电力行业负荷分类计算方法及其跟踪分析方法

摘要

本发明公开了一种电力行业负荷分类计算方法，包括以电价为划分原则将电力负荷进行行业划分；以行业为划分原则将电力负荷进行行业划分；根据划分结果获取各个负荷的负荷特性数据；对获取的负荷特性数据进行数据处理；对数据进行负荷分类计算得到最终的电力行业负荷分类计算结果。本发明还公开了包括所述电力行业负荷分类计算方法的跟踪分析方法。本发明提供的这种电力行业负荷分类计算方法及其跟踪分析方法，通过负荷分类、数据处理和集中分类计算，实现了电力行业负荷分类计算方法及跟踪分析，而且本发明方法的可靠性高、准确性好且适用范围广。

说明书

技术领域

本发明属于电气自动化领域，具体涉及一种电力行业负荷分类计算方法及其跟踪分析方法。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中最重要的二次能源，给人们的生产和生活带来了无尽的便利。因此，电力系统的稳定可靠运行，就成为了电力系统最重要的任务之一。

电网负荷预测，是电力系统的重要工作之一。目前，电力负荷分析和预测工作多基于月度、季度、年度电量数据，在数据频次上尚未充分利用电力负荷数据短期、实时的特征。同时，电力能源供电系统多面临“缺电力不缺电量”的电力供应形势，因此基于月度、季度、年度电量数据进行的电力负荷分析和预测，已难以满足现阶段精准、及时预判电力负荷实时变动和短期运行形势的需求。

发明内容

本发明的目的之一在于提供一种可靠性高、准确性好且适用范围广的电力行业负荷分类计算方法。

本发明的目的之二在于提供一种包括了所述电力行业负荷分类计算方法的跟踪分析方法。

本发明提供的这种电力行业负荷分类计算方法，包括如下步骤：

S1.以电价为划分原则，将电力负荷进行行业划分；

S2.以行业为划分原则，将电力负荷进行行业划分；

S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；

S4.对步骤S3获取的负荷特性数据进行数据处理；

S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果。

步骤S1所述的以电价为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别。

步骤S2所述的以行业为划分原则，将电力负荷进行行业划分，具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：

第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；

第二产业负荷：包括工业负荷和建筑业负荷；

第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷。

所述的工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷。

步骤S3所述的获取各个负荷的负荷特性数据，具体为获取如下负荷特性数据：

第一类.日用电负荷特性数据：

日最大负荷：一天内96点负荷中的最大值；

日最小负荷：一天内96点负荷中的最小值；

日平均负荷：采用96点负荷的平均值；

日平均负荷率：日平均负荷与日最大负荷的比值；

日最小负荷率：日最小负荷与日最大负荷的比值；

日峰谷差：日最大负荷与日最小负荷之差；

日峰谷差率：日峰谷差与日最大负荷的比值；

第二类.月用电负荷特性数据

月最大负荷：一个月内各日最大负荷的最大值；

月最小负荷：一个月内各日最小负荷的最小值；

月平均日负荷：一个月内各日平均负荷的平均值；

月平均日负荷率：一个月内各日负荷率的平均值；

月最小日负荷率：一个月内各日最小负荷率的最小值；

月最大日峰谷差：一个月内各日峰谷差的最大值；

月最大日峰谷差率：一个月内各日峰谷差率的最大值；

月不均衡系数：一个月内平均日电量和最大日电量的比值；或者月平均日负荷与月最大负荷的比值；

第三类.年用电负荷特性数据

年最大负荷：全年96点用电负荷中的最大值；

年最小负荷：全年96点用电负荷中的最小值；

年平均日负荷：一年内各日平均负荷的平均值；

年平均日负荷率：一年内各日负荷率的平均值；

年最小日负荷率：一年内各日最小负荷率的最小值；

年最大日峰谷差：全年各日中峰谷差的最大值；

年最大日峰谷差率：全年各日中峰谷差率的最大值；

季度不均衡系数：全年各月最大负荷之和的平均值与年最大负荷的比值；

年负荷率：年平均日负荷与年最大负荷的比值。

步骤S4所述的对步骤S3获取的负荷特性数据进行数据处理，具体为采用如下规则进行数据处理：

规则一：对于空数据点和零数据点的诊断及修正：

诊断：

匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；

修正：

若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；

规则二：对于连续恒定值和负负荷数据的诊断及修正：

诊断：

连续恒定值和负负荷数据均判定为异常数据；

修正：

若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；

规则三：阶跃值或突变值的诊断及修正：

存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；

诊断：

对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；

对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；

修正：

对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；

对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理。

步骤S5所述的对步骤S4得到的处理后的数据进行负荷分类计算，具体为采用如下步骤进行计算：

A.96点负荷计算：

根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；

其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；

B.汇总行业96点负荷：

电价细分行业96点负荷：

根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；

国民经济全行业分类96点负荷：

根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息。

本发明还提供了一种包括所述电力行业负荷分类计算方法的跟踪分析方法，还包括如下步骤：

S6.从空间维度对步骤S5获取的负荷分类计算结果进行层次递进分析，从而获取电力负荷变化的原因；

S7.从时间维度对步骤S5获取的负荷分类计算结果进行精细化分析，从而进行电力负荷的跟踪与预警；

S8.从行业分类上对步骤S5获取的负荷分类计算结果进行深度分析，从而进行电力负荷的精准定位。

本发明提供的这种电力行业负荷分类计算方法及其跟踪分析方法，通过负荷分类、数据处理和集中分类计算，实现了电力行业负荷分类计算方法及跟踪分析，而且本发明方法的可靠性高、准确性好且适用范围广。

附图说明

图1为本发明的分类计算方法的方法流程示意图。

图2为本发明的跟踪分析方法的方法流程示意图。

具体实施方式

如图1所示为本发明的分类计算方法的方法流程示意图：本发明提供的这种电力行业负荷分类计算方法，包括如下步骤：

S1.以电价为划分原则，将电力负荷进行行业划分(电价行业划分)；具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别；

S2.以行业为划分原则，将电力负荷进行行业划分(国民经济行业)；具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：

第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；

第二产业负荷：包括工业负荷和建筑业负荷；其中工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷；

第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷

S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；具体为获取如下负荷特性数据：

第一类.日用电负荷特性数据：

日最大负荷：一天内96点负荷中的最大值；

日最小负荷：一天内96点负荷中的最小值；

日平均负荷：96点负荷的平均值；

日平均负荷率：又称日负荷率，日平均负荷与日最大负荷的比值；

日最小负荷率：日最小负荷与日最大负荷的比值；

日峰谷差：日最大负荷与日最小负荷之差；

日峰谷差率：日峰谷差与日最大负荷的比值；

第二类.月用电负荷特性数据

月最大负荷：一个月内各日最大负荷的最大值，也就是一个月内各点负荷的最大值；

月最小负荷：一个月内各日最小负荷的最小值，也就是一个月内各点负荷的最小值；

月平均日负荷：一个月内各日平均负荷的平均值，也就是月用电量除以当月小时数；

月平均日负荷率：一个月内各日负荷率的平均值；

月最小日负荷率：一个月内各日最小负荷率的最小值；

月最大日峰谷差：一个月内各日峰谷差的最大值；

月最大日峰谷差率：一个月内各日峰谷差率的最大值；

月不均衡系数：又称月负荷率，一个月内平均日电量和最大日电量的比值；也可以用月平均日负荷与月最大负荷的比值；

第三类.年用电负荷特性数据

年最大负荷：全年96点用电负荷中的最大值；

年最小负荷：全年96点用电负荷中的最小值；

年平均日负荷：一年内各日平均负荷的平均值，也就是年用电量除以当年小时数；

年平均日负荷率：一年内各日负荷率的平均值；

年最小日负荷率：一年内各日最小负荷率的最小值；

年最大日峰谷差：全年各日中峰谷差的最大值；

年最大日峰谷差率：全年各日中峰谷差率的最大值；

季度不均衡系数：又称季负荷率，全年各月最大负荷之和的平均值与年最大负荷的比值；

年负荷率：年平均日负荷与年最大负荷的比值；

S4.对步骤S3获取的负荷特性数据进行数据处理；具体为采用如下规则进行数据处理：

规则一：对于空数据点和零数据点的诊断及修正：

诊断：

匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；

修正：

若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；

规则二：对于连续恒定值和负负荷数据的诊断及修正：

诊断：

连续恒定值和负负荷数据均判定为异常数据；

修正：

若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；

规则三：阶跃值或突变值的诊断及修正：

存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；

诊断：

对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；

对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；

修正：

对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；

对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理；

S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果；具体为采用如下步骤进行计算：

A.96点负荷计算：

根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；

其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；

B.汇总行业96点负荷：

电价细分行业96点负荷：

根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；

D1＝所属大工业电价的用户96点负荷之和累加；

D2＝所属一般工商业电价的用户96点负荷之和累加；

D3＝所属居民电价的用户96点负荷之和累加；

D4＝所属农业电价的用户96点负荷之和累加；

D5＝所属趸售电价的用户96点负荷之和累加；

国民经济全行业分类96点负荷：

根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷(H＝用户所属最小颗粒度行业的96点负荷累加)；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息。

如图2所示为本发明的跟踪分析方法的方法流程示意图：本发明提供的这种包括所述电力行业负荷分类计算方法的跟踪分析方法，包括如下步骤：

S1.以电价为划分原则，将电力负荷进行行业划分(电价行业划分)；具体为以供电单位为维度，以年、月、日为统计周期，以电价为划分原则，将电力负荷划分为大工业类别、一般工商业类别、居民类别、趸售类别和农业类别；

S2.以行业为划分原则，将电力负荷进行行业划分(国民经济行业)；具体为以供电单位为维度，以年、月、日为统计周期，按照2017年版国民经济行业类别划分标准，将电力负荷划分为第一产业负荷、第二产业负荷和第三产业负荷：

第一产业负荷：包括农业负荷、林业负荷、牧业负荷和渔业负荷；

第二产业负荷：包括工业负荷和建筑业负荷；其中工业负荷包括采掘工业负荷、制造业负荷、自来水负荷、电力负荷、蒸汽负荷和煤气负荷；

第三产业负荷：包括除第一产业负荷和第二产业负荷外的剩余产业的负荷

S3.根据步骤S1和步骤S2的划分结果，获取各个负荷的负荷特性数据；具体为获取如下负荷特性数据：

第一类.日用电负荷特性数据：

日最大负荷：一天内96点负荷中的最大值；

日最小负荷：一天内96点负荷中的最小值；

日平均负荷：96点负荷的平均值；

日平均负荷率：又称日负荷率，日平均负荷与日最大负荷的比值；

日最小负荷率：日最小负荷与日最大负荷的比值；

日峰谷差：日最大负荷与日最小负荷之差；

日峰谷差率：日峰谷差与日最大负荷的比值；

第二类.月用电负荷特性数据

月最大负荷：一个月内各日最大负荷的最大值，也就是一个月内各点负荷的最大值；

月最小负荷：一个月内各日最小负荷的最小值，也就是一个月内各点负荷的最小值；

月平均日负荷：一个月内各日平均负荷的平均值，也就是月用电量除以当月小时数；

月平均日负荷率：一个月内各日负荷率的平均值；

月最小日负荷率：一个月内各日最小负荷率的最小值；

月最大日峰谷差：一个月内各日峰谷差的最大值；

月最大日峰谷差率：一个月内各日峰谷差率的最大值；

月不均衡系数：又称月负荷率，一个月内平均日电量和最大日电量的比值；也可以用月平均日负荷与月最大负荷的比值；

第三类.年用电负荷特性数据

年最大负荷：全年96点用电负荷中的最大值；

年最小负荷：全年96点用电负荷中的最小值；

年平均日负荷：一年内各日平均负荷的平均值；

年平均日负荷率：一年内各日负荷率的平均值；

年最小日负荷率：一年内各日最小负荷率的最小值；

年最大日峰谷差：全年各日中峰谷差的最大值；

年最大日峰谷差率：全年各日中峰谷差率的最大值；

季度不均衡系数：又称季负荷率，全年各月最大负荷之和的平均值与年最大负荷的比值；

年负荷率：年平均日负荷与年最大负荷的比值；

S4.对步骤S3获取的负荷特性数据进行数据处理；具体为采用如下规则进行数据处理：

规则一：对于空数据点和零数据点的诊断及修正：

诊断：

匹配停电信息，判定用户是否停电：若存在停电，则空数据点即为0，且认定为正常数据；若不存在停电，则认定属于异常数据；

修正：

若连续出现异常数据的点少于设定的X1个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X1个，则采用曲线平滑法进行补齐；X1为正整数；

规则二：对于连续恒定值和负负荷数据的诊断及修正：

诊断：

连续恒定值和负负荷数据均判定为异常数据；

修正：

若连续出现异常数据的点少于设定的X2个，则采用插值法进行插值补齐；若连续出现异常数据的点大于或等于设定的X2个，则采用曲线平滑法进行补齐；X2为正整数；

规则三：阶跃值或突变值的诊断及修正：

存在两方面的阶跃值或突变值：一种为某日负荷曲线中出现若干个异常值；另一种为整体负荷水平发生的变化超过了设定的阈值；

诊断：

对于某日负荷曲线中出现若干个异常值的情况：考虑用户的负荷类型：若用户负荷类型为毛刺型负荷或冲击型负荷，则无需进行修正；如果用户负荷为常规负荷，则应对异常值进行修正；

对于整体负荷水平发生的变化超过了设定的阈值的情况：对用户连续若干日用电行为进行观测，若变化呈现连续性，则认定为正常数据；若变化属于突然出现，则与用户自身的日结算/月结算电量数据进行校核，且将校核偏差大于设定值的异常值进行修正；

修正：

对于某日负荷曲线中出现若干个异常值的情况：将阶跃值或突变值的前一点数据和后一点数据取平均值得到该点的负荷数据；

对于整体负荷水平发生的变化超过了设定的阈值的情况：采用近若干日的负荷数据进行平滑修正处理；

S5.对步骤S4得到的处理后的数据进行负荷分类计算，从而得到最终的电力行业负荷分类计算结果；具体为采用如下步骤进行计算：

A.96点负荷计算：

根据专公变功率数据、结合专公变的电价行业分类和专公变的国民行业分类，以及表计倍率，采用如下算式计算得到各个专、公变的96点负荷数据：Y＝P*T；其中Y为各个专、公变的96点负荷数据；P为专公变功率数据；T为表计倍率；

其中，公变台区下的用户96点负荷，具体为根据公变台区下用户的用电信息，给台区下每个用户设置不同的比例值，并采用如下算式计算出单个用户的96点负荷Y1＝X*Y；其中Y1为单个用户的96点负荷；X为为用户设置的比例值；Y为各个专、公变的96点负荷数据；

B.汇总行业96点负荷：

电价细分行业96点负荷：

根据用户所属的电价行业，按照电价行业分类，逐层汇总大工业负荷D1、一般工商业负荷D2、居民负荷D3、农业负荷D4和趸售负荷D5的96点负荷；

D1＝所属大工业电价的用户96点负荷之和累加；

D2＝所属一般工商业电价的用户96点负荷之和累加；

D3＝所属居民电价的用户96点负荷之和累加；

D4＝所属农业电价的用户96点负荷之和累加；

D5＝所属趸售电价的用户96点负荷之和累加；

国民经济全行业分类96点负荷：

根据用户所属的国民经济行业，汇总得到国民经济行业最小行业H颗粒度的96点负荷(H＝用户所属最小颗粒度行业的96点负荷累加)；然后关联国民经济行业的上下级关系，将最小颗粒度行业的96点负荷值累加，得出上一级行业的96点负荷，并以此类推直至计算出全社会行业中第一行业、第二行业、第三行业及居民行业的96点负荷信息；

S6.从空间维度对步骤S5获取的负荷分类计算结果进行层次递进分析，从而获取电力负荷变化的原因；建立阶梯钻取式分析机制，形成“省-市-县”层次递进式分析模式，快速定位市场变化成因；；

S7.从时间维度对步骤S5获取的负荷分类计算结果进行精细化分析，从而进行电力负荷的跟踪与预警；建立“年-季-月-周-日”逐步精细化分析模式，及时跟踪与预警市场波动；

S8.从行业分类上对步骤S5获取的负荷分类计算结果进行深度分析，从而进行电力负荷的精准定位；建立行业分解分析机制，建立“全网-产业-行业-用户”深度透析分析模式，精准定位重点对象。