基于數據驅動方法的疫情階段電力用戶負荷特性畫像模型

陸曉，徐春雷，冷釗瑩，吳海偉，陳中

(1.國網江蘇省電力有限公司，南京市 210024；2.東南大學電氣工程學院，南京市 210096)

0 引 言

近年來我國經濟飛速發(fā)展，各行各業(yè)用電需求急劇增長，用電結構不斷變化[1-3]，行業(yè)負荷特性呈現多樣化和復雜化發(fā)展趨勢[4-5]。電力行業(yè)數據包含豐富的用電行為信息，對其用電特性展開分析，能夠挖掘出不同用戶的用電特征和規(guī)律[6-7]，對電力部門準確識別客戶負荷特征、提供差異化服務、引導有序高效用電有著重要意義。特別是當前新冠肺炎疫情流行的特殊時期，透過電力負荷數據，能有效識別企業(yè)復工復產情況，及時客觀地反映經濟復蘇水平，為疫情防控和復工復產決策提供輔助，對加強電網風險管控、把握規(guī)劃方向發(fā)揮積極作用。

一般意義的電力負荷特性分析研究的是電力負荷隨時間變化的規(guī)律[8]，而新興的用戶標簽和畫像技術能為電力負荷識別和特征分析提供一種新思路[9-10]，它是一種面向用戶，通過挖掘用電數據中的負荷特性，建立語義化畫像標簽的重要方法。進一步與數據驅動方式結合能適應目前大數據環(huán)境，更準確、高效地刻畫不同行業(yè)負荷特性。

目前，有較多文獻采用畫像分析方法刻畫客戶用電行為。文獻[11]基于海量電力數據信息，建立客戶用電行為標簽庫，采用模糊聚類方法分析客戶用電行為模型，刻畫不同類型客戶用電行為畫像。文獻[12]提出面向用戶行為的標簽層次體系，基于密度、距離的聚類算法和梯度提升度算法的標簽生成方法，形成一整套電力用戶畫像技術。文獻[13]將標簽畫像技術應用到電力資產全壽命周期管理中，采用數據挖掘技術實現了對電力資產特征的全面刻畫。

上述文獻大多側重于分析標簽生成和畫像方法，缺乏對用電行為標簽體系的深入研究，而全面、完善的用戶負荷特性標簽體系是刻畫用戶行為的重要基礎。此外，大多文獻從日月年特性入手，僅選取負荷數據及曲線自身特性指標，而有關各行業(yè)用戶的用電規(guī)律性和平順度指標不夠完善，且很少有文獻涉及到負荷調控能力和疫情影響程度的分析。為此，文章提出一種基于實際負荷數據驅動的負荷特性分析通用方法，針對新冠肺炎疫情對用電企業(yè)的影響，從用戶用電規(guī)律性、平順度、負荷調控能力以及疫情影響度這4個方面重新歸納和選取負荷特性指標，全面構建負荷特性標簽體系，針對受疫情影響的各行業(yè)用戶建立全方位、多角度、立體化的負荷畫像模型。然后，針對各個負荷特性標簽給出詳細的指標計算方法。最后，通過算例對典型行業(yè)用戶的數據進行分析，并給出各指標劃分標準。

1 用戶負荷特性標簽

傳統(tǒng)的負荷特性標簽覆蓋不夠全面，文章從調度部門的角度出發(fā)，考慮電網公司最關心的負荷規(guī)律性、平順度、負荷調控能力以及疫情影響程度這4個方面的負荷特性，將其作為分析用戶負荷特性的4個通用標簽。

用電規(guī)律性的分析是電力部門實施負荷調控措施的基礎。在該標簽中，全方面考慮負荷在一年中的變化情況，分別從傳統(tǒng)日內、周、月、季度以及季節(jié)用電規(guī)律5個維度，結合工商業(yè)用電特征，對指標進行豐富和細分，具體指標和分類如表1所示。

表1 用電規(guī)律性標簽

用戶的用電平順度對于電網安全、可靠、有效運行有重要意義。為了綜合評價負荷在一天內的平穩(wěn)程度，考慮已有日負荷的峰谷差率、負荷率以及新定義的波動度和沖擊度指標，如表2所示。

表2 用電平順度標簽

電力部門選擇有較大可調能力的用戶實施負荷調控措施以保證電網安全可靠運行。在負荷調控能力標簽中，主要從已有的負荷重要程度、新定義的基于電價和基于激勵的負荷調控能力三方面考慮，如表3所示。

表3 負荷調控能力標簽

最后，2020年初由于新冠疫情的影響，很多企業(yè)都受到了影響。為了從實際電力負荷數據中挖掘各用戶受影響程度，新定義了疫情停工減產程度、疫情復工復產程度2個指標，具體指標如表4所示。

表4 疫情影響程度標簽

2 基于數據挖掘理論的負荷特性指標計算

2.1 用戶典型負荷曲線提取方法

典型日負荷曲線是能反映某用戶全年整體負荷水平和規(guī)律性的日負荷曲線，選取與各類日負荷曲線的聚類中心最相近的實際負荷曲線作為典型曲線。首先，判斷該用戶全年365條日負荷曲線的最佳聚類數，根據聚類數利用模糊C均值聚類方法[14]獲得聚類中心曲線。然后，在全年所有負荷曲線中選取與此聚類中心最為相近的日負荷曲線作為典型日負荷曲線。

2.2 用電規(guī)律性

2.2.1日內用電規(guī)律

1)日內工作時間特性。

(1)

2)日夜用電特性。

設定白天工作時間為06:00—18:00，夜晚工作時間為18:00—次日06:00。通過計算典型負荷曲線白天用電量Qd和夜晚用電量Qn的比值A12，來判斷日夜用電特性，如式(2)所示。

(2)

式中：Pt為t時刻負荷曲線上的負荷值。

3)早晚高峰特性。

(3)

4)峰谷特性顯現性。

以隸屬度指標表征各時段峰谷屬性，定義峰隸屬度upeak(t)、谷隸屬度uvalley(t)，t時刻的峰谷隸屬度分別用偏大型梯形和偏小型梯形[15]表示：

(4)

一天Nt組峰谷隸屬度可得到特征指標矩陣X：

X=[upeak(t)uvalley(t)]Nt×2

(5)

進一步用模糊聚類的方法根據峰谷隸屬度對典型負荷曲線劃分峰、谷、平時段，再結合峰谷時段劃分原則[15](峰時段和谷時段的持續(xù)時間不應低于2 h)判斷用戶日用電曲線是否具有明顯峰谷，即得到指標A14。

2.2.2周用電規(guī)律

1)周內作休制度。

提取用戶典型不開工日負荷曲線，并與該用戶典型開工日負荷曲線的用電量進行比較，計算其不開工時電量與開工時電量的比值α。計算一周內某天實際用電量Qi與該用戶典型開工日負荷曲線用電量Qtypical的比值A21，比較A21與α大小來判別用戶的周內作休制度。

A21=Qi/Qtypical

(6)

2)周內用電相似度。

計算用戶周內用電相似度有助于了解其工作生產安排計劃。在計算周內作休制度指標后，如果用戶周內每天都工作，則繼續(xù)進行周用電相似度計算，選擇某一周的實際負荷曲線，計算其一周7天負荷曲線之間的Pearson相關系數A22，判斷工作日和休息日工作相似性。

Pearson相關系數[16]用于度量2個向量之間的線性相關性，根據日負荷曲線P1和P2定義相關系數ρ(P1，P2)：

(7)

式中：cov(P1,P2)為P1、P2的協方差；σP1、σP2分別為P1、P2的標準差。

周用電相似度矩陣A22可表示為一周內兩兩相關系數的矩陣:

(8)

2.2.3月用電相似度

月用電相似度可以體現用戶在一年中不同月份的工作生產安排規(guī)律。月用電相似度大，說明每個月的負荷水平相似；反之說明每個月負荷水平具有較大差異。本文定義的月用電相似度A3表示一年內每個月最大負荷的均值與年最大負荷之間的比值。

(9)

2.2.4季度用電相似度

定義季度用電相似度A4為一年每個季度最大負荷的均值與年最大負荷之間的比值。季度用電相似度大，說明用戶4個季度的負荷水平相似；反之說明用戶4個季度負荷水平具有較大差異。

(10)

2.2.5季節(jié)用電規(guī)律

一般來說，用戶的負荷可以分為基本級和季節(jié)性負荷[17]。前者可由春秋季的典型負荷曲線表示，因為春秋季節(jié)負荷主要為設備運轉的基礎負荷；后者分為夏季降溫負荷和冬季取暖負荷，夏季用戶會增加空調等負荷，冬季會增加取暖設備等負荷。

基本負荷計算公式如式(11)所示，求出春、秋季典型負荷曲線，以其平均值作為基礎負荷：

(11)

式中：Nspring、Nautumn表示春季和秋季典型負荷曲線數量；Pspring,d、Pautumn,d分別表示第d個春季和秋季典型負荷曲線的日負荷。

夏季降溫負荷Pcooling和冬季取暖負荷Pheating的計算公式如式(12)所示。

(12)

通過判斷夏季降溫負荷占比A51和冬季取暖負荷占比A52來判斷用戶高溫和低溫敏感性，其計算公式如下：

(13)

2.3 用電平順度

(14)

在此基礎上為了進一步描述日負荷曲線的平穩(wěn)程度，本文定義了2個新指標：波動度和沖擊度。

2.3.1波動度

定義波動度B3為歸一化典型負荷曲線的標準差，表征負荷的離散程度。波動度大，則負荷分散程度大，說明負荷波動性大；反之則負荷分散程度小，說明負荷波動性小。

(15)

2.3.2沖擊度

(16)

2.3.3用電平順度綜合評分

以上4個指標中，波動度、沖擊度和峰谷差率越大，負荷曲線平順度越差；而負荷率越大，負荷曲線平順度越好。指標計算完成后，對各個指標先進行各自評分，范圍為1～10分；再使用熵權法[18]得到各指標的客觀權重；最后，對用電平順度標簽進行綜合評分，得分越高，平順度越差。

熵權法是一種客觀指標權重分析方法，基本思路是根據指標變異性的大小來確定客觀權重。首先給定指標B1,…,B4，其中Bi={bi1,…,bij,…,bin}，n為用戶數量。將各個指標的得分歸一化，得到b′ij：

(17)

求各指標信息熵ei：

(18)

根據信息熵值，計算各指標的權重wi：

(19)

最后，第j個用戶的用電平順度得分計算如下：

(20)

2.4 負荷調控能力

2.4.1負荷重要程度

評判負荷是否具有負荷調控能力前先要判別負荷的重要程度。因為人為改變或間斷重要負荷的生產計劃會影響社會安定、經濟發(fā)展。電力負荷應根據對供電可靠性要求及中斷供電在政治、經濟上所造成影響的程度進行分級[19]。一般一級負荷不參與負荷調控，如交通運輸業(yè)、公共服務和管理組織行業(yè)、鋼鐵冶煉行業(yè)中焦化、燒結和冶煉生產設備等。

2.4.2基于電價的調控能力

價格型負荷調控通過設定階梯電價、分時電價、實時電價等方式，引導用戶調整電力需求，實現削峰填谷的目的[20]。定義用戶基于電價的調控能力C21為該用戶電價響應轉移電量Qprice與一天用電量Qtotal的比值。

C21=Qprice/Qtotal

(21)

2.4.3基于激勵的調控能力

激勵型負荷調控[20]是以直接補償或其他時段的優(yōu)惠電價引導用戶在系統(tǒng)需要或電力緊張時減少電力需求。選取典型的基于激勵調控的負荷曲線，定義用戶基于激勵的調控能力C22為該曲線中負荷削減的電量Qincentive與一天用電量的比值。

C22=Qincentive/Qtotal

(22)

2.5 疫情影響程度

2.5.1疫情影響度

這里將疫情影響度定義為用戶在2020年疫情期間的總用電量與2019年同期用電量比值的倒數，以此來衡量其營業(yè)或生產受疫情的影響程度。用戶k的疫情影響度D1為：

(23)

2.5.2疫情恢復度

定義復工復產指數為各行業(yè)用戶疫情期間每日生產恢復情況，用戶k第i天復工復產指數如下:

(24)

疫情恢復度為疫情后企業(yè)生產或營業(yè)的恢復程度，這里將2020年3月初企業(yè)的復工復產指數作為恢復度。用戶k的疫情恢復度D2的計算公式如下：

(25)

式中：i1為3月初的日期編號。

3 算例分析

3.1 算例數據

為了準確計算標簽分界值，選取某省重要的10個行業(yè)19家典型用戶在2019年1月1日至2020年3月10日，一天96點的用戶專用變壓器負荷數據，包括信息傳輸軟件和信息技術服務業(yè)、交通運輸業(yè)、公共服務和管理組織(大學)、黑色金屬冶煉壓延加工業(yè)、電子設備制造業(yè)、紡織業(yè)、船舶工業(yè)、建筑材料及制品業(yè)、石油化學業(yè)和商業(yè)。

首先對負荷數據剔除異常值并進行預處理，再采用2.1節(jié)的方法提取各用戶典型負荷曲線，進一步對各行業(yè)用戶的負荷特性指標進行計算，用模糊C均值聚類算法分別對每類指標計算結果劃分指標界限。

3.2 用電規(guī)律性算例分析

3.2.1日內用電規(guī)律

1)日內工作時間特性。

各用戶日內工作時間特性如附錄A表A1所示，通過模糊聚類得到日內工作時間特性劃分標準，如表5所示。其中商業(yè)1、商業(yè)2屬于非24 h工作制，而其他工業(yè)屬于24 h工作制。

2)日夜用電特性。

日夜用電特性指標如附錄A表A2所示，日夜用電特性判斷標準如表6所示。

表6 日夜用電特性判斷標準

3)早晚高峰特性。

早晚高峰特性指標如附錄A表A3所示，早晚高峰判斷標準如表7所示。

表7 早晚高峰特性判斷標準

4)峰谷特性顯現性。

峰谷特性顯現性指標如附錄A表A4所示，選取具有明顯峰谷時段的公共服務和管理組織業(yè)用戶(大學1)以及峰谷時段不明顯的鋼鐵冶煉業(yè)用戶1的負荷進行比較，繪制其負荷曲線峰谷時段劃分圖，如圖1所示。

圖1(a)中，公共服務和管理組織業(yè)用戶(大學1)有明顯峰谷，因為該用戶為大學負荷，08:00—21:00為持續(xù)的峰時段，峰值出現在13:00，為 9.2 MW；而00:00—05:00為持續(xù)的谷時段，在凌晨04:00負荷水平減小至4.25 MW，這是因為教室、實驗室和圖書館等在夜晚會長時間停止使用；圖1(b)中，鋼鐵冶煉業(yè)用戶1無明顯峰谷，因為鋼鐵企業(yè)是24 h工作制，日內負荷水平一直保持波動的、高水平的狀態(tài)。

圖1 典型用戶負荷曲線峰谷時段劃分

3.2.2周用電規(guī)律

1)周內作休制度。

對各用戶的某一天不開工的指標分界α值進行計算，得到當A21<60%時，認為該日為不開工/不營業(yè)日；反之，則該用戶一周無休。

2)周內用電相似度。

選取交通運輸業(yè)用戶2為例，計算一周7天的負荷曲線相似度，如表8所示。

表8 交通運輸業(yè)用戶2一周負荷曲線相似度

通過表8中數據可知，該用戶周二至周五的負荷與周一的相似度較高，都大于0.60；而周六和周日與周一的相似度較低，僅有0.44和0.51，說明該用戶在工作日和周末的負荷特性具有差異。這是因為該用戶為地鐵用戶，其用電情況主要受人們出行規(guī)律的影響，在工作日，00:00—05:45負荷基本保持不變，因為這段時間沒有列車運行，只有照明等普通負荷，且有明顯的早高峰和晚高峰特性，在10:00—16:00期間負荷相對穩(wěn)定；而在節(jié)假日則沒有明顯的早晚高峰，負荷曲線在10:00—12:00、14:00—16:00以及19:00—21:00之間都處于較高水平，且晚上負荷曲線整體水平與工作日相比較高。

3.2.3月用電相似度

A3計算結果如附錄A表A5所示，由此可以得到月用電相似度判斷標準，如表9所示。

表9 月用電相似度判斷標準

3.2.4季度用電相似度

A4計算結果如附錄A表A6所示，得到季度用電相似度判斷標準，如表10所示。

表10 季度用電相似度判斷標準

3.2.5季節(jié)用電特性

A51、A52計算結果如附錄A表A7所示，高溫敏感性和低溫敏感性的判斷標準如表11所示。

表11 季節(jié)用電規(guī)律判斷標準

分別選取鋼鐵冶煉業(yè)用戶3、電子設備制造業(yè)用戶2和交通運輸業(yè)用戶2，繪制其夏季降溫負荷曲線和冬季取暖負荷曲線，如圖2所示，并計算其夏季降溫負荷占比和冬季取暖負荷占比，如表12所示。

表12 典型用戶的季節(jié)用電規(guī)律性指標計算

通過圖2和表12可以看出，鋼鐵冶煉業(yè)用戶3高溫和低溫敏感度較低，夏季降溫負荷和冬季取暖負荷占比僅為2.50%和7.77%，因為鋼鐵企業(yè)嚴格按照生產計劃運營，受氣候因素影響較?。浑娮訕I(yè)用戶2高溫敏感度中，夏季降溫負荷占比達到20.48%，而低溫敏感度較低，冬季取暖負荷占比僅為1.14%，因為電子企業(yè)具有精密儀器設備，這些設備對高溫敏感；交通運輸業(yè)用戶2低溫敏感度較低，高溫敏感度較高，夏季降溫負荷占比高達32.28%，因為地鐵在夏季空調負荷占比較大。

圖2 典型用戶夏季降溫和冬季取暖負荷曲線

3.3 用電平順度算例分析

各用戶的用電平順度標簽的各指標計算結果如附錄A表A8所示，由此可以對波動度、沖擊度、峰谷差率和負荷率進行評分，采用熵權法得到各指標的權重如表13所示，用戶的用電平順度綜合得分以及排序如表14所示。

表13 用電平順度標簽各指標權重

表14 用電平順度綜合得分和排序(由差到好)

與表中相同從表14中可知，鋼鐵冶煉業(yè)用戶1和用戶2平順度最低，平順度得分分別為7.11和7.33，而紡織業(yè)用戶1和石化業(yè)用戶1平順度最高，得分分別為0.32和0.33。用電平順度高低判斷標準如表15所示。

表15 用電平順度判斷標準

3.4 負荷調控能力算例分析

本算例以鋼鐵冶煉業(yè)用戶2為例，分析負荷調控能力的計算過程。鋼鐵企業(yè)均有一定比例的用電設備屬于可中斷運行的設備，如辦公等配套用電設施、軋鋼生產線設備等。選取實施激勵型負荷調控措施的5條典型負荷曲線，如圖3所示。此外，鋼鐵企業(yè)會根據峰谷電價調整生產，將部分負荷轉移至低電價時段，選取實施價格型負荷調控措施的4條典型負荷曲線，如圖4所示，相應的負荷削減指標分別如表16和表17所示。

表17 鋼鐵業(yè)用戶2價格型負荷調控典型曲線指標

圖3 鋼鐵業(yè)用戶2激勵型負荷調控典型曲線

圖4 鋼鐵業(yè)用戶2價格型負荷調控典型曲線

由表16可知，在上述鋼鐵冶煉業(yè)用戶2的激勵型負荷調控典型負荷曲線中，該用戶基于激勵的調控負荷削減比均大于30%，平均值為38.79%；負荷削減最大值達到96.240 MW，平均值為75.990 MW；峰時段削減電量最大值為650.140 MW·h，平均值為463.084 MW·h。

表16 鋼鐵業(yè)用戶2激勵型負荷調控典型曲線指標

由表17可知，該用戶基于電價的負荷調控負荷削減比約為10.43%，負荷削減平均值為20.12 MW，峰時段削減電量平均值為157.53 MW·h，相較于基于激勵的負荷削減值小。再通過分析建材業(yè)和石化業(yè)等用戶的負荷調控情況，得到負荷調控能力判斷標準，如表18所示。

表18 負荷調控能力判斷標準

3.5 疫情影響程度算例分析

各用戶疫情影響程度標簽的各指標計算結果如附錄A表A9所示，根據計算結果可得到用戶疫情影響度和疫情恢復度判斷標準，如表19所示。

表19 疫情影響度和疫情恢復度判斷標準

選取疫情影響度較小且恢復度較高的電子設備制造業(yè)用戶2以及疫情影響度較高且恢復度較低的商業(yè)用戶1，繪制2020年1月30日—2月9日(圖中對應日期編號為1至11)，2019年2月10日—2月20日(圖中對應日期編號為1至11)的典型負荷曲線以及日用電量，如圖5和圖6所示。

疫情對多數電力用戶都造成了消極影響，從企業(yè)類型來看，商業(yè)受疫情影響程度最大，而工業(yè)例如鋼鐵冶煉業(yè)、電子設備制造業(yè)等受疫情影響程度較小。其中，商業(yè)用戶1的疫情影響度為4.348，如圖5所示，該用戶在疫情期間幾乎不營業(yè)，白天負荷大幅減少，日用電量降為2019年的20%左右。而電子設備制造業(yè)用戶2的疫情影響度為1.096，如圖6所示，該用戶在疫情期間負荷略有減少，減少4%～5%，日用電量與2019年相差不大。雖然大部分企業(yè)都因為疫情減產，但是信息傳輸軟件和信息技術服務業(yè)在疫情期間負荷出現了較大漲勢，較2019年增長了2～3倍，日用電量由原來的100 MW·h增加到280 MW·h，如圖7所示。

圖5 商業(yè)用戶1 2019年和2020年疫情同期典型曲線以及日用電量

圖6 電子設備制造業(yè)用戶2 2019年和2020年疫情同期典型曲線以及日用電量

圖7 信息傳輸軟件和信息技術服務業(yè)用戶1 2019年和2020年疫情同期日用電量

此外，從企業(yè)規(guī)模來說，此次疫情中大型企業(yè)生產受影響度較小，恢復度屬于較高水平，負荷在2019年同期的95%以上；而中小企業(yè)普遍受影響度高且恢復度為中低水平，負荷僅為2019年同期的60%～85%，如紡織業(yè)用戶2相較紡織業(yè)用戶1來說企業(yè)規(guī)模較小，其疫情影響度為4.505且恢復度僅為85%，而紡織業(yè)用戶1疫情影響度僅為1.007且恢復度高于100%。

3.6 用戶負荷特性標簽

通過上述指標的分類，可以對算例中分析的19個用戶貼上相應的負荷特性標簽，以鋼鐵冶煉業(yè)用戶1為例，其負荷特性標簽結果如圖8所示。

圖8 鋼鐵冶煉業(yè)用戶1的負荷特性標簽

4 結 論

基于數據挖掘理論對用戶用電規(guī)律性、平順度、負荷調控能力以及疫情影響度四方面進行負荷大數據分析，提出了電力用戶負荷特性分析通用方法，并建立了全面的負荷特性標簽體系對用戶負荷特性畫像進行刻畫。在算例中，通過對重要行業(yè)典型用戶負荷數據的挖掘，給出了各指標的分界標準，有利于電力部門更深入理解各行業(yè)用戶的用電特征，為電力調度部門實現客戶負荷特征的準確識別和分類提供方法依據，以達到高效率地為不同客戶提供差異化、針對性服務的目的。此外，還針對2020年新冠肺炎疫情期間重要電力用戶的用電情況，分析了重要行業(yè)受影響程度和恢復程度。

所提出的標簽體系中只選取了典型指標，雖然數量不多，但其所反映的行業(yè)用電特性覆蓋面還是比較全面的。此外，由于本文僅選取了10個重要行業(yè)中19個典型用戶進行分析，為了獲得更精確的指標分界和判斷標準，應擴大數據庫范圍。本文提出的負荷特性分析通用方法中，還可能缺乏一些特殊行業(yè)特有的負荷特性，今后將針對此方面開展進一步研究。

附錄A

表A1 日內用電規(guī)律中日內用電特性指標計算結果

表A2 日內用電規(guī)律中日夜用電特性指標計算結果

表A3 日內用電規(guī)律中有無早晚高峰特性指標計算結果

表A4 日內用電規(guī)律中峰谷特性顯現性指標計算結果

表A5 月用電相似度指標計算結果

表A6 季度用電相似度指標計算結果

表A7 季節(jié)用電規(guī)律指標計算結果

表A8 用電平順度標簽各指標計算結果

表A9 疫情影響程度標簽各指標計算結果