楊嘉睿，俞楚天，葉少杰

(國(guó)網(wǎng)浙江省電力有限公司經(jīng)濟(jì)技術(shù)研究院，浙江 杭州 310020)

0 引言

2002 年以來(lái)，國(guó)內(nèi)電力供需失衡地區(qū)性差異越發(fā)明顯，可再生能源消納的矛盾也日益突出，電力持續(xù)緊張的局面開(kāi)始顯現(xiàn)，電力用戶以需求響應(yīng)形式參與電網(wǎng)“雙向互動(dòng)”，是緩解電力供應(yīng)緊張矛盾的有效手段[1]，也是消納清潔能源、實(shí)現(xiàn)社會(huì)可持續(xù)發(fā)展的有力支撐[2]，隨著以新能源為主體的新型電力系統(tǒng)發(fā)展，規(guī)?；`活需求側(cè)互動(dòng)響應(yīng)資源的挖掘成為必然[3]。為促進(jìn)電力供需平衡和保障重點(diǎn)用戶用電，提升能源利用效率，促進(jìn)節(jié)能減排，電網(wǎng)公司應(yīng)充分利用已有的數(shù)據(jù)資源[4-5]，精準(zhǔn)識(shí)別客戶側(cè)需求響應(yīng)高潛力資源，解決在開(kāi)展需求響應(yīng)工作時(shí)遇到的無(wú)法精準(zhǔn)排查出高潛力需求響應(yīng)目標(biāo)用戶、用戶在答復(fù)邀約中缺乏技術(shù)輔助手段、缺乏系統(tǒng)性的需求響應(yīng)結(jié)果分析與建議等困難點(diǎn)，提升用戶在簽約、答復(fù)邀約和需求響應(yīng)實(shí)施過(guò)程中的體驗(yàn)感和成功率，從而實(shí)現(xiàn)與用戶的有效互動(dòng)，進(jìn)一步推進(jìn)需求響應(yīng)工作的開(kāi)展。

目前，已有不少學(xué)者對(duì)需求響應(yīng)開(kāi)展了應(yīng)用研究。文獻(xiàn)[6]提出了低碳需求響應(yīng)機(jī)制，以動(dòng)態(tài)碳排放因子為引導(dǎo)信號(hào)，以用戶自身減碳意愿或碳市場(chǎng)中的價(jià)格因素為激勵(lì)信號(hào)，引導(dǎo)用戶主動(dòng)響應(yīng)并降低系統(tǒng)碳排放的電力系統(tǒng)碳減排新機(jī)制；文獻(xiàn)[7]基于智能配電網(wǎng)中負(fù)荷的主動(dòng)響應(yīng)能力，在保證分布式電源可靠供電的同時(shí)，開(kāi)展促進(jìn)分布式電源就地消納的研究；文獻(xiàn)[8]考慮到用戶響應(yīng)行為的不確定性，提出以參與度、響應(yīng)時(shí)間等多重影響因素與凈負(fù)荷功率構(gòu)建高維參數(shù)空間，利用響應(yīng)前后凈負(fù)荷包絡(luò)域期望量化用戶響應(yīng)能力等。但基于電力數(shù)據(jù)開(kāi)展客戶側(cè)需求響應(yīng)資源精準(zhǔn)喚醒的相關(guān)研究尚不多見(jiàn)。

1 研究思路

需求響應(yīng)是電力需求側(cè)管理的重要解決方案，也是建設(shè)能源互聯(lián)網(wǎng)的有效推進(jìn)措施之一[9]。需求響應(yīng)是電力用戶根據(jù)市場(chǎng)價(jià)格信號(hào)或激勵(lì)機(jī)制主動(dòng)調(diào)整用電方式，以保證系統(tǒng)運(yùn)行的安全性和可靠性，實(shí)現(xiàn)節(jié)能降耗、提高終端用電效率等功能[10]。需求側(cè)管理主要用于削峰填谷、節(jié)能省電和能源替換等[11]，當(dāng)前面臨的主要問(wèn)題如下。

1) 無(wú)法精準(zhǔn)排查出目標(biāo)用戶，工作效率低。

2) 用戶在答復(fù)邀約過(guò)程中存在報(bào)量輸入不準(zhǔn)、需求響應(yīng)實(shí)施過(guò)程中調(diào)節(jié)負(fù)荷精確度不高等問(wèn)題，導(dǎo)致用戶需求響應(yīng)失敗。

3) 需求響應(yīng)參與方案的靈活度不強(qiáng)。

隨著需求側(cè)管理工作的推進(jìn)，智能電表和用電采集系統(tǒng)逐漸普及，電網(wǎng)公司可方便及時(shí)地獲得終端電力用戶的用電信息，為評(píng)估需求響應(yīng)潛力奠定了數(shù)據(jù)基礎(chǔ)[12]；同時(shí)，智能技術(shù)(如深度強(qiáng)化學(xué)習(xí)等)能夠?qū)?fù)雜的外部環(huán)境做出較為準(zhǔn)確的識(shí)別并做出最優(yōu)決策，能夠滿足需求響應(yīng)的相關(guān)要求[13]。因此，通過(guò)聚合電力系統(tǒng)的用戶檔案數(shù)據(jù)、用戶負(fù)荷數(shù)據(jù)、用戶用電量數(shù)據(jù)等，利用大數(shù)據(jù)分析技術(shù)，實(shí)現(xiàn)客戶需求響應(yīng)潛力分析、客戶生產(chǎn)經(jīng)驗(yàn)特征分析、客戶需求響應(yīng)預(yù)評(píng)估、客戶需求響應(yīng)結(jié)果分析等模型的構(gòu)建，實(shí)現(xiàn)客戶側(cè)需求響應(yīng)高潛力用戶的精準(zhǔn)篩選，持續(xù)提升用戶需求響應(yīng)的參與度和成功率。

2 需求響應(yīng)分析模型構(gòu)建

2.1 客戶需求響應(yīng)潛力分析模型

基于近3 個(gè)月高壓用戶96 點(diǎn)日負(fù)荷數(shù)據(jù)，采用大數(shù)據(jù)算法，構(gòu)建削峰填谷響應(yīng)潛力模型，其中早高峰為10 時(shí)至11 時(shí)，午高峰為13 時(shí)至17 時(shí)，凌晨低谷為0 時(shí)至6 時(shí)、中午低谷為11 時(shí)至12 時(shí)。根據(jù)削峰填谷響應(yīng)潛力值劃分高、較高、中、低四個(gè)響應(yīng)潛力等級(jí)，輸出需求側(cè)削峰填谷響應(yīng)潛力用戶清單；同時(shí)對(duì)比分析用戶開(kāi)空調(diào)狀態(tài)下及不開(kāi)空調(diào)狀態(tài)下的負(fù)荷特征，并根據(jù)客戶負(fù)荷可調(diào)節(jié)潛力值，輸出需求側(cè)響應(yīng)潛力清單。

2.1.1 削峰填谷潛力

基于用戶歷史各日早高峰及午高峰、各日凌晨低谷及中午低谷的負(fù)荷水平分布情況，推導(dǎo)得到用戶各時(shí)段的可調(diào)整負(fù)荷值，并結(jié)合各行業(yè)的潛力系數(shù)，得到最終的早高峰削峰及午高峰削峰、凌晨低谷填谷及中午低谷填谷的響應(yīng)潛力。行業(yè)潛力系數(shù)則通過(guò)綜合分析歷史參與需求側(cè)響應(yīng)的用戶行業(yè)特征及響應(yīng)情況得到。具體分析步驟如下。

1) 獲取用戶近3 個(gè)月96 點(diǎn)的日負(fù)荷數(shù)據(jù)，計(jì)算96 點(diǎn)各點(diǎn)近3 個(gè)月日均負(fù)荷數(shù)據(jù)，同時(shí)剔除節(jié)假日數(shù)據(jù)、小于等于零的數(shù)值及異常大的數(shù)值。

2) 基于用戶近3 個(gè)月96 點(diǎn)日均負(fù)荷數(shù)據(jù)，取65 %的負(fù)荷值(從低到高)作為峰電量的基準(zhǔn)值。

3) 將用戶負(fù)荷特征曲線各點(diǎn)值與峰電量基準(zhǔn)值相減，大于零的時(shí)段初步定義為用電高峰時(shí)段。

4) 將大于零的時(shí)點(diǎn)從小到大排序，按時(shí)點(diǎn)的連續(xù)性進(jìn)行歸類(lèi)，中間連續(xù)無(wú)時(shí)點(diǎn)間斷的歸為1 類(lèi)，依次歸納到N類(lèi)，定義為M1，M2，……，Mn并分別計(jì)算M1，M2，……，Mn對(duì)應(yīng)的連續(xù)點(diǎn)數(shù)Q1，Q2，……，Qn；間隔時(shí)點(diǎn)數(shù)D1，D2，……，Dn-1。

5) 將M1，M2，……，Mn進(jìn)行高峰時(shí)段粘連，如果Di＜4 (24 個(gè)點(diǎn)Di＜1)，且Qi＞Di，Qi+1＞Qi，Mi與Mi+1粘連，其他情況下則終止粘連，粘連后的連續(xù)時(shí)段為最后粘連的時(shí)點(diǎn)距最初粘連的時(shí)點(diǎn)，依次歸類(lèi)為m類(lèi)，定義為m1，m2，……，mm。

6) 判斷mi對(duì)應(yīng)的時(shí)點(diǎn)數(shù)，如果mi≥4 (若負(fù)荷數(shù)據(jù)為24 點(diǎn)，則閾值為大于等于1)，則判斷為峰時(shí)段，從時(shí)段大小分別定義為f1，f2，……，fn。

7) 當(dāng)非峰時(shí)段的日均負(fù)荷與峰時(shí)段的日均負(fù)荷大于等于0.8 時(shí)，定義為無(wú)峰。

8) 計(jì)算各峰時(shí)段的平均負(fù)荷值。

式中：di為各鋒時(shí)段里各點(diǎn)對(duì)應(yīng)的負(fù)荷值，n為峰時(shí)段里的負(fù)荷點(diǎn)數(shù)。

2.1.1.1 削峰響應(yīng)潛力

1) 早高峰響應(yīng)潛力。

3) 削峰響應(yīng)潛力。

4) 削峰響應(yīng)潛力等級(jí)制定。針對(duì)削峰響應(yīng)潛力大于零的用戶，制定削峰響應(yīng)潛力等級(jí)，如表1所示。

表1 削峰響應(yīng)潛力等級(jí)

2.1.1.2 填谷響應(yīng)潛力

1) 折算前凌晨低谷響應(yīng)潛力。

2) 折算前中午低谷響應(yīng)潛力。

3) 折算前填谷響應(yīng)潛力。

4) 填谷響應(yīng)潛力折算系數(shù)。

5) 填谷響應(yīng)潛力基準(zhǔn)負(fù)荷。

6) 計(jì)算最終的凌晨低谷響應(yīng)潛力、中午低谷響應(yīng)潛力、填谷響應(yīng)潛力。

a) 計(jì)算凌晨低谷響應(yīng)潛力。

b) 計(jì)算中午低谷響應(yīng)潛力。

c) 計(jì)算填谷響應(yīng)潛力。

7) 填谷響應(yīng)潛力等級(jí)制定。針對(duì)填谷響應(yīng)潛力大于零的用戶，制定填谷響應(yīng)潛力等級(jí)，如表2所示。

表2 填谷響應(yīng)潛力等級(jí)

2.1.2 柔性可調(diào)節(jié)負(fù)荷潛力

基于不同日期類(lèi)型下用戶開(kāi)空調(diào)和不開(kāi)空調(diào)時(shí)負(fù)荷變化，通過(guò)分析用戶空調(diào)負(fù)荷可調(diào)節(jié)程度和可調(diào)節(jié)負(fù)荷值，綜合得到用戶空調(diào)負(fù)荷可調(diào)節(jié)潛力，并按照表3 進(jìn)行分類(lèi)，具體應(yīng)用步驟分析如下。

表3 空調(diào)負(fù)荷可調(diào)節(jié)潛力等級(jí)

1) 基于“工作日期類(lèi)型”“空調(diào)狀態(tài)”“季節(jié)”三個(gè)字段信息將數(shù)據(jù)劃分成冬季節(jié)假日開(kāi)空調(diào)，夏季節(jié)假日開(kāi)空調(diào)、節(jié)假日不開(kāi)空調(diào)，冬季工作日開(kāi)空調(diào)，夏季工作日開(kāi)空調(diào)、工作日不開(kāi)空調(diào)六大類(lèi)；剔除各日期類(lèi)型中的異常負(fù)荷曲線以及日均負(fù)荷前5 %及后5 %的日期。

2) 選取節(jié)假日(工作日)冬天開(kāi)空調(diào)日期類(lèi)型中各點(diǎn)處于前5 %的點(diǎn)值，作為冬天節(jié)假日(工作日)開(kāi)空調(diào)日期類(lèi)型的可調(diào)節(jié)負(fù)荷上限；同理可得出夏天節(jié)假日(工作日)開(kāi)空調(diào)日期類(lèi)型的可調(diào)節(jié)負(fù)荷上限；同時(shí)取開(kāi)空調(diào)日期類(lèi)型的平均值負(fù)荷曲線。

3) 選取節(jié)假日(工作日)冬天不開(kāi)空調(diào)日期類(lèi)型的平均值負(fù)荷曲線，作為冬天節(jié)假日(工作日)開(kāi)空調(diào)日期類(lèi)型的可調(diào)節(jié)負(fù)荷下限；同理可得出夏天節(jié)假日(工作日)開(kāi)空調(diào)日期類(lèi)型的可調(diào)節(jié)負(fù)荷下限。

4) 基于用戶的負(fù)荷特征分析，得出用戶四種日期類(lèi)型(冬季節(jié)假日開(kāi)空調(diào)、夏季節(jié)假日開(kāi)空調(diào)、冬季工作日開(kāi)空調(diào)、夏季工作日開(kāi)空調(diào))全日及一日及24 個(gè)時(shí)點(diǎn)各時(shí)點(diǎn)的柔性負(fù)荷特征值。

5) 可調(diào)節(jié)負(fù)荷值得分(S2矩陣)計(jì)算如下。

式中：S＇為數(shù)據(jù)標(biāo)準(zhǔn)化后的可調(diào)節(jié)負(fù)荷，分別代表所有用戶某日期類(lèi)型下序列中的15 %、55 %、75 %、100 %分位點(diǎn)對(duì)應(yīng)的值。

6) 可調(diào)節(jié)程度得分(S1矩陣)計(jì)算如下。

式中：P＇為數(shù)據(jù)標(biāo)準(zhǔn)化后的理論可調(diào)節(jié)程度，分別代表所有用戶某日期類(lèi)型下P＇序列中的15 %、55 %、75 %、100 %分位點(diǎn)對(duì)應(yīng)的值。

7) 可調(diào)節(jié)潛力得分。

2.2 客戶生產(chǎn)經(jīng)驗(yàn)特征分析模型

2.2.1 生產(chǎn)班次特征

通過(guò)用戶近3 個(gè)月96 點(diǎn)負(fù)荷數(shù)據(jù)，采用K-Means 算法[14-16]、動(dòng)態(tài)時(shí)間規(guī)整聚類(lèi)[17-19](dynamic time warping，DTW)等大數(shù)據(jù)算法，對(duì)用戶生產(chǎn)特征進(jìn)行歸類(lèi)分析，得到用戶全面的生產(chǎn)班次類(lèi)型(單班、雙班等)、集中生產(chǎn)時(shí)段、生產(chǎn)特征類(lèi)型等生產(chǎn)班次特征畫(huà)像(見(jiàn)表4)。具體分析步驟如下。

表4 生產(chǎn)班次特征標(biāo)簽

1) 開(kāi)展數(shù)據(jù)清洗?；诰垲?lèi)箱型圖等方法挖掘突增突減等異常負(fù)荷數(shù)據(jù)，并基于均值插補(bǔ)法做數(shù)據(jù)清洗。

2) 用戶生產(chǎn)特征類(lèi)型研究。基于DTW 聚類(lèi)算法，抽樣部分用戶，將各用戶典型的96 點(diǎn)(24點(diǎn))負(fù)荷曲線進(jìn)行聚類(lèi)，聚成n類(lèi)，聚類(lèi)效果通過(guò)Silhouette Coefficient、Calinski-Harabasz 等系數(shù)確定最近聚類(lèi)類(lèi)別，n最大值取16。用戶生產(chǎn)特征類(lèi)型研究流程具體如下。

① 基于分類(lèi)結(jié)果進(jìn)行生產(chǎn)特征分析，通過(guò)觀測(cè)曲線特征，進(jìn)行生產(chǎn)特征歸納，確定每個(gè)聚類(lèi)類(lèi)別的生產(chǎn)特征類(lèi)型。

② 開(kāi)展全用戶分類(lèi)，確定抽樣用戶每個(gè)聚類(lèi)類(lèi)別的中心點(diǎn)，基于全用戶96 點(diǎn)(24 點(diǎn))的平均負(fù)荷曲線，根據(jù)DTW 算法將每個(gè)用戶歸納至中心點(diǎn)最近的類(lèi)別，以此完成全用戶的歸納。

③ 企業(yè)非全天生產(chǎn)的生產(chǎn)時(shí)段分析。

a) 根據(jù)用戶清洗后的日均負(fù)荷曲線，統(tǒng)計(jì)用戶96 個(gè)點(diǎn)負(fù)荷值中排名為40 %的負(fù)荷值(從低到高)作為負(fù)荷差異狀態(tài)的閾值線。

b) 將用戶96 點(diǎn)各時(shí)刻的負(fù)荷值與該閾值對(duì)比，若某一時(shí)刻的負(fù)荷值高于該閾值線，則標(biāo)記為高，否則標(biāo)記為低，計(jì)算如下。

其中，Li表示第 時(shí)刻的負(fù)荷，Lthreshold表示負(fù)荷閾值。

c) 判斷用戶的集中生產(chǎn)時(shí)段。將高負(fù)荷的時(shí)點(diǎn)從小到大排序，按時(shí)點(diǎn)的連續(xù)性進(jìn)行時(shí)點(diǎn)歸類(lèi)，中間連續(xù)無(wú)時(shí)點(diǎn)間斷的歸為1 類(lèi)，依次歸納為n類(lèi)，定義為M1，M2，……，Mn，分別計(jì)算M1，M2，……，Mn對(duì)應(yīng)的連續(xù)點(diǎn)數(shù)Q1，Q2，……，Qn以及間隔的時(shí)點(diǎn)數(shù)Q1，Q2，……，Qn-1。

將M1，M2，……，Mn進(jìn)行集中時(shí)段粘連，如果Di＜4 ( 24 個(gè)點(diǎn)Di＜1)，且Qi＞Di，Qi+1＞Di，Mi與Mi+1粘連，其他情況下則終止粘連，粘連后的連續(xù)時(shí)段為最后粘連的時(shí)點(diǎn)據(jù)最初粘連的時(shí)點(diǎn)，依次歸類(lèi)為m類(lèi)，并定義為m1，m2，……，mn。

判斷mi對(duì)應(yīng)的時(shí)點(diǎn)數(shù)，如果大于等于4 (若負(fù)荷數(shù)據(jù)為24 點(diǎn)，則閾值為大于等于1)，則判斷為集中時(shí)段。

2.2.2 假日用電特征

通過(guò)用戶近1 年日電量數(shù)據(jù)，形成用戶周一到周日的日用電曲線、節(jié)日用電曲線，分別采用DTW 聚類(lèi)等大數(shù)據(jù)算法，對(duì)用戶周一至周日用電差異特征、節(jié)日用電特征進(jìn)行歸類(lèi)分析，得到用戶全面的節(jié)日開(kāi)工情況、假日開(kāi)工情況等節(jié)假日用電特征畫(huà)像(見(jiàn)表5)，具體分析步驟如下。

表5 假日用電特征標(biāo)簽

1) 用戶周一至周日用電曲線分類(lèi)，基于DTW聚類(lèi)算法抽樣部分用戶，將各用戶周一至周日用電曲線進(jìn)行聚類(lèi)(聚成n類(lèi))，聚類(lèi)效果通過(guò)Silhouette Coefficient、Calinski-Harabasz 等系數(shù)確定最近聚類(lèi)類(lèi)別，n最大值取16。

2) 基于分類(lèi)結(jié)果進(jìn)行周一至周日用電差異特征分析，通過(guò)觀測(cè)曲線特征，進(jìn)行周一至周日用電差異特征歸納，確定每個(gè)聚類(lèi)類(lèi)別的周一至周日用電差異特征類(lèi)型。

3) 全用戶分類(lèi)方法，確定抽樣用戶每個(gè)聚類(lèi)類(lèi)別的中心點(diǎn)，基于全用戶周一至周日用電曲線，根據(jù)DTW 算法將每個(gè)用戶歸納至中心點(diǎn)最近的類(lèi)別，以此完成全用戶的歸納。

4) 基于近1 年用戶日電量數(shù)據(jù)，分別統(tǒng)計(jì)假日日電量平均值、工作日日電量平均值。

5) 計(jì)算假日開(kāi)工率。假日開(kāi)工率=假日日電量平均值/工作日日電量平均值

式中：Pv為假日日電量平均值；Pw為工作日日電量平均值。

6) 設(shè)置假日開(kāi)工率閾值，基于假日開(kāi)工率判定企業(yè)在假日里開(kāi)工的狀態(tài)(全開(kāi)工、半開(kāi)工、不開(kāi)工)。

2.2.3 節(jié)日用電特征

通過(guò)用戶近1 年日電量數(shù)據(jù)，形成用戶節(jié)日用電曲線，分別采用DTW 聚類(lèi)等大數(shù)據(jù)算法，對(duì)用戶節(jié)日用電曲線進(jìn)行歸類(lèi)分析，得到用戶全面的節(jié)日開(kāi)工情況、節(jié)日用電差異特征等節(jié)日用電特征畫(huà)像(見(jiàn)表6)，具體分析步驟如下。

表6 節(jié)日用電特征標(biāo)簽

1)—4) 可參照假日用電特征計(jì)算步驟。

5) 基于近1 年用戶日電量數(shù)據(jù)，分別統(tǒng)計(jì)節(jié)日日電量平均值、工作日日電量平均值。

6) 計(jì)算節(jié)日開(kāi)工率。節(jié)日開(kāi)工率=節(jié)日日電量平均值/工作日日電量平均值。

7) 設(shè)置節(jié)日開(kāi)工率閾值，基于節(jié)日開(kāi)工率判定企業(yè)在節(jié)日開(kāi)工的狀態(tài)(全開(kāi)工、半開(kāi)工、不開(kāi)工)。

3 客戶需求響應(yīng)資源精準(zhǔn)識(shí)別

3.1 客戶潛力需求響應(yīng)潛力識(shí)別

基于需求響應(yīng)運(yùn)營(yíng)支持平臺(tái)，獲取潛力用戶信息，并按照不同供電單位、不同行業(yè)、不同響應(yīng)等級(jí)(削峰響應(yīng)潛力等級(jí)、填谷響應(yīng)潛力等級(jí))，輸出潛力用戶的響應(yīng)潛力值、潛力排名、日用電量、負(fù)荷等信息。

3.1.1 削峰響應(yīng)潛力

基于削峰潛力分析模型，明確用戶削峰響應(yīng)潛力用戶的用戶畫(huà)像，包括峰類(lèi)型、削峰響應(yīng)潛力等級(jí)、削峰響應(yīng)潛力、削峰響應(yīng)潛力排名、早高峰、午高峰的削峰響應(yīng)潛力等，如圖1 所示。

圖1 削峰響應(yīng)潛力用戶信息展示

3.1.2 填谷響應(yīng)潛力

基于填谷潛力分析模型，明確填谷響應(yīng)潛力用戶的用戶畫(huà)像，包括峰類(lèi)型、填谷響應(yīng)潛力等級(jí)、填谷響應(yīng)潛力、填谷響應(yīng)潛力排名、早高峰、午高峰的填谷響應(yīng)潛力等，如圖2 所示。

圖2 填谷響應(yīng)用戶信息展示

3.1.3 柔性負(fù)荷可調(diào)節(jié)潛力

基于柔性可調(diào)節(jié)負(fù)荷潛力分析模型，明確柔性負(fù)荷可調(diào)節(jié)潛力用戶的用戶畫(huà)像，包括可調(diào)節(jié)負(fù)荷值、常態(tài)可調(diào)節(jié)負(fù)荷值、可調(diào)節(jié)潛力值、可調(diào)節(jié)潛力排名、可調(diào)節(jié)潛力等級(jí)等，如圖3 所示。

圖3 柔性負(fù)荷可調(diào)節(jié)潛力用戶信息展示

3.2 客戶生產(chǎn)經(jīng)驗(yàn)特征識(shí)別

3.2.1 生產(chǎn)班次特征

基于企業(yè)生產(chǎn)班次特征分析模型，明確客戶生產(chǎn)班次特征畫(huà)像，包括生產(chǎn)班次類(lèi)型、集中生產(chǎn)時(shí)段、生產(chǎn)特征等。

3.2.2 假日用電特征

基于假日用電特征分析模型，明確潛力用戶假日開(kāi)工情況、周一至周日用電差異特征、工作日日均電量、周末日均電量等。

3.2.3 節(jié)日用電特征

基于節(jié)日用電特征分析模型，明確潛力用戶節(jié)日用電負(fù)荷特征，包括用戶節(jié)日開(kāi)工情況、節(jié)日用電差異特征、節(jié)日日均電量、工作日日均電量等。

4 結(jié)束語(yǔ)

為有效輔助需求響應(yīng)工作的高效開(kāi)展，國(guó)網(wǎng)浙江省電力有限公司充分發(fā)揮自身電力數(shù)據(jù)資源優(yōu)勢(shì)，在深入開(kāi)展數(shù)據(jù)挖掘的基礎(chǔ)上，提出了客戶需求響應(yīng)分析模型與特征分析模型構(gòu)建方案，通過(guò)歷史參與需求響應(yīng)用戶、高潛用戶客戶標(biāo)簽體系，精準(zhǔn)篩選客戶側(cè)高潛力資源。通過(guò)平臺(tái)應(yīng)用驗(yàn)證，該方案可準(zhǔn)確找出電網(wǎng)內(nèi)削峰填谷潛力較高的用戶，明確高潛力用戶生產(chǎn)班次特征及節(jié)假日用電特征等，有效推進(jìn)電網(wǎng)公司需求響應(yīng)工作的開(kāi)展。