一种精准切负荷系统可中断负荷评估机制的建立方法与流程

本发明涉及电力设计技术领域，特别是一种精准切负荷系统可中断负荷评估机制的建立方法。

背景技术：

山东电网已全面进入特高压大规模建设和快速发展的新阶段。交直流混合系统间的相互影响复杂，交流系统故障可能引发直流换相失败甚至闭锁，故障冲击连锁反应造成电网运行风险增加，电网安全基础有所减弱。目前，在电网故障切负荷时均无法有效区分负荷的重要性，基本上没有考虑被切负荷的种类、分布，没有进行所切负荷的最优选择，容易造成重要负荷断电、大面积居民停电等次生事故，导致较大的社会影响，不能满足当前电力企业以及电力用户对电网友好性、可靠性的需求。

另外，新型能源的崛起以及分布式发电技术的日趋成熟，打破了原有的源网荷属性，源荷界限的模糊化加剧了负荷预测的难度。国内外学者对新能源接入后的电网负荷建模进行了广泛的研究，提出采用神经网络、遗传算法等方法研究负荷特性，然而这些方法需要大量的样本训练模型，而且不能分行业、分用户掌握负荷变化的趋势和特性，以及负荷特性变化的原因。因此，在用户管理方面无法给电厂发电并网、电力营销、有序用电管理等工作提供更多数据支持。

技术实现要素：

本发明的目的是提供一种精准切负荷系统可中断负荷评估机制的建立方法，旨在解决现有技术中缺少对用户电力负荷数据的研究，无法为电力管理提供数据支持的问题，实现对用户负荷精细、友好控制，精确调控各方负荷。

为达到上述技术目的，本发明提供了一种精准切负荷系统可中断负荷评估机制的建立方法，所述方法包括以下步骤：

s1、构建典型日选取模型，获取典型日负荷曲线；

s2、构建相关系数模型，获取各用户典型日负荷曲线间的相关系数；

s3、构建频谱分析模型，通过频谱分析获取负荷特性；

s4、构建负荷特性指标体系，获取各负荷特性指标的实时数据；

s5、根据各用户负荷大小、时段，确定参与客户数量、范围，建立客户侧可中断负荷评估机制和可中断负荷资源库。

优选地，所述典型日选取模型采用单类支持向量机进行，其目标函数的计算公式为：

s.t.||xi-c||²≤r²+ξi

ξi≥0，i＝1，2，…，l

其中，r为模型半径，v为模型平衡参数，且0≤v≤1，通过拉格朗日函数来求解函数：

则有：

因此得到对偶问题为：

通过最优化方法得到优化解α。

优选地，所述相关系数模型表征用户间的用电规律以及用户与该行业总体用电规律间的关联特性，相关系数为正相关或负相关。

优选地，所述相关系数的计算公式如下：

优选地，所述频谱分析模型采用离散傅里叶变换后进行频谱分析，分析用电波动的频率特性。

优选地，所述离散傅里叶运算所需的运算量为：

优选地，所述负荷特性指标体系包括月负荷率、峰谷差、峰谷差率、日最大负荷、日最小负荷、日负荷率、日最小负荷率。

优选地，所述月负荷率表达式为：

所述峰谷差率表达式为：

所述日负荷率表达式为：

所述日最小负荷率表达式为：

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

与现有技术相比，本发明通过分析全行业用户负荷特性，有效得出全行业用户负荷变化规律、特性和趋势，实现电力负荷数据的实时跟踪、动态把握。同时考虑客户负荷大小、时段、可控等因素制约，确定参与客户数量、范围，建立客户侧可中断负荷评估机制和可中断负荷资源库，实现对用户负荷精细、友好控制。将其应用于精准切负荷系统，将客户分路可中断负荷接入，并以光纤为通道，接入就近变电站网络，客户设备开关与终端相连，由终端输出跳闸动作控制客户设备开关，实现负荷调控。解决公司在精准切负荷系统建设、客户信息收集过程中，缺少客户信息标准模板等问题，避免多次到客户现场调研所带来的服务风险，提升服务满意度，积极支撑可研编制、设备研发等方面的前期工作，对公司源网荷体系建设工作开展具有重要指导作用。

附图说明

图1为本发明实施例中所提供的一种精准切负荷系统可中断负荷评估机制的建立方法流程图；

图2为本发明实施例中所提供的大工业各用户典型日负荷曲线图；

图3为本发明实施例中所提供的大工业整体典型日负荷曲线图；

图4为本发明实施例中所提供的用户15负荷曲线频谱图；

图5为本发明实施例中所提供的用户15功率曲线图；

图6为本发明实施例中所提供的大工业各用户的月负荷率图；

图7为本发明实施例中所提供的大工业整体峰谷差图；

图8为本发明实施例中所提供的大工业整体峰谷差率图；

图9为本发明实施例中所提供的大工业整体日最大负荷图；

图10为本发明实施例中所提供的大工业整体日最小负荷图；

图11为本发明实施例中所提供的大工业整体日负荷率图；

图12为本发明实施例中所提供的大工业整体日最小负荷率图。

具体实施方式

为了能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

下面结合附图对本发明实施例所提供的一种精准切负荷系统可中断负荷评估机制的建立方法进行详细说明。

如图2、3所示，本发明实施例公开了一种精准切负荷系统可中断负荷评估机制的建立方法，所述方法包括以下步骤：

s1、构建典型日选取模型，获取典型日负荷曲线；

s2、构建相关系数模型，获取各用户典型日负荷曲线间的相关系数；

s3、构建频谱分析模型，通过频谱分析获取负荷特性；

s4、构建负荷特性指标体系，获取各负荷特性指标的实时数据；

s5、根据各用户负荷大小、时段，确定参与客户数量、范围，建立客户侧可中断负荷评估机制和可中断负荷资源库。

本发明实施例通过从典型日选取、相关系数、频谱分析以及指标体系四个层面上建立电力负荷模型，对电力负荷模型进行特性分析。

典型日选取模型的构建如下：

采用单类支持向量机进行典型日选取，该方法对传统的svm进行延伸和扩展，将统计学习理论引入到无监督学习理论。

单类支持向量机模型将样本集聚类，并通过调节参数改变模型的结构风险，得到最优模型解。典型日的选择是一种聚类，假设每一天的量测数据为一个样本，则样本就是24维空间中的一点，使用一个超球面使得其可以尽量覆盖住所有样本点，则超球的圆心也就是量测数据中心，也就是典型日数据所在的地方。单类支持向量机的本质是采用超球面代替超平面来划分数据，其目标函数为：

s.t.||xi-c||²≤r²+ξi

ξi≥0，i＝1，2，…，l

其中，r为模型半径，v为模型平衡参数，通过设定参数0≤v≤1，使超球面的半径和其所能包含的训练样本数目之间进行折中。

使用拉格朗日函数来求解函数：

则有：

因此得到对偶问题为：

通过最优化方法得到优化解α，继而得到圆心值，即待求的典型日。

相关系数模型的构建方法如下：

利用各用户的典型日负荷曲线可以分析用户间的用电规律以及用户与该行业总体用电规律间的关联特性。采用相关系数法可量化关联程度，相关系数显示两个随机变量之间线性关系的强度和方向。当两个变量的线性关系增强时，相关系数趋于1或-1。当一个变量增加而另一变量也增加时，相关系数大于0；当一个变量增加而另一变量减少时，相关系数小于0；当两个变量独立时，相关系数为0，但反之并不成立。相关系数的计算公式如下所示：

通过绘制相关系数曲线能够更加直观的观测各用户典型日负荷曲线的相似性。若某用户a坐标上相关系数为1，附近有多条相关系数曲线汇集，记这些汇集曲线对应的用户集合为s，说明用户a的负荷曲线与集合s中用户的负荷曲线形状相近。

频谱分析模型的构建如下：

将用户负荷的时间序列看作时傅里叶变换的离散采样点，进而可对其进行离散傅里叶变换。对用户24点数据进行离散傅里叶变换后对其频谱进行分析，以把握用户用电波动的频率特性。

采用快速傅里叶变换对负荷频谱进行分析。快速傅里叶变换是一种快速高效的算法，可以将一个信号变换到频域，并将信号的频谱提取出来。部分信号由于很难在时域上发现其特征，在将信号变换到频域之后，就能较容易发现其具有的周期特性，有限长序列x(n)进行一次离散傅里叶运算所需的运算量为：

负荷特性指标体系的构建如下：

在负荷特性分析研究中，涉及到的负荷特性指标数量较多，本发明实施例对主要的负荷特性指标进行分析研究，包括月负荷率、峰谷差、峰谷差率、日最大负荷、日最小负荷、日负荷率、日最小负荷率。

所述月负荷率又称月不均衡系数，是由用电部门在月、周内的停工休息、设备检修、生产作业顺序以及有无新用户投入生产等所引起的，同时，该指标也反映了用户因设备小修、生产作业顺序不协调、或因停电而引起的停工休息等的影响，其表达式为：

所述峰谷差指的是电力系统某一时间周期内最大负荷与最小负荷之差，通常以日为单位，峰谷差能够反映出用户负荷在日内的波动情况。

由于峰谷差反映的是日内负荷波动的绝对值，并不能很好的反应波动的相对大小，而峰谷差率能较好的反应出日内波动的相对情况，所述峰谷差率的计算公式为：

峰谷差的大小直接反映了电网所需要的调峰能力，峰谷差主要是用来安排调峰措施，调整负荷及电源规划的研究。

所述日最大负荷指的是电力系统日内的最大负荷功率，所述日最小负荷指的是电力系统日内的最小负荷功率。

所述日负荷率为日平均负荷与最大负荷之比值，公式为：

所述日最小负荷率为日最小负荷与最大负荷之比值，公式为：

日负荷率和日最小负荷率是用于描述日负荷曲线特性，表征一天中的不均衡性，较高的负荷率有利于电力系统的经济运行。

本发明实施例选取山东潍坊地区的28个大工业用户，对其负荷特性进行分析。

通过典型日选取模型获取典型日后可得到各用户的典型日负荷曲线，对各用户日负荷曲线的相关特性进行分析，如图2、3所示。

由大工业用户的典型日负荷曲线可以看出，在凌晨3点、中午11点以及下午17点有局部峰值出现，负荷的日内波动次数较多，但波动幅度不大。

根据相关系数模型求取大工业用户的典型日负荷曲线间的相关系数，对各用户负荷曲线间的关联特性进行分析，获得相关系数曲线，通过相关系数曲线分析用户与用户之间呈正相关还是负相关。通过各用户间相关系数的分析，可以按照用户的用电规律对其进行分类，并进行客户群的划分，并对该类型客户群进行典型日负荷曲线分析。例如铸造生产企业客户群最大负荷出现在凌晨1点，最小负荷出现在中午13点，全天的用电规律为日间用电量小，夜间用电量大，主要由于该类企业由于自身能耗较高，且生产能力较为富裕，在分时电价政策的作用下，通过合理安排生产计划，利用夜间低谷电生产以达到降低企业的运行成本的目的。

根据频谱分析模型对大工业用户进行负荷特性的频谱分析。以用户15为例，其负荷曲线频谱图以及相应的功率曲线如图4、5所示。

对日负荷波动情况进行分析，由3所示，用户15的振幅较大的频率有30、60、90，且在频率为120、150、180处振幅也较为明显。该频率对应的为月频率，即在一个月中出现的周期性变化的次数，换算到日特性则为每天周期变化1次、2次、3次，相应的变化周期为24h、12h、8h，该波动规律从功率曲线中也能看出。

根据负荷特性指标体系中的各个指标进行负荷特性分析，分别构建月负荷率、峰谷差、峰谷差率、日最大负荷、日最小负荷、日负荷率、日最小负荷率曲线图，如图6-12所示，分析各指标特性。

通过在典型日选取、相关系数、频谱分析以及指标体系四个层面建立大工业负荷模型，实现对大工业客户电力负荷数据的精细化研究，分析得出负荷异常变化引起的主要因素。

按照本发明所示模型研究全行业用户负荷特性，有效得出全行业用户负荷变化规律、特性和趋势，实现电力负荷数据的实时跟踪、动态把握。同时考虑客户负荷大小、时段、可控等因素制约，确定参与客户数量、范围，建立客户侧可中断负荷评估机制和可中断负荷资源库，实现对用户负荷精细、友好控制。将其应用于精准切负荷系统，将客户分路可中断负荷接入，并以光纤为通道，接入就近变电站网络，客户设备开关与终端相连，由终端输出跳闸动作控制客户设备开关，实现负荷调控。解决公司在精准切负荷系统建设、客户信息收集过程中，缺少客户信息标准模板等问题，避免多次到客户现场调研所带来的服务风险，提升服务满意度，积极支撑可研编制、设备研发等方面的前期工作，对公司源网荷体系建设工作开展具有重要指导作用。

另外，通过本发明对电力市场逐级递阶分析，按照典型客户、客户群、行业负荷层级研究多时间维度(年—季—月—周—日)多层次(全社会—行业—客户群—典型客户)负荷特性，准确反映客户宏观政策、客户生产规模对电力市场营销制定电价的影响，实现对客户用电信息的精细化研究、从全社会的负荷异常能够推导出具体某行业的异常甚至某客户的异常，并进一步分析出负荷异常变化引起的主要因素，为精准切负荷系统可中断负荷评估机制和可中断资源库的建立提供了数据模型。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。