CN112288496A - 电力行业负荷分类计算方法及其跟踪分析方法 - Google Patents

电力行业负荷分类计算方法及其跟踪分析方法 Download PDF

Info

Publication number
CN112288496A
CN112288496A CN202011295076.3A CN202011295076A CN112288496A CN 112288496 A CN112288496 A CN 112288496A CN 202011295076 A CN202011295076 A CN 202011295076A CN 112288496 A CN112288496 A CN 112288496A
Authority
CN
China
Prior art keywords
load
industry
daily
data
loads
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
Application number
CN202011295076.3A
Other languages
English (en)
Inventor
潘馨
张允�
文明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011295076.3A priority Critical patent/CN112288496A/zh
Publication of CN112288496A publication Critical patent/CN112288496A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification 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—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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电力行业负荷分类计算方法，包括以电价为划分原则将电力负荷进行行业划分；以行业为划分原则将电力负荷进行行业划分；根据划分结果获取各个负荷的负荷特性数据；对获取的负荷特性数据进行数据处理；对数据进行负荷分类计算得到最终的电力行业负荷分类计算结果。本发明还公开了包括所述电力行业负荷分类计算方法的跟踪分析方法。本发明提供的这种电力行业负荷分类计算方法及其跟踪分析方法，通过负荷分类、数据处理和集中分类计算，实现了电力行业负荷分类计算方法及跟踪分析，而且本发明方法的可靠性高、准确性好且适用范围广。

Description

电力行业负荷分类计算方法及其跟踪分析方法
技术领域
本发明属于电气自动化领域，具体涉及一种电力行业负荷分类计算方法及其跟踪分析方法。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中最重要的二次能源，给人们的生产和生活带来了无尽的便利。因此，电力***的稳定可靠运行，就成为了电力***最重要的任务之一。
电网负荷预测，是电力***的重要工作之一。目前，电力负荷分析和预测工作多基于月度、季度、年度电量数据，在数据频次上尚未充分利用电力负荷数据短期、实时的特征。同时，电力能源供电***多面临“缺电力不缺电量”的电力供应形势，因此基于月度、季度、年度电量数据进行的电力负荷分析和预测，已难以满足现阶段精准、及时预判电力负荷实时变动和短期运行形势的需求。
发明内容
本发明的目的之一在于提供一种可靠性高、准确性好且适用范围广的电力行业负荷分类计算方法。
本发明的目的之二在于提供一种包括了所述电力行业负荷分类计算方法的跟踪分析方法。
本发明提供的这种电力行业负荷分类计算方法，包括如下步骤：
S1.以电价为划分原则，将电力负荷进行行业划分；
S2.以行业为划分原则，将电力负荷进行行业划分；
S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；
S4.对步骤S3获取的负荷特性数据进行数据处理；
S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果。
步骤S1所述的以电价为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别。
步骤S2所述的以行业为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：
第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；
第二产业负荷：包括工业负荷和建筑业负荷；
第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷。
所述的工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷。
步骤S3所述的获取各个负荷的负荷特性数据，具体为获取如下负荷特性数据：
第一类.日用电负荷特性数据：
日最大负荷：一天内96点负荷中的最大值；
日最小负荷：一天内96点负荷中的最小值；
日平均负荷：采用96点负荷的平均值；
日平均负荷率：日平均负荷与日最大负荷的比值；
日最小负荷率：日最小负荷与日最大负荷的比值；
日峰谷差：日最大负荷与日最小负荷之差；
日峰谷差率：日峰谷差与日最大负荷的比值；
第二类.月用电负荷特性数据
月最大负荷：一个月内各日最大负荷的最大值；
月最小负荷：一个月内各日最小负荷的最小值；
月平均日负荷：一个月内各日平均负荷的平均值；
月平均日负荷率：一个月内各日负荷率的平均值；
月最小日负荷率：一个月内各日最小负荷率的最小值；
月最大日峰谷差：一个月内各日峰谷差的最大值；
月最大日峰谷差率：一个月内各日峰谷差率的最大值；
月不均衡系数：一个月内平均日电量和最大日电量的比值；或者月平均日负荷与月最大负荷的比值；
第三类.年用电负荷特性数据
年最大负荷：全年96点用电负荷中的最大值；
年最小负荷：全年96点用电负荷中的最小值；
年平均日负荷：一年内各日平均负荷的平均值；
年平均日负荷率：一年内各日负荷率的平均值；
年最小日负荷率：一年内各日最小负荷率的最小值；
年最大日峰谷差：全年各日中峰谷差的最大值；
年最大日峰谷差率：全年各日中峰谷差率的最大值；
季度不均衡系数：全年各月最大负荷之和的平均值与年最大负荷的比值；
年负荷率：年平均日负荷与年最大负荷的比值。
步骤S4所述的对步骤S3获取的负荷特性数据进行数据处理，具体为采用如下规则进行数据处理：
规则一：对于空数据点和零数据点的诊断及修正：
诊断：
匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；
修正：
若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；
规则二：对于连续恒定值和负负荷数据的诊断及修正：
诊断：
连续恒定值和负负荷数据均判定为异常数据；
修正：
若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；
规则三：阶跃值或突变值的诊断及修正：
存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；
诊断：
对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；
对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；
修正：
对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；
对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理。
步骤S5所述的对步骤S4得到的处理后的数据进行负荷分类计算，具体为采用如下步骤进行计算：
A.96点负荷计算：
根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；
其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；
B.汇总行业96点负荷：
电价细分行业96点负荷：
根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；
国民经济全行业分类96点负荷：
根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息。
本发明还提供了一种包括所述电力行业负荷分类计算方法的跟踪分析方法，还包括如下步骤：
S6.从空间维度对步骤S5获取的负荷分类计算结果进行层次递进分析，从而获取电力负荷变化的原因；
S7.从时间维度对步骤S5获取的负荷分类计算结果进行精细化分析，从而进行电力负荷的跟踪与预警；
S8.从行业分类上对步骤S5获取的负荷分类计算结果进行深度分析，从而进行电力负荷的精准定位。
本发明提供的这种电力行业负荷分类计算方法及其跟踪分析方法，通过负荷分类、数据处理和集中分类计算，实现了电力行业负荷分类计算方法及跟踪分析，而且本发明方法的可靠性高、准确性好且适用范围广。
附图说明
图1为本发明的分类计算方法的方法流程示意图。
图2为本发明的跟踪分析方法的方法流程示意图。
具体实施方式
如图1所示为本发明的分类计算方法的方法流程示意图：本发明提供的这种电力行业负荷分类计算方法，包括如下步骤：
S1.以电价为划分原则，将电力负荷进行行业划分(电价行业划分)；具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别；
S2.以行业为划分原则，将电力负荷进行行业划分(国民经济行业)；具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：
第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；
第二产业负荷：包括工业负荷和建筑业负荷；其中工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷；
第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷
S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；具体为获取如下负荷特性数据：
第一类.日用电负荷特性数据：
日最大负荷：一天内96点负荷中的最大值；
日最小负荷：一天内96点负荷中的最小值；
日平均负荷：96点负荷的平均值；
日平均负荷率：又称日负荷率，日平均负荷与日最大负荷的比值；
日最小负荷率：日最小负荷与日最大负荷的比值；
日峰谷差：日最大负荷与日最小负荷之差；
日峰谷差率：日峰谷差与日最大负荷的比值；
第二类.月用电负荷特性数据
月最大负荷：一个月内各日最大负荷的最大值，也就是一个月内各点负荷的最大值；
月最小负荷：一个月内各日最小负荷的最小值，也就是一个月内各点负荷的最小值；
月平均日负荷：一个月内各日平均负荷的平均值，也就是月用电量除以当月小时数；
月平均日负荷率：一个月内各日负荷率的平均值；
月最小日负荷率：一个月内各日最小负荷率的最小值；
月最大日峰谷差：一个月内各日峰谷差的最大值；
月最大日峰谷差率：一个月内各日峰谷差率的最大值；
月不均衡系数：又称月负荷率，一个月内平均日电量和最大日电量的比值；也可以用月平均日负荷与月最大负荷的比值；
第三类.年用电负荷特性数据
年最大负荷：全年96点用电负荷中的最大值；
年最小负荷：全年96点用电负荷中的最小值；
年平均日负荷：一年内各日平均负荷的平均值，也就是年用电量除以当年小时数；
年平均日负荷率：一年内各日负荷率的平均值；
年最小日负荷率：一年内各日最小负荷率的最小值；
年最大日峰谷差：全年各日中峰谷差的最大值；
年最大日峰谷差率：全年各日中峰谷差率的最大值；
季度不均衡系数：又称季负荷率，全年各月最大负荷之和的平均值与年最大负荷的比值；
年负荷率：年平均日负荷与年最大负荷的比值；
S4.对步骤S3获取的负荷特性数据进行数据处理；具体为采用如下规则进行数据处理：
规则一：对于空数据点和零数据点的诊断及修正：
诊断：
匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；
修正：
若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；
规则二：对于连续恒定值和负负荷数据的诊断及修正：
诊断：
连续恒定值和负负荷数据均判定为异常数据；
修正：
若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；
规则三：阶跃值或突变值的诊断及修正：
存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；
诊断：
对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；
对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；
修正：
对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；
对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理；
S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果；具体为采用如下步骤进行计算：
A.96点负荷计算：
根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；
其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；
B.汇总行业96点负荷：
电价细分行业96点负荷：
根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；
D1＝所属大工业电价的用户96点负荷之和累加；
D2＝所属一般工商业电价的用户96点负荷之和累加；
D3＝所属居民电价的用户96点负荷之和累加；
D4＝所属农业电价的用户96点负荷之和累加；
D5＝所属趸售电价的用户96点负荷之和累加；
国民经济全行业分类96点负荷：
根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷(H＝用户所属最小颗粒度行业的96点负荷累加)；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息。
如图2所示为本发明的跟踪分析方法的方法流程示意图：本发明提供的这种包括所述电力行业负荷分类计算方法的跟踪分析方法，包括如下步骤：
S1.以电价为划分原则，将电力负荷进行行业划分(电价行业划分)；具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别；
S2.以行业为划分原则，将电力负荷进行行业划分(国民经济行业)；具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：
第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；
第二产业负荷：包括工业负荷和建筑业负荷；其中工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷；
第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷
S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；具体为获取如下负荷特性数据：
第一类.日用电负荷特性数据：
日最大负荷：一天内96点负荷中的最大值；
日最小负荷：一天内96点负荷中的最小值；
日平均负荷：96点负荷的平均值；
日平均负荷率：又称日负荷率，日平均负荷与日最大负荷的比值；
日最小负荷率：日最小负荷与日最大负荷的比值；
日峰谷差：日最大负荷与日最小负荷之差；
日峰谷差率：日峰谷差与日最大负荷的比值；
第二类.月用电负荷特性数据
月最大负荷：一个月内各日最大负荷的最大值，也就是一个月内各点负荷的最大值；
月最小负荷：一个月内各日最小负荷的最小值，也就是一个月内各点负荷的最小值；
月平均日负荷：一个月内各日平均负荷的平均值，也就是月用电量除以当月小时数；
月平均日负荷率：一个月内各日负荷率的平均值；
月最小日负荷率：一个月内各日最小负荷率的最小值；
月最大日峰谷差：一个月内各日峰谷差的最大值；
月最大日峰谷差率：一个月内各日峰谷差率的最大值；
月不均衡系数：又称月负荷率，一个月内平均日电量和最大日电量的比值；也可以用月平均日负荷与月最大负荷的比值；
第三类.年用电负荷特性数据
年最大负荷：全年96点用电负荷中的最大值；
年最小负荷：全年96点用电负荷中的最小值；
年平均日负荷：一年内各日平均负荷的平均值；
年平均日负荷率：一年内各日负荷率的平均值；
年最小日负荷率：一年内各日最小负荷率的最小值；
年最大日峰谷差：全年各日中峰谷差的最大值；
年最大日峰谷差率：全年各日中峰谷差率的最大值；
季度不均衡系数：又称季负荷率，全年各月最大负荷之和的平均值与年最大负荷的比值；
年负荷率：年平均日负荷与年最大负荷的比值；
S4.对步骤S3获取的负荷特性数据进行数据处理；具体为采用如下规则进行数据处理：
规则一：对于空数据点和零数据点的诊断及修正：
诊断：
匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；
修正：
若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；
规则二：对于连续恒定值和负负荷数据的诊断及修正：
诊断：
连续恒定值和负负荷数据均判定为异常数据；
修正：
若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；
规则三：阶跃值或突变值的诊断及修正：
存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；
诊断：
对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；
对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；
修正：
对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；
对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理；
S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果；具体为采用如下步骤进行计算：
A.96点负荷计算：
根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；
其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；
B.汇总行业96点负荷：
电价细分行业96点负荷：
根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；
D1＝所属大工业电价的用户96点负荷之和累加；
D2＝所属一般工商业电价的用户96点负荷之和累加；
D3＝所属居民电价的用户96点负荷之和累加；
D4＝所属农业电价的用户96点负荷之和累加；
D5＝所属趸售电价的用户96点负荷之和累加；
国民经济全行业分类96点负荷：
根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷(H＝用户所属最小颗粒度行业的96点负荷累加)；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息；
S6.从空间维度对步骤S5获取的负荷分类计算结果进行层次递进分析，从而获取电力负荷变化的原因；建立阶梯钻取式分析机制，形成“省-市-县”层次递进式分析模式，快速定位市场变化成因；；
S7.从时间维度对步骤S5获取的负荷分类计算结果进行精细化分析，从而进行电力负荷的跟踪与预警；建立“年-季-月-周-日”逐步精细化分析模式，及时跟踪与预警市场波动；
S8.从行业分类上对步骤S5获取的负荷分类计算结果进行深度分析，从而进行电力负荷的精准定位；建立行业分解分析机制，建立“全网-产业-行业-用户”深度透析分析模式，精准定位重点对象。

Claims (8)

1.一种电力行业负荷分类计算方法，包括如下步骤：
S1.以电价为划分原则，将电力负荷进行行业划分；
S2.以行业为划分原则，将电力负荷进行行业划分；
S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；
S4.对步骤S3获取的负荷特性数据进行数据处理；
S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果。
2.根据权利要求1所述的电力行业负荷分类计算方法，其特征在于步骤S1所述的以电价为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别。
3.根据权利要求1所述的电力行业负荷分类计算方法，其特征在于步骤S2所述的以行业为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：
第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；
第二产业负荷：包括工业负荷和建筑业负荷；
第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷。
4.根据权利要求3所述的电力行业负荷分类计算方法，其特征在于所述的工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷。
5.根据权利要求1～4之一所述的电力行业负荷分类计算方法，其特征在于步骤S3所述的获取各个负荷的负荷特性数据，具体为获取如下负荷特性数据：
第一类.日用电负荷特性数据：
日最大负荷：一天内96点负荷中的最大值；
日最小负荷：一天内96点负荷中的最小值；
日平均负荷：采用96点负荷的平均值；
日平均负荷率：日平均负荷与日最大负荷的比值；
日最小负荷率：日最小负荷与日最大负荷的比值；
日峰谷差：日最大负荷与日最小负荷之差；
日峰谷差率：日峰谷差与日最大负荷的比值；
第二类.月用电负荷特性数据
月最大负荷：一个月内各日最大负荷的最大值；
月最小负荷：一个月内各日最小负荷的最小值；
月平均日负荷：一个月内各日平均负荷的平均值；
月平均日负荷率：一个月内各日负荷率的平均值；
月最小日负荷率：一个月内各日最小负荷率的最小值；
月最大日峰谷差：一个月内各日峰谷差的最大值；
月最大日峰谷差率：一个月内各日峰谷差率的最大值；
月不均衡系数：一个月内平均日电量和最大日电量的比值；或者月平均日负荷与月最大负荷的比值；
第三类.年用电负荷特性数据
年最大负荷：全年96点用电负荷中的最大值；
年最小负荷：全年96点用电负荷中的最小值；
年平均日负荷：一年内各日平均负荷的平均值；
年平均日负荷率：一年内各日负荷率的平均值；
年最小日负荷率：一年内各日最小负荷率的最小值；
年最大日峰谷差：全年各日中峰谷差的最大值；
年最大日峰谷差率：全年各日中峰谷差率的最大值；
季度不均衡系数：全年各月最大负荷之和的平均值与年最大负荷的比值；
年负荷率：年平均日负荷与年最大负荷的比值。
6.根据权利要求5所述的电力行业负荷分类计算方法，其特征在于步骤S4所述的对步骤S3获取的负荷特性数据进行数据处理，具体为采用如下规则进行数据处理：
规则一：对于空数据点和零数据点的诊断及修正：
诊断：
匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；
修正：
若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；
规则二：对于连续恒定值和负负荷数据的诊断及修正：
诊断：
连续恒定值和负负荷数据均判定为异常数据；
修正：
若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；
规则三：阶跃值或突变值的诊断及修正：
存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；
诊断：
对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；
对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；
修正：
对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；
对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理。
7.根据权利要求6所述的电力行业负荷分类计算方法，其特征在于步骤S5所述的对步骤S4得到的处理后的数据进行负荷分类计算，具体为采用如下步骤进行计算：
A.96点负荷计算：
根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；
其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；
B.汇总行业96点负荷：
电价细分行业96点负荷：
根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；
D1＝所属大工业电价的用户96点负荷之和累加；
D2＝所属一般工商业电价的用户96点负荷之和累加；
D3＝所属居民电价的用户96点负荷之和累加；
D4＝所属农业电价的用户96点负荷之和累加；
D5＝所属趸售电价的用户96点负荷之和累加；
国民经济全行业分类96点负荷：
根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷；H＝用户所属最小颗粒度行业的96点负荷累加；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息。
8.一种包括了权利要求1～7之一所述的电力行业负荷分类计算方法的跟踪分析方法，其特征在于还包括如下步骤：
S6.从空间维度对步骤S5获取的负荷分类计算结果进行层次递进分析，从而获取电力负荷变化的原因；
S7.从时间维度对步骤S5获取的负荷分类计算结果进行精细化分析，从而进行电力负荷的跟踪与预警；
S8.从行业分类上对步骤S5获取的负荷分类计算结果进行深度分析，从而进行电力负荷的精准定位。
CN202011295076.3A 2020-11-18 2020-11-18 电力行业负荷分类计算方法及其跟踪分析方法 Pending CN112288496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011295076.3A CN112288496A (zh) 2020-11-18 2020-11-18 电力行业负荷分类计算方法及其跟踪分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011295076.3A CN112288496A (zh) 2020-11-18 2020-11-18 电力行业负荷分类计算方法及其跟踪分析方法

Publications (1)

Publication Number Publication Date
CN112288496A true CN112288496A (zh) 2021-01-29

Family

ID=74397930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011295076.3A Pending CN112288496A (zh) 2020-11-18 2020-11-18 电力行业负荷分类计算方法及其跟踪分析方法

Country Status (1)

Country Link
CN (1) CN112288496A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113536205A (zh) * 2021-07-09 2021-10-22 国电南瑞科技股份有限公司 低压台区用能优化潜力评价方法及用能优化台区筛选***
CN116826745A (zh) * 2023-08-30 2023-09-29 山东海兴电力科技有限公司 一种电力***背景下的分层分区短期负荷预测方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156787A (zh) * 2014-08-18 2014-11-19 国家电网公司 一种基于不同负荷特性的电力分区负荷预测方法
CN104638636A (zh) * 2014-11-25 2015-05-20 中国能源建设集团广东省电力设计研究院 一种电力日负荷特性指标预测方法
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力***的负荷预测管理***
CN109816161A (zh) * 2019-01-14 2019-05-28 中国电力科学研究院有限公司 一种配电网运行辅助决策分析***及其应用方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156787A (zh) * 2014-08-18 2014-11-19 国家电网公司 一种基于不同负荷特性的电力分区负荷预测方法
CN104638636A (zh) * 2014-11-25 2015-05-20 中国能源建设集团广东省电力设计研究院 一种电力日负荷特性指标预测方法
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力***的负荷预测管理***
CN109816161A (zh) * 2019-01-14 2019-05-28 中国电力科学研究院有限公司 一种配电网运行辅助决策分析***及其应用方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任宇路;王凤萍;王春龙;: "电力负荷预测***的管理应用", 山西电力, no. 01, pages 24 - 27 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113536205A (zh) * 2021-07-09 2021-10-22 国电南瑞科技股份有限公司 低压台区用能优化潜力评价方法及用能优化台区筛选***
CN113536205B (zh) * 2021-07-09 2024-05-28 国电南瑞科技股份有限公司 低压台区用能优化潜力评价方法及用能优化台区筛选***
CN116826745A (zh) * 2023-08-30 2023-09-29 山东海兴电力科技有限公司 一种电力***背景下的分层分区短期负荷预测方法及***
CN116826745B (zh) * 2023-08-30 2024-02-09 山东海兴电力科技有限公司 一种电力***背景下的分层分区短期负荷预测方法及***

Similar Documents

Publication Publication Date Title
Hilorme et al. Smart grid concept as a perspective for the development of Ukrainian energy platform
CN113267692B (zh) 一种低压台区线损智能诊断分析方法和***
CN103135009A (zh) 基于使用者回馈信息的电器侦测方法与***
CN110264107B (zh) 一种基于大数据技术的台区线损率异常诊断方法
CN107871214A (zh) 一种多能互补供能***综合评价指标体系建立方法
CN107437135B (zh) 一种新型储能选型方法
CN114004296A (zh) 一种基于电力负荷特征反向提取监测点的方法及***
CN112288496A (zh) 电力行业负荷分类计算方法及其跟踪分析方法
Leal et al. Distribution transformer losses evaluation: A new analytical methodology and artificial neural network approach
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
CN115600934A (zh) 一种配电网工程的投资效率效益评估方法、装置
Grigoras et al. Customer classification and load profiling using data from Smart Meters
CN111967684B (zh) 一种基于大数据分析的计量资产主动配送方法
CN113947444A (zh) 考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法
CN117709638A (zh) 一种送端大***可靠性提升措施优化方法和***
CN112508254A (zh) 变电站工程项目投资预测数据的确定方法
CN114169802B (zh) 电网用户需求响应潜力分析方法、***及存储介质
CN111489270A (zh) 一种以线路为单元的配网停电敏感度评价方法
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
CN114048200A (zh) 一种计及缺失数据补齐的用户用电行为分析方法
CN111967747A (zh) 一种电力用户停电影响评估方法、装置及存储介质
CN112488360A (zh) 基于人工智能的配变异常分析预警方法
Minh Khuong et al. A statistical approach to identify asynchronous extreme events for multi-regional energy system models
Chebotareva Risk-oriented approach to competition assessment in the global renewable energy sources market
Masdzarif et al. An efficient method for estimating energy losses in distribution's feeder

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