一种基于负荷特性指标体系的用电避峰方法
【技术领域】
[0001 ]本发明涉及一种基于负荷特性指标体系的用电避峰方法。
【背景技术】
[0002] 近年来随着经济的发展、人民生活水平的提高，社会各行业对用电量的需求越来 越大。全国大部分地区都面临严峻的电力供需紧张局面，这种严重的供需不平衡不仅给电 网带来困扰，也无法为电力用户提供优质、稳定的电能。本发明提到的避峰用电可以理解为 削峰填谷，即在电网高峰时刻削减用电，在电网低谷时刻增加用电。
[0003] 当前有些电力部门在建立避峰方案时，主要关注运行容量大的用户，安排大用户 优先参与避峰，这样只考虑了避峰对缓解供需矛盾的利处，没有考虑到用户的利益。站在公 平的角度上，电网应安排更多的用户参与避峰，这样可以将避峰带来的损失分摊到各个用 户，单个用户承担的避峰损失就相应很小，能够调动各用户参与避峰的积极性。由于工业用 电比重较大，所以应鼓励各工业用户都参与到避峰的工作中，电网可以通过激励政策来调 动用户的积极性。
[0004] 目前关于避峰方面的工作还不是很成熟。现有技术主要分析通过风能、太阳能等 外界能源来应对电网高峰供电压力，没有分析用户的避峰潜力。或对用户的避峰潜力进行 定量分析，仅认为高峰时期削减电量越大，避峰潜力就越大，没有考虑用户负荷曲线快上快 下削峰填谷的能力。
[0005] 然而，根据电力用户的容量及负荷曲线可以定性地感知其避峰能力强弱，但是这 样不够准确。用户是否适合避峰，不应只考虑负荷曲线的形状及用电容量，还应挖掘更多的 负荷特性进行定量地分析。
【发明内容】
[0006] 本发明为了解决上述问题，提出了一种基于负荷特性指标体系的用电避峰方法， 本方法首先利用K-means聚类找到各用户的典型日负荷曲线，然后定义了适用于避峰价值 分析的负荷特性指标体系，并从用户的典型日负荷曲线中挖掘出各项特性指标，建立了融 合各项特性指标的避峰价值模型，根据模型定量地计算出各用户的避峰价值大小。最后对 各用户的避峰价值进行聚类分析，将海量用户聚为几类，并根据聚类结果产生指导性的避 峰排序表，有效分析海量用户的避峰潜力，并向用户提供避峰决策支持。
[0007] 为了实现上述目的，本发明采用如下技术方案：
[0008] -种基于负荷特性指标体系的用电避峰方法，包括以下步骤：
[0009] (1)采集电力系统用电历史负荷数据，绘制日负荷曲线，利用κ-means聚类找到各 用电对象的典型日负荷曲线；
[0010] (2)以负荷波动率、保障经济生产可限负荷、峰值时差率和高峰时段覆盖率为特性 指标，从典型日负荷曲线中进行特性指标的挖掘，建立融合各项特性指标的避峰价值模型；
[0011] (3)根据避峰价值模型计算出各用户的避峰价值，对各用电对象的避峰价值进行 聚类分析，建立避峰排序表，根据排序表分析用电对象的避峰能力及避峰顺序。
[0012] 所述步骤(1)中，采集电力用户的一段时间内的历史负荷数据，然后绘制成多条日 负荷曲线，利用K-means对各用户所有的日负荷曲线分别进行聚类，将各用户的用电情况分 为若干类，选择分类天数最多的那一类对应的中心负荷曲线作为用户的典型日负荷曲线。
[0013] 所述步骤(2)中，负荷波动率指用户用电负荷的变化起伏大小，反映负荷的波动幅 度，负荷波动率定义为:负荷有功功率的标准差与负荷有功功率的算术平均值之比。
[0014] 所述步骤(2)中，保障经济生产可限负荷表示在高峰时刻，用户保留经济生产保障 负荷，满足自身设定部分生产能力所降低的负荷，保障经济生产可限负荷定义为典型负荷 与经济生产保障负荷之差;经济生产保障负荷是指保障用电场所人身与财产安全之外，满 足设定部分生产能力所需的电力负荷，统计用户典型日负荷曲线设定时间段内负荷最小值 作为用户的经济生产保障负荷;典型负荷指电网供电高峰时段内出现最大供电负荷的对应 时刻用户负荷的平均值。
[0015] 所述步骤(2)中，峰值时差率是指电网负荷高峰与用户负荷高峰的时间差异程度。
[0016] 进一步的，所述步骤(2)中，当电网的高峰时段个数大于或等于用户的高峰时段个 数时，峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以用户的高 峰时段个数与设定时间长度的乘积。
[0017]进一步的，所述步骤(2)中，当电网的高峰时段个数小于用户的高峰时段个数时， 峰值时差率计算模型为电网负荷高峰与用户负荷高峰的时间差异总和除以电网的高峰时 段个数与设定时间长度的乘积。
[0018] 所述步骤(2)中，高峰时段覆盖率是指电网高峰时段内用户高峰时段总长度占电 网高峰时段总长度的比重。
[0019] 所述步骤(3)中，用电对象的避峰价值与负荷波动率成正比关系，与保障经济生产 可限负荷和峰值时差率的比值成正比关系，与高峰时段覆盖率呈现指数关系。
[0020] 进一步的，所述步骤(3)中，用电对象的避峰价值模型为：
[0022]其中，K为常数，1为负荷波动率，pi为保障经济生产可限负荷，η为峰值时差率，δ为 高峰时段覆盖率。
[0023] 所述步骤(3)中，避峰排序表包括企业编号、负荷波动率、保证经济生产可限负荷、 峰值时差率、避峰价值、避峰顺序和/或避峰能力。
[0024]本发明的有益效果为：
[0025] (1)本发明结合数据挖掘中的聚类算法对某地区电力用户的用电情况进行深入的 分析，从用户的历史负荷曲线中提取了负荷波动率、保障经济生产可限负荷、峰值时差率及 高峰时段覆盖率等多个特性指标，融合各个指标建立避峰价值模型，定量地评估电力用户 的避峰潜力；
[0026] (2)避峰序列表实质反映的是用户避峰潜力的大小，可以指导电力用户合理避峰， 具有一定的现实意义，避峰价值模型准确有效，可以为电力用户自觉避峰提供决策支持。
【附图说明】
[0027]图1为本发明的某地区电网2014年的月最大负荷曲线示意图；
[0028]图2为本发明的某地区电网2014年7月的日最大负荷曲线示意图；
[0029] 图3为本发明的为某地区电网2014年7月的典型日负荷曲线示意图；
[0030] 图4为本发明的某7家企业的典型日负荷曲线示意图；
[0031] 图5为本发明的某5家企业的典型日负荷曲线示意图；
[0032]图6为本发明的企业8、11、12的典型日负荷曲线。
【具体实施方式】：
[0033]下面结合附图与实施例对本发明作进一步说明。
[0034]本发明根据电力用户的容量及负荷曲线可以定性地感知其避峰能力强弱，但是这 样不够准确。用户是否适合避峰，不应该只考虑负荷曲线的形状，还应挖掘更多的负荷特性 进行定量地分析。本发明首先结合数据挖掘中的K-means聚类找到各用户的典型日负荷曲 线，然后按照新定义的负荷特性指标体系对各用户的典型日负荷曲线进行分析，并建立融 合各项特性指标的避峰价值模型，定量地计算各用户的避峰价值。最后对各用户的避峰价 值进行聚类，将海量用户划分成5个用户组，根据聚类情况设置5级避峰序列，分别表示避峰 能力很强、强、较强、一般、差。避峰能力强的用户组优先进行避峰，同一个用户组内的各用 户同时进行避峰。
[0035] 1电网的负荷特性分析
[0036]电网的负荷特性主要反映在负荷曲线上，分析电网的负荷曲线可以寻找电网负荷 的变化规律。通过年负荷特性，可以看出电网各月的供电情况，找出供电压力最大的月份； 通过月负荷特性，可以看出电网每月负荷变化规律，掌握电网负荷是否受周六、周日影响； 通过日负荷特性，可以得到电网一天的峰、平、谷时段，掌握电网一天中哪个时段是用电高 峰，为指导用户避峰提供依据。
[0037] 1.1年负荷特性分析
[0038]图1为某地区电网2014年的月最大负荷曲线。
[0039]图1中显示了该地区电网2014年每月的最大供电负荷，可以看出冬季和夏季的供 电负荷比较突出，负荷受温度与季节的影响比较大，所以该地区避峰用电主要是针对冬季 和夏季。而夏季中7月份的供电负荷最大，本发明主要分析该地区各电力用户7月份的用电 情况。
[0040] 1.2月负荷特性分析
[0041] 图2是某地