陳麗娜 楊軻 史浩鵬 馬凡琳 黎翔

（國網(wǎng)甘肅省電力公司平?jīng)龉╇姽?，甘肅平?jīng)?744000）

0.引言

大用戶是指在電力系統(tǒng)中用電量相對較大的企業(yè)或者電力客戶，特別是高壓電力客戶，大用戶是電力負(fù)荷中的重要組成，對大用戶的負(fù)荷進(jìn)行精準(zhǔn)預(yù)測，可以使得電網(wǎng)企業(yè)能夠合理安排電網(wǎng)的運(yùn)行方式和調(diào)度計(jì)劃[1]。本文詳細(xì)分析了大用戶的負(fù)荷精準(zhǔn)預(yù)測和能效優(yōu)化決策技術(shù)原理，對于挖掘大用戶的市場潛在價(jià)值、提高電力需求側(cè)響應(yīng)能力、合理部署電力營銷策略具有重要的意義。

1.大用戶的負(fù)荷精準(zhǔn)預(yù)測技術(shù)

1.1 大用戶的用電需求預(yù)測

在具體的大用戶負(fù)荷預(yù)測過程中，首先借助大數(shù)據(jù)分析算法得出大用戶的用電特性，其次針對負(fù)荷數(shù)據(jù)進(jìn)行用電需求預(yù)測建模。最后開展負(fù)荷需求預(yù)測的誤差分析，根據(jù)分析結(jié)果對模型中的參數(shù)進(jìn)行修正和調(diào)整，使得負(fù)荷需求模型更加準(zhǔn)確實(shí)用[2]。

在大用戶用電特性分析中可以采用聚類分析算法，聚類分析是重要的大數(shù)據(jù)分析技術(shù)，在社會(huì)中多個(gè)領(lǐng)域中都得到了應(yīng)用，并取得了較好的應(yīng)用效果。電力負(fù)荷數(shù)據(jù)的聚類分析算法類型較多，包括基于劃分的聚類算法、基于層次的聚類算法、基于密度的聚類算法等，本文主要介紹K均值聚類。在這種算法中，設(shè)定樣本的特征向量集X如式（1）所示。

在式（1）中，X1到Xn為第1到n個(gè)特征向量。此外，采用Gi(k)表示第k次合并時(shí)的第i類，對于算法步驟，第一步是初始分類，令k=0，每個(gè)樣本可以當(dāng)作一個(gè)類別，即

第二步是計(jì)算各類間的距離Dij，在此基礎(chǔ)上進(jìn)一步生成一個(gè)對稱的距離矩陣。

在式中的m為類別的個(gè)數(shù)（開始進(jìn)行計(jì)算時(shí)，m=N）。第三步是根據(jù)前一步求得的矩陣D(k)，在該矩陣中找到最小的元素，設(shè)它是Gi(k)和Gj(k)間的距離，將Gi(k)和Gj(k)兩類合并成一類，于是產(chǎn)生了新的聚類Gi(k+1)，Gj(k+1)，…令k=k+1，m=m-1。當(dāng)上述步驟都完成之后，還需要檢查所生成的樣本類別個(gè)數(shù)是否符合要求，當(dāng)類別個(gè)數(shù)滿足要求時(shí)則可以結(jié)束上述計(jì)算流程。同時(shí)根據(jù)給定的用電負(fù)荷數(shù)據(jù)集合，首先采用隨機(jī)方法選擇K個(gè)樣本作為初始中心，然后按照最短距離的原則進(jìn)行逐步迭代計(jì)算，圖1所示為K均值聚類算法在大用戶用電行為分析中的應(yīng)用。

圖1 K均值聚類算法在大用戶用電行為分析中的應(yīng)用

從上圖1中可以看出，K均值聚類算法在應(yīng)用的過程中，首先選擇初始的凝聚點(diǎn)并進(jìn)行大用戶用電負(fù)荷數(shù)據(jù)的初始分類，但應(yīng)將樣本數(shù)據(jù)中的異常離群數(shù)據(jù)加以剔除，保證樣本數(shù)據(jù)的準(zhǔn)確性。同時(shí)還應(yīng)該對樣本中的錯(cuò)誤數(shù)據(jù)進(jìn)行修正，并進(jìn)行校驗(yàn)。如果算法程序判斷初始分類合理，則作為最終的分類結(jié)果[3]。如果用電負(fù)荷數(shù)據(jù)分類不合理，則根據(jù)K均值聚類算法安裝最近距離原則，重新修改負(fù)荷數(shù)據(jù)分類，直到滿足要求為止，完成大用戶用電特性的分析?？梢圆捎脷W式距離來加以評估，目標(biāo)函數(shù)如下式（4）所示：

式中，U表示隸屬度矩陣，uij∈（0,1）表示第j個(gè)樣本對于第i個(gè)類別的隸屬度；Xci表示類別i的聚類中心，在 J（U,Xc1,Xci,…,Xcn）中體現(xiàn) ；dij=||Xci-Xj||為 Xci與 j間的歐式距離，表示第j個(gè)樣本特征向量Xj與類別i的聚類中心Xci之間的相對距離；m表示加權(quán)指數(shù)。綜合上式再利用拉格朗日變換即可得到使得上式達(dá)到最小的必要條件。

1.2 用電設(shè)備故障對大用戶負(fù)荷預(yù)測的影響

大用戶在生產(chǎn)過程中，受自身的生產(chǎn)用電設(shè)備運(yùn)行狀態(tài)影響較大，如果某個(gè)生產(chǎn)設(shè)備出現(xiàn)了故障而停止生產(chǎn)時(shí)，則大用戶的負(fù)荷會(huì)得到明顯的降低，給電網(wǎng)帶來了較大的負(fù)荷波動(dòng)和沖擊。故為了使得負(fù)荷預(yù)測更為精準(zhǔn)，需要對大用戶的用電故障也加以考慮，實(shí)現(xiàn)負(fù)荷的精益化預(yù)測及管理。首先需要對大用戶中的用電設(shè)備的運(yùn)行可靠性進(jìn)行評估分析，可以假設(shè)用電設(shè)備中各個(gè)組成部件服從威布爾分布，建立電力部件的故障率函數(shù)，并進(jìn)一步得出電力設(shè)備運(yùn)行可靠度函數(shù)、電力設(shè)備的平均無故障工作時(shí)間等[4]。通過得出大用戶中用電設(shè)備運(yùn)行故障的時(shí)空分布，完成對用電設(shè)備的可靠性評價(jià)，并將其反映到大用戶用電負(fù)荷預(yù)測模型中，使得對大用戶的負(fù)荷預(yù)測更為全面，也更為精準(zhǔn)。

2.大用戶的能效優(yōu)化決策系統(tǒng)分析

2.1 大用戶能效優(yōu)化決策系統(tǒng)的結(jié)構(gòu)

在大用戶的能效優(yōu)化決策系統(tǒng)中，包括了大用戶的能效采集終端、通訊網(wǎng)絡(luò)和大用戶負(fù)荷精準(zhǔn)預(yù)測及能效優(yōu)化決策軟件等組成。其中能效采集終端將其所采集到的數(shù)據(jù)信息通過通訊網(wǎng)絡(luò)傳輸?shù)絻?yōu)化決策軟件中，通過軟件中程序的分析和計(jì)算，輸出提高大用戶的用電能效決策結(jié)果。對于大用戶的能效采集終端，應(yīng)具備對大用戶能耗的實(shí)時(shí)監(jiān)測功能，并通過采集終端中的通信功能模塊將數(shù)據(jù)上傳發(fā)送到遠(yuǎn)程優(yōu)化決策服務(wù)器中。在大用戶能效優(yōu)化決策系統(tǒng)中，除了上述硬件結(jié)構(gòu)之外，還需要加強(qiáng)優(yōu)化決策系統(tǒng)的軟件架構(gòu)設(shè)計(jì)。在軟件系統(tǒng)中，包括數(shù)據(jù)傳輸軟件、傳輸軟件和接收軟件等[5]。

2.2 能效優(yōu)化決策系統(tǒng)中的負(fù)荷精準(zhǔn)預(yù)測技術(shù)

為了更好地對大用戶的能效進(jìn)行優(yōu)化，需要對大用戶的負(fù)荷進(jìn)行精準(zhǔn)預(yù)測。由于地區(qū)電網(wǎng)的地理范圍較大，不同地理位置的氣候也存在著較大的差異，為此需要定義位于各不同地區(qū)大用戶負(fù)荷對氣候因素的靈敏因子γ，γ受溫度、濕度、風(fēng)力、晴雨等因素影響，如下式（7）和（8）所示。

在式（7）和式（8）中，Pt表示t時(shí)刻地區(qū)負(fù)荷；Pt+1表示下一時(shí)刻地區(qū)負(fù)荷。Δa、Δh、Δw、Δr分別表示溫度、濕度、風(fēng)力、晴雨的變化量。其中大用戶負(fù)荷與氣候因素表如表1所示，晴雨用整形數(shù)字進(jìn)行量化，大雨：0，小雨：1，陰：2，晴：3。

表1 大用戶負(fù)荷與氣候因素表

利用下一日的氣象數(shù)據(jù)，依據(jù)建模得到的靈敏因子概率模型，可以計(jì)算出γ值，即可得到預(yù)測時(shí)刻的負(fù)荷，從而為大用戶能效優(yōu)化決策軟件提供豐富的負(fù)荷精準(zhǔn)預(yù)測數(shù)據(jù)。

3.結(jié)論

大用戶一般為高耗能工業(yè)生產(chǎn)企業(yè)，包括鋼鐵企業(yè)、水泥生產(chǎn)企業(yè)等，其用電量都具有一定的規(guī)模，在地區(qū)電網(wǎng)負(fù)荷中也占有較高的比值。加強(qiáng)大用戶的負(fù)荷預(yù)測及能效優(yōu)化既可以降低大用戶的用能成本又可以加強(qiáng)電力企業(yè)對大用戶的管理，具有較高的實(shí)用價(jià)值。