权利要求6-9中任一项所述电网用户需求响应潜力分析方法的各步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111652264.1A CN114169802B (zh) | 2021-12-31 | 2021-12-31 | 电网用户需求响应潜力分析方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111652264.1A CN114169802B (zh) | 2021-12-31 | 2021-12-31 | 电网用户需求响应潜力分析方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114169802A true CN114169802A (zh) | 2022-03-11 |
CN114169802B CN114169802B (zh) | 2022-08-16 |
Family
ID=80488824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111652264.1A Active CN114169802B (zh) | 2021-12-31 | 2021-12-31 | 电网用户需求响应潜力分析方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169802B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128256A (zh) * | 2023-04-12 | 2023-05-16 | 国网吉林省电力有限公司信息通信公司 | 一种电力业务数据处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805213A (zh) * | 2018-06-15 | 2018-11-13 | 山东大学 | 计及小波熵降维的电力负荷曲线双层谱聚类方法 |
CN109146252A (zh) * | 2018-07-25 | 2019-01-04 | 国家电网有限公司 | 基于调节潜力指标的用户用电行为聚类分析方法和系统 |
CN110991555A (zh) * | 2019-12-16 | 2020-04-10 | 国网上海市电力公司 | 一种典型行业的用户用电量异常监控方法 |
CN111027872A (zh) * | 2019-12-16 | 2020-04-17 | 国家电网有限公司 | 一种区域用户的用电成熟度确定方法及系统 |
CN113033953A (zh) * | 2021-02-07 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据的用户侧需求响应决策建议方法 |
WO2021208342A1 (zh) * | 2020-04-14 | 2021-10-21 | 广东卓维网络有限公司 | 一种多元用户与电网友好互动用电系统 |
CN113570164A (zh) * | 2021-09-02 | 2021-10-29 | 国网甘肃省电力公司经济技术研究院 | 工业用户需求响应潜力预测方法和存储介质 |
-
2021
- 2021-12-31 CN CN202111652264.1A patent/CN114169802B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805213A (zh) * | 2018-06-15 | 2018-11-13 | 山东大学 | 计及小波熵降维的电力负荷曲线双层谱聚类方法 |
CN109146252A (zh) * | 2018-07-25 | 2019-01-04 | 国家电网有限公司 | 基于调节潜力指标的用户用电行为聚类分析方法和系统 |
CN110991555A (zh) * | 2019-12-16 | 2020-04-10 | 国网上海市电力公司 | 一种典型行业的用户用电量异常监控方法 |
CN111027872A (zh) * | 2019-12-16 | 2020-04-17 | 国家电网有限公司 | 一种区域用户的用电成熟度确定方法及系统 |
WO2021208342A1 (zh) * | 2020-04-14 | 2021-10-21 | 广东卓维网络有限公司 | 一种多元用户与电网友好互动用电系统 |
CN113033953A (zh) * | 2021-02-07 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据的用户侧需求响应决策建议方法 |
CN113570164A (zh) * | 2021-09-02 | 2021-10-29 | 国网甘肃省电力公司经济技术研究院 | 工业用户需求响应潜力预测方法和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128256A (zh) * | 2023-04-12 | 2023-05-16 | 国网吉林省电力有限公司信息通信公司 | 一种电力业务数据处理方法 |
CN116128256B (zh) * | 2023-04-12 | 2023-06-20 | 国网吉林省电力有限公司信息通信公司 | 一种电力业务数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114169802B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108022043B (zh) | 一种异常用电行为的识别方法、装置及中央服务器 | |
US20020194042A1 (en) | Method of business analysis | |
CN108335216A (zh) | 一种保险风险评估方法、装置、终端设备及存储介质 | |
CN104123600A (zh) | 一种面向典型行业大数据的电力经理指数趋势预测方法 | |
CN106447108A (zh) | 一种考虑业扩报装数据的用电需求分析预测方法 | |
CN104881718A (zh) | 基于多尺度经济先行指标的区域电力景气指数构建方法 | |
CN114169802B (zh) | 电网用户需求响应潜力分析方法、系统及存储介质 | |
CN110503471A (zh) | 一种用户最大需量估计方法 | |
CN112288496A (zh) | 电力行业负荷分类计算方法及其跟踪分析方法 | |
CN111724049A (zh) | 一种潜在电力能效服务客户的研判方法 | |
CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
CN111178676A (zh) | 一种配电网项目投资评估方法及系统 | |
CN116384622A (zh) | 基于电力大数据的碳排放监测方法及装置 | |
CN104680400A (zh) | 基于灰色关联的企业售电量变化的短期和长期预测方法 | |
CN114971696A (zh) | 一种基于用电量的报价方法及流程信息上传系统 | |
Gavgani et al. | Demand response-based voltage security improvement using artificial neural networks and sensitivity analysis | |
CN106651055A (zh) | 一种短期售电量预测方法及系统 | |
CN114021460A (zh) | 电动汽车充电桩效益测算模型构建方法和装置 | |
CN114254857A (zh) | 电力设备库存情况评价方法及服务器 | |
CN112749986A (zh) | 一种针对电力系统结算共享服务的智能电价库 | |
CN111967747A (zh) | 一种电力用户停电影响评估方法、装置及存储介质 | |
Davarzani et al. | Study of missing meter data impact on domestic load profiles clustering and characterization | |
CN110648175A (zh) | 一种电价及电价对企业利润影响的分析方法、装置及设备 | |
CN108009943A (zh) | 一种对用户实施不同电价策略的聚类方法 | |
Pokharel et al. | Performance evaluation of electric distribution centers using Data Envelopment Analysis |
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 |