焦点期刊
在线客服

著作编辑 著作编辑

咨询邮箱:568476783@qq.com

科技论文

如何判断用户是否有必要参与有序用电?

时间:2022-01-21 18:51 所属分类:科技论文 点击次数:

判断用户是否有必要参与有序用电,需考虑其参与有序用电的可能性。
可能性受到两个因素的影响,一个是用户的文件属性,这些属性在简单筛选条件(定义2)中已被筛选过。二是用户的用电负荷特性,下面重点介绍了电负荷的特点。
基于96点负载表(定义1)中的海量数据,每个用户每天都有一个由96个数据点连接起来的负载变化曲线。通过观察和对比同一用户的多个负载变化曲线,我们发现了一些特征。存在四种比较方法,因而有四种负载特性。这种负载特征往往包含了使用者的某些现实特征,会影响到电力系统的有序运行。
通过对同一负荷曲线进行不同时点的比较,可得出负荷曲线平缓、早高峰负荷均较高的特点,通常指的是三班倒生产;负荷曲线类似于多种脉冲波,常与此相对应.烟花小微企业的生产方式;只有午间高峰时负荷才呈峰状,常常相应地有一家不上夜班的企业;在午峰.晚高峰期间均负荷高呈双峰状,就是指企业有白班和晚班;凌晨负荷高呈峰状有时与夜生活相关。等等。
各工作日负荷曲线,曲线间比较,从以下几个特征可以得到:工作日负荷曲线高度相似,且有一定工作时间规律的企业;高程的变动,意味着该企业拥有多条生产线,在大订单压力的情况下,高负荷曲线;相反,只开一条生产线,负荷曲线较低;曲线间形状差异大,表示非常灵活。等等
通过对假期负荷曲线的比较,可以得出以下几个特征:假期负荷曲线非常低,相当于企业在假期里从不加班;假期负荷曲线一直很高,与假日倒班相对应的企业,节假日负荷曲线有的高有的低,常常是指根据订单灵活用电。等等
对工作日和节假日负荷曲线进行对比,可以得出以下几个特征:假期曲线高于工作日,订单压力大,企业加班时间大。有时候假期曲线高,有时候工作日曲线高,常常意味着灵活用电。等一下
本文将以上通过负荷曲线对比得到的用户用电特征称为用户负荷特性。
定义7
负载特征是根据用户过去的用电量来计算的,但是可以预测未来用户是否能参与有序地使用,这是为什么?这就是一种经历。我们称他为重载曲线。
通过对用户的经验分析,发现在一定的社会背景和气候条件下,如果使用过一段时间的用电量曲线。那麽,将来,在相同的社会背景和气候条件下,该使用者可自行调节其用电量,使未来的用电负荷曲线与以往用电负荷曲线非常接近。也就是重演负荷曲线。
定义8
重新建立负荷曲线(定义8),是分析使用者进行有序用电(5)可能性的主要依据。
举例来说,一位使用者在相同的社会背景和气候条件下,历史上有许多不同的曲线,其中差异特别大的曲线分别为a和b;a曲线的峰值负荷较大,b曲线的峰值负荷较小。基于重复性负荷曲线(定义8),未来,用户可能会出现类似a曲线的情况。使用者应按照a类负荷曲线的形式大负荷用电,在沟通协调后,按照类似于b负荷曲线的形式,在高峰时段低负荷用电,这一过程中,一次有序地用电。在这种情况下,可能会有许多不同类型的用户出现这种情况。
两种负荷曲线如图差别很大。
高峰期负荷既可转至节假日,也可转至工作日当日的非高峰时段。在一次有序用电情况下,两者受不同因素影响,只能采取一次最优方案。所以,午高峰有序用电的可能性是:
使用者中午高峰负荷转换为节假日的可能性,与转换为工作日当日的可能性,两者间的可能性均较大。
定义9
在定义9中,两种可能性尚需进一步解释。这两个指标都是根据用户负荷特征(定义7)计算出来的,如何计算还需要详细说明。
在这些因素中,错避峰率主要取决于两个方面。首先,该用户在日常生活中是否有用电生产经营的习惯。如果节日期间极少生产经营,我们有理由认为该用户特性不适合在假日生产经营。二是,如果使用者在平时的假期使用电力。假日的电力消耗是否高于工作日。如果是这样,我们有理由认为这个使用者假日的负荷已经够大了,不会“吃光”吃错避峰而来的负荷。
二是用户中午高峰时段可调至工作日。这种可能性是由使用者午间高峰和其他时段的负荷差异决定的。首先是负荷平均数差,其他时段的平均负荷如显著低于午间峰值时平均负荷,两者间的差值即为可转移负荷。其次是负荷波动性的差异性,其他时段的平均负荷与午间平均负荷相差不大,但波动较大。大起大落必有波峰与波谷,我们可通过“削峰填谷”的方式,将午高峰的负荷高峰转移至其他时段的负荷谷。
1.利用tableau模拟,进行非线性回归和数值拟合,得到数学方程形式的专家系统规则库。模拟过程如下:1)数据溯源。也就是取出长沙专变客户2020年和2021年的.每日96点负荷表(定义1)。2)数据压缩,由于数据量很大,需要用压缩算法对数据进行压缩。这种压缩算法的思想是,最初96点负载表(定义1)每个用户每天96行,换算后,长沙约2万专变客户每年大约7亿行数据。这样的大容量数据不容易储存。在96点负载表(定义1)上进行压缩,将96个时点负载值全部放到一个192位的长字符串中。第1.2个比特是00:00:00时刻负载值的78进制值,第3.4个比特是00:15:00时刻的负载值的78进制值,等等。如果负载值太大,超过了2位78进制值能够表示的范围时!表现。数据的2比特为78进制值为77×78=6006。时间负荷可以超过6006这一值的都是大用户,这些客户的数据专门导出、重点分析。3)对市场经营专家的评分。对所有专变客户,根据以前的市场运营人员对以前实施的有序用电进行评分。评分项目包括:午间高峰时段有序用电需求;午后高峰时段有序用电的可能性.晚高峰时段有序用电;4)非线性回归,观察tableau上的客户负荷数据,研究负载特性与专家评分之间的关系,推测可能适合描述这种关系的非线性函数。5)通过对调制参数进行数值拟合,在tableau上观察不同参数下顾客负荷数据计算得到的打分与专家评分的接近度,寻找最接近的参数。
2.以mysql格式编写专家系统规则的代码。具体步骤为:1)利用解压算法解压数据,此处不会对全部数据进行解压,而仅对此计算结果进行了解压缩。2)基于tableau模拟的结果编写mysql代码。用mysql格式编写专家系统规则库,生成数学公式。按批量计算各专变用户午间有序用电需求,以分批次进行计算.午间用电高峰时段有序用电情况。乘以相同时间的必要性与可能性乘以客户执行有序用电的最终排序得分,得分高者优先执行有序用电。