大數(shù)據(jù)背景下企業(yè)電力用戶負(fù)荷特性分析

孫 源，臧婷婷，姜 峰

（1.湖北大學(xué)a.數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院；b.應(yīng)用數(shù)學(xué)湖北省重點(diǎn)實(shí)驗(yàn)室，武漢430062；2.中國(guó)科學(xué)院武漢文獻(xiàn)情報(bào)中心，武漢430071）

0 引言

新一輪的電改使得電力系統(tǒng)從壟斷走向競(jìng)爭(zhēng)已成為必然，多家發(fā)電企業(yè)表現(xiàn)出了擬直接向周邊大客戶供電并開展售電業(yè)務(wù)的強(qiáng)烈意愿。國(guó)網(wǎng)冀北公司因此面臨著優(yōu)質(zhì)客戶減少，市場(chǎng)份額下降的嚴(yán)峻形勢(shì)，售電市場(chǎng)空間縮小、競(jìng)爭(zhēng)激烈，相關(guān)管理者不得不及時(shí)作出調(diào)整；最近幾年環(huán)境污染甚是嚴(yán)重，加之冀北地區(qū)鄰近首都北京，因此自然成了治污減污的重要目標(biāo)。這對(duì)于以重工業(yè)為主要發(fā)展對(duì)象的冀北地區(qū)來(lái)說(shuō)，限產(chǎn)甚至停產(chǎn)的要求將會(huì)嚴(yán)重影響電力市場(chǎng)的波動(dòng)。

本文在這種大環(huán)境下，以保證電力系統(tǒng)正常運(yùn)行、提高冀北公司的市場(chǎng)競(jìng)爭(zhēng)力、降低公司的運(yùn)行成本為目標(biāo)，調(diào)研了冀北地區(qū)各行業(yè)電力客戶分布及用電情況，選取冀北五地市重點(diǎn)行業(yè)電力大客戶日負(fù)荷和電量數(shù)據(jù)，通過(guò)研究數(shù)據(jù)預(yù)處理方法，進(jìn)行負(fù)荷聚類分析。

1 模型介紹

電力用戶負(fù)荷聚類就是根據(jù)不同用戶的不同用電曲線，將用電特征相似的用戶聚到一起，對(duì)不同用電特征的用戶分別進(jìn)行用電特征分析。隨著負(fù)荷曲線的不斷復(fù)雜化，傳統(tǒng)聚類算法肯定或多或少有些不適用的地方，相關(guān)研究者對(duì)負(fù)荷聚類方法不斷地進(jìn)行更新、探討，以便根據(jù)不同環(huán)境找到合適的各種聚類模型。由于數(shù)據(jù)量較大，本文經(jīng)過(guò)多種算法的對(duì)比和實(shí)際驗(yàn)算，最終選用計(jì)算速度較快的K-means聚類算法進(jìn)行聚類，聚類結(jié)果經(jīng)驗(yàn)證后也比較合理。

K-Means聚類又稱快速聚類，是由Mac Queen于1766年提出并命名的一種方法。其思想是：對(duì)于給定的N個(gè)樣本，任意挑選出K個(gè)對(duì)象，作為K個(gè)族類的初始聚類中心；接著分別計(jì)算所有其他樣本到這K個(gè)中心的歐式距離，與誰(shuí)越接近，就屬于那個(gè)類。新的K個(gè)類形成后再重新計(jì)算每個(gè)類的聚類中心，接著重復(fù)上面的過(guò)程，計(jì)算所有樣本到每個(gè)新的聚類中心的距離，與誰(shuí)越接近，就屬于那個(gè)類。不停地重復(fù)上述過(guò)程直到聚類中心不再改變?yōu)橹梗陨媳闶荎-Means聚類算法的全過(guò)程。

2 數(shù)據(jù)的選取及預(yù)處理

2.1 數(shù)據(jù)選取

本文選取冀北五地市四百多個(gè)行業(yè)中的黑色金屬冶煉及壓延工藝、黑色金屬礦采、非金屬礦物和金屬制品四個(gè)重點(diǎn)行業(yè)的每天96個(gè)點(diǎn)的日負(fù)荷數(shù)據(jù)進(jìn)行重點(diǎn)分析，負(fù)荷數(shù)據(jù)來(lái)自冀北電網(wǎng)公司數(shù)據(jù)庫(kù)。其中黑色金屬冶煉及壓延工藝的數(shù)據(jù)量為284053條，黑色金屬礦采數(shù)據(jù)量為1950430條，非金屬礦物數(shù)據(jù)量為2620129條，金屬制品數(shù)據(jù)量為3359569條。

2.2 數(shù)據(jù)填補(bǔ)和預(yù)處理

選取的每天96個(gè)點(diǎn)的負(fù)荷數(shù)據(jù)中有缺失的部分，需要進(jìn)行填補(bǔ)修正。對(duì)于缺失值的處理已有眾多學(xué)者進(jìn)行了研究，本次缺失值的填補(bǔ)針對(duì)不同的情況采用不同的方法：

（1）刪除表中無(wú)效記錄

因?yàn)楸敬嗡x的負(fù)荷值是正向有功負(fù)荷，所以表中數(shù)據(jù)應(yīng)該是大于等于零的。首先刪除表中含有負(fù)值的記錄；其次為了使得聚類結(jié)果有代表性，再刪除表中全為0的記錄；最后刪除表中出現(xiàn)極大值、極小值等異常值的記錄，刪除完數(shù)據(jù)后得到的數(shù)據(jù)即為需要進(jìn)行聚類分析的目標(biāo)用戶。

（2）刪除連續(xù)缺失太多的數(shù)據(jù)

每天的負(fù)荷值有96個(gè)點(diǎn)，經(jīng)過(guò)多次嘗試認(rèn)為每天連續(xù)缺失超過(guò)30個(gè)負(fù)荷值即算缺失過(guò)多。刪掉含有空缺值較多的一些記錄，是因?yàn)楸碇杏杏米侄螌?duì)應(yīng)的數(shù)據(jù)缺失值過(guò)多時(shí)，填補(bǔ)等方法將不能起到相應(yīng)作用，且無(wú)法保證填補(bǔ)數(shù)據(jù)的有效性，此時(shí)將其刪掉，以減小后續(xù)計(jì)算時(shí)的誤差。

（3）末段缺失值處理

由于缺失值的處理是對(duì)歷史數(shù)據(jù)進(jìn)行補(bǔ)齊，且每個(gè)用戶的用電行為是呈現(xiàn)一定的規(guī)律性的，所以可根據(jù)某一負(fù)荷點(diǎn)數(shù)據(jù)前后的日相同負(fù)荷點(diǎn)數(shù)據(jù)，用線性插值法來(lái)補(bǔ)齊數(shù)據(jù)。

（4）單個(gè)數(shù)據(jù)缺失

此種情況下比較好處理，用前后負(fù)荷的均值來(lái)代替即可。

（5）多個(gè)數(shù)據(jù)缺失

在出現(xiàn)多個(gè)負(fù)荷值缺失時(shí)，尤其是連續(xù)多個(gè)值缺失，以上填補(bǔ)方法會(huì)受到限制，此時(shí)本文將采用均值填補(bǔ)法，將96點(diǎn)數(shù)據(jù)中有缺失值的地方，根據(jù)缺失數(shù)據(jù)的前條記錄和后條記錄相應(yīng)位置的值進(jìn)行均值計(jì)算后得到填補(bǔ)數(shù)據(jù)。又因?yàn)樨?fù)荷數(shù)據(jù)受到外界天氣、重大事件等影響因素較大，在填補(bǔ)較多的負(fù)荷數(shù)據(jù)時(shí)，為了減小誤差，還應(yīng)結(jié)合人為經(jīng)驗(yàn)，對(duì)負(fù)荷值進(jìn)行修正。

（6）數(shù)據(jù)歸一化

因?yàn)椴煌脩舻呢?fù)荷大小相差甚遠(yuǎn)，所以為了更好地將用電行為相似的用戶聚到一起，需要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，再進(jìn)行分析。為了確保本數(shù)據(jù)訓(xùn)練的有效性，需對(duì)電力負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理。處理方法如下：

該方法可實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的等比例伸縮，其中X′為歸一化后的值，X為原始數(shù)據(jù)，分別為原始數(shù)據(jù)集的最大值和最小值。

3 聚類結(jié)果分析

數(shù)據(jù)經(jīng)過(guò)上述的缺失值處理和歸一化后即可進(jìn)行聚類分析。因聚類結(jié)果有大量統(tǒng)計(jì)圖表，為了展示方便，本文只選取黑色金屬礦采行業(yè)的典型聚類圖。黑色金屬礦采行業(yè)主要包括鐵礦采選和其它黑色金屬礦采，目前冀北黑色金屬礦采業(yè)用戶共7861戶。在冀北五地市中，唐山的用戶最多，共計(jì)5003個(gè)，合同容量占比約0.434；承德的用戶其次，共計(jì)1430個(gè)，合同容量占比約0.386；張家口的用戶第三，共842個(gè)，合同容量占比約0.065；秦皇島的用戶第四，共計(jì)584個(gè)，合同容量占比約0.113；廊坊的用戶第五，共計(jì)2個(gè)，合同容量占比不足0.01。圖1便是黑色金屬礦采行業(yè)的用戶日負(fù)荷特性聚類結(jié)果，聚類數(shù)為10，展示的是每類的聚類中心曲線（其中橫坐標(biāo)是每天96點(diǎn)的負(fù)荷取值時(shí)間）。

圖1（a）曲線很顯然為連續(xù)生產(chǎn)類型，負(fù)荷率都在80%以上，其年最高負(fù)荷率為83%，生產(chǎn)時(shí)間為連續(xù)24小時(shí)，日平均負(fù)荷水平約為83%。

圖1（b）曲線為白天生產(chǎn)類型，其年最高負(fù)荷率為60%，生產(chǎn)時(shí)間從8:00至18:00，日平均負(fù)荷水平約為35%。

圖1（c）曲線為夜間生產(chǎn)類型，即避峰生產(chǎn)。其年最高負(fù)荷率為60%，生產(chǎn)時(shí)間從23:00至次日8:00，日平均負(fù)荷水平約為32%。

圖1（d）曲線與圖1（b）曲線2有相似的地方，都為白天生產(chǎn)類型，生產(chǎn)時(shí)間都從8:00至18:00，但也有區(qū)別，其年最高負(fù)荷率32%，日平均負(fù)荷水平約為19%，均低于第二類。

圖1（e）曲線為不生產(chǎn)類型，其年最高負(fù)荷率僅為9%，日平均負(fù)荷水平約為8%，并沒(méi)有達(dá)到生產(chǎn)所需負(fù)荷水平。

圖1（f）曲線與圖1（a）曲線都為連續(xù)生產(chǎn)類型，其年最高負(fù)荷率為59%，生產(chǎn)時(shí)間為連續(xù)24小時(shí)，日平均負(fù)荷水平約為54%，負(fù)荷率均低于第一類，說(shuō)明此類用戶比第一類用戶小。

圖1（g）曲線為半夜生產(chǎn)類型，其年最高負(fù)荷率為73%，生產(chǎn)時(shí)間從23:00至次日20:00，日平均負(fù)荷水平約為42%。

圖1（h）曲線為典型的避峰生產(chǎn)類型，在高峰期呈現(xiàn)較低負(fù)荷率，低峰期有較高負(fù)荷率。其年最高負(fù)荷率為62%，生產(chǎn)時(shí)間從20:00至次日8:00，日平均負(fù)荷水平約為36%。

圖1 聚類中心曲線

圖1（i）曲線也是一種連續(xù)生產(chǎn)類型用戶，與其他連續(xù)生產(chǎn)用戶不同的依然是負(fù)荷率大小的區(qū)別。其年最高負(fù)荷率為51%，生產(chǎn)時(shí)間為連續(xù)24小時(shí)，日平均負(fù)荷水平約為48%。

圖1（j）曲線的夜間負(fù)荷率明顯降低，所以為白天生產(chǎn)類型，其年最高負(fù)荷率為70%，生產(chǎn)時(shí)間從8:00至24:00，日平均負(fù)荷水平約為40%。

以上介紹的是幾種用戶的聚類中心圖，概括起來(lái)大體分為連續(xù)生產(chǎn)型、白天生產(chǎn)型和避峰生產(chǎn)型，接下來(lái)展示這三種典型用戶的聚類圖，如圖2至圖4所示。

圖2 連續(xù)生產(chǎn)類型

圖3 避峰生產(chǎn)類型

圖4 白天生產(chǎn)類型

以上便是黑色金屬礦采行業(yè)的聚類結(jié)果展示，為了驗(yàn)證結(jié)果的有效性，本文利用SSE、CHI、DBI等指標(biāo)做了檢驗(yàn)，確定最佳聚類數(shù)為10。

4 結(jié)束語(yǔ)

根據(jù)本文聚類的結(jié)果可以在電價(jià)營(yíng)銷中針對(duì)相同類型的電力用戶進(jìn)行削峰填谷的操作。通過(guò)對(duì)于工業(yè)用戶的負(fù)荷曲線進(jìn)行分析，可以獲取到對(duì)于地區(qū)及行業(yè)有明顯峰谷生產(chǎn)行為的用戶進(jìn)行電價(jià)優(yōu)惠，促進(jìn)用戶保持這種穩(wěn)定的避峰生產(chǎn)行為。如在黑色冶金及壓延工藝中的鐵合金冶煉行業(yè)，其用戶多為避峰生產(chǎn)及夜間生產(chǎn)類型。聚類結(jié)果可以很明確地顯示各種用戶的用電行為，因此有助于電網(wǎng)公司合理供配電及管理者制定合理的調(diào)控電價(jià)政策。聚類結(jié)果還可以用在基于用戶經(jīng)濟(jì)效益的電費(fèi)預(yù)警中，通過(guò)對(duì)冀北地區(qū)黑色金屬礦采行業(yè)整體用電情況，從行業(yè)整體負(fù)荷情況入手，參考存在用電異常用戶的整體情況分析來(lái)看，經(jīng)濟(jì)效益差的用戶大多與行業(yè)整體負(fù)荷趨勢(shì)不同，且用戶還通常伴隨多種生產(chǎn)模式，再一個(gè)就是經(jīng)濟(jì)效益較差的用戶其負(fù)荷率一般較低。依照這幾種分析結(jié)果，可以有效地判定哪些用戶是欠費(fèi)高風(fēng)險(xiǎn)用戶，可以出臺(tái)相應(yīng)的電價(jià)政策以減少損失。

參考文獻(xiàn)：

[1]Feyyad U M.Data Mining and Knowledge Discovery:Making Sense Out of Data[J].IEEE Expert Intelligent Systems&Their Applications,1996,11(5).

[2]Li P Q,Li X R,Chen H H，et al.Characteristics Classification and Synthesis of Power Load Based on Fuzzy Clustering[J].Proceedings of the Csee,2005.

[3]馮曉蒲,張鐵峰.四種聚類方法之比較[J].微型機(jī)與應(yīng)用,2010,29(16).

[4]王春雷,梁小放,章堅(jiān)民等.基于用電采集系統(tǒng)的負(fù)荷特性曲線聚類分析[J].浙江電力,2014,(7).

[5]李培強(qiáng),李欣然,陳輝華等.基于模糊聚類的電力負(fù)荷特性的分類與綜合[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(24).

[6]趙文清,龔亞強(qiáng).基于Kernel K-means的負(fù)荷曲線聚類[J].電力自動(dòng)化設(shè)備,2016,36(6).

[7]王晨力.基于蟻群優(yōu)化算法的電力負(fù)荷聚類和輸電線故障識(shí)別研究[D].天津：天津大學(xué)碩士論文,2005.

[8]彭小圣,鄧迪元,程時(shí)杰等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(3).

[9]劉建華,王進(jìn),孟穎等.基于模擬退火的粗糙集K均值電力負(fù)荷聚類分析[J].現(xiàn)代電力,2012,29(1).

[10]馮曉蒲.基于實(shí)際負(fù)荷曲線的電力用戶分類技術(shù)研究[D].北京：華北電力大學(xué)碩士論文,2011.