CN113947273A - 一种基于大数据的多途径配网成本核算*** - Google Patents

一种基于大数据的多途径配网成本核算*** Download PDF

Info

Publication number
CN113947273A
CN113947273A CN202110557936.4A CN202110557936A CN113947273A CN 113947273 A CN113947273 A CN 113947273A CN 202110557936 A CN202110557936 A CN 202110557936A CN 113947273 A CN113947273 A CN 113947273A
Authority
CN
China
Prior art keywords
cost
module
output end
data
input end
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
CN202110557936.4A
Other languages
English (en)
Inventor
赵海洲
杨俊广
王晶
梅晓辉
李铁良
宫殿楼
董阳河
韩朋
赵玲玲
杨海跃
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 Hebei Electric Power Co Ltd
Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Hengshui Power Supply Co of State Grid Hebei 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 Hebei Electric Power Co Ltd, Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110557936.4A priority Critical patent/CN113947273A/zh
Publication of CN113947273A publication Critical patent/CN113947273A/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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (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)

Abstract

本发明公开了一种基于大数据的多途径配网成本核算***，包括成本核算***，所述成本核算***包括中央处理器，所述中央处理器的输出端与通信模块的输入端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述通信模块的输出端与大数据分析平台的输入端信号连接，所述通信模块的输入端与大数据分析平台的输出端信号连接。该基于大数据的多途径配网成本核算***，通过大数据分析平台和数据分析模块的设置，从而可通过大数据分析平台获取同类配电网项目成本数据，然后与本项目成本数据进行对比分析，最后通过成本核算模块进行成本核算，进而方便对成本核算过程实施及时有效的管理和决策。

Description

一种基于大数据的多途径配网成本核算***
技术领域
本发明涉及配网成本核算技术领域，具体为一种基于大数据的多途径配网成本核算***。
背景技术
大数据，指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语；在总数据量相同的情况下，与个别分析独立的小型数据集相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性。
目前对配网建设成本核算，较多使用电子表格来进行人工控制，这种方式无法实现真正意义上的成本控制，因为人工操作的环节存在诸多漏洞，而且配电网的成本核算需要较多的数据支持。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于大数据的多途径配网成本核算***。
（二）技术方案
为实现上述目的，本发明提供如下技术方案：一种基于大数据的多途径配网成本核算***，包括成本核算***，所述成本核算***包括中央处理器，所述中央处理器的输出端与通信模块的输入端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述通信模块的输出端与大数据分析平台的输入端信号连接，所述通信模块的输入端与大数据分析平台的输出端信号连接，所述大数据分析平台的输入端与本地区同类配电网项目数据库的输出端信号连接，所述大数据分析平台的输入端与国内外同类配电网项目数据库的输出端信号连接，所述中央处理器的输出端与显示模块的输入端电连接，所述中央处理器的输出端与存储模块的输入端电连接，所述中央处理器的输入端与存储模块的输出端电连接。。
优选的，所述中央处理器的输入端与参数信息输入模块的输出端电连接。
优选的，所述中央处理器的输出端与成本核算模块的输入端电连接，所述中央处理器的输入端与成本核算模块的输出端电连接。
优选的，所述中央处理器的输入端与数据分析模块的输出端电连接，所述中央处理器的输出端与数据分析模块的输入端电连接。
优选的，所述数据分析模块的输入端与数据采集单元的输出端电连接，所述成本核算***的输入端与电源模块的输出端电连接。
优选的，所述数据采集单元包括投入期成本统计模块、运维检修成本统计模块和报废期成本统计模块。
优选的，所述投入期成本统计模块为设计、设备采购及施工等各项前期一次性投入类费用进行统计计算。
优选的，所述运维检修成本统计模块为配网巡视、检修、技改大修、设备故障维修工作中涉及的材料费、施工费和人工费等，同时也包含因停电造成的售电利润的损失以及给社会生产生活带来的间接损失进行统计计算。
优选的，所述报废期成本统计模块为报废资产的净值及拆卸成本进行统计计算。
优选的，所述成本核算模块中的算法为
Figure 100002_DEST_PATH_IMAGE002
，其中CI为投入期成本，CM为运维检修成本，CD为报废期成本。
（三）有益效果
与现有技术相比，本发明提供了一种基于大数据的多途径配网成本核算***，具备以下有益效果：
该基于大数据的多途径配网成本核算***，通过大数据分析平台和数据分析模块的设置，从而可通过大数据分析平台获取同类配电网项目成本数据，然后与本项目成本数据进行对比分析，最后通过成本核算模块进行成本核算，进而方便对成本核算过程实施及时有效的管理和决策。
附图说明
图1为本发明***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1，一种基于大数据的多途径配网成本核算***，包括成本核算***，成本核算***包括中央处理器，中央处理器的输出端与通信模块的输入端电连接，中央处理器的输入端与通信模块的输出端电连接，通信模块的输出端与大数据分析平台的输入端信号连接，通信模块的输入端与大数据分析平台的输出端信号连接，大数据分析平台的输入端与本地区同类配电网项目数据库的输出端信号连接，大数据分析平台的输入端与国内外同类配电网项目数据库的输出端信号连接，中央处理器的输出端与显示模块的输入端电连接，中央处理器的输出端与存储模块的输入端电连接，中央处理器的输入端与存储模块的输出端电连接，中央处理器的输入端与参数信息输入模块的输出端电连接，中央处理器的输出端与成本核算模块的输入端电连接，中央处理器的输入端与成本核算模块的输出端电连接，成本核算模块中的算法为
Figure DEST_PATH_IMAGE002A
，其中CI为投入期成本，CM为运维检修成本，CD为报废期成本，中央处理器的输入端与数据分析模块的输出端电连接，中央处理器的输出端与数据分析模块的输入端电连接，数据分析模块的输入端与数据采集单元的输出端电连接，数据采集单元包括投入期成本统计模块、运维检修成本统计模块和报废期成本统计模块，投入期成本统计模块为设计、设备采购及施工等各项前期一次性投入类费用进行统计计算，运维检修成本统计模块为配网巡视、检修、技改大修、设备故障维修工作中涉及的材料费、施工费和人工费等，同时也包含因停电造成的售电利润的损失以及给社会生产生活带来的间接损失进行统计计算，报废期成本统计模块为报废资产的净值及拆卸成本进行统计计算，成本核算***的输入端与电源模块的输出端电连接；
其中在成本核算中，人员需要对售电进行预测，从而给人员的成本核算作出参考依照，售电量预测分析是电力需求侧管理重要的市场预测技术手段，精准的售电量预测有利于公司制定有效的经营计划，能否准确的预测售电量，对电力公司全年经营管理及全年经济效益有着较大影响，售电量数据受到温度、GDP等因素的影响，尤其是高温天气的影响，为了分析售电量的正常的趋势变化规律，需要剔除高温因素的影响，剔除高温对售电量的影响分析方法，能计算出高温对售电量的影响以及剔除高温影响后售电量的走势，其基本思路分为四步：第一步，选择各省的季度GDP增速数据，利用线性插值方法得到各省的月度的GDP数据；第二步，选取各省月度平均最高温度和GDP增速数据，利用箱型图计算月度平均最高温度和GDP数据的上下置信区间，第三步，基于多项式回归算法给出售电量增速的置信区间，并判断各省的目标月度电量同比增速是否在置信区间内，如果不在置信区间，则认为该省的售电量受到高温的影响，第四步，对于受到高温影响的省公司，利用目标月份的实际电量减去置信区间的上限值得到售电量影响变化值，这部分变化值是由于GDP和温度的异常造成的，通过计算出GDP和高温的影响变化值，从而得到高温对售电量的影响值，其中，最高气温：一般指各省的月度平均最高温度，通过各省地市的的最高温度平局得到，箱型图：箱型图又称为箱线图、盒式图，是一种用作显示一组数据分散情况资料的统计图，因形状如箱子而得名，在各种领域中也经常被使用，常见于品质管理，箱型图利用数据中五个统计量：最小值、第一四分位数、中位数、第三四分位数和最大值来描述数据，可以看出数据是否具有对称性，分布的分散情况等信息，也可以直观明了的识别数据中的异常值，多项式拟合：多项式拟合是指用连续曲线近似地刻画或比拟平面上一组离散点所表示的坐标之间的函数关系，是一种用解析表达式逼近离散数据的方法，置信区间：置信区间是指由样本统计量所构造的总体参数的估计区间、在统计学上，一个概率样本的置信区间是对这个样本的某个总体参数的区间估计，置信曲线展现的是这个参数的真实值有一定概率落在测量结果的周围的程度；
具体过程如下：
1.数据范围说明：
本发明提出的方法使用的数据包括各省第一、二、三产业以及城乡居民的售电量数据以及GDP增速和最高温度数据。
GDP数据插值：
GDP增速原始数据是季度数据，我们要刻画的剔除月度高温对售电量的影响特征，因此我们用线性插值法处理GDP数据。
具体算法过程如下：
记
Figure DEST_PATH_IMAGE004
为待处理的数据，其中
Figure DEST_PATH_IMAGE006
为日期。如
Figure DEST_PATH_IMAGE008
为第2016年10月的自发自用电量。
对于待处理的数据
Figure DEST_PATH_IMAGE010
除去要判断是否为异常值的数据进行分箱，确定其上下边界，即:
Figure DEST_PATH_IMAGE012
(2)
Figure DEST_PATH_IMAGE014
(3)
其中
Figure DEST_PATH_IMAGE016
表示均值，
Figure DEST_PATH_IMAGE018
表示上四分位数，
Figure DEST_PATH_IMAGE020
表示下四分位数。
判断待处理数据是否在界限内，若存在待处理数据都不在界限内，则判定待处理的数据为异常值。识别出异常值后，采用前几个月的待处理的平均值进行替换。
2.曲线拟合：
选取电力公司不同天气类型下主网负荷特征曲线以及光伏发电功率特征曲线，这里的不同天气类型主要包含晴天和阴雨天。首先基于曲线拟合方法得到主网负荷特征曲线和光伏发电功率特征曲线的表达式。具体步骤为如下：
2.1曲线拟合方法
记数据点
Figure DEST_PATH_IMAGE022
,其中
Figure DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE026
是指一天
Figure DEST_PATH_IMAGE028
个测量点的时刻，可以取成
Figure DEST_PATH_IMAGE030
；
Figure DEST_PATH_IMAGE032
是指在
Figure 183880DEST_PATH_IMAGE026
时刻的值。利用数据点拟合为多项式表达式为
Figure DEST_PATH_IMAGE034
，采取最小二乘法算法估计多项式模型中的系数
Figure DEST_PATH_IMAGE036
对于线性模型，最小二乘法公式为：
Figure DEST_PATH_IMAGE038
(4)
其中n为数据条数，对（4）式进行化简得到：
Figure DEST_PATH_IMAGE040
(5)
分别记
Figure DEST_PATH_IMAGE042
，则有
Figure DEST_PATH_IMAGE044
,那么系数矩阵
Figure DEST_PATH_IMAGE046
(6)
2.2 拟合主网负荷特征曲线
若获取了主网特征负荷数据点
Figure DEST_PATH_IMAGE047
,其中
Figure DEST_PATH_IMAGE049
Figure 412605DEST_PATH_IMAGE026
是指一天
Figure DEST_PATH_IMAGE051
个测量点的时刻，可以取成
Figure DEST_PATH_IMAGE052
；
Figure 254659DEST_PATH_IMAGE032
是指在
Figure 649868DEST_PATH_IMAGE026
时刻的主网负荷值，得到如下
Figure 526557DEST_PATH_IMAGE051
组数据作为曲线拟合的数据：
Figure DEST_PATH_IMAGE054
利用最小二乘法算法对曲线参数进行求解，典型天气类型下的主网负荷特征曲线与时间的函数关系：
Figure DEST_PATH_IMAGE055
(7)
这里
Figure DEST_PATH_IMAGE057
为典型天气类型下的主网负荷值，
Figure DEST_PATH_IMAGE059
测量点的时刻值。
Figure DEST_PATH_IMAGE060
为曲线模型的参数。
2.3 拟合光伏发电功率特征曲线
若获取了光伏发电功率数据点
Figure DEST_PATH_IMAGE062
,其中
Figure 473654DEST_PATH_IMAGE049
Figure 803004DEST_PATH_IMAGE026
是指一天
Figure 1904DEST_PATH_IMAGE051
个测量点的时刻，可以取成
Figure 670783DEST_PATH_IMAGE052
；
Figure DEST_PATH_IMAGE064
是指在
Figure 788780DEST_PATH_IMAGE026
时刻的光伏发电功率值，得到如下
Figure 543110DEST_PATH_IMAGE051
组数据作为曲线拟合的数据：
Figure DEST_PATH_IMAGE066
利用最小二乘法算法对曲线参数进行求解，典型天气类型下的主网负荷特征曲线与时间的函数关系：
Figure DEST_PATH_IMAGE068
(8)
这里
Figure DEST_PATH_IMAGE070
为典型天气类型下的光伏发电功率值，
Figure 404755DEST_PATH_IMAGE059
测量点的时刻值。
Figure DEST_PATH_IMAGE072
为曲线模型的参数。
3.基于面积积分法求售电量理论值和发电量理论值
利用面积积分法对不同天气类型、不同时段下主网负荷特征曲线和光伏发电功率特征曲线进行处理，分别得到不同天气类型、不同时段的售电量理论值和发电量理论值，过程如下：
3.1计算不同天气类型、不同时段的售电量理论值
若获取某晴天的主网负荷曲线数据点
Figure 928141DEST_PATH_IMAGE047
,其中
Figure 437880DEST_PATH_IMAGE049
Figure 679505DEST_PATH_IMAGE026
是指一天
Figure 954629DEST_PATH_IMAGE051
个测量点的时刻，
Figure 660417DEST_PATH_IMAGE051
为24的正整数倍，可以取成
Figure 995583DEST_PATH_IMAGE052
；
Figure 724505DEST_PATH_IMAGE032
是指在
Figure 865636DEST_PATH_IMAGE026
时刻的主网负荷值。通过第2步，得到了典型天气类型下主网特征负荷的表达式为式（7），晴天售电量理论值
Figure DEST_PATH_IMAGE074
可以通过下式计算：
Figure DEST_PATH_IMAGE076
(9)
同理基于阴雨天的主网负荷特征曲线，可以计算出阴雨天的售电量理论值为
Figure DEST_PATH_IMAGE078
。
晴天高峰两小时的时间范围为上午11点至下午13点，则
Figure DEST_PATH_IMAGE080
,那么晴天高峰两小时的售电量理论值通过以下面积积分公式计算：
Figure DEST_PATH_IMAGE082
(10)
记阴天售电量理论值与晴天售电量理论值的比例为
Figure DEST_PATH_IMAGE084
，晴天高峰两小时的售电量理论值与晴天售电量理论值的比例为
Figure DEST_PATH_IMAGE086
。
3.2计算不同天气类型、不同时段的发电量理论值
若获取某晴天的光伏发电功率数据点
Figure 550564DEST_PATH_IMAGE047
,其中
Figure 322211DEST_PATH_IMAGE049
Figure 272850DEST_PATH_IMAGE026
是指一天
Figure 217672DEST_PATH_IMAGE051
个测量点的时刻，可以取成
Figure 570156DEST_PATH_IMAGE052
；
Figure 512704DEST_PATH_IMAGE064
是指在
Figure 950639DEST_PATH_IMAGE026
时刻的光伏功率值。通过第2步，得到了典型天气类型下光伏发电功率的表达式为式（8），晴天发电量理论值
Figure DEST_PATH_IMAGE088
可以通过下式计算：
Figure DEST_PATH_IMAGE090
(11)
同理基于阴雨天的光伏发电功率数据，可以计算出阴雨天的发电量理论值为
Figure DEST_PATH_IMAGE092
。
晴天高峰两小时的时间范围为上午11点至下午13点，则
Figure 495889DEST_PATH_IMAGE080
，那么晴天高峰两小时的发电量理论值通过以下面积公式计算：
Figure DEST_PATH_IMAGE094
(12)
记阴天发电量理论值与晴天的发电量理论值的比例为
Figure DEST_PATH_IMAGE096
，晴天高峰两小时发电量理论值与晴天发电量理论值的比例为
Figure DEST_PATH_IMAGE098
。
4.计算晴天和晴天高峰两小时的负荷渗透率
下面是计算晴天和晴天两小时的负荷渗透率，具体步骤如下：
4.1获取电力公司经数据预处理后月度售电量数据以及自发自用电量，利用公式(1)计算月度分布式光伏电源负荷渗透率。
4.2计算晴天以及晴天高峰两小时的平均售电量
获取某月的售电量
Figure DEST_PATH_IMAGE100
以及阴雨天售电量理论值和晴天售电量理论值的比例
Figure DEST_PATH_IMAGE102
，而且从天气网站上获取该地区某月晴天出现的天数为
Figure DEST_PATH_IMAGE104
天，阴雨天出现的天数为
Figure DEST_PATH_IMAGE106
天，其中K为某月的天数，那么可知晴天平均售电量的计算公式如下：
Figure DEST_PATH_IMAGE108
(13)
利用晴天高峰两小时售电量理论值与晴天售电量理论值的比例
Figure DEST_PATH_IMAGE110
，可以计算晴天高峰两小时的平均售电量
Figure DEST_PATH_IMAGE112
如下式：
Figure DEST_PATH_IMAGE114
(14)
4.3计算晴天时以及晴天高峰两小时的平均自发自用电量
获取某月自发自用电量
Figure DEST_PATH_IMAGE116
以及阴雨天发电量理论值与晴天发电量理论值的比值
Figure 155410DEST_PATH_IMAGE102
，我们取阴雨天自发自用电量与晴天自发自用电量比值也为
Figure 331176DEST_PATH_IMAGE102
，从天气网站上获取该地区该月晴天出现的天数为
Figure 256407DEST_PATH_IMAGE104
天，阴雨天出现的天数为
Figure 480715DEST_PATH_IMAGE106
天，其中
Figure DEST_PATH_IMAGE118
是该月的天数。那么可知晴天平均自发自用电量的计算公式如下：
Figure DEST_PATH_IMAGE120
(15)
把晴天高峰两小时的发电量理论值与晴天发电量理论值的比值
Figure 604529DEST_PATH_IMAGE110
作为晴天高峰两小时的自发用电量与晴天自发自用电量的比值，可以计算晴天高峰两小时的平均自发自用电量
Figure DEST_PATH_IMAGE122
如下式：
Figure DEST_PATH_IMAGE124
(16)
4.4分别计算分布式光伏电源晴天以及晴天两小时的负荷渗透率
通过以上步骤分别计算出晴天以及晴天两小时的平均售电量和平均自发自用电量，那么晴天的负荷渗透率的公式如下：
Figure DEST_PATH_IMAGE126
(17)
其中
Figure DEST_PATH_IMAGE128
是晴天平均自发自用电量，
Figure DEST_PATH_IMAGE130
是晴天平均售电量。
晴天高峰两小时的负荷渗透率为：
Figure DEST_PATH_IMAGE132
(18)
其中
Figure 13513DEST_PATH_IMAGE122
是晴天高峰两小时平均自发自用电量，
Figure 494216DEST_PATH_IMAGE112
是晴天两小时平均售电量。
方法中涉及到的具体算法如下：
1)最小二乘法算法
在我们研究两个变量
Figure DEST_PATH_IMAGE134
之间的相互关系时，通常可以得到一系列成对的数据
Figure DEST_PATH_IMAGE136
,将这些数据描绘在x-y直角坐标系中，若发现这些点在一条曲线附近，可令这条曲线的方程如下：
Figure DEST_PATH_IMAGE138
(19)
其中，
Figure 584532DEST_PATH_IMAGE060
为任意实数。
为建立曲线方程需要确定
Figure 766115DEST_PATH_IMAGE060
，应用最小二乘法原理，即将实际值
Figure 955788DEST_PATH_IMAGE032
与利用公式1得到的计算值
Figure DEST_PATH_IMAGE140
的差的平方作为优化依据，当两者差距最小时，我们认为曲线方程为这些数据的最优拟合方程。即min
Figure DEST_PATH_IMAGE142
。令：
Figure DEST_PATH_IMAGE144
(20)
将式（12）代入式（13）中可得
Figure DEST_PATH_IMAGE146
(21)
若时
Figure DEST_PATH_IMAGE148
最小时，可对函数
Figure 980244DEST_PATH_IMAGE148
求偏导，令
Figure 546355DEST_PATH_IMAGE148
对
Figure 910340DEST_PATH_IMAGE060
的偏导数等于0，即
Figure DEST_PATH_IMAGE150
得到k个等式
Figure DEST_PATH_IMAGE152
Figure DEST_PATH_IMAGE154
…
Figure DEST_PATH_IMAGE158
将这
Figure DEST_PATH_IMAGE160
个等式最终整理的方程组如下：
(22)
式（22）即可化成式（6）的形式，即可求的参数矩阵
Figure DEST_PATH_IMAGE162
如下下式所示
Figure DEST_PATH_IMAGE046A
可以得到我们需要的回归方程。
在回归过程中，回归方程不可能正好通过全部的数据点
Figure 582499DEST_PATH_IMAGE136
，为了判断回归方程的好坏，可借助相关系数R进行判断，相关系数R越趋近1说明回归方程拟合的越好，这里：
Figure DEST_PATH_IMAGE165
(23)
其中，
Figure 969618DEST_PATH_IMAGE028
是样本容量。
2)线性插值方法
线性插值法是指使用连接两个已知量的直线来确定在两个已知量之间的一个未知量的方法。
假设我们已知的两个已知量的坐标为
Figure DEST_PATH_IMAGE167
,
Figure DEST_PATH_IMAGE169
，要得到
Figure DEST_PATH_IMAGE171
区间内某一位置
Figure DEST_PATH_IMAGE173
在直线上的值。首先根据两个点确定一条直线方程为：
Figure DEST_PATH_IMAGE175
化简得到：
Figure DEST_PATH_IMAGE177
(24)
其中
Figure DEST_PATH_IMAGE179
。
然后，对
Figure 526370DEST_PATH_IMAGE171
区间的任一点
Figure DEST_PATH_IMAGE181
的插值即把
Figure 479282DEST_PATH_IMAGE181
带入到公式(24)中:
Figure DEST_PATH_IMAGE183
。
综上所述，该基于大数据的多途径配网成本核算***，通过大数据分析平台和数据分析模块的设置，从而可通过大数据分析平台获取同类配电网项目成本数据，然后与本项目成本数据进行对比分析，最后通过成本核算模块进行成本核算，进而方便对成本核算过程实施及时有效的管理和决策。
本***中涉及到的相关模块均为硬件***模块或者为现有技术中计算机软件程序或协议与硬件相结合的功能模块，该功能模块所涉及到的计算机软件程序或协议的本身均为本领域技术人员公知的技术，其不是本***的改进之处；本***的改进为各模块之间的相互作用关系或连接关系，即为对***的整体的构造进行改进，以解决本***所要解决的相应技术问题。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于大数据的多途径配网成本核算***，包括成本核算***，其特征在于：所述成本核算***包括中央处理器，所述中央处理器的输出端与通信模块的输入端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述通信模块的输出端与大数据分析平台的输入端信号连接，所述通信模块的输入端与大数据分析平台的输出端信号连接，所述大数据分析平台的输入端与本地区同类配电网项目数据库的输出端信号连接，所述大数据分析平台的输入端与国内外同类配电网项目数据库的输出端信号连接，所述中央处理器的输出端与显示模块的输入端电连接，所述中央处理器的输出端与存储模块的输入端电连接，所述中央处理器的输入端与存储模块的输出端电连接。
2.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述中央处理器的输入端与参数信息输入模块的输出端电连接。
3.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述中央处理器的输出端与成本核算模块的输入端电连接，所述中央处理器的输入端与成本核算模块的输出端电连接。
4.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述中央处理器的输入端与数据分析模块的输出端电连接，所述中央处理器的输出端与数据分析模块的输入端电连接。
5.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述数据分析模块的输入端与数据采集单元的输出端电连接，所述成本核算***的输入端与电源模块的输出端电连接。
6.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述数据采集单元包括投入期成本统计模块、运维检修成本统计模块和报废期成本统计模块。
7.根据权利要求6所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述投入期成本统计模块为设计、设备采购及施工等各项前期一次性投入类费用进行统计计算。
8.根据权利要求6所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述运维检修成本统计模块为配网巡视、检修、技改大修、设备故障维修工作中涉及的材料费、施工费和人工费等，同时也包含因停电造成的售电利润的损失以及给社会生产生活带来的间接损失进行统计计算。
9.根据权利要求6所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述报废期成本统计模块为报废资产的净值及拆卸成本进行统计计算。
10.根据权利要求1所述的一种基于大数据的多途径配网成本核算***，其特征在于：所述成本核算模块中的算法为
Figure DEST_PATH_IMAGE002
，其中CI为投入期成本，CM为运维检修成本，CD为报废期成本。
CN202110557936.4A 2021-05-21 2021-05-21 一种基于大数据的多途径配网成本核算*** Pending CN113947273A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110557936.4A CN113947273A (zh) 2021-05-21 2021-05-21 一种基于大数据的多途径配网成本核算***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110557936.4A CN113947273A (zh) 2021-05-21 2021-05-21 一种基于大数据的多途径配网成本核算***

Publications (1)

Publication Number Publication Date
CN113947273A true CN113947273A (zh) 2022-01-18

Family

ID=79327332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110557936.4A Pending CN113947273A (zh) 2021-05-21 2021-05-21 一种基于大数据的多途径配网成本核算***

Country Status (1)

Country Link
CN (1) CN113947273A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677180A (zh) * 2022-04-12 2022-06-28 国网甘肃省电力公司兰州供电公司 一种电力工程资金预算评估***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504619A (zh) * 2015-01-05 2015-04-08 国家电网公司 两种考虑温度和经济增长因素的月度统调用电量预测方法
CN104809591A (zh) * 2015-05-11 2015-07-29 东北电力大学 一种基于大数据的电力建设工程监理机制
CN107392411A (zh) * 2017-06-05 2017-11-24 国网浙江省电力公司经济技术研究院 一种基于生命周期成本理论的配网电力设备成本核算方法
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
CN109840721A (zh) * 2019-03-12 2019-06-04 中采商学(苏州)管理咨询有限公司 一种大数据下基于数据在线管理的成本模型***
CN110782279A (zh) * 2019-10-16 2020-02-11 国网山西省电力公司经济技术研究院 一种配电网主要设备资产成本核算方法及***
CN111275282A (zh) * 2019-12-14 2020-06-12 华能安源发电有限责任公司 一种火电厂实时成本分析与资源配置优化***及方法
CN112686555A (zh) * 2020-12-31 2021-04-20 国电南瑞科技股份有限公司 一种区域配电网综合分析方法、装置及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504619A (zh) * 2015-01-05 2015-04-08 国家电网公司 两种考虑温度和经济增长因素的月度统调用电量预测方法
CN104809591A (zh) * 2015-05-11 2015-07-29 东北电力大学 一种基于大数据的电力建设工程监理机制
CN107392411A (zh) * 2017-06-05 2017-11-24 国网浙江省电力公司经济技术研究院 一种基于生命周期成本理论的配网电力设备成本核算方法
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
CN109840721A (zh) * 2019-03-12 2019-06-04 中采商学(苏州)管理咨询有限公司 一种大数据下基于数据在线管理的成本模型***
CN110782279A (zh) * 2019-10-16 2020-02-11 国网山西省电力公司经济技术研究院 一种配电网主要设备资产成本核算方法及***
CN111275282A (zh) * 2019-12-14 2020-06-12 华能安源发电有限责任公司 一种火电厂实时成本分析与资源配置优化***及方法
CN112686555A (zh) * 2020-12-31 2021-04-20 国电南瑞科技股份有限公司 一种区域配电网综合分析方法、装置及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677180A (zh) * 2022-04-12 2022-06-28 国网甘肃省电力公司兰州供电公司 一种电力工程资金预算评估***

Similar Documents

Publication Publication Date Title
CN110362894B (zh) 配电线路、变压器综合降损及节能计算分析方法及***
Wu et al. An integrated decision-making model for sustainable photovoltaic module supplier selection based on combined weight and cumulative prospect theory
CN110659273B (zh) 分布式大数据采集平台的数据异常监控及修复方法
CN107123982B (zh) 一种基于设备异动的配电网可靠性经济效益分析方法
CN110097297A (zh) 一种多维度窃电态势智能感知方法、***、设备及介质
JP2009089594A (ja) 検針データを利用した電力設備の時空間負荷分析システム及び負荷の計算方法
CN110739686B (zh) 一种基于总表异常分析的台区线损治理方法及***
CN111539604A (zh) 一种依托电力数据的企业复工复产指数测算监控方法
CN114140176B (zh) 一种负荷聚集平台的可调容量预测方法及装置
WO2023023901A1 (zh) 一种电力市场中长期集中竞价出清价格的预测方法
CN117010946A (zh) 一种火电厂生产经营成本核算***及其使用方法
CN116165597A (zh) 一种基于核偏最小二乘法的电能表失准在线检测方法
CN114862363A (zh) 一种基于变电工程造价数据分析评审分析方法
CN113947273A (zh) 一种基于大数据的多途径配网成本核算***
CN106709623B (zh) 一种基于风险计算模型的电网营销稽查风险管控方法
CN115905319B (zh) 一种海量用户电费异常的自动识别方法及***
CN109949101B (zh) 一种基于大数据理念的卷烟材料成本分析方法
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
CN116384622A (zh) 基于电力大数据的碳排放监测方法及装置
CN111915443A (zh) 实现智能投资产品组合分析计算处理的***及其方法
CN112001551A (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN112611997A (zh) 一种台区关口表挂接关系在线校验方法和***
CN110490480A (zh) 一种新建输电线路经济效益量化评估方法
JP7506868B2 (ja) 配電変圧器の異常容量に対するビッグデータ・スクリーニング・方法
CN116227740B (zh) 一种基于区块链的能源分析管理云平台

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