Page 37 - 电力与能源2022年第五期
P. 37

刘盼盼, 等: 基于负荷分析平台研究某超大型城市的负荷特性                                   3 9
                                                                                                      9
              数库和历史库, 为需求预测提供历史数据参考和                          11.5 万条。根据用户性质进行初步分类, 其中大
              参数取值的指引。                                         用户用于行业、 产业研究, 如需用系数、 同时率以及
              1.3  研究参数的相关方法                                   负荷曲线等; 杆配变主要用于居民用户研究。数据

                   以实际负荷日电网网架及运行数据为基础,                         范围如图2所示, 负荷数据分析流程如图3所示。
              从产业、 行业、 地域等维度分析用户用电行为特

              性, 分析不同维度电力需求调整的典型取值区间。
                   ( 1 ) 数据清洗: 由于基础数据中存在毛刺等异
              常数据, 可能会导致出现异常指标数据, 通过定义

              指标数据的合理区间, 对基础样本数据进行清洗。
                   ( 2 ) 样本动态调整: 在计算需求预测参数时,
              自动指标计算公式, 筛选符合参数计算的样本数
              据, 并提供动态调整样本机制。
                   ( 3 ) 置信区间选择: 通过对现有数据正态分布
              分析, 计算得到样本数据的区间估计值即置信区
              间, 选取置信水平为 95% 。 95% 置信水平指的是
              由样本的均值所构造的置信区间中, 包括总体样
              本的均值在内, 0.95 称为置信系数, 即系数的上
              下限区间值。
                   ( 4 ) 聚类 分 析: 聚 类 分 析 ( ClusterAnal y sis )
              是 一 组 将 研 究 对 象 分 为 相 对 同 质 的 群 组
              ( Clusters ) 的统计分析技术。根据行业产业分类
              ( 三产、 居民及十一大行业)、 地域分类( 行政区、 功
              能块、 环线、 网格等) 开展典型参数估算方法研究。
              1.4  数据处理                                                     图 3  负荷数据分析流程
                   以某超大型城市为研究对象, 通过负荷分析
              平台对其负荷特性进行分析。原始负荷数据共计                           2  计算分析结果
              约 14 万 条, 其 中 大 用 户 约 2.5 万 条, 杆 配 变 约               本文通过负荷分析平台对该超大型城市的负






























                                                       图 2  数据范围
   32   33   34   35   36   37   38   39   40   41   42