企業(yè)電力用戶負(fù)荷特性分析范文

本站小編為你精心準(zhǔn)備了企業(yè)電力用戶負(fù)荷特性分析參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：電力系統(tǒng)必須維持發(fā)電設(shè)備生產(chǎn)的電能與各類用戶所需要的電能相平衡，如果這種平衡狀態(tài)被打破，就會(huì)出現(xiàn)電能過剩或者不足的現(xiàn)象，因此研究不同電力用戶的負(fù)荷特性是十分必要的，特別是在如今大數(shù)據(jù)時(shí)代背景下更是如此。文章選取冀北五地市黑色金屬冶煉及壓延工藝、黑色金屬礦采、非金屬礦物和金屬制品四個(gè)重點(diǎn)行業(yè)的電力大客戶的每天96個(gè)點(diǎn)的日負(fù)荷數(shù)據(jù)，對(duì)他們的用電負(fù)荷特性進(jìn)行聚類分析，通過負(fù)荷特性深入了解其用電行為。

關(guān)鍵詞：負(fù)荷特性；大數(shù)據(jù)；缺失值；線性插值；K-means聚類

0引言

新一輪的電改使得電力系統(tǒng)從壟斷走向競(jìng)爭(zhēng)已成為必然，多家發(fā)電企業(yè)表現(xiàn)出了擬直接向周邊大客戶供電并開展售電業(yè)務(wù)的強(qiáng)烈意愿。國網(wǎng)冀北公司因此面臨著優(yōu)質(zhì)客戶減少，市場(chǎng)份額下降的嚴(yán)峻形勢(shì)，售電市場(chǎng)空間縮小、競(jìng)爭(zhēng)激烈，相關(guān)管理者不得不及時(shí)作出調(diào)整；最近幾年環(huán)境污染甚是嚴(yán)重，加之冀北地區(qū)鄰近首都北京，因此自然成了治污減污的重要目標(biāo)。這對(duì)于以重工業(yè)為主要發(fā)展對(duì)象的冀北地區(qū)來說，限產(chǎn)甚至停產(chǎn)的要求將會(huì)嚴(yán)重影響電力市場(chǎng)的波動(dòng)。本文在這種大環(huán)境下，以保證電力系統(tǒng)正常運(yùn)行、提高冀北公司的市場(chǎng)競(jìng)爭(zhēng)力、降低公司的運(yùn)行成本為目標(biāo)，調(diào)研了冀北地區(qū)各行業(yè)電力客戶分布及用電情況，選取冀北五地市重點(diǎn)行業(yè)電力大客戶日負(fù)荷和電量數(shù)據(jù)，通過研究數(shù)據(jù)預(yù)處理方法，進(jìn)行負(fù)荷聚類分析。

1模型介紹

電力用戶負(fù)荷聚類就是根據(jù)不同用戶的不同用電曲線，將用電特征相似的用戶聚到一起，對(duì)不同用電特征的用戶分別進(jìn)行用電特征分析。隨著負(fù)荷曲線的不斷復(fù)雜化，傳統(tǒng)聚類算法肯定或多或少有些不適用的地方，相關(guān)研究者對(duì)負(fù)荷聚類方法不斷地進(jìn)行更新、探討，以便根據(jù)不同環(huán)境找到合適的各種聚類模型。由于數(shù)據(jù)量較大，本文經(jīng)過多種算法的對(duì)比和實(shí)際驗(yàn)算，最終選用計(jì)算速度較快的K-means聚類算法進(jìn)行聚類，聚類結(jié)果經(jīng)驗(yàn)證后也比較合理。K-Means聚類又稱快速聚類，是由MacQueen于1766年提出并命名的一種方法。其思想是：對(duì)于給定的N個(gè)樣本，任意挑選出K個(gè)對(duì)象，作為K個(gè)族類的初始聚類中心；接著分別計(jì)算所有其他樣本到這K個(gè)中心的歐式距離，與誰越接近，就屬于那個(gè)類。新的K個(gè)類形成后再重新計(jì)算每個(gè)類的聚類中心，接著重復(fù)上面的過程，計(jì)算所有樣本到每個(gè)新的聚類中心的距離，與誰越接近，就屬于那個(gè)類。不停地重復(fù)上述過程直到聚類中心不再改變?yōu)橹梗陨媳闶荎-Means聚類算法的全過程。

2數(shù)據(jù)的選取及預(yù)處理

2.1數(shù)據(jù)選取

本文選取冀北五地市四百多個(gè)行業(yè)中的黑色金屬冶煉及壓延工藝、黑色金屬礦采、非金屬礦物和金屬制品四個(gè)重點(diǎn)行業(yè)的每天96個(gè)點(diǎn)的日負(fù)荷數(shù)據(jù)進(jìn)行重點(diǎn)分析，負(fù)荷數(shù)據(jù)來自冀北電網(wǎng)公司數(shù)據(jù)庫。其中黑色金屬冶煉及壓延工藝的數(shù)據(jù)量為284053條，黑色金屬礦采數(shù)據(jù)量為1950430條，非金屬礦物數(shù)據(jù)量為2620129條，金屬制品數(shù)據(jù)量為3359569條。

2.2數(shù)據(jù)填補(bǔ)和預(yù)處理

選取的每天96個(gè)點(diǎn)的負(fù)荷數(shù)據(jù)中有缺失的部分，需要進(jìn)行填補(bǔ)修正。對(duì)于缺失值的處理已有眾多學(xué)者進(jìn)行了研究，本次缺失值的填補(bǔ)針對(duì)不同的情況采用不同的方法：（1）刪除表中無效記錄因?yàn)楸敬嗡x的負(fù)荷值是正向有功負(fù)荷，所以表中數(shù)據(jù)應(yīng)該是大于等于零的。首先刪除表中含有負(fù)值的記錄；其次為了使得聚類結(jié)果有代表性，再刪除表中全為0的記錄；最后刪除表中出現(xiàn)極大值、極小值等異常值的記錄，刪除完數(shù)據(jù)后得到的數(shù)據(jù)即為需要進(jìn)行聚類分析的目標(biāo)用戶。（2）刪除連續(xù)缺失太多的數(shù)據(jù)每天的負(fù)荷值有96個(gè)點(diǎn)，經(jīng)過多次嘗試認(rèn)為每天連續(xù)缺失超過30個(gè)負(fù)荷值即算缺失過多。刪掉含有空缺值較多的一些記錄，是因?yàn)楸碇杏杏米侄螌?duì)應(yīng)的數(shù)據(jù)缺失值過多時(shí)，填補(bǔ)等方法將不能起到相應(yīng)作用，且無法保證填補(bǔ)數(shù)據(jù)的有效性，此時(shí)將其刪掉，以減小后續(xù)計(jì)算時(shí)的誤差。（3）末段缺失值處理由于缺失值的處理是對(duì)歷史數(shù)據(jù)進(jìn)行補(bǔ)齊，且每個(gè)用戶的用電行為是呈現(xiàn)一定的規(guī)律性的，所以可根據(jù)某一負(fù)荷點(diǎn)數(shù)據(jù)前后的日相同負(fù)荷點(diǎn)數(shù)據(jù)，用線性插值法來補(bǔ)齊數(shù)據(jù)。（4）單個(gè)數(shù)據(jù)缺失此種情況下比較好處理，用前后負(fù)荷的均值來代替即可。（5）多個(gè)數(shù)據(jù)缺失在出現(xiàn)多個(gè)負(fù)荷值缺失時(shí)，尤其是連續(xù)多個(gè)值缺失，以上填補(bǔ)方法會(huì)受到限制，此時(shí)本文將采用均值填補(bǔ)法，將96點(diǎn)數(shù)據(jù)中有缺失值的地方，根據(jù)缺失數(shù)據(jù)的前條記錄和后條記錄相應(yīng)位置的值進(jìn)行均值計(jì)算后得到填補(bǔ)數(shù)據(jù)。又因?yàn)樨?fù)荷數(shù)據(jù)受到外界天氣、重大事件等影響因素較大，在填補(bǔ)較多的負(fù)荷數(shù)據(jù)時(shí)，為了減小誤差，還應(yīng)結(jié)合人為經(jīng)驗(yàn)，對(duì)負(fù)荷值進(jìn)行修正。（6）數(shù)據(jù)歸一化因?yàn)椴煌脩舻呢?fù)荷大小相差甚遠(yuǎn)，所以為了更好地將用電行為相似的用戶聚到一起，需要對(duì)原始數(shù)據(jù)進(jìn)行無量綱化處理，再進(jìn)行分析。為了確保本數(shù)據(jù)訓(xùn)練的有效性，需對(duì)電力負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理。

3聚類結(jié)果分析

數(shù)據(jù)經(jīng)過上述的缺失值處理和歸一化后即可進(jìn)行聚類分析。因聚類結(jié)果有大量統(tǒng)計(jì)圖表，為了展示方便，本文只選取黑色金屬礦采行業(yè)的典型聚類圖。黑色金屬礦采行業(yè)主要包括鐵礦采選和其它黑色金屬礦采，目前冀北黑色金屬礦采業(yè)用戶共7861戶。在冀北五地市中，唐山的用戶最多，共計(jì)5003個(gè)，合同容量占比約0.434；承德的用戶其次，共計(jì)1430個(gè)，合同容量占比約0.386；張家口的用戶第三，共842個(gè)，合同容量占比約0.065；秦皇島的用戶第四，共計(jì)584個(gè)，合同容量占比約0.113；廊坊的用戶第五，共計(jì)2個(gè)，合同容量占比不足0.01。圖1便是黑色金屬礦采行業(yè)的用戶日負(fù)荷特性聚類結(jié)果，聚類數(shù)為10，展示的是每類的聚類中心曲線（其中橫坐標(biāo)是每天96點(diǎn)的負(fù)荷取值時(shí)間）。

4結(jié)束語

根據(jù)本文聚類的結(jié)果可以在電價(jià)營銷中針對(duì)相同類型的電力用戶進(jìn)行削峰填谷的操作。通過對(duì)于工業(yè)用戶的負(fù)荷曲線進(jìn)行分析，可以獲取到對(duì)于地區(qū)及行業(yè)有明顯峰谷生產(chǎn)行為的用戶進(jìn)行電價(jià)優(yōu)惠，促進(jìn)用戶保持這種穩(wěn)定的避峰生產(chǎn)行為。如在黑色冶金及壓延工藝中的鐵合金冶煉行業(yè)，其用戶多為避峰生產(chǎn)及夜間生產(chǎn)類型。聚類結(jié)果可以很明確地顯示各種用戶的用電行為，因此有助于電網(wǎng)公司合理供配電及管理者制定合理的調(diào)控電價(jià)政策。聚類結(jié)果還可以用在基于用戶經(jīng)濟(jì)效益的電費(fèi)預(yù)警中，通過對(duì)冀北地區(qū)黑色金屬礦采行業(yè)整體用電情況，從行業(yè)整體負(fù)荷情況入手，參考存在用電異常用戶的整體情況分析來看，經(jīng)濟(jì)效益差的用戶大多與行業(yè)整體負(fù)荷趨勢(shì)不同，且用戶還通常伴隨多種生產(chǎn)模式，再一個(gè)就是經(jīng)濟(jì)效益較差的用戶其負(fù)荷率一般較低。依照這幾種分析結(jié)果，可以有效地判定哪些用戶是欠費(fèi)高風(fēng)險(xiǎn)用戶，可以出臺(tái)相應(yīng)的電價(jià)政策以減少損失。

參考文獻(xiàn)：

[3]馮曉蒲,張鐵峰.四種聚類方法之比較[J].微型機(jī)與應(yīng)用,2010,29(16).

[4]王春雷,梁小放,章堅(jiān)民等.基于用電采集系統(tǒng)的負(fù)荷特性曲線聚類分析[J].浙江電力,2014,(7).

[5]李培強(qiáng),李欣然,陳輝華等.基于模糊聚類的電力負(fù)荷特性的分類與綜合[J].中國電機(jī)工程學(xué)報(bào),2005,25(24).

[6]趙文清,龔亞強(qiáng).基于KernelK-means的負(fù)荷曲線聚類[J].電力自動(dòng)化設(shè)備,2016,36(6).

[7]王晨力.基于蟻群優(yōu)化算法的電力負(fù)荷聚類和輸電線故障識(shí)別研究[D].天津：天津大學(xué)碩士論文,2005.

[8]彭小圣,鄧迪元,程時(shí)杰等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J].中國電機(jī)工程學(xué)報(bào),2015,35(3).

[9]劉建華,王進(jìn),孟穎等.基于模擬退火的粗糙集K均值電力負(fù)荷聚類分析[J].現(xiàn)代電力,2012,29(1).

[10]馮曉蒲.基于實(shí)際負(fù)荷曲線的電力用戶分類技術(shù)研究[D].北京：華北電力大學(xué)碩士論文,2011.

作者：孫源1a,1b；臧婷婷1a,1b；姜峰1a,1b 單位：1.湖北大學(xué)a.數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院；b.應(yīng)用數(shù)學(xué)湖北省重點(diǎn)實(shí)驗(yàn)室，2.中國科學(xué)院武漢文獻(xiàn)情報(bào)中心