广东电网有限责任公司江门新会供电局 广东新会 529100
摘要:当前大数据技术的运用更为广泛,大数据思维也逐渐渗透到电力营销领域,比较典型的应用案例是大数据技术指导下的错峰用电管理。以大数据技术为支持,有效识别用户用电信息和模式,降低峰谷差,提高负荷率,弥补现有错峰用电管理的不足,也提升电力用户满意度。本文主要就大数据技术在错峰用电管理中的应用问题展开探讨,明确其应用原理,并进一步探明大数据技术支持下的错峰用电管理系统设计思路、内容及流程,以指导大数据技术在错峰用电管理中的有效运用。
关键词:错峰用电;大数据技术;应用
传统的电力错峰用电管理主要靠人主观分析,通过分析历史负荷、线路排布等,明确大致序位表,而人为分析带有一定的主观随意性,错峰用电管理精准度欠佳。大数据技术的出现无疑为错峰用电创新管理提供技术支持,带来错峰用电管理的精细化,同时能节能减排,实现资源的优化配置,因此积极探讨大数据技术在错峰用电管理中的具体应用情况,指导该技术的创新、深化运用具有积极意义。
1 大数据技术在错峰用电管理中的应用背景
数字经济时代,信息价值更为凸显,各行各业包括电力行业积极引入大数据技术,以做到数据信息价值的挖掘与提取利用,当前电力大数据要素构成更丰富,构成元素见图1,数据价值更突显,将大数据技术运用到电力错峰用电管理中,主要是利用大数据技术进行用户用电模式的精准识别,以数据挖掘进行用户数据的精准分析,获得用户错峰潜力等潜在有用信息,为供电企业错峰用电管理提供信息参考。同时基于用户角度更好地制定人性化的用电方案。基于数据分析结果,对用户科学用电给予合理指导。
图1 电力大数据要素构成
2 大数据技术在错峰用电管理中的应用原理
错峰用电管理是电力企业市场营销中的重要内容,也是电力日常管理的基础重要任务,通过控制峰谷差、提高负荷率,指导系统负荷的均衡分配,达到稳定供电、安全供电、优质供电的目的,同时通过科学的错峰用电指导减少高峰用电期间电力供需之间的矛盾[1]。大数据技术在错峰用电管理中的应用关键在于准确识别用户用电模式,细致全面分析用户电力使用过程中产生的信息数据,评估用户的错峰潜力,以信息为参考出具科学的错峰用电管理方案,给予用户科学用电指导。大数据技术支持下的错峰用电管理原理见图2,就单一用电用户来说,选取该用户最近一年内每天某个时间点的用电情况进行数据整合处理及分析,依靠聚类算法分析负荷特点[2],得出此用户实际用电特征,用筛选法总结得出用户经常的用电方式,进行错峰分析。其用户用电模式识别主要对应聚类分析和聚类处理。
图2 大数据技术支持下的错峰用电管理原理图
2.1 聚类分析
通过某种标准将采集到的用户数据进行分组,进行各组内数据的分析,同一组内数据保持高度相似性,组间差异明显。而判断数据相似或不相似的标准是数据之间的相对值。若两数据之间相差小,相似度则高,反之相对值相差大,则相相似度低。
2.2 聚类处理
在聚类分析之后进行聚类处理以获取用户用电模式。每一簇聚类代表一种用电模式,但并非所有用电模式都对错峰用电有指导作用。错峰用电属于长期的用电工作,只有常用的用电模式才具有错峰用电指导作用[3]。错峰工作的重点在于找出具有错峰潜质的用电模式。聚类处理则是明确具有错峰潜力的用电模式,一簇聚类对应一种用电模式,聚类中心具有代表性,这意味着每簇聚类中心对应的负荷特性曲线对应为该用电模式的反馈曲线,进行簇内对象数量统计,当数量大于设定阈值,将此用电模式定义为常用用电模式,继而进行用电规律统计,得到该用电模式频发时间,进行该模式负荷特性曲线形态指标的分析,准确判明用电模式类型。实操中日峰谷差率、峰期负载率、平日负载率、日负荷率等是用电模式类型判断曲线形态的主要评价指标,对指标进行离散化处理,将用户用电模式分为平滑型、避峰型、单峰波动型、双峰波动型四种不同类型。
3 大数据支持下的错峰用电管理系统设计
3.1 明确设计框架
基于大数据技术的应用场景应先着手用电错峰管理系统的体系架构。一般系统分为四层架构,分别对应数据获取层、数据处理层、数据存储层以及信息交互层,以数据分析指导信息展示。在系统框架设计中采取数据质量管理策略以及元数据管理策略,进一步提高数据扩展性,增强系统的可维护性。
3.2 明确错峰管理内容
分析用户用电情况,获得错峰管理系统建构的数据源,核心数据源为主网生产数据、配网生产数据,进行数据整合分析,及时通知到要错峰用电的客户[4],通过计量自动化手段获取错峰用户用电负荷,及时监控用电用户错峰情况。
3.3 明确错峰管理流程
将大数据技术引入错峰用电管理中应对应有清晰完整的错峰管理流程,在错峰管理流程制定中通过生产系统接口进行全市用电负荷预测,及时调配容量及地方供电。通过计算机分析明确错峰临界值、错峰时段、错峰等级,在计量系统的辅助下出具错峰方案,由客服通知用电客户,让用户做好错峰用电准备,通过计量系统实时监控用户错峰用电实际情况,获取最新错峰用电动态信息,针对意外情况应强制将错峰指令发送给客户,进行远程拉闸或现场督促。
4 大数据技术在错峰用电管理中的应用案例
以某地区为例进行地区错峰用电管理分析,使用大数据技术收集地区各专用变压器用户最近一年内相关用电信息,主要进行用电量、电费统计,建立用户信息档案,使用大数据技术采集到的数据信息判断识别不同用户对应的用电模式,并形成其在概念内每一天的日负荷特性曲线,进行曲线数据的聚类处理,判断该区域用户采取的用电模式是正常用电模式还是特殊用电模式,其中正常用电模式用电天数在30天以上,超出预先阈值,而特殊用电模式用电天数在30天以下。对普通常规用电负荷曲线进行处理,主要是离散化处理,参照用电模型判断该用户用电方式,最终判明为波动式用电,指导该模式用户的错峰用电[5]。对特殊用户制定科学的用电制度,确保用户高效用电。聚类分析与处理的目的是做好错峰潜能分析,指导用户凭借调整用电时间模式达到预期错峰量,最终实现错峰量的动态调整。通过数据分析得知,该区域二月高峰时段为9点到11点,17点到21点,对选定用户用电模式进行错峰潜力分析,指导用户错峰用电。
大数据技术进行错峰用电管理应致力于高峰期用电量的科学控制和低谷期用电量的合理增加,让二者处于平衡理想状态,真正达成错峰用电高效管理的目标。鉴于错峰调整时间设定的变化会导致错峰量变动,因此,针对每个用户得到的错峰潜力分析是不同方案的集合。最佳方案选择时以高峰时段内减少的用电量与低谷时增加电量之和为最优,在用户错峰潜力分析后以排序整理,获取区域用户错峰潜力排序表,用电管理人员制定错峰计划,做好错峰用户选择、错峰手段选取和错峰时间协调等。
5 结语
大数据技术引入到电力错峰用电管理中取得了理想的用电控制效果,不但提高用户满意度,且减少供电损失,降低供电服务成本,是电力营销的成功尝试。因此,应做好大数据技术在错峰用电管理中的应用推广,做好用户用电模式的识别分析,研究具有潜力错峰的用户,指导电力资源的优化配置,缓解高峰用电阶段电力供需矛盾,更好地指导人们的生产、生活。
参考文献:
[1]王安琪,王强,施恂山. 基于大数据的错峰用电管理系统设计[J]. 科技通报,2018,34(07):211-214+222.
[2]潘建宏,张凯,樊家树. 电力大数据支持下的用户用电行为分析[J]. 电子世界,2020(09):29-30.
[3]林成,宋伟杰,廖志戈,周雅怡. 大数据背景下用户侧用电数据在电力系统的应用[J]. 科技创新与应用,2020(16):167-168.
[4]张秋雁,岑远洪,安静,丁超,邵峥,王蓝苓. 基于用电大数据的用电异常状态辨识方法[J]. 电力大数据,2019,22(05):41-48.
[5]郝鹏海. 大数据处理技术在用电行为分析中的应用研究[D].华北电力大学,2019. 18-20.