(國(guó)網(wǎng)四川省電力公司,四川 成都 610041)
中國(guó)節(jié)假日包含周末、小長(zhǎng)假和長(zhǎng)假。小長(zhǎng)假時(shí)間較短且與周末的時(shí)長(zhǎng)差距不大,對(duì)行業(yè)用電的影響較小。與之相比,長(zhǎng)假的影響更為顯著,但國(guó)慶期間尚有許多企業(yè)依舊在正常生產(chǎn),而春節(jié)作為中國(guó)最重要的傳統(tǒng)節(jié)日其影響更甚,日用電量曲線往往會(huì)出現(xiàn)較大波動(dòng),且呈現(xiàn)出一定的規(guī)律,下面重點(diǎn)分析春節(jié)期間及前后行業(yè)用電波動(dòng)的情況。
目前關(guān)于節(jié)假日對(duì)電力消費(fèi)的影響,大多數(shù)研究主要針對(duì)電網(wǎng)整體負(fù)荷開展分析且主要是趨勢(shì)預(yù)測(cè)[1-5],鮮有針對(duì)細(xì)分行業(yè)的假日用電特征研究。下面構(gòu)建了表征春節(jié)期間行業(yè)用電波動(dòng)特性的量化指標(biāo),開展了基于K-means算法的曲線聚類分析,揭示了主要工業(yè)行業(yè)和服務(wù)行業(yè)在春節(jié)及其前后期間的波動(dòng)特征,相關(guān)成果可以為電網(wǎng)的規(guī)劃計(jì)劃、生產(chǎn)運(yùn)行提供決策參考。
K-means算法是一種廣泛使用的聚類方法,該方法的主要步驟如下:
1)假定輸入樣本x1,x2,……xm。
2)觀察不同曲線特征,指定要形成的聚類個(gè)數(shù),選擇初始的k個(gè)類別中心為μ1,μ2,……μk。
3)計(jì)算每個(gè)樣本點(diǎn)到各類中心的距離,將每個(gè)樣本點(diǎn)歸到距離中心最近的那個(gè)類,形成初始分類結(jié)果。
式中:labeli為樣本xi的分類結(jié)果,其輸出為Ⅰ,Ⅱ,Ⅲ,Ⅳ,……;arg為分類函數(shù)。
4)分別計(jì)算每個(gè)類別所有樣本到該類別中心的幾何距離均值,并據(jù)此更新每個(gè)類別中心的位置。
式中:μj(t)為第t次更新后的類別中心;cj為依據(jù)步驟3)確定的屬于第j類群體的樣本下標(biāo)編號(hào)集合;count表示個(gè)數(shù)。
5)重復(fù)第3)和第4)步,不斷迭代,直到類別中心變化小于某閾值,不再調(diào)整為止。
6)分析聚類結(jié)果的科學(xué)性,若結(jié)果不理想,則調(diào)增或調(diào)減聚類個(gè)數(shù),回到步驟2),直至結(jié)果合理。如圖1所示。
圖1 K-means聚類中心迭代
考慮到各行各業(yè)的用電量差距較大,且受春節(jié)影響差異較大,擬采取如下做法:1)歸一化處理:選取各行業(yè)在所研究時(shí)間段內(nèi)的最大值作為基準(zhǔn),形成無(wú)量綱歸一化曲線,使得不同行業(yè)不同年份可以在同一尺度類比。2)雙維度分類指標(biāo):一是深度即降幅,各行業(yè)選取研究時(shí)間段內(nèi)的日電量平均值為基準(zhǔn),將最低點(diǎn)與之比對(duì),據(jù)此衡量電量波動(dòng)下降的程度;二是寬度即時(shí)長(zhǎng),各行業(yè)日用電量低于平均值的天數(shù),據(jù)此衡量行業(yè)用電恢復(fù)的速度。
圖2 歸一化處理及衡量指標(biāo)
2019年春節(jié)及前后主要工業(yè)行業(yè)逐日用電曲線聚類結(jié)果如表1和表2所示,分為4類。其中第1類和第3類分別都只有1個(gè)行業(yè),第2類和第4類各有2個(gè)行業(yè)納入。從最終的聚類中心看,4個(gè)類別的主要特點(diǎn)分別是降幅不明顯但持續(xù)時(shí)間長(zhǎng)、降幅明顯但持續(xù)時(shí)間短、降幅處于中等水平且持續(xù)時(shí)間很短、降幅較小且持續(xù)時(shí)間處于中等水平。
表1 2019年春節(jié)及前后主要工業(yè)行業(yè)用電波動(dòng)特征聚類
表2 2019年春節(jié)及前后主要工業(yè)行業(yè)用電最終聚類中心
1)工業(yè)Ⅰ類聚類曲線
化學(xué)原料和化學(xué)制品制造業(yè):2019年,春節(jié)放假并未對(duì)行業(yè)日用電量產(chǎn)生明顯影響,這應(yīng)當(dāng)與化學(xué)原料和化學(xué)制品制造業(yè)自動(dòng)化程度相對(duì)較高有關(guān)。總體上,化學(xué)原料和化學(xué)制品制造業(yè)呈現(xiàn)出穩(wěn)定小幅增長(zhǎng)的趨勢(shì),如圖3所示。
圖3 2019年工業(yè)第Ⅰ類特性曲線
2)工業(yè)Ⅱ類聚類曲線
非金屬礦物制品業(yè):2019年,非金屬礦物制品業(yè)日用電量從除夕前12天(臘月十八)開始下降,在農(nóng)歷新年初三達(dá)到最低值。整個(gè)春節(jié)假期期間,非金屬礦物制品業(yè)的日用電量一直處于較低水平。同時(shí)在除夕之前,日用電量呈現(xiàn)快速下降趨勢(shì),而在春節(jié)假期結(jié)束之后,日用電量穩(wěn)步回升。非金屬礦物制品業(yè)用電量具有典型的U型特征,受春節(jié)假期的影響十分明顯。
金屬制品業(yè):2019年,金屬制品業(yè)日用電量從除夕前12天(臘月十八)開始呈下降趨勢(shì),在農(nóng)歷新年正月初一達(dá)到最低值。春節(jié)假期過后,從正月初七開始出現(xiàn)快速回升,到除夕后16天(正月十六)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平。金屬制品業(yè)用電量也具有典型的U型特征,與非金屬礦物制品業(yè)的用電波動(dòng)曲線特征相似度極高。
工業(yè)Ⅱ類聚類曲線如圖4所示。
圖4 2019年工業(yè)第Ⅱ類特性曲線
3)工業(yè)Ⅲ類聚類曲線
計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè):2019年,計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)日用電量從除夕前9天(臘月二十一)開始呈下降趨勢(shì),在農(nóng)歷新年正月初一達(dá)到最低值。春節(jié)假期過后,從正月初七開始出現(xiàn)快速回升,到除夕后10天(正月初十)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平。與其他行業(yè)相比影響時(shí)長(zhǎng)明顯較短。如圖5所示。
4)工業(yè)Ⅳ類聚類曲線
黑色金屬冶煉和壓延加工業(yè):2019年,黑色金屬冶煉和壓延加工業(yè)日用電量從臘月初五開始一直呈下降趨勢(shì),在農(nóng)歷新年正月初二達(dá)到最低值20.060 8 GWh。春節(jié)假期過后,從正月初八開始出現(xiàn)緩慢回升,一直到除夕后26天(正月二十六)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平??梢钥吹?,黑色金屬冶煉和壓延加工業(yè)用電量也具有典型的U型特征,但與第二類曲線相比,電量下降的時(shí)間較早,同時(shí)節(jié)后電量恢復(fù)的速度較快。
圖5 2019年工業(yè)第Ⅲ類特性曲線
有色金屬冶煉和壓延加工業(yè):2019年,有色金屬冶煉和壓延加工業(yè)日用電量變化趨勢(shì)較為平穩(wěn),春節(jié)放假對(duì)該行業(yè)用電量的影響類似于黑色金屬冶煉和壓延加工業(yè)且程度更小。
工業(yè)Ⅳ類聚類曲線如圖6所示。
圖6 2019年工業(yè)第Ⅳ類特性曲線
2019年春節(jié)及前后主要服務(wù)行業(yè)逐日用電曲線聚類結(jié)果如表3和表4所示,分為3類。其中第1類包括4個(gè)行業(yè),第2類和第3類各有兩個(gè)行業(yè)納入。從最終的聚類中心看,3個(gè)類別的主要特點(diǎn)分別是降幅較小且持續(xù)時(shí)間處于中等水平、降幅雖大但持續(xù)時(shí)間短、降幅大且持續(xù)時(shí)間長(zhǎng)。
1)服務(wù)業(yè)Ⅰ類聚類曲線
交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè):2019年,交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)日用電量從除夕前4天(臘月二十六)開始呈下降趨勢(shì),在農(nóng)歷新年正月初一達(dá)到最低值。隨后,該行業(yè)日用電量出現(xiàn)快速回升,到除夕后9天(正月初九)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平。交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)用電量具有典型的V型特征,春節(jié)放假因素導(dǎo)致的該行業(yè)用電量下降幅度相對(duì)有限、波動(dòng)時(shí)間不長(zhǎng)。
表3 2019年主要服務(wù)行業(yè)用電波動(dòng)特征聚類
表4 2019主要服務(wù)行業(yè)用電最終聚類中心
信息傳輸、軟件和信息技術(shù)服務(wù)業(yè):2019年,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)日用電量在春節(jié)假期前后出現(xiàn)了短暫降低,但降幅很小。春節(jié)因素對(duì)該行業(yè)用電特征的影響十分微小。
住宿和餐飲業(yè):2019年,住宿和餐飲業(yè)日用電量從除夕前2天(臘月二十八)開始呈下降趨勢(shì),在農(nóng)歷新年正月初一達(dá)到最低值。隨后,該行業(yè)日用電量出現(xiàn)快速回升,到除夕后7天(正月初七)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平。與前兩個(gè)行業(yè)類似,春節(jié)放假因素導(dǎo)致的用電量波動(dòng)時(shí)間不長(zhǎng)。
公共服務(wù)及管理組織:2019年,公共服務(wù)及管理組織日用電量受假日影響降幅不算太大,且持續(xù)時(shí)間不算太長(zhǎng),與住宿和餐飲業(yè)具有一定相似度。
服務(wù)業(yè)第Ⅰ類特性曲線如圖7所示。
圖7 2019年服務(wù)業(yè)第Ⅰ類特性曲線
2)服務(wù)業(yè)Ⅱ類聚類曲線
金融業(yè):2019年,金融業(yè)日用電量曲線具有明顯的以周為周期的用電波動(dòng)特征,即工作日用電量大,周末用電量會(huì)出現(xiàn)短暫降低,這與該行業(yè)的基本特點(diǎn)相符。考慮該行業(yè)日用電量的周期波動(dòng)后,可以判斷該行業(yè)在除夕前2天(臘月二十八)開始呈下降趨勢(shì),到除夕后7天(正月初七)恢復(fù)到節(jié)前相對(duì)穩(wěn)定的水平。該行業(yè)日用電量的波動(dòng)特征與春節(jié)假期高度重合。
租賃和商務(wù)服務(wù)業(yè):2019年,租賃和商務(wù)服務(wù)業(yè)日用電量的變化趨勢(shì)與金融業(yè)十分相似,正常生產(chǎn)狀態(tài)下具有典型的周期性波動(dòng)特征,春節(jié)假期的影響起始于除夕前2~3天,結(jié)束于春節(jié)假期后1~2天,與春假放假時(shí)間高度重合。
服務(wù)業(yè)Ⅱ類特性曲線如圖8所示。
圖8 2019年服務(wù)業(yè)第Ⅱ類特性曲線
3)服務(wù)業(yè)Ⅲ類聚類曲線
批發(fā)和零售業(yè):2019年,批發(fā)和零售業(yè)日用電量數(shù)據(jù)質(zhì)量較低,數(shù)據(jù)波動(dòng)十分劇烈,數(shù)據(jù)清洗比較困難,因而無(wú)法準(zhǔn)確分析出春節(jié)因素對(duì)該行業(yè)用電量的具體影響。但根據(jù)曲線整體變化趨勢(shì),低位運(yùn)行時(shí)間較長(zhǎng),與房地產(chǎn)行業(yè)有一定相似度。
房地產(chǎn)業(yè):2019年,房地產(chǎn)業(yè)日用電量從除夕前4天(臘月二十六)開始呈下降趨勢(shì),在農(nóng)歷新年初一(2月5日)達(dá)到最低值。隨后,該行業(yè)日用電量出現(xiàn)穩(wěn)步回升,到除夕后10天(正月初十)恢復(fù)到一個(gè)相對(duì)穩(wěn)定的水平。房地產(chǎn)業(yè)用電量具有典型的V型特征,受春節(jié)假期的影響較為明顯。
服務(wù)業(yè)Ⅲ類特性曲線如圖9所示。
1) 春節(jié)假期及其前后對(duì)主要工業(yè)行業(yè)逐日用電的影響:化學(xué)原料和化學(xué)制品制造業(yè)用電量基本不受春節(jié)因素的影響。非金屬礦物制品業(yè)、金屬制品業(yè)用電量具有典型的U型特征,受春節(jié)假期的影響十分明顯。計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)受春節(jié)影響的時(shí)長(zhǎng)明顯較短。金屬冶煉和壓延加工業(yè)、有色金屬冶煉和壓延加工業(yè)用電量也具有典型的U型特征,但電量下降的幅度較小、時(shí)間較早且恢復(fù)速度較快。
圖9 2019年服務(wù)業(yè)第Ⅲ類特性曲線
2) 春節(jié)假期及其前后對(duì)主要服務(wù)行業(yè)逐日用電的影響:交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè),信息傳輸、軟件和信息技術(shù)服務(wù)業(yè),住宿和餐飲業(yè),公共服務(wù)及管理組織日用電量受假日影響降幅不算太大,且持續(xù)時(shí)間不算太長(zhǎng)。金融業(yè)、租賃和商務(wù)服務(wù)業(yè)等行業(yè)日用電量曲線具有周期性波動(dòng)特征,工作日用電量高,周末用電量小,同時(shí)春節(jié)因素的影響持續(xù)時(shí)間與春節(jié)假期高度重合。批發(fā)和零售業(yè)、房地產(chǎn)業(yè)低位運(yùn)行時(shí)間較長(zhǎng),受春節(jié)假期的影響較為明顯。