深度｜用户节电的大数据分析及应用-第2页-北极星售电网

投稿

我要投稿

规模相近、特性相似的用户之间才具有节电分析的可比性,本文提出了通过多维度指标聚类划分行业内细粒度用电群体的方法。除用户96点功率数据外,统计各用户每月平均电量消耗、年最大利用小时数、负荷密度、典型日平均负荷率、季度不平衡系数、峰谷电量比[17],此时样本维度可达96+12+5=113维,且不同指标之间的度量含义并不一致,不能直接进行聚类。采用子空间聚类与降维结合的方法,把时间序列数据投影到L1,L2两个子空间[17],使用基于统计距离的K-means算法进行聚类。而对于非时序评价参数在子空间L3中,使用t-SNE[18]流形学习方法进行降维。其中子空间聚类基于“自上而下”的搜索策略。

对于t-SNE降维后的非时序评价参数,由于各单位量纲不同,在对应的子空间上采用标准欧氏距离作为距离评价指标。对于2个n维向量A={x11,x12,..,x1n}及B={x21,x22,…,x2n},标准欧氏距离定义如下所示。

1.3 用户能效综合评估及节电标杆选取

通过用电特性高维聚类获得细分用电群体后,采用综合能效评估的方法来选择标杆用户。本文采用层次分析法对群体内用户能效水平进行综合评估[19],分层建立用于群体标杆用户选择的电力用户能效评估指标体系[20]。如图3所示,指标层从上而下分别为：U= {电力用户能效水平},Uk= {经济能效,电类信息,生产效率,电能污染},以及包含各类单项指标的Uij层[20]。层次分析法流程本文不再赘述,对各项分指标而言,依据数据特点可分为3类：极大型、极小型、区间型。如节电量u14、经济增加值u12属于极大型评价指标,峰谷电量比u21、万元产值耗电量u31、万元产值电费u32等属于极小型评价指标,对于负荷率u23及电能污染u4的相关指标属于区间型指标,其特点是满足国家要求的区间即可获得得分,相同区间内不再细化比较得分。

对于极大型评价指标采用等频离散化的方法,给定划分区段个数,并保证每个区段内样本数量个数相同,在本文中考虑到用电群体数量一般为几百数量级别,将区段个数设置为20,每个区段对应用户数量为5%,映射得分到0~100区间,降序排序位于前5%用户得分为100, 5%~10%用户得分为95以此类推。对于极小值类型评价指标按升序排序,离散化过程与极大型评价指标类似。对于区间型评价指标采用等宽离散化方法,即按照国标指定得分区间,不考虑区间内用户数量。通过层次分析法计算每个用户综合能效得分,并选择得分最高的用户作为用电群体的标杆用户。

1.4 考虑多因素的节电策略构建

1.4.1 环境感知敏感性分析

用户用电行为、用电设备的差异导致环境因素对不同用户的节电潜力影响差别较大。分析用户对不同环境因素的敏感度,能够反映用户负荷特点,提高节电策略的有效性。本文考虑的环境感知因素如表2所示。

最小二乘回归法是相关性分析中的常用方法,但是在自变量系统存在严重的多重自相关性时,最小二乘回归模型的精确性会大大降低,并且在自变量筛选阶段往往要采用向前或者向后删除变量的方法,增加了工作负担[21]。本文采用偏最小二乘回归计算环境感知敏感性系数。偏最小二乘回归结合了传统线性回归、主成分分析等方法的优点,在自变量存在严重的多重相关性的情况下,所建立的模型准确性更高,同时能够进行显著性分析,便于发现影响节电潜力的关键因素[21]。由于回归分析各变量的量纲不同,采用标准化回归分析模型进行分析。以某物业管理行业用户为例,偏最小二乘回归结果如附录表A1所示。

1.4.2 用电成本分析

我国实行峰谷分时电价来刺激和鼓励电力用户移峰填谷、优化用电行为,高峰、低谷时段电价可按基础上下浮动60%。由于用户间用电行为差异,相应用电电价成本也会有所不同。依据用户消耗的总电量及总电费可计算得到用户平均电价,具体定义如下：

对实行两部制电价的用户可进一步将其基本电价考虑在内。对于按变压器容量计费的用户,直接由基本电价与其变压器容量相乘即可;对于按最大需量计算基本电费的用户,计费容量为供电部门安装的最大需量表记录的最大需量。当最大需量低于变压器和不通过变压器的高压电动机容量总和的40%时,则按容量总和40%计算。除基本电费、电度电费外,部分用户还需额外征收功率因数调整电费,以用户从电网吸收的无功功率进行计费。包含这些电费的用户,在计算平均电价时也应加以考虑。用户平均电价水平反映了用户用电成本,与用户经济效益联系密切,反馈该信息能有效提高用户节电的主动性。

1.4.3 考虑多因素的节电策略构建

在开展节电工作中,需要针对用户实际用电情况给出行之有效的节电策略。目前已有的节电策略构建方法往往依赖于实地调研及长期的现场量测,成本较高。本节构建节电策略时,融合电力、气象、经济等多维度分析结果,除考虑用电特性指标外,还将综合上述环境感知、电价成本等多因素。通过决策树算法,结合各指标对应得分以及用户所属行业类别,给出用户所应该执行的节电策略,步骤如图4所示。

2 节电分析算法业务的并行化

第1节所述分析流程涉及行业、群体、用户多个层级,包含用户档案、气象、负荷、经济、社会等多种数据类型,用户规模可达数10万,数据规模可达TB级别,需要在大数据平台上将第1节的节电分析算法业务并行化实现,以充分利用分布式集群的计算资源,提高分析效率。本文将所述节电分析算法在国网上海市电力公司智能配用电大数据应用系统(简称配用电大数据系统)上进行了实现,并对平台内浦东地区其中10万左右工商业大用户开展了节电分析,时间跨度为2012—2017年,涉及到用户日96点功率曲线、冻结电量、用户档案、电能质量、电价及其他气象、社会、经济数据,分析数据规模在15TB左右。下面介绍系统基本结构及算法业务的并行化实现方式。

原标题：用户节电的大数据分析及应用

投稿与新闻线索：陈女士微信/手机：13693626116 邮箱：chenchen#bjxmail.com（请将#改成@）

订阅北极星周刊，精彩内容不再错过！

特别声明：北极星转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明北极星*网的内容为北极星原创，转载需获授权。

阅读下一篇

地方立法中预付电费制度创新与探索：“先用电后交钱”原为电力交易习惯性做法

电力用户查看更多>电价查看更多>售电查看更多>

姓名：
性别：
出生日期：
邮箱：
所在地区：
行业类别：
工作经验：
学历：
公司名称：
任职岗位：

深度｜用户节电的大数据分析及应用

地方立法中预付电费制度创新与探索：“先用电后交钱”原为电力交易习惯性做法

登录注册

绑定账号

想要获取更精准资讯推荐？建议您完善以下信息~

订阅成功

想要获取更精准资讯推荐？建议您
完善以下信息~