CN116797049A - 配电网差异化节能潜力量化评估方法 - Google Patents
配电网差异化节能潜力量化评估方法 Download PDFInfo
- Publication number
- CN116797049A CN116797049A CN202311052586.1A CN202311052586A CN116797049A CN 116797049 A CN116797049 A CN 116797049A CN 202311052586 A CN202311052586 A CN 202311052586A CN 116797049 A CN116797049 A CN 116797049A
- Authority
- CN
- China
- Prior art keywords
- period
- power
- power generation
- power consumption
- consumption
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 6
- 238000010248 power generation Methods 0.000 claims description 254
- 230000005611 electricity Effects 0.000 claims description 137
- 230000000875 corresponding effect Effects 0.000 claims description 112
- 238000011156 evaluation Methods 0.000 claims description 80
- 238000012544 monitoring process Methods 0.000 claims description 64
- 230000008859 change Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- 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
Abstract
本发明属于配电网节能分析技术领域，具体公开配电网差异化节能潜力量化评估方法，该发明通过对目标配电地区进行用电时段维度的用电分布特征识别，得到各用电时段的主体负荷等级和常态用电量，并依据配电网中清洁能源对应的发电位置进行关联发电环境指征采集，以此分析得到各清洁能源在各用电时段的发电稳定度和预测发电量，进而将各用电时段的主体负荷等级和常态用电量与各清洁能源在各用电时段的发电稳定度和预测发电量进行对比，实现了配电网在理想发电方式下火力发电量的精准、科学分析，有效规避了目前分析方式脱离实际的弊端，大大提高了配电网在发电能源上节能潜力的评估可靠度，有利于凸显评估结果的实用价值。
Description
技术领域
本发明属于配电网节能分析技术领域，涉及到配电网差异化节能潜力量化评估方法。
背景技术
配电网是连接发电厂、输电线路、变电站、用户用电负荷之间的系统。随着能源短缺和环境保护意识的不断增强，配电网的节能潜力成为人们关注的热点之一。众所周知，配电网节能潜力一般体现在发电能源、配电网结构、供电方式等方面，由于发电能源能够从配电源头进行节能，具有较大的节能优势，因而目前在进行配电网节能潜力评估时都倾向于以发电能源作为评估方向。
鉴于配电网在发电能源上的节能主要是通过增加清洁能源的供电，减少火力供电实现的，在这种情况下，配电网在发电能源上的节能潜力评估最直接的方式为分析配电网在理想发电方式下的火力发电量，并将其与配电网在当前发电方式下的火力发电量进行对比，然而目前在分析配电网在理想发电下的火力发电量时过于追求清洁能源供电，具体体现在供电时优先以清洁能源进行供电，当清洁能源的发电不足以满足需求用电量时才进行火力供电，忽略了配电网的供电差异化，如用电量、用电负荷在时间上的分布差异，这种差异使得并不是所有时段在清洁能源能满足需求用电量时都适宜清洁能源供电，在某些时段下即使清洁能源能满足需求用电量时也只能选用火力供电，由此可见目前对配电网在理想发电下的火力发电量分析存在脱离实际的弊端，导致分析方式不够科学、合理，进而导致分析结果精准度不高，并进一步影响了配电网在发电能源上的节能潜力评估可靠度。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出配电网差异化节能潜力量化评估方法。
本发明的目的可以通过以下技术方案实现：本发明提供配电网差异化节能潜力量化评估方法，包括以下步骤：（1）将配电网配送的用电地区记为目标配电地区，进而分析目标配电地区的用电分布特征。
（2）统计配电网中发电能源存在的清洁发电能源，并基于清洁能源的名称获取各清洁能源的关联发电环境指征。
（3）设定评估周期，以当前日期为起始采集日构成当前评估周期，进而基于目标配电地区的用电分布特征和各清洁能源的关联发电环境指征识别目标配电地区在当前评估周期中理想发电能源为火电的用电时段，记为特定用电时段。
（4）统计目标配电地区在特定用电时段的发电量，作为配电网在当前评估周期中的火力发电量。
（5）获取配电网在当前发电方式下各用电时段的发电能源和发电量，并从中筛选出发电能源为火电的用电时段，进而提取该用电时段对应的发电量作为配电网在当前发电方式下的火力发电量。
（6）将与/>进行对比，评估配电网在当前评估周期中发电能源的节能潜力系数/>。
于本发明一优选实施例，所述用电分布特征包括用电时段及各用电时段的主体负荷等级和常态用电量，其中用电时段包括高峰用电时段、平均用电时段和低谷用电时段。
于本发明一优选实施例，所述用电时段的识别过程如下：（11）设定历史监测时间段，并将每个监测日的时长按照预设的时间间隔进行时段划分，得到历史监测时间段内各监测日对应的若干时段。
（12）在各监测日对应的各时段统计目标配电地区用电量。
（13）将同一时段对应各监测日的目标配电地区用电量进行相互对比，从中得到各时段对应的目标配电地区最大用电量、目标配电地区最小用电量和目标配电地区平均用电量，并通过公式，得到各时段对应的用电分布差异度。
（14）将各时段对应的用电分布差异度与设定的限定用电分布差异度/>进行对比，进而利用倾向用电量分析模型/>，分析得到各时段对应的倾向用电量/>，t表示为每个监测日划分的时段编号，/>，表示为第t时段对应第i监测日的目标配电地区用电量，i表示为监测日编号，，n表示为历史监测时间段内存在的监测日数量，/>表示为有效用电差量。
（15）将各时段对应的倾向用电量进行均值计算，得到平均倾向用电量，进而将各时段对应的倾向用电量与平均倾向用电量进行对比，通过表达式计算各时段对应的倾向用电量接近度/>，/>表示为平均倾向用电量。
（16）将各时段对应的倾向用电量接近度与设置阈值进行对比，若某时段对应的倾向用电量接近度大于设置阈值，则将该时段归入平均用电时段，若某时段对应的倾向用电量接近度小于或等于设置阈值，则将该时段对应的倾向用电量与平均倾向用电量进行对比，若该时段对应的倾向用电量大于平均倾向用电量，则将该时段归入高峰用电时段，反之则将该时段归入低谷用电时段。
于本发明一优选实施例，所述有效用电差量的获取过程如下：在某时段对应的用电分布差异度大于限定用电分布差异度时将该时段记为特定时段。
将特定时段中各监测日的目标配电地区用电量进行特定时段平均用电量计算，并通过表达式，得到特定时段对应各监测日的类型/>。
利用有效用电差量分析模型，模型中X、Y分别表示为过均监测日、低均监测日的数量。
于本发明一优选实施例，所述各用电时段的主体负荷等级具体识别过程如下：统计目标配电地区在各用电时段存在的用电设备名称，并将其与用电信息库各种负荷等级包含的用电设备名称进行匹配，从中匹配出各用电时段中各用电设备对应的负荷等级。
将各用电时段中各用电设备对应的负荷等级按照重要性进行排列，进而取排在第一位的负荷等级作为各用电时段的主体负荷等级。
于本发明一优选实施例，所述常态用电量识别方式为：将加入到各用电时段内各时段的倾向用电量进行累加，得到各用电时段对应的常态用电量。
于本发明一优选实施例，所述识别目标配电地区在当前评估周期中理想发电能源为火电的用电时段参见下述识别步骤：（31）定位配电网中各清洁能源对应的发电位置，进而从气象中心提取各清洁能源在当前评估周期内各采集日中各用电时段的关联发电环境指征，进而以采集日为横坐标，以关联发电环境指征为纵坐标，构建二维坐标系，以此针对各清洁能源在各用电时段内各采集日的关联发电环境指征在所构建的二维坐标系中形成各清洁能源在各用电时段中各种关联发电环境指征的变化曲线，并获取所述变化曲线的斜率，作为各清洁能源在各用电时段中各种关联发电环境指征的变化率。
（32）将各清洁能源在各用电时段中各种关联发电环境指征的变化率进行绝对值处理，得到各清洁能源在各用电时段中各种关联发电环境指征的变化率绝对值，进而从中提取最大变化率绝对值作为各清洁能源在当前评估周期中各用电时段的发电稳定度。
（33）从历史发电记录中挑选出清洁历史发电记录，并从中提取各清洁能源在各条清洁历史发电记录中的关联发电环境指征、发电时长和发电量。
（34）基于各清洁能源在各采集日中各用电时段的关联发电环境指征计算得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征。
（35）将各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征与各清洁能源在各条清洁历史发电记录中的关联发电环境指征进行相似度计算，从中筛选出各清洁能源在各用电时段的参考历史发电记录。
（36）依据各清洁能源在各用电时段中参考历史发电记录的发电时长和发电量计算各清洁能源在各用电时段中单位发电时长对应的参考发电量，并将其结合各用电时段的时长，统计得到各清洁能源在当前评估周期中各用电时段的预测发电量。
（37）基于各用电时段的主体负荷等级从用电信息库中提取各用电时段对应的下限发电稳定度，并与各清洁能源在当前评估周期中各用电时段的发电稳定度进行对比，进而从各清洁能源中筛选出大于或等于下限发电稳定度的清洁能源作为当前评估周期中各用电时段对应的备选清洁能源，若当前评估周期中存在某用电时段未筛选出备选清洁能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段，反之则执行（38）。
（38）基于当前评估周期中各用电时段对应的若干备选清洁能源从各清洁能源在当前评估周期中各用电时段的预测发电量中提取出当前评估周期中各用电时段对应各备选清洁能源的预测发电量，并与各用电时段对应的常态用电量进行对比，进而从备选清洁能源中筛选出大于或等于常态发电量的备选清洁能源作为当前评估周期中各用电时段对应的有效清洁能源，若某用电时段未筛选出有效清洁能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段。
于本发明一优选实施例，所述（34）具体计算过程如下：
（341）将同一用电时段中各清洁能源在各采集日的关联发电环境指征进行均值计算，得到各清洁能源在各用电时段中关联发电环境指征平均值；
（342）将各清洁能源在各用电时段中关联发电环境指征变化率和关联发电环境指征平均值导入公式，得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征。
于本发明一优选实施例，所述目标配电地区在特定用电时段的发电量统计方式为将特定用电时段的常态用电量作为特定用电时段的发电量。
于本发明一优选实施例，所述配电网在当前评估周期中发电能源的节能潜力系数评估公式为，e表示为自然常数。
相较于现有技术，本发明的有益效果如下：（1）本发明通过对目标配电地区进行用电时段维度的用电分布特征分析，得到各用电时段的主体负荷等级和常态用电量，并依据配电网中清洁能源对应的发电位置进行关联发电环境指征采集，以此得到各清洁能源在各用电时段的发电稳定度和预测发电量，进而将各用电时段的主体负荷等级和常态用电量与各清洁能源在各用电时段的发电稳定度和预测发电量进行对比，实现了配电网在理想发电方式下火力发电量的精准、科学分析，有效规避了目前分析方式脱离实际的弊端，大大提高了配电网在发电能源上节能潜力的评估可靠度，有利于凸显评估结果的实用价值。
（2）本发明在评估配电网在发电能源上的节能潜力时考虑到清洁能源的发电状态受关联环境影响在不同的时间跨度上不是一成不变的，使得并不是所有时间跨度上清洁能源的发电都不具备满足用电分布特征的情况，由此通过设定评估周期，在每个评估周期均进行节能潜力评估，实现了配电网在发电能源上节能潜力的动态评估，更加贴近实际，在一定程度上强化了节能潜力评估的可靠度。
（3）本发明在对目标配电地区进行用电分布特征识别时通过设定历史监测时间段，进而采集历史监测时间段内各监测日的用电信息，以此作为识别数据，极大丰富了识别数据，相比较单纯以一个监测日的用电信息进行用电分布特征，该方式能够最大化的避免出现识别误差，能够为后续配电网在理想发电方式下火力发电量的分析提供可靠的依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法步骤示意图。
图2为本发明中关联发电环境指征的变化曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
请参阅图1所示，本发明提供配电网差异化节能潜力量化评估方法，包括以下步骤：（1）将配电网配送的用电地区记为目标配电地区，进而分析目标配电地区的用电分布特征，其中用电分布特征包括用电时段及各用电时段的主体负荷等级和常态用电量，所述用电时段包括高峰用电时段、平均用电时段和低谷用电时段。
在上述方案基础上，用电时段的识别过程如下：（11）设定历史监测时间段，并将每个监测日的时长按照预设的时间间隔进行时段划分，得到历史监测时间段内各监测日对应的若干时段。
需要说明的是每个监测日的时长为24H,示例性的，以2H作为预设的时间间隔，各监测日对应的若干时段可以为6：00-8:00，8：00-10:00,10：00-12:00，12：00-14:00，14：00-16:00,16：00-18:00，18：00-20:00，20：00-22:00，22：00-24:00，24：00-2:00，2：00-4:00,4：00-6:00。
进一步需要说明的是历史监测时间段的设定尽可能长，避免因时间设定过短导致各时段对应目标配电地区用电量的统计数据过少，给用电时段的识别准确性造成影响，与此同时对历史监测时间段内监测日的数量设定为单数。
（12）在各监测日对应的各时段统计目标配电地区用电量。
上述中目标配电地区用电量的统计可以通过读取电表数据获取。
（13）将同一时段对应各监测日的目标配电地区用电量进行相互对比，从中得到各时段对应的目标配电地区最大用电量、目标配电地区最小用电量和目标配电地区平均用电量，并通过公式，得到各时段对应的用电分布差异度，其中目标配电地区最大用电量与目标配电地区最小用电量相差越大，用电分布差异度越大。
（14）将各时段对应的用电分布差异度与设定的限定用电分布差异度/>进行对比，进而利用倾向用电量分析模型/>，分析得到各时段对应的倾向用电量/>，t表示为每个监测日划分的时段编号，/>，表示为第t时段对应第i监测日的目标配电地区用电量，i表示为监测日编号，，n表示为历史监测时间段内存在的监测日数量，/>表示为有效用电差量。
需要理解的是，上述在统计各时段对应的倾向用电量时不是简单地以各时段对应的平均目标配电地区用电量作为倾向用电量，而且通过解析各时段对应的用电分布差异度，以此作为统计分水岭，当某时段对应的用电分布差异度较小时表明该时段在各监测日的目标配电地区用电量分布较为集中，此时该时段对应的平均目标配电地区用电量能够起到代表作用，反之当某时段对应的用电分布差异度较大时表明该时段在各监测日的目标配电地区用电量分布较为分散，存在两极分化，此时该时段对应的平均目标配电地区用电量无法起到代表作用，本发明通过借助有效用电差量对平均目标配电地区用电量进行修正，得到倾向用电量。
进一步地，有效用电差量的获取过程如下：在某时段对应的用电分布差异度大于限定用电分布差异度时将该时段记为特定时段。
将特定时段中各监测日的目标配电地区用电量进行特定时段平均用电量计算，并通过表达式，得到特定时段对应各监测日的类型/>。
利用有效用电差量分析模型，模型中X、Y分别表示为过均监测日、低均监测日的数量。
需要知道的是，鉴于历史监测时间段内监测日的数量设定为单数，使得不会出现过均监测日与低均监测日数量相等的情况。
（15）将各时段对应的倾向用电量进行均值计算，得到平均倾向用电量，进而将各时段对应的倾向用电量与平均倾向用电量进行对比，通过表达式计算各时段对应的倾向用电量接近度/>，/>表示为平均倾向用电量，其中某时段对应的倾向用电量与平均倾向用电量越接近，该时段对应的倾向用电量接近度越大。
（16）将各时段对应的倾向用电量接近度与设置阈值进行对比，若某时段对应的倾向用电量接近度大于设置阈值，则将该时段归入平均用电时段，若某时段对应的倾向用电量接近度小于或等于设置阈值，则将该时段对应的倾向用电量与平均倾向用电量进行对比，若该时段对应的倾向用电量大于平均倾向用电量，则将该时段归入高峰用电时段，反之则将该时段归入低谷用电时段。
需要解释的是，上述中高峰用电时段、平均用电时段和低谷用电时段可能不止一个，这要看归入到各用电时段的若干时段是否连续，若归入到某用电时段内的若干时段是连续的，那么该用电时段只有一个，例如，归入到低谷用电时段的若干时段分别为22：00-24:00，24：00-2:00，2：00-4:00,4：00-6:00，可以看出这几个时段是连续的，此时低谷用电时段只有一个，即为22：00-6:00，反之若归入到某用电时段内的若干时段不是连续的，那么该用电时段就有多个，例如归入到平均用电时段的若干时段分别为6：00-8:00，12：00-14:00，16：00-18:00，可以看出这几个时段是分散的，无法进行累计，因此平均用电时段就有多个，即6：00-8:00，12：00-14:00，16：00-18:00。
在上述优选方案中各用电时段的主体负荷等级具体识别过程如下：统计目标配电地区在各用电时段存在的用电设备名称，并将其与用电信息库各种负荷等级包含的用电设备名称进行匹配，从中匹配出各用电时段中各用电设备对应的负荷等级。
需要知道的是，负荷等级是电力负荷根据对供电可靠性的要求和中断供电所造成损失或影响的程度进行分级，可划分为一级负荷、二级负荷和三级负荷，其中一级负荷的重要性大于二级负荷，二级负荷的重要性大于三级负荷。
将各用电时段中各用电设备对应的负荷等级按照重要性进行排列，进而取排在第一位的负荷等级作为各用电时段的主体负荷等级。
可理解的是当某用电时段的主体负荷等级为一级负荷时表明该用电时段对发电能源的发电稳定性要求最高，当主体负荷等级为二级负荷时对发电能源的发电稳定性要求次之，当主体负荷等级为三级负荷时对发电能源的发电稳定性要求最低。
在进一步地上述优选方案中，各用电时段对应常态用电量识别方式为：将加入到各用电时段内各时段的倾向用电量进行累加，得到各用电时段对应的常态用电量。这里倾向用电量的累加要区分各用电时段内各时段是否是连续的，若是连续的则进行累加，若非连续，将直接将对应时段的倾向用电量作为相应用电时段的常态用电量。
本发明在对目标配电地区进行用电分布特征识别时通过设定历史监测时间段，进而采集历史监测时间段内各监测日的用电信息，以此作为识别数据，极大丰富了识别数据，相比较单纯以一个监测日的用电信息进行用电分布特征，该方式能够最大化的避免出现识别误差，能够为后续配电网在理想发电方式下火力发电量的分析提供可靠的依据。
（2）统计配电网中发电能源存在的清洁发电能源，并基于清洁能源的名称获取各清洁能源的关联发电环境指征，其中清洁能源的关联发电环境指征具体从用电信息库中提取，在具体的实施例中，当清洁能源为风力时，其关联发电环境指征为风速、风向等，当清洁能源为光伏时，其关联发电环境指征为光照强度等。
本发明对清洁能源关联发电环境指征的获取是考虑到清洁能源的发电是依靠相关环境资源的，其中风力发电依靠的环境资源为风力，光伏发电依靠的环境资源为太阳能，可见环境资源直接影响了清洁能源的发电状态。
（3）设定评估周期，以当前日期为起始采集日构成当前评估周期，其中当前评估周期内包括若干采集日，进而基于目标配电地区的用电分布特征和各清洁能源的关联发电环境指征识别目标配电地区在当前评估周期中理想发电能源为火电的用电时段，记为特定用电时段，具体参见下述识别步骤：（31）定位配电网中各清洁能源对应的发电位置，进而从气象中心提取各清洁能源在当前评估周期内各采集日中各用电时段的关联发电环境指征，进而以采集日为横坐标，以关联发电环境指征为纵坐标，构建二维坐标系，以此针对各清洁能源在各用电时段内各采集日的关联发电环境指征在所构建的二维坐标系中形成各清洁能源在各用电时段中各种关联发电环境指征的变化曲线，并获取所述变化曲线的斜率，其中曲线斜率可以通过对曲线进行求导运算得到，作为各清洁能源在各用电时段中各种关联发电环境指征的变化率，其中变化率反映了关联发电环境指征的波动情况，而关联发电环境指征的波动又直接决定了清洁能源的发电稳定度，因而通过关联发电环境指征变化曲线的变化率可以决定清洁能源的发电稳定度。
其中关联发电环境指征的变化曲线参见图2所示。
上述各采集日在各用电时段的关联发电环境指征的提取方式可以通过在各采集日对应各用电时段的固定时间点进行提取。
（32）将各清洁能源在各用电时段中各种关联发电环境指征的变化率进行绝对值处理，得到各清洁能源在各用电时段中各种关联发电环境指征的变化率绝对值，进而从中提取最大变化率绝对值作为各清洁能源在当前评估周期中各用电时段的发电稳定度。
需要理解的是，一般影响清洁能源发电状态的关联发电环境指征可能不止一个，在确定清洁能源的发电稳定度时要综合所有关联发电环境指征考虑。
（33）从历史发电记录中挑选出清洁历史发电记录，并从中提取各清洁能源在各条清洁历史发电记录中的关联发电环境指征、发电时长和发电量。
（34）基于各清洁能源在各采集日中各用电时段的关联发电环境指征计算得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征，具体计算过程如下：（341）将同一用电时段中各清洁能源在各采集日的关联发电环境指征进行均值计算，得到各清洁能源在各用电时段中关联发电环境指征平均值。
（342）将各清洁能源在各用电时段中关联发电环境指征变化率和关联发电环境指征平均值导入公式，得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征。
本发明对各清洁能源对应代表关联发电环境指征的分析，不是简单地将关联发电环境指征的平均值作为代表关联发电环境指征，而是结合关联发电环境指征的平均值与关联发电环境指征的变化率进行分析，使得分析结果更加合理可靠。
（35）将各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征与各清洁能源在各条清洁历史发电记录中的关联发电环境指征进行相似度计算，从中筛选出各清洁能源在各用电时段的参考历史发电记录。
上述中相似度计算的具体表达式为
进一步地，各清洁能源在各用电时段的参考历史发电记录筛选方式为将各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征与该种清洁能源在各条清洁历史发电记录中的关联发电环境指征相似度与设定的相似度阈值进行对比，从中筛选出大于或等于相似度阈值的清洁历史发电记录，作为参考历史发电记录。
（36）将各清洁能源在各用电时段中参考历史发电记录的发电量与发电时长相除，计算得到各清洁能源在各用电时段中单位发电时长对应的参考发电量，并将其结合各用电时段的时长，统计得到各清洁能源在当前评估周期中各用电时段的预测发电量。
（37）将各用电时段的主体负荷等级与用电信息库中各种负荷等级对应的下限发电稳定度进行匹配，从中得出各用电时段对应的下限发电稳定度，并与各清洁能源在当前评估周期中各用电时段的发电稳定度进行对比，进而从各清洁能源中筛选出大于或等于下限发电稳定度的清洁能源作为当前评估周期中各用电时段对应的备选清洁能源，若当前评估周期中存在某用电时段未筛选出备选清洁能源，表明该用电时段中所有清洁能源的发电稳定度都不满足该用电时段对应的下限发电稳定度，即代表该用电时段中所有清洁能源均不能作为发电能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段，反之则执行（38）。
（38）基于当前评估周期中各用电时段对应的若干备选清洁能源从各清洁能源在当前评估周期中各用电时段的预测发电量中提取出当前评估周期中各用电时段对应各备选清洁能源的预测发电量，并与各用电时段对应的常态用电量进行对比，进而从各备选清洁能源中筛选出大于或等于常态发电量的备选清洁能源作为当前评估周期中各用电时段对应的有效清洁能源，若某用电时段未筛选出有效清洁能源，表明该用电时段中所有清洁能源的预测发电量都不满足该用电时段对应的常态用电量，即代表该用电时段中所有清洁能源均不能作为发电能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段。
本发明通过对目标配电地区进行用电时段维度的用电分布特征分析，得到各用电时段的主体负荷等级和常态用电量，并依据配电网中清洁能源对应的发电位置进行关联发电环境指征采集，以此得到各清洁能源在各用电时段的发电稳定度和预测发电量，进而将各用电时段的主体负荷等级和常态用电量与各清洁能源在各用电时段的发电稳定度和预测发电量进行对比，实现了配电网在理想发电方式下火力发电量的精准、科学分析，有效规避了目前分析方式脱离实际的弊端，大大提高了配电网在发电能源上节能潜力的评估可靠度，有利于凸显评估结果的实用价值。
（4）统计目标配电地区在特定用电时段的发电量，作为配电网在当前评估周期中的火力发电量，其中目标配电地区在特定用电时段的发电量统计方式为将特定用电时段的常态用电量作为特定用电时段的发电量。
（5）获取配电网在当前发电方式下各用电时段的发电能源和发电量，并从中筛选出发电能源为火电的用电时段，进而提取该用电时段对应的发电量作为配电网在当前发电方式下的火力发电量。
（6）将与/>进行对比，评估配电网在当前评估周期中发电能源的节能潜力系数/>，具体评估公式为/>，e表示为自然常数。
本发明在评估配电网在发电能源上的节能潜力时考虑到清洁能源的发电状态受关联环境影响在不同的时间跨度上不是一成不变的，使得并不是所有时间跨度上清洁能源的发电都不具备满足用电分布特征的情况，由此通过设定评估周期，在每个评估周期均进行节能潜力评估，实现了配电网在发电能源上节能潜力的动态评估，更加贴近实际，在一定程度上强化了节能潜力评估的可靠度。
本发明在实施过程中还用到了用电信息库，用于存储各种负荷等级包含的用电设备名称，存储各种负荷等级对应的下限发电稳定度，并存储各清洁能源对应的关联发电环境指征。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.配电网差异化节能潜力量化评估方法，其特征在于，包括以下步骤：
（1）将配电网配送的用电地区记为目标配电地区，进而分析目标配电地区的用电分布特征；
（2）统计配电网中发电能源存在的清洁发电能源，并基于清洁能源的名称获取各清洁能源的关联发电环境指征；
（3）设定评估周期，以当前日期为起始采集日构成当前评估周期，进而基于目标配电地区的用电分布特征和各清洁能源的关联发电环境指征识别目标配电地区在当前评估周期中理想发电能源为火电的用电时段，记为特定用电时段；
（4）统计目标配电地区在特定用电时段的发电量，作为配电网在当前评估周期中的火力发电量；
（5）获取配电网在当前发电方式下各用电时段的发电能源和发电量，并从中筛选出发电能源为火电的用电时段，进而提取该用电时段对应的发电量作为配电网在当前发电方式下的火力发电量；
（6）将与/>进行对比，评估配电网在当前评估周期中发电能源的节能潜力系数/>。
2.如权利要求1所述的配电网差异化节能潜力量化评估方法，其特征在于：所述用电分布特征包括用电时段及各用电时段的主体负荷等级和常态用电量，其中用电时段包括高峰用电时段、平均用电时段和低谷用电时段。
3.如权利要求2所述的配电网差异化节能潜力量化评估方法，其特征在于：所述用电时段的识别过程如下：
（11）设定历史监测时间段，并将每个监测日的时长按照预设的时间间隔进行时段划分，得到历史监测时间段内各监测日对应的若干时段；
（12）在各监测日对应的各时段统计目标配电地区用电量；
（13）将同一时段对应各监测日的目标配电地区用电量进行相互对比，从中得到各时段对应的目标配电地区最大用电量、目标配电地区最小用电量和目标配电地区平均用电量，并通过公式，得到各时段对应的用电分布差异度；
（14）将各时段对应的用电分布差异度与设定的限定用电分布差异度/>进行对比，进而利用倾向用电量分析模型/>，分析得到各时段对应的倾向用电量/>，t表示为每个监测日划分的时段编号，/>，/>表示为第t时段对应第i监测日的目标配电地区用电量，i表示为监测日编号，/>，n表示为历史监测时间段内存在的监测日数量，/>表示为有效用电差量；
（15）将各时段对应的倾向用电量进行均值计算，得到平均倾向用电量，进而将各时段对应的倾向用电量与平均倾向用电量进行对比，通过表达式计算各时段对应的倾向用电量接近度/>，/>表示为平均倾向用电量；
（16）将各时段对应的倾向用电量接近度与设置阈值进行对比，若某时段对应的倾向用电量接近度大于设置阈值，则将该时段归入平均用电时段，若某时段对应的倾向用电量接近度小于或等于设置阈值，则将该时段对应的倾向用电量与平均倾向用电量进行对比，若该时段对应的倾向用电量大于平均倾向用电量，则将该时段归入高峰用电时段，反之则将该时段归入低谷用电时段。
4.如权利要求3所述的配电网差异化节能潜力量化评估方法，其特征在于：所述有效用电差量的获取过程如下：
在某时段对应的用电分布差异度大于限定用电分布差异度时将该时段记为特定时段；
将特定时段中各监测日的目标配电地区用电量进行特定时段平均用电量计算，并通过表达式，得到特定时段对应各监测日的类型/>；
利用有效用电差量分析模型,模型中X、Y分别表示为过均监测日、低均监测日的数量。
5.如权利要求3所述的配电网差异化节能潜力量化评估方法，其特征在于：所述各用电时段的主体负荷等级具体识别过程如下：
统计目标配电地区在各用电时段存在的用电设备名称，并将其与用电信息库各种负荷等级包含的用电设备名称进行匹配，从中匹配出各用电时段中各用电设备对应的负荷等级；
将各用电时段中各用电设备对应的负荷等级按照重要性进行排列，进而取排在第一位的负荷等级作为各用电时段的主体负荷等级。
6.如权利要求3所述的配电网差异化节能潜力量化评估方法，其特征在于：所述常态用电量识别方式为：将加入到各用电时段内各时段的倾向用电量进行累加，得到各用电时段对应的常态用电量。
7.如权利要求2所述的配电网差异化节能潜力量化评估方法，其特征在于：所述识别目标配电地区在当前评估周期中理想发电能源为火电的用电时段参见下述识别步骤：
（31）定位配电网中各清洁能源对应的发电位置，进而从气象中心提取各清洁能源在当前评估周期内各采集日中各用电时段的关联发电环境指征，进而以采集日为横坐标，以关联发电环境指征为纵坐标，构建二维坐标系，以此针对各清洁能源在各用电时段内各采集日的关联发电环境指征在所构建的二维坐标系中形成各清洁能源在各用电时段中各种关联发电环境指征的变化曲线，并获取所述变化曲线的斜率，作为各清洁能源在各用电时段中各种关联发电环境指征的变化率；
（32）将各清洁能源在各用电时段中各种关联发电环境指征的变化率进行绝对值处理，得到各清洁能源在各用电时段中各种关联发电环境指征的变化率绝对值，进而从中提取最大变化率绝对值作为各清洁能源在当前评估周期中各用电时段的发电稳定度；
（33）从历史发电记录中挑选出清洁历史发电记录，并从中提取各清洁能源在各条清洁历史发电记录中的关联发电环境指征、发电时长和发电量；
（34）基于各清洁能源在各采集日中各用电时段的关联发电环境指征计算得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征；
（35）将各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征与各清洁能源在各条清洁历史发电记录中的关联发电环境指征进行相似度计算，从中筛选出各清洁能源在各用电时段的参考历史发电记录；
（36）依据各清洁能源在各用电时段中参考历史发电记录的发电时长和发电量计算各清洁能源在各用电时段中单位发电时长对应的参考发电量，并将其结合各用电时段的时长，统计得到各清洁能源在当前评估周期中各用电时段的预测发电量；
（37）基于各用电时段的主体负荷等级从用电信息库中提取各用电时段对应的下限发电稳定度，并与各清洁能源在当前评估周期中各用电时段的发电稳定度进行对比，进而从各清洁能源中筛选出大于或等于下限发电稳定度的清洁能源作为当前评估周期中各用电时段对应的备选清洁能源，若当前评估周期中存在某用电时段未筛选出备选清洁能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段，反之则执行（38）；
（38）基于当前评估周期中各用电时段对应的若干备选清洁能源从各清洁能源在当前评估周期中各用电时段的预测发电量中提取出当前评估周期中各用电时段对应各备选清洁能源的预测发电量，并与各用电时段对应的常态用电量进行对比，进而从备选清洁能源中筛选出大于或等于常态发电量的备选清洁能源作为当前评估周期中各用电时段对应的有效清洁能源，若某用电时段未筛选出有效清洁能源，则该用电时段的理想发电能源为火电，该用电时段即为理想发电能源为火电的用电时段。
8.如权利要求7所述的配电网差异化节能潜力量化评估方法，其特征在于：所述（34）具体计算过程如下：
（341）将同一用电时段中各清洁能源在各采集日的关联发电环境指征进行均值计算，得到各清洁能源在各用电时段中关联发电环境指征平均值；
（342）将各清洁能源在各用电时段中关联发电环境指征变化率和关联发电环境指征平均值导入公式，得到各清洁能源在当前评估周期中各用电时段的代表关联发电环境指征。
9.如权利要求1所述的配电网差异化节能潜力量化评估方法，其特征在于：所述目标配电地区在特定用电时段的发电量统计方式为将特定用电时段的常态用电量作为特定用电时段的发电量。
10.如权利要求1所述的配电网差异化节能潜力量化评估方法，其特征在于：所述配电网在当前评估周期中发电能源的节能潜力系数评估公式为，e表示为自然常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311052586.1A CN116797049B (zh) | 2023-08-21 | 2023-08-21 | 配电网差异化节能潜力量化评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311052586.1A CN116797049B (zh) | 2023-08-21 | 2023-08-21 | 配电网差异化节能潜力量化评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116797049A true CN116797049A (zh) | 2023-09-22 |
| CN116797049B CN116797049B (zh) | 2023-11-03 |
Family
ID=88044054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311052586.1A Active CN116797049B (zh) | 2023-08-21 | 2023-08-21 | 配电网差异化节能潜力量化评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116797049B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252038A (zh) * | 2023-11-16 | 2023-12-19 | 吉林建筑大学 | 一种新能源建筑一体化节能设计分析方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108009748A (zh) * | 2017-12-22 | 2018-05-08 | 东南大学 | 一种电能替代项目节能减排效果评价方法 |
| CN109995090A (zh) * | 2019-04-24 | 2019-07-09 | 长沙理工大学 | 考虑用户需求特征及能源利用成本的多能互补方法 |
| CN111428970A (zh) * | 2020-03-05 | 2020-07-17 | 三峡大学 | 一种大规模水电站群跨省外送能力分析模型及求解方法 |
| CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
| CN113887809A (zh) * | 2021-10-11 | 2022-01-04 | 国网新疆电力有限公司巴州供电公司 | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 |
| CN114897247A (zh) * | 2022-05-16 | 2022-08-12 | 湖北精准极速科技有限公司 | 一种基于大数据的智能电网配网调度运行管理方法 |
| CN115965291A (zh) * | 2023-01-03 | 2023-04-14 | 赵颖 | 一种智能配电网绿色性评估方法 |
| CN116488231A (zh) * | 2022-01-14 | 2023-07-25 | 国网湖北省电力有限公司电力科学研究院 | 一种计及输配电网形态演变的风光储协同规划方法 |
| CN116505595A (zh) * | 2023-06-29 | 2023-07-28 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电力监测调度管理系统 |
-
2023
- 2023-08-21 CN CN202311052586.1A patent/CN116797049B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108009748A (zh) * | 2017-12-22 | 2018-05-08 | 东南大学 | 一种电能替代项目节能减排效果评价方法 |
| CN109995090A (zh) * | 2019-04-24 | 2019-07-09 | 长沙理工大学 | 考虑用户需求特征及能源利用成本的多能互补方法 |
| CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
| CN111428970A (zh) * | 2020-03-05 | 2020-07-17 | 三峡大学 | 一种大规模水电站群跨省外送能力分析模型及求解方法 |
| CN113887809A (zh) * | 2021-10-11 | 2022-01-04 | 国网新疆电力有限公司巴州供电公司 | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 |
| CN116488231A (zh) * | 2022-01-14 | 2023-07-25 | 国网湖北省电力有限公司电力科学研究院 | 一种计及输配电网形态演变的风光储协同规划方法 |
| CN114897247A (zh) * | 2022-05-16 | 2022-08-12 | 湖北精准极速科技有限公司 | 一种基于大数据的智能电网配网调度运行管理方法 |
| CN115965291A (zh) * | 2023-01-03 | 2023-04-14 | 赵颖 | 一种智能配电网绿色性评估方法 |
| CN116505595A (zh) * | 2023-06-29 | 2023-07-28 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电力监测调度管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王曦冉;何英静;来聪;沈舒仪;李真娣;: "基于加权熵的电网清洁性评估", 浙江电力, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252038A (zh) * | 2023-11-16 | 2023-12-19 | 吉林建筑大学 | 一种新能源建筑一体化节能设计分析方法 |
| CN117252038B (zh) * | 2023-11-16 | 2024-02-13 | 吉林建筑大学 | 一种新能源建筑一体化节能设计分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116797049B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hannah et al. | An approach to hydrograph classification | |
| CN116797049B (zh) | 配电网差异化节能潜力量化评估方法 | |
| US20190369570A1 (en) | System and method for automatically detecting anomalies in a power-usage data set | |
| CN111191966B (zh) | 一种基于时空特性的配电网电压不合格时段识别方法 | |
| CN116505595B (zh) | 一种基于虚拟电厂的电力监测调度管理系统 | |
| CN111461521A (zh) | 一种基于电力大数据的居民住房空置率分析方法 | |
| CN111612228A (zh) | 一种基于用电信息的用户用电行为分析方法 | |
| CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
| CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
| 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 | |
| CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
| CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
| CN115270974A (zh) | 基于大数据分析的智能窃电检测系统 | |
| CN111428745A (zh) | 一种基于聚类分析的低压用户用电特征提取方法 | |
| CN117172625B (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
| CN116955968B (zh) | 一种基于机器学习的用户用电行为分析方法 | |
| KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
| CN106651093A (zh) | 一种用于低压集抄系统的智能复核管控方法 | |
| CN105468885A (zh) | 一种能耗数据的可视化分析方法 | |
| CN112132631A (zh) | 一种基于电力客户画像的标签用电管理方法 | |
| CN117039850A (zh) | 基于时空地物特征的异常用电分析方法及系统 | |
| CN115733258A (zh) | 一种基于物联网技术的全户内智能变电站系统的控制方法 | |
| CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
| CN116308883A (zh) | 一种基于大数据的区域电网数据统筹管理系统 | |
| CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 |
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 |