全社会用电量预警指标研究

分析了开展全社会用电预警的意义,提出了选取先行指标的原则和筛选范围,针对国家电网公司经营区域全社会用电量,采用时差相关分析、转折点分析、异常点分析3种方法进行了实证分析,得到了全社会用电量的先行指标,并且提出了预警指标的构造方法,为建立用电量预警模型奠定了基础。     

基于用户数量和装接容量的用电分析研究

全社会用电量是反映社会经济发展的最重要指标之一,对于电力受入型城市(受入电量占用电量60%以上),在关注本地发电装机、利用小时数等指标的同时,更应关注代表需求侧情况的用电用户数量和用户装接容量等指标。选择广州市为例,对2014年—2017年全社会用电数据进行分析,提出一种基于用户数量和装接容量的分析方法,利用行业用户繁荣程度以及用电量与用户装接容量间波动幅度的拟合关系,对未来一段时期的全社会用电趋势进行预测。     

电力市场用电量需求分析预测模型研究

结合广东省某市历史用电量数据,通过行业细分,设计了基于行业用电特性的电力市场用电量需求分析预测模型的总体架构,包括基于大数据平台的云计算技术架构设计,可有效解决“数据孤岛”的弊病。基于该架构和实例分析,讨论了几种常用的电量分析预测方法,包括行业驱动因素法、电力弹性系数法和电力相似月法等,给出了相应的预测过程和预测结果。然后,结合电量分析,进行了行业信用等级评价及景气指数分析模型的研究。最后,基于模型设计,探讨了电网-用户-售电商三方在市场竞争机制下的供需互动关系。所设计的模型可为市场营销服务策略的制定、电费回收、行业信用度评价及预警提供数理依据和模型,提高市场分析决策的能力。     

基于概率预测的用电采集终端电量异常在线实时识别方法

电力市场环境下用电信息采集系统采集的用电量成为市场结算的重要依据。实时识别用电采集终端上送的异常电量,不但可以提升数据质量,也可以为发现采集终端的故障、识别异常用电行为提供参考。针对现有异常数据识别方法识别性能和实时性不高的问题,提出基于概率预测的电量异常在线实时识别方法。首先,在分析电量异常类型和特点的基础上,提出离线训练概率预测模型、在线实时识别异常数据的检测方法。其次,提出了基于状态空间模型的结构化用电量模型对用户用电规律进行建模,并采用变分贝叶斯推断训练模型,以实现用电量的概率分布预测。最后,利用预测标准分数衡量电量实测数据与电量概率预测结果之间的差异,从而实现异常数据的在线识别。采用实际电量数据进行验证,并与其他方法进行对比,验证了该方法的实用性和有效性。     

基于面板回归的地区行业用电量空间协同预测模型研究

中国大部分地区目前还处在工业化中后期阶段，行业用电在全社会用电量中占有较大比重，随着区域协同发展政策的实施，各地区内部行业间联系日益紧密，针对地区内部行业用电量预测问题，传统单维度历史序列分析无法满足需求。介绍一种基于关联规则发掘算法确定行业电量增长主导因素的方法，结合面板数据建立区域行业用电量空间协同预测模型，模型基于面板协整关系实现多地区行业用电量预测。以中国南方五省非金属行业用电量及相关经济数据为例进行实证研究，验证了所提出的空间协同预测模型的可行性与有效性。     

风电年最大弃风电量计算方法及分析

为最大限度保障风电消纳,在规划论证风电装机规模过程中,有必要定量分析风电装机规模与弃风率、消纳风电电量占全社会用电量比重等指标之间的关系。提出年最大弃风电量的概念,基于风电出力和负荷持续曲线,提出了一种计算年最大弃风电量方法,并根据对持续曲线的近似,推导了年最大弃风电量的估算公式;计算最大弃风率与风电电量保证消纳比例等指标,可为风电规划设计提供参考。最后,通过算例分析验证了该方法的有效性。     

基于逻辑回归算法的异常用电辨识方法研究

检测异常用电的目的 是打击异常用电,并减少电能的非技术性损失.文中提出了一种基于逻辑回归算法的异常用电辨识方法,主要包括特征提取、算法构建以及检验模型等模块.提取电网用电量等相关数据,并从数据集中提取出电量下降趋势指标、线损指标和告警类指标用作异常用电评判体系.进行电量下降趋势指标、线损指标和告警类指标的归一化处理,再进行离群邻近度的计算,初步筛选异常用电用户.对初步筛选的结果进行逻辑回归算法的再次筛选,进一步提高识别准确率.经过电网部分用电数据的检验后,该算法相较于逻辑回归算法,识别率更高,识别效果更好.     

基于多变量灰色预测模型的省级电力公司中长期电量预测

目前我国中长期电量预测的结果准确度难以进一步提高,且传统GM(1,1)由于其自身特点,已不再适应近年来全社会用电量变化呈现出的新规律。基于省级电力公司各产业全社会用电量数据,分析了用电量的变化规律。通过挖掘各产业影响用电量变化的因素,分产业建立多变量灰色预测模型,预测了江苏省2016—2018年全社会用电量,预测结果可靠。最后对模型应用的特点进行了总结。     

基于灰色系统理论的湖北省全社会用电量预测分析

全社会用电量变化受到政策、经济、人口、气候、资源等诸多不确定因素的影响,是一个庞大的不确定系统。在日常电力预测实践中,往往比较注重对单一指标的相关性分析,对每一种分析的结果再最后加以综合分析,本文提出一种电量预测新思路,考虑将灰色系统理论应用于年度全社会用电预测,从众多的相关因素历史数据中找出与全社会用电量变化相关性较大的指标,利用灰色算法建立湖北省全社会用电量预测模型,对全社会电量进行准确推断。     

考虑产业结构关系的行业电量需求先导效应分析

文章基于景气指数的原理,从产业结构关系的角度提出了行业电量需求先导效应的分析流程及方法。基于产业结构关系,梳理影响行业电量需求的原始数据集,采用K-L信息量法筛选得到时序上领先于行业电量变化的指标集合,即行业电量的先导指标;采用合成指数法,将行业电量先导指标合成得到行业电量的先行景气指数,先行景气指数的变化情况直接反映了行业电量的未来趋势。以云南省电解铝、铁合金冶炼行业为样本展开实例分析,验证了所述方法的有效性。通过省内外宏观经济和上下游产业的产量等数据分析,能够合理地反映省内重点行业电量的变化趋势。     

基于组合赋权及扇形雷达图法的电网公司月度运营预警模型

为提升电网公司运营风险的防控能力,有必要对关键的运营指标进行预警分析。在电网公司现行运营监测体系的基础上,筛选出月度运营分析的关键指标进行分析。为实现电网运营状态科学直观地预警,提出了基于主客观赋权和改进扇形雷达图法的月度运营分析预警模型,通过引入参考样本,克服传统模型无法区分优劣预警等级的问题。最后,以A省电网公司为例,对其2014年1—10月的运营状况进行预警分析,分析结果直观有效地区分不同月份运营状况所属预警区间,同时验证了模型的可行性、直观性和科学性。     

基于大数据和机器学习的用电异常行为分析系统总体架构

用户用电异常行为不仅对接入设备和用户本身产生影响,更会危及电网的正常运行,因此对用电异常行为的分析至关重要。基于大数据和机器学习技术,设计了一种用电异常行为分析系统,并提出了系统设计的总体框架和相关配置。所设计系统对用户用电的用电量、电压质量、负载及三相不平衡率、无功及功率因数等方面可以进行异常分析,并以可视化的方式向管理员和用户展示。同时,对高风险用户进行预警和跟踪处理,对窃电行为展开调查分析。本系统可以有效分析用户用电异常行为及进行窃电预警,对电网稳定运行起到关键作用。     

中国电力景气指数的混频非对称测度

鉴于传统同频电力景气指数缺乏实时性和动态性，构建能够同时分析季度、月度2种频率的MF-MS-SW模型，选择21个指标组成的先行、一致和滞后混频样本数据，构建中国混频电力景气指数及预警信号系统。结果表明：构建的MF-MS-SW计量模型较好地刻画了中国电力景气指数的波动特征，具有多频率和非线性的特征，与中国总体经济发展状态具有高度的一致性，可以用来预警和预测。建议能源和电力部门定期编制并发布中国电力行业景气指数，反映电力行业景气状态的实时变化，促进能源结构优化调整。     

营配调末端融合的供电综合风险预警模型

当前供电营配末端相互独立、关联度偏低,导致其综合风险预警效果较差,为此构建一种新的供电综合风险预警模型。选取供电风险预警指标,并对其进行标准化处理。计算指标间的灰度关联度,并对其进行排序,获取供电风险事件的标量时间序列,求得风险预警的最大梯度差,根据关联指向性特征得到风险预警评估的判决式,以此构建供电风险预警模型。实验结果表明,利用该模型进行供电综合风险预警,预警结果更接近实际结果。     

风电爬坡事件多级区间预警方法

大规模风电爬坡事件对电力系统功率平衡问题影响显著,严重时可能导致停电事故。基于区间分析理论,提出了一种风电爬坡事件多级预警方法,对可能造成的危害程度进行预先警告。考虑风电爬坡预测研究现状,采用区间数形式对其不确定性进行描述;针对风电爬坡事件强波动性对电力系统功率控制的影响,以维持静态频率偏差在允许范围内为前提,分析采用不同功率控制措施满足功率平衡所对应的风电爬坡幅度允许区间;确定各等级预警区间的预警界限,并利用区间排序方法计算各预警区间的概率,实现多级预警。算例仿真分析及比较结果表明,所述方法能够给出各级预警区间的界限值及概率分布,物理意义明确,且简便快速,利于实时滚动运行,体现了有效性和实用性。     

基于SCP和模糊算法的市场力警戒级别评估

市场力的评估和监管是保证电力市场有效运行的重要内容之一。文中提出了按照产业经济学中的结构〖HT5,7〗—〖HT5〗行为〖HT5,7〗—〖HT5〗绩效（SCP）分析框架建立面向整个市场和发电商的市场力评估指标体系,然后用模糊层次综合评估方法对市场、各阻塞区域、各发电商的市场力警戒级别进行实时评估和监控,根据得到的5级警戒级别对市场监控图着以不同警戒色,并按照对S,C,P的警戒级别评估结果做出相应的监管决策机制,可以有效提高监管效率。最后以实际电力市场的市场数据为算例,验证了文中提出的基于SCP和模糊层次综合评估的市场力警戒和监管决策机制可以有效识别出市场中S,C,P各环节的市场力水平以及各发电商的策略报价行为。     

基于停电风险评估的城市配电网应急预警方法

应急预警是城市配电网应急管理所必备的重要基本功能,其核心工作是评估各种突发事件对电网的威胁程度,进而评定相关预警级别并发布预警信息。文中研究并提出了一种城市配电网应急预警方法,通过分析各类突发事件引发的设备停运概率,计算出突发事件下配电网停电风险,并以此为判据确定突发事件预警级别。该方法考虑了应急调度措施的作用,所构建的停电风险指标具有明确清晰的物理意义,可用于优化设计应急预防和处置方案。以IEEE标准系统为算例说明了所提出的方法的工作流程和实用性。     

基于长短期记忆网络算法的电费回收风险预警

电力大客户电费回收风险一直都是电力公司关注的热点,但由于缺乏外部数据支撑和高效预警模型,使电费回收风险预警成为了一个难题。文中首先综合电力客户的电量、电费数据,以及电力客户在工商、税务、法院等部门的风险信息,建立电力大客户的电费回收风险指标体系。其次,基于熵值法得到的风险指标权重系数,过滤弱影响指标,采用相关性分析剔除重叠作用指标,得到客户电费回收风险预警指标。最后,基于深度学习中的长短期记忆(long short-term memory,LSTM)网络算法进行了客户电费回收风险预警。算例结果表明,提出的风险预警模型精确有效,且LSTM在准确率、查准率和查全率3个指标上较Logistic回归更加精准,能够精准定位风险客户,提高电费回收效率。     

基于生命周期理论和正态分布拟合技术的电网项目关键节点预警分析

构建了一套基于项目生命周期理论与正态分布拟合技术的电网项目预警模型,用于项目全过程关键节点的预警分析。一方面将项目生命周期理论融合电网项目特性,建立了一套项目全过程监控指标体系;另一方面基于正态分布理论进行时间节点量化、多维数据模拟、预警区间设置,建立了项目全过程监控预警模型。通过主网项目进行实证分析,为综合计划项目优化提升工作提供理论依据。     

面向能源互联网终端用户的异常数据检测方法

随着能源互联网的持续推进,电力系统的信息化程度不断提高,用户侧电量数据迅速增长,为开展基于大数据分析技术的用户用能特征检测提供了数据基础。针对传统的用户异常用电模式检测模型存在投入高、效率低的问题,提出了包含数据清洗-特征筛选-模型训练的用户异常用电全周期检测模型。为了综合考虑用户异常用电模式的影响因素,建立了包含负荷曲线斜率指标、线损指标和告警类指标的评估指标体系;并对初始数据进行数据清洗及缺失值处理以提高用户异常用电模式检测的精确度,然后使用极端梯度提升树(extreme gradient boosting,XGBoost)进行异常检测。最后,通过算例验证了检测模型的有效性,并通过与决策树、随机森林及Adaboost的对比分析,得出了XGBoost在用户异常用电模式检测中以较短的训练时间获得了较高的检测精度的结论。