鄭海雁,王成亮
(江蘇方天電力技術(shù)有限公司, 南京 211102)
隨著全球信息化的發(fā)展,數(shù)據(jù)發(fā)生了爆炸式地增長(zhǎng),大數(shù)據(jù)時(shí)代隨之悄然而至。國(guó)外率先開(kāi)展了大數(shù)據(jù)研究工作,互聯(lián)網(wǎng)企業(yè)作為信息化研究和應(yīng)用的先鋒,也蜂擁投身到大數(shù)據(jù)研究工作中。電力企業(yè)作為傳統(tǒng)行業(yè),也感受到了大數(shù)據(jù)帶來(lái)的機(jī)遇與挑戰(zhàn)[1],中國(guó)電機(jī)工程學(xué)會(huì)信息化專(zhuān)委會(huì)在2013年發(fā)布了《中國(guó)電力大數(shù)據(jù)白皮書(shū)》[2],掀開(kāi)了中國(guó)電力大數(shù)據(jù)研究和應(yīng)用的帷幕。
國(guó)內(nèi)外專(zhuān)家和學(xué)者針對(duì)電力大數(shù)據(jù)的分析與應(yīng)用,開(kāi)展了相關(guān)的研究工作[3-5]。文獻(xiàn)[6-8]從大數(shù)據(jù)知識(shí)模型構(gòu)建,居民用電行為分析,電力負(fù)荷預(yù)測(cè)等多個(gè)方向入手,開(kāi)展了相關(guān)的研究工作。
江蘇省電力公司在2014年全面完成了全省用戶(hù)的用電信息實(shí)時(shí)采集工作,應(yīng)用大數(shù)據(jù)技術(shù)和多種先進(jìn)算法和數(shù)理理論,以全樣本的用戶(hù)每日實(shí)時(shí)采集用電數(shù)據(jù)為依托,結(jié)合十多年用電、業(yè)擴(kuò)、氣象、產(chǎn)品單耗等歷史數(shù)據(jù),全面分析了全省4000萬(wàn)用戶(hù)的負(fù)荷特性用電行為,建立了用電量與溫度、濕度、節(jié)假日等因素的關(guān)聯(lián)關(guān)系,構(gòu)建了涵蓋全部30萬(wàn)高壓用戶(hù)和48萬(wàn)臺(tái)公用變壓器的包括溫度、濕度、節(jié)假日等要素的多維度用電特性模型,開(kāi)展了中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)課題的研究[9-10]。
在電力信息數(shù)據(jù)高速發(fā)展背景下,應(yīng)該充分利用現(xiàn)有的用電信息大數(shù)據(jù)資源,分析行業(yè)和居民用戶(hù)的用電量與溫度、濕度的之間的關(guān)系,從而提高電力系統(tǒng)負(fù)荷建模和負(fù)荷預(yù)測(cè)的精度,最終為電力調(diào)度工作提供一定的數(shù)據(jù)支撐。用電影響因素模型整體設(shè)計(jì)框架如圖1所示。
目前,采集系統(tǒng)采集的負(fù)荷數(shù)據(jù)現(xiàn)狀如下:
(1)不同類(lèi)型的變壓器一天內(nèi)采集的數(shù)據(jù)點(diǎn)個(gè)數(shù)不同,分為24點(diǎn)(每一小時(shí)采一個(gè)數(shù)據(jù))、48點(diǎn)(每半個(gè)小時(shí)采一個(gè)數(shù)據(jù))、96點(diǎn)(每15 min采一個(gè)數(shù)據(jù));
(2)部分?jǐn)?shù)據(jù)沒(méi)有及時(shí)入庫(kù),造成數(shù)據(jù)點(diǎn)缺失;
(3)個(gè)別已入庫(kù)的數(shù)據(jù)點(diǎn)數(shù)值明顯偏大或偏小,超出了正常負(fù)荷范圍,屬異常數(shù)據(jù)。
為了保證參與建模數(shù)據(jù)的完整性及準(zhǔn)確性,有必要對(duì)現(xiàn)有負(fù)荷數(shù)據(jù)進(jìn)行清洗及換算。數(shù)據(jù)清洗及換算步驟如圖2所示。
圖2 負(fù)荷數(shù)據(jù)預(yù)處理流程Fig.2 Process of load data pre-processing
氣象數(shù)據(jù)包括溫度,濕度,風(fēng)速等,本模型采用的氣象數(shù)據(jù)主要指溫度。溫度數(shù)據(jù)采集自全省各個(gè)縣、區(qū)的實(shí)時(shí)氣象數(shù)據(jù),每十分鐘一個(gè)數(shù)據(jù)點(diǎn)。因此需要確定負(fù)荷數(shù)據(jù)和溫度數(shù)據(jù)的對(duì)應(yīng)關(guān)系,例如00∶15時(shí)刻負(fù)荷數(shù)據(jù)對(duì)應(yīng)溫度為00∶10還是00∶20
同時(shí)將溫度數(shù)據(jù)劃分為以下幾檔:
當(dāng)實(shí)際溫度t低于-4℃時(shí),取溫度檔位T=-15;實(shí)際溫度t高于42℃時(shí),取溫度檔位T= 42;否則取溫度檔位T=t。
為量化溫度對(duì)負(fù)荷的影響程度,提高用戶(hù)負(fù)荷氣象模型的精確度,并排除年自然增長(zhǎng)率、節(jié)假日的影響因素,取3年及以上的歷史工作日負(fù)荷數(shù)據(jù)構(gòu)建負(fù)荷氣象模型。由于工作日和周休日用戶(hù)負(fù)荷呈現(xiàn)出完全不同的用電行為習(xí)慣,因此將三年內(nèi)的用戶(hù)負(fù)荷數(shù)據(jù)劃分為工作日負(fù)荷和周休日負(fù)荷,分別加以分析。以工作日為例,建模流程如下:
(1)抽取用戶(hù)近Y年內(nèi)工作日負(fù)荷數(shù)據(jù),計(jì)算最近Y年內(nèi),每年的96點(diǎn)平均負(fù)荷值。
(2)逐日逐點(diǎn)計(jì)算每個(gè)點(diǎn)的負(fù)荷影響率。
式中R(y,d,i)表示用戶(hù)在年份y的第d個(gè)工作日第i個(gè)負(fù)荷影響率。
根據(jù)溫度檔位,將近y年中所有工作日的96點(diǎn)負(fù)荷影響率歸類(lèi)到對(duì)應(yīng)的溫度檔位,由于在公式(1)中已將溫度劃分為>40、<-4、-4~40這45個(gè)檔位,因此將形成45×96個(gè)溫度—負(fù)荷影響率序列S(i,t)。
R(y,d,i,t)∈S(i,t)
(4)
由于此時(shí)要將溫度對(duì)應(yīng)到各負(fù)荷影響率,因此給R(y,d,i)增加了溫度t標(biāo)簽;式(4)的含義為:將時(shí)刻為i、溫度為t的負(fù)荷影響率數(shù)據(jù)R(y,d,i,t)都?xì)w入集合S(i,t)中。
(3)計(jì)算溫度—負(fù)荷綜合影響率。
為了體現(xiàn)溫度對(duì)負(fù)荷率的影響,對(duì)各溫度檔位下的負(fù)荷影響率集合S(i,t)計(jì)算平均值,得到溫度—負(fù)荷綜合影響率。經(jīng)過(guò)上面幾步計(jì)算,用戶(hù)負(fù)荷氣象模型已經(jīng)基本構(gòu)建完成,模型三維展示圖如圖3所示。
圖3 用戶(hù)負(fù)荷氣象模型三維圖Fig.3 3D diagram of user load-weather impact model
用電氣象影響因素模型的構(gòu)建,為開(kāi)展多元化客戶(hù)用電行為分析,提高網(wǎng)供負(fù)荷預(yù)測(cè)精度奠定了理論基礎(chǔ)和數(shù)據(jù)支撐。
(2)逐日計(jì)算電量影響率:
式中d表示工作日編號(hào);Rd為第d個(gè)工作日第i個(gè)點(diǎn)的負(fù)荷影響率;
(3)將溫度劃分為>40 ℃、<-4 ℃、-4 ℃~40 ℃這45個(gè)檔位,將所有工作日的電量影響率歸類(lèi)到對(duì)應(yīng)的溫度檔位,形成45個(gè)溫度—電量影響率序列S(d,t),其中下標(biāo)t為溫度標(biāo)簽;
(4)逐一對(duì)S(d,t)中的數(shù)據(jù)集合求平均值,得到電量—溫度綜合影響率Ct,若S(d,t)中某一格數(shù)據(jù)樣本太少,則溫度范圍上下擴(kuò)展1 ℃,重新計(jì)算溫度—電量綜合影響率,若數(shù)據(jù)樣本依然過(guò)少,則將該點(diǎn)的電量—溫度綜合影響率交給后續(xù)的模型擬合算法完成;
(5)形成溫度—電量綜合影響率Ct后,通過(guò)插值法修補(bǔ)殘缺數(shù)據(jù)點(diǎn),通過(guò)平滑算法平抑模型中的異常數(shù)據(jù)點(diǎn),最終得到電量溫度影響模型;
(6)電量數(shù)據(jù)較之負(fù)荷數(shù)據(jù)更新頻率低一些,因此電量溫度影響模型每季度根據(jù)新增數(shù)據(jù)更新。
圖4為某地區(qū)水泥行業(yè)的電量氣象影響模型。可見(jiàn)水泥制造業(yè)在春秋季用電量較多,而此時(shí)建筑業(yè)也正是建設(shè)旺季,而冬夏兩季用電量有所降低,尤其是夏季,比春秋季用電量降低了15%。
可見(jiàn)水泥制造業(yè)在春秋季用電量較多,而此時(shí)建筑業(yè)也正是建設(shè)旺季,而冬夏兩季用電量有所降低,尤其是夏季,比春秋季用電量降低了15%。
圖4 某地區(qū)水泥制造業(yè)電量氣象影響模型Fig.4 Electricity-weather impact model of cement industry
中長(zhǎng)期負(fù)荷預(yù)測(cè)是以行業(yè)開(kāi)工率、復(fù)工率,行業(yè)業(yè)擴(kuò)報(bào)裝、產(chǎn)業(yè)結(jié)構(gòu)變化、宏觀(guān)經(jīng)濟(jì)、氣象、節(jié)假日信息為基礎(chǔ),結(jié)合氣象預(yù)測(cè)、節(jié)假日、氣象與電量的關(guān)聯(lián)影響模型,實(shí)現(xiàn)分地區(qū)、分行業(yè)的電量中長(zhǎng)期預(yù)測(cè);根據(jù)中長(zhǎng)期電量預(yù)測(cè)結(jié)果,采用類(lèi)似短期負(fù)荷預(yù)測(cè)的方法,實(shí)現(xiàn)多氣象(極端、正常)條件下的中長(zhǎng)期負(fù)荷預(yù)測(cè),其流程如下:
(1)分地區(qū)行業(yè)電量預(yù)測(cè)。以行業(yè)開(kāi)工率、復(fù)工率,行業(yè)業(yè)擴(kuò)報(bào)裝、產(chǎn)業(yè)結(jié)構(gòu)變化、宏觀(guān)經(jīng)濟(jì)、氣象、節(jié)假日信息為基礎(chǔ),結(jié)合氣象預(yù)測(cè)、節(jié)假日、氣象與電量的關(guān)聯(lián)影響模型,實(shí)現(xiàn)分地區(qū)、分行業(yè)的中長(zhǎng)期電量預(yù)測(cè);
(2)分地區(qū)行業(yè)負(fù)荷預(yù)測(cè)。根據(jù)(1)得到的中長(zhǎng)期電量預(yù)測(cè)結(jié)果,結(jié)合負(fù)荷占比模型、相似日負(fù)荷特性,生成分地區(qū)行業(yè)96點(diǎn)負(fù)荷預(yù)測(cè)曲線(xiàn);
(3)多氣象條件下的中長(zhǎng)期負(fù)荷預(yù)測(cè)。根據(jù)氣象部門(mén)給出的氣象預(yù)測(cè)信息的不同,結(jié)合區(qū)間負(fù)荷預(yù)測(cè)原理,生成多氣象條件下的中長(zhǎng)期負(fù)荷預(yù)測(cè)區(qū)間值。
以江蘇2015年夏季中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)為例,驗(yàn)證文章提出的中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)算法。中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)效果圖如圖5所示。其中橙色為中長(zhǎng)期負(fù)荷預(yù)測(cè)區(qū)間值,表示氣溫條件變化時(shí)對(duì)應(yīng)的預(yù)測(cè)負(fù)荷值。氣象部門(mén)預(yù)測(cè)2015年夏天較為炎熱,系統(tǒng)預(yù)測(cè)的最大負(fù)荷為8 300萬(wàn)kW~8 500 萬(wàn)kW之間,最可能值為8 440.68 萬(wàn)kW,發(fā)生時(shí)間為8月6日左右;而2015年實(shí)際最高負(fù)荷為8 484.74萬(wàn)千瓦時(shí),發(fā)生時(shí)間為8月5日??梢?jiàn)文章的中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)方法效果較好,可以為電力系統(tǒng)電網(wǎng)規(guī)劃和調(diào)度提供支撐。
圖5 中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)效果Fig.5 Long term network supply load forecasting result
文章以用電大數(shù)據(jù)為基礎(chǔ),開(kāi)展了如下研究工作:(1)基于現(xiàn)有的用電信息大數(shù)據(jù)資源,分析了行業(yè)負(fù)荷、電量與溫度、濕度的之間的關(guān)系,建立了行業(yè)的電量和負(fù)荷影響因素模型;(2)綜合考慮宏觀(guān)經(jīng)濟(jì)、業(yè)擴(kuò)報(bào)裝以及氣象預(yù)測(cè)信息等因素,提出一種基于多氣象條件因素的中長(zhǎng)期網(wǎng)供負(fù)荷預(yù)測(cè)方法,并與實(shí)際負(fù)荷對(duì)比,驗(yàn)證了方法的準(zhǔn)確性。
文章在用電大數(shù)據(jù)研究方面開(kāi)展了一定的研究工作,后續(xù)還有更多的研究工作值得開(kāi)展,如新能源接入后的負(fù)荷特性分析、能源互動(dòng)策略研究等。