企业电力用户负荷特性分析-精品文档.docx

《企业电力用户负荷特性分析-精品文档.docx》由会员分享，可在线阅读，更多相关《企业电力用户负荷特性分析-精品文档.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、企业电力用户负荷特性分析摘要：电力系统必须维持发电设备生产的电能与各类用户所需要的电能相平衡，假如这种平衡状态被打破，就会出现电能过剩或者缺乏的现象，因而研究不同电力用户的负荷特性是特别必要的，十分是在如今大数据时代背景下更是如此。文章选取冀北五地市黑色金属冶炼及压延工艺、黑色金属矿采、非金属矿物和金属制品四个重点行业的电力大客户的天天96个点的日负荷数据，对他们的用电负荷特性进行聚类分析，通过负荷特性深化了解其用电行为。关键词：负荷特性；大数据；缺失值；线性插值；K-means聚类新一轮的电改使得电力系统从垄断走向竞争已成为必然，多家发电企业表现出了拟直接向周边大客户供电并开展售电业务的强烈

2、意愿。国网冀北公司因而面临着优质客户减少，市场份额下降的严峻形势，售电市场空间缩小、竞争剧烈，相关管理者不得不及时作出调整；近期几年环境污染甚是严重，加之冀北地区邻近首都北京，因而自然成了治污减污的重要目的。这对于以重工业为主要发展对象的冀北地区来讲，限产甚至停产的要求将会严重影响电力市场的波动。本文在这种大环境下，以保证电力系统正常运行、提高冀北公司的市场竞争力、降低公司的运行成本为目的，调研了冀北地区各行业电力客户分布及用电情况，选取冀北五地市重点行业电力大客户日负荷和电量数据，通过研究数据预处理方法，进行负荷聚类分析。1模型介绍电力用户负荷聚类就是根据不同用户的不同用电曲线，将用电特征类

3、似的用户聚到一起，对不同用电特征的用户分别进行用电特征分析。随着负荷曲线的不断复杂化，传统聚类算法肯定或多或少有些不适用的地方，相关研究者对负荷聚类方法不断地进行更新、讨论，以便根据不同环境找到适宜的各种聚类模型。由于数据量较大，本文经太多种算法的比照和实际验算，最终选用计算速度较快的K-means聚类算法进行聚类，聚类结果经历证后也比拟合理。K-Means聚类又称快速聚类，是由MacQueen于1766年提出并命名的一种方法。其思想是：对于给定的N个样本，任意挑选出个对象，作为个族类的初始聚类中心；接着分别计算所有其他样本到这个中心的欧式距离，与谁越接近，就属于那个类。新的个类构成后再重新计

4、算每个类的聚类中心，接着重复上面的经过，计算所有样本到每个新的聚类中心的距离，与谁越接近，就属于那个类。不停地重复上述经过直到聚类中心不再改变为止，以上便是K-Means聚类算法的全经过。2数据的选取及预处理2.1数据选取本文选取冀北五地市四百多个行业中的黑色金属冶炼及压延工艺、黑色金属矿采、非金属矿物和金属制品四个重点行业的天天96个点的日负荷数据进行重点分析，负荷数据来自冀北电网公司数据库。其中黑色金属冶炼及压延工艺的数据量为284053条，黑色金属矿采数据量为1950430条，非金属矿物数据量为2620129条，金属制品数据量为3359569条。2.2数据填补和预处理选取的天天96个点的

5、负荷数据中有缺失的部分，需要进行填补修正。对于缺失值的处理已有诸多学者进行了研究，本次缺失值的填补针对不同的情况采用不同的方法：1删除表中无效记录由于本次所选的负荷值是正向有功负荷，所以表中数据应该是大于等于零的。首先删除表中含有负值的记录；其次为了使得聚类结果有代表性，再删除表中全为0的记录；最后删除表中出现极大值、极小值等异常值的记录，删除完数据后得到的数据即为需要进行聚类分析的目的用户。2删除连续缺失过多的数据天天的负荷值有96个点，经太多次尝试以为天天连续缺失超过30个负荷值即算缺失太多。删掉含有空缺值较多的一些记录，是由于表中有用字段对应的数据缺失值太多时，填补等方法将不能起到相应作

6、用，且无法保证填补数据的有效性，此时将其删掉，以减小后续计算时的误差。3末段缺失值处理由于缺失值的处理是对历史数据进行补齐，且每个用户的用电行为是呈现一定的规律性的，所以可根据某一负荷点数据前后的日一样负荷点数据，用线性插值法来补齐数据。4单个数据缺失此种情况下比拟好处理，用前后负荷的均值来代替即可。5多个数据缺失在出现多个负荷值缺失时，尤其是连续多个值缺失，以上填补方法会遭到限制，此时本文将采用均值填补法，将96点数据中有缺失值的地方，根据缺失数据的前条记录和后条记录相应位置的值进行均值计算后得到填补数据。又由于负荷数据遭到外界天气、重大事件等影响因素较大，在填补较多的负荷数据时，为了减小误

7、差，还应结合人为经历，对负荷值进行修正。6数据归一化由于不同用户的负荷大小相差甚远，所以为了更好地将用电行为类似的用户聚到一起，需要对原始数据进行无量纲化处理，再进行分析。为了确保本数据训练的有效性，需对电力负荷数据进行归一化处理。3聚类结果分析数据经过上述的缺失值处理和归一化后即可进行聚类分析。因聚类结果有大量统计图表，为了展示方便，本文只选取黑色金属矿采行业的典型聚类图。黑色金属矿采行业主要包括铁矿采选和其它黑色金属矿采，目前冀北黑色金属矿采业用户共7861户。在冀北五地市中，唐山的用户最多，共计5003个，合同容量占比约0.434；承德的用户其次，共计1430个，合同容量占比约0.386

8、；张家口的用户第三，共842个，合同容量占比约0.065；秦皇岛的用户第四，共计584个，合同容量占比约0.113；廊坊的用户第五，共计2个，合同容量占比缺乏0.01。图1便是黑色金属矿采行业的用户日负荷特性聚类结果，聚类数为10，展示的是每类的聚类中心曲线其中横坐标是天天96点的负荷取值时间。4结束语根据本文聚类的结果能够在电价营销中针对一样类型的电力用户进行削峰填谷的操作。通过对于工业用户的负荷曲线进行分析，能够获取到对于地区及行业有明显峰谷生产行为的用户进行电价优惠，促进用户保持这种稳定的避峰生产行为。如在黑色冶金及压延工艺中的铁合金冶炼行业，其用户多为避峰生产及夜间生产类型。聚类结果能够很明确地显示各种用户的用电行为，因而有助于电网公司合理供配电及管理者制定合理的调控电价政策。聚类结果还能够用在基于用户经济效益的电费预警中，通过对冀北地区黑色金属矿采行业整体用电情况，从行业整体负荷情况入手，参考存在用电异常用户的整体情况分析来看，经济效益差的用户大多与行业整体负荷趋势不同，且用户还通常伴随多种生产形式，再一个就是经济效益较差的用户其负荷率一般较低。按照这几种分析结果，能够有效地断定哪些用户是欠费高风险用户，能够出台相应的电价政策以减少损失。