一种基于电力大数据的居民制冷取暖需求评估方法

1.本发明涉及电力大数据应用技术领域，具体是一种基于电力大数据的居民制冷取暖需求评估方法。


背景技术：

2.当气温过高或过低时，居民一般会采用空调、取暖器等进行制冷或取暖，由于存在生活习惯、个体差异，不同的人群对温度的敏感程度不同。通过电力大数据分析居民的制冷取暖需求，可为电力部门制定需求侧响应计划，社区居民健康管理等提供有力的数据支撑。
3.申请号为202010983412.7的中国发明专利“一种空调负荷提取的方法”从总体的负荷数据中，提取出由空调类设备产生的负荷数据；而确定空调类负荷对总体负荷的影响程度，再制定实际方法来控制这类负荷的变化。申请号为20171006445.5的中国专利“取暖装置与取暖系统”提供了一种取暖装置与取暖系统，包括暖气片、循环水泵、换热锅炉、温控器、逆变器等。
4.现有的涉及制冷、取暖的相关专利，申请号为202010983412.7的专利，主要针对的是宏观层面的空调负荷提取方法，不涉及居民个人层面的制冷与取暖，申请号为20171006445.5的专利主要涉及一种取暖装置。上述两个专利均不涉及居民制冷取暖需求的量化分析，无法对居民制冷取暖需求进行量化，从而不能为社区居民健康管理及电力需求侧响应提供数据依据。


技术实现要素：

5.针对现有技术存在的上述不足，本发明提供一种基于电力大数据的居民制冷取暖需求评估方法，可对居民制冷取暖需求进行量化，为社区居民健康管理及电力需求侧响应提供数据依据。
6.本发明采用的技术方案为：
7.一种基于电力大数据的居民制冷取暖需求评估方法，包括以下步骤：
8.a、获取气温及用户用电量数据；
9.b、根据步骤a获取的用电量数据，修复缺失电量数据；
10.c、根据步骤b修复后的数据，计算居民制冷取暖特征指标；
11.d、根据步骤c计算的特征指标，评估居民制冷取暖需求。
12.进一步的，步骤a获取气温及用户用电量数据，具体包括：
13.假设分析的时间范围为{d1,d2,
…
,dn}，从天气网站获取每日的最高气温记为每日的最低气温记为从用电信息采集系统获取用户的日用电量，假设用户集合为{1,2,
…
i}，则用户i在第dj天的日用电量记为其中i属于集合{1,2,
…
i}，i为大于等于3的正整数，累计用电量记为
14.进一步的，步骤b中根据步骤a获取的数据，修复缺失电量数据，具体为：
15.用户i在第dj天的日用电量则对进行修复，令
16.进一步的，步骤c中根据步骤b修复后的数据，计算居民制冷取暖特征指标，具体为：居民制冷取暖特征指标包括频次特征指标和程度特征指标，
17.其中所述频次特征指标包括高温制冷频次特征指标和低温取暖频次特征指标，计算过程如下：
18.在分析的时间范围{d1,d2,
…
,dn}内，完成如下的计算：
19.若则令sg＝sg+1，其中sg的初始值为0；
20.若则令sd＝sd+1，其中sd的初始值为0；
21.其中tgy为高温阈值，tdy为低温阈值，sg为高温天数，sd为低温天数；
22.若用户i的基础日用电量为bi，对于第dj天：
23.若且则令否则令同时令高温制冷频次特征指标pgzi＝pgzi+1，其中pgzi的初始值为0；
24.若且则令否则令同时低温取暖令频次特征指标pdzi＝pdzi+1，其中pdzi的初始值为0；
25.其中kg为高温系数，kd为低温系数，pgzi为用户i的高温制冷频次特征指标，pdzi为用户i的低温取暖频次特征指标；为用户i在第dj天的制冷标志，当时表示第dj天有制冷；为用户i在第dj天的取暖标志，当时表示第dj天有取暖；
26.其中所述程度特征指标包括制冷需求程度特征指标和取暖需求程度特征指标，计算过程如下：
27.在分析时间范围{d1,d2,
…
,dn}内，对于用户i，若则用电量纳入制冷用电量集合gw，其中gwi＝{gw
i,1
,gw
i,2
,
…
,gw
i,q
}，若则用电量纳入取暖用电量集合dw，其中dwi＝{dw
i,1
,dw
i,2
,
…
,dw
i,m
}，采用如下方法计算制冷需求和取暖需求程度特征指标：
28.制冷需求程度特征指标：
29.取暖需求程度特征指标：
30.进一步的，步骤d中根据步骤c计算的特征指标，评估居民制冷取暖需求，具体为：
31.1)制冷需求评估
32.综合考虑高温制冷频次特征指标和制冷需求程度特征指标，计算制冷需求指数
zsgi，其中w1+w2＝1，指数越大表明制冷需求越大；
33.2)取暖需求评估
34.综合考虑低温取暖频次特征指标和取暖需求程度特征指标，计算取暖需求指数zsdi，其中w1+w2＝1，指数越大表明取暖需求越大。
35.本发明提供一种基于电力大数据的居民制冷取暖需求评估方法，通过获取用户用电量数据，对缺失用电量数据进行修复，从频次和程度两个方面来计算居民制冷取暖特征指标，基于特征指标计算制冷需求指数和取暖需求指数，对制冷取暖需求进行量化评估，当指数越高时表明制冷或取暖需求越高。通过量化评估居民制冷或取暖需求，可对居民的制冷取暖需求进行画像，为社区居民健康管理及电力需求侧响应提供数据依据。
附图说明
36.图1是本发明一种基于电力大数据的居民制冷取暖需求评估方法其中一个实施例的流程示意图。
具体实施方式
37.下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
38.请参阅图1，为本发明一种基于电力大数据的居民制冷取暖需求评估方法其中一个实施例的流程示意图，所述方法包括以下步骤：
39.a、获取气温及用户用电量数据，具体包括：
40.假设分析的时间范围为{d1,d2,
…
,dn}，从天气网站获取每日的最高气温记为每日的最低气温记为从用电信息采集系统获取用户的日用电量，假设用户集合为{1,2,
…
i}，则用户i在第dj天的日用电量记为累计用电量记为
41.b、根据步骤a获取的数据，修复缺失电量数据，具体为：
42.用户i在第dj天的日用电量则对进行修复，令
43.c、根据步骤b修复后的数据，计算居民制冷取暖特征指标，具体为：
44.居民制冷取暖特征指标主要包括频次、程度特征两个方面。
45.1)频次特征指标计算
46.在分析的时间范围{d1,d2,
…
,dn}内，完成如下的计算：
47.若则令sg＝sg+1，其中sg的初始值为0；
48.若则令sd＝sd+1，其中sd的初始值为0。
49.其中tgy为高温阈值，tdy为低温阈值，sg为高温天数，sd为低温天数。
50.若用户i的基础日用电量为bi，对于第dj天，
51.若且则令否则令同时令频次特征指标pgzi＝pgzi+1，其中pgzi的初始值为0；
52.若且则令否则令同时令频次特征指标pdzi＝pdzi+1，其中pdzi的初始值为0；
53.其中kg为高温系数，kd为低温系数，pgzi为用户i的高温制冷频次特征指标，pdzi为用户i的低温取暖频次特征指标；为用户i在第dj天的制冷标志，当时表示第dj天有制冷；为用户i在第dj天的取暖标志，当时表示第dj天有取暖。
54.2)程度特征指标计算
55.在分析时间范围{d1,d2,
…
,dn}内，对于用户i，若则用电量纳入制冷用电量集合gw，其中gwi＝{gw
i,1
,gw
i,2
,
…
,gw
i,q
}，若则用电量纳入取暖用电量集合dw，其中dwi＝{dw
i,1
,dw
i,2
,
…
,dw
i,m
}。采用如下方法计算制冷需求和取暖需求程度特征指标：
56.制冷需求程度特征指标：
57.取暖需求程度特征指标：
58.d、根据步骤c计算的特征指标，评估居民制冷取暖需求，具体为：
59.1)制冷需求评估
60.综合考虑高温制冷频次特征指标和制冷需求程度特征指标，计算制冷需求指数zsgi，其中w1+w2＝1，指数越大表明制冷需求越大。
61.2)取暖需求评估
62.综合考虑低温取暖频次特征指标和取暖需求程度特征指标，计算取暖需求指数zsdi，其中w1+w2＝1，指数越大表明取暖需求越大。
63.下面以一个具体实施例对本发明的技术方案和效果进行详细说明：
64.步骤a，获取气温及用户用电量数据，如表1所示为示例数据(以用户i为例)，收集的数据时间范围为2021年7月1日至2021年7月24日。
65.表1
66.[0067][0068]
步骤b，根据收集的用电数据，可看到2021年7月14日和7月18日该用户的日用电量数据缺失，对缺失数据进行修复，通过当日总电量减去前一天的总电量，可以得到7月14日的电量为33.9，7月18日的电量为4.6。修复后的数据如表2所示：
[0069]
表2
[0070]
[0071][0072]
步骤c，计算居民制冷取暖特征指标，其中相关参数取值如下：
[0073]
高温系数kg＝2，低温系数kd＝2，高温阈值tgy＝30，低温阈值tdy＝5，w1＝w2＝0.5该居民的家庭基础日用电量为4.8kw/h。
[0074]
在分析的时间范围内高温天数为sg＝18，无低温天气，计算结果如表3所示，可得到该用户高温制冷频次特征指标为pgz＝18，制冷需求程度特征指标为cgz＝4.84。
[0075]
表3
[0076]
[0077][0078]
步骤d，根据步骤c计算出的频次和程度特征指标，可计算出该用户的制冷需求指数为
[0079]
通过收集该用户在低温天气的用电量数据，采用本发明所提的方法即可计算出取暖需求指数。
[0080]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。