一種工業企業聚合用戶電力負荷管理方法和系統與流程

2023-09-21 19:56:50

本發明屬於電力負荷能源管理技術，特別涉及一種工業企業聚合用戶電力負荷管理方法和系統。

背景技術：

隨著經濟飛速發展、信息化水平的不斷提高和全球資源問題的不斷突出，合理開發利用能源，電力工業協調穩健發展，建立堅強智能電網都建面臨新的挑戰。依靠現在通信技術和數位化控制技術，提高電網智能化水平，適應未來可持續發展的理念要求，是當今電力工業發展和進步的必經之路。

工業企業用戶電力的負荷管理，是指通過負荷調整技術改善用戶的用電行為和用電方式，從而達到降低負荷峰值，取得節約電能，減少用戶費用。精確的負荷預測結果能夠提前感知負荷變化趨勢，通過相應的計算處理給出與之相匹配的負荷管理控制策略，有效地負荷削峰填谷，滿足需求側管理的要求。

需求側管理不僅僅是對用戶用電行為進行規範，還可以根據電網運行情況對自身的發電出力進行相應的調整，即將用戶側分布式發電資源統一納入需求側管理範疇。負荷一般分級管理，主要分為關鍵負荷和可控負荷。關鍵負荷為需要重點保護電力供應的負荷；而可控負荷在緊急情況下可以適當切除，在正常情況下也可以通過需求側管理或者需求側響應達到優化負荷使用、節能省電的目的。

當前需求側管理技術，尤其是細化到基於工業企業的需求側管理技術處於推廣階段，主要基於傳統系統級負荷調控類比展開，針對性技術較少。與傳統系統量級的電力負荷不同，工業企業作為需求側，其配電系統的配電範圍小，負荷基數較小，用戶數目少，且用電結構比較簡單；其負荷值容易產生突變，穩定性比較差，數據常常會缺失或有誤差很大的缺失值的壞數據。而在負荷調控階段，單純的直接負荷控制具有盲目性和誤差性，需要使用細化分類分布式負荷管理。

技術實現要素：

本發明的目的在於克服上述不足，提供一種工業企業聚合用戶電力負荷管理方法和系統，該負荷管理方法以負荷預測與負荷控制兩大部分組成，完成針對工業企業的分布式負荷管理辦法，解決了工業企業聚合用戶的需求側負荷管理問題。

為達到上述目的，本發明採用了以下技術方案：

一種工業企業聚合用戶電力負荷管理方法，包括以下步驟：

步驟1，從數據採集系統獲取所需要負荷管理的工業企業聚合用戶的實時負荷數據，進行負荷分析和負荷數據細分，以需求側響應機制為目標導向，對負荷數據進行分類與特性提取，將負荷數據細分為：基本保障負荷、生產計劃負荷、氣象敏感負荷、可控照明負荷和隨機負荷五類負荷；

步驟2，依據細分結果將各個聚合對象的時間序列歷史數據進行匯總分析，運用神經網絡和機器學習的數據挖掘方法構建不同預測模型，基於用戶歷史用電數據、實時用電負荷數據和影響因素來預測未來用電負荷數據；

步驟3，獲得負荷預測結果後，結合工業企業生產計劃和用電負荷使用情況，使用需求側響應機制來管理負荷；將負荷管理調控方案的負荷數據與實時數據比對，完成反饋修正。

所述的預測模型的建立是基於用戶用電歷史數據，從用電歷史數據中分析用戶用電習慣、設備運行狀態及用電趨勢、與環境的影響因素、用電負荷與時間關係，建立用電負荷預測模型。

所述的需求側響應機制包括直接負荷控制、可中斷負荷和分時電價。

工業企業用戶側電力負荷預測歷史數據來源於SCADA電力監控系統，採集的數據先進行預處理，預處理方法包括數據清洗、降維和數據歸一化。

管理負荷在負荷預測值達到最大需量之前的控制點處，通過內設的需量曲線模式判定法進行需量控制工作，即比對需量值和負荷預測值判定調節負荷，選擇當前最合適的節能方案，提前控制最大需量。

一種工業企業聚合用戶電力負荷管理系統，包括負荷數據獲取模塊、氣象數據獲取模塊、資料庫、神經網絡預測模塊、誤差計算修正模塊和數據顯示單元；

其中，所述的負荷數據獲取模塊，與SCADA電力監控系統連接，用於獲取負荷管理所需歷史負荷數據和實時負荷數據；

所述的氣象數據獲取模塊，與氣象網站接口連接，用於獲取負荷管理所需氣象數據；

所述的資料庫，連接歷史負荷數據獲取模塊和氣象數據獲取模塊，用於存儲歷史負荷數據、實時負荷數據和氣象數據；

所述的神經網絡預測模塊，與資料庫連接，用於基於用戶歷史用電數據、實時用電負荷數據和影響因素來預測未來用電負荷數據；

所述的誤差計算修正模塊，與神經網絡預測模塊和負荷數據獲取模塊連接，用於將負荷管理調控方案的負荷數據與實時數據比對，完成反饋修正，實時修正負荷數據並優化訓練神經網絡預測模塊的資料庫；

所述的數據顯示單元，與資料庫、神經網絡預測模塊和誤差計算修正模塊連接，用於人機互動，包括數據查詢、曲線繪製、系統負荷分類展示和負荷調控方案推送。

還包括日期判別模塊，日期判別模塊與資料庫連接，用於通過獲取預測日日期與內置日曆比對，將資料庫內的負荷數據按照時間採樣間隔排列為時間序列，細分歸類為相似日數據集。

所述的數據顯示單元包括數據查詢模塊、曲線繪製模塊、系統負荷分類模塊和負荷調控模塊；

所述的數據查詢模塊，用於數據查詢實現用戶指定日或指定時段查詢；

所述的曲線繪製模塊，用於繪製指定日歷史負荷曲線、各類負荷曲線、實時曲線、預測曲線、實時誤差比對圖以及較長時間段歷史負荷趨勢，並顯示負荷值；

所述的系統負荷分類模塊，用於展示各類負荷分類方法，並展示對應負荷曲線；

所述的負荷調控模塊，用於推送負荷管理調控方案，並直觀展示預計調控前後負荷曲線變化情況。

還包括智能控制模塊，智能控制模塊與神經網絡預測模塊和誤差計算修正模塊連接，用於依據負荷管理與優化控制方案和實時系統結構完成自動調節、方案推送和超負荷報警，依據實際情況進行直接負荷控制或根據需要通知客戶並通過拉閘進行控制負荷。

與現有技術相比，本發明至少具有以下技術效果：

本發明的工業企業聚合用戶電力負荷管理方法針對工業企業完成負荷管理，在負荷預測是，遵循「先細分再預測」的原則，即對於工業企業用戶聚合中的各個用戶進行特性分析，利用聚類算法將用戶負載細分為不同特性分類，再分別使用不同預測算法進行負荷預測，最後將各種預測算法下的負荷預測結果進行加權求和，得到最終預測結果；負荷控制階段，將短時預測和超短期的預測結果作為主要參考依據，與負荷重要性和負荷特性相結合，完成負荷調控方案；比常規系統級負荷預測，更有效完成負荷細化，更符合需求側負荷特性，更有效完成用電負荷挖掘工作。

本發明的管理系統由負荷數據獲取模塊、氣象數據獲取模塊、資料庫、神經網絡預測模塊、誤差計算修正模塊和數據顯示單元組成，整個工業企業用戶聚合的電力負荷管理系統以負荷有效管理為實現目標，與SCADA電力監控系統相結合，與資料庫完成雙向數據互聯，並實現可操作友好人機界面。並通過所述的神經網絡預測模塊對基於用戶的歷史用電數據、實時用電負荷數據和影響因素來預測未來用電負荷數據；誤差計算修正模塊將負荷管理調控方案的負荷數據與實時數據比對，完成反饋修正，實時修正負荷數據並優化訓練神經網絡預測模塊的相關參數；最後數據顯示單元用於人機互動，進行數據查詢、曲線繪製、系統負荷分類展示和負荷調控方案推送。整個負荷管理系統簡單可靠，能夠有效完成負荷細化，更符合需求側負荷特性，進行細化分類分布式負荷管理。

【附圖說明】

圖1是工業企業聚合用戶電力負荷數據細化分類；

圖2是工業企業聚合用戶電力負荷管理控制技術模塊示意圖；

圖3是工業企業聚合用戶電力負荷預測流程圖；

圖4是工業企業聚合用戶電力負荷管理系統示意圖。

【具體實施方式】

下面結合附圖和具體實施方式對本發明進行詳細說明。

智能電網下工業企業用戶側電力負荷的短期負荷預測和負荷管理，要求在智能電網的需求側管理要求下，結合工業企業用戶側電力負荷自身特點，使用歷史負荷和其他參考數據的基礎上，精確的預測出未來短期乃至超短期的負荷，並實現有效負荷控制和管理，以達到精確預測有效調控能源科學管理的目的。

本發明一種工業企業聚合用戶電力負荷管理方法基本步驟為：負荷數據細分、負荷預測、負荷控制和負荷管理系統的實現。具體包括以下步驟：

首先，針對所需要負荷管理的工業企業聚合對象進行負荷分析和負荷數據細分。對所要求進行負荷管理的研究對象，即工業企業的數據採集系統進行負荷數據獲取，完善數據準備和數據預處理工作；依據數據聚類的方法和負荷自身特性將負荷數據細分。

所述負荷數據細分是指將負荷按照一定的標準完成特性提取和有效分類。由於SCADA電力監控系統的廣泛使用，可以便利的獲得實時海量用戶負荷數據，結合上述物理分類和算法聚類，並以需求側管理為目標導向，可以對負荷進行更為有效分類與特性提取。

工業企業需求側用戶的涵蓋的不同負荷特性相異，例如空調等調溫負荷受到氣溫降雨量等天氣因素影響，照明等負荷受到晴天或陰雨等影響，而工業生產用電與生產計劃相關。依據各類負荷特性，以預測準確度高和分類複雜度低為約束條件，綜合考慮直接負荷控制、可中斷負荷、分時電價等需求側響應機制，使用聚類算法，結合負荷自身特性，如圖1所示，分為基本保障負荷，生產計劃負荷，氣象敏感負荷，可控照明負荷和隨機負荷等五類負荷。

其次，依據細分結果將各個用戶群組的時間序列歷史數據進行匯總分析，運用神經網絡和機器學習等數據挖掘方法構建不同預測模型，結合相關影響因素，完成各類負荷數據預測工作。

所述負荷預測指基於用戶歷史用電數據、實時用電負荷數據和氣象等其他影響因素來預測用電負荷。模型的建立基於大量用電歷史數據，從這些數據中分析用戶用電習慣、設備運行狀態及用電趨勢、與環境影響因素、用電負荷與時間關係等，建立用電負荷預測模型，使用數據挖掘等智能算法，預測未來用電負荷等數據。

工業企業用戶側電力負荷預測歷史數據主要來源於SCADA電力監控系統，由於生產計劃、負荷轉供、系統不穩定等原因，會有壞數據需要進行數據預處理。由於負荷數據在採集和傳輸過程中存在缺失和錯誤，首先應當對數據進行預處理，主要為數據清洗、降維和數據歸一化。

接著，依據電力負荷預測結果和直接控制、可中斷控制等需求側管理手段完成負荷管理調控方案，將方案調控後負荷數據與實時數據比對，完成反饋修正。

所述負荷控制是指獲得負荷預測結果後，結合工業企業生產計劃和用電負荷使用情況，使用需求側響應的直接負荷控制、負荷調度轉移、柔性負荷控制等手段來管理負荷。在負荷預測值達到最大需量之前的控制點處，系統通過內設的需量曲線模式判定法進行需量控制工作。基於負荷預測的需量控制技術，可選擇當前最合適的節能方案，提前控制最大需量，有效避免超負荷運行甚至跳閘發生，保證安全節能生產。

最後，工業企業用戶聚合的電力負荷管理方法的實現，負荷管理方法依據負荷管理系統展開，系統實現數據自動導入導出、數據處理、負荷預測、負荷控制、曲線顯示等功能。

所述的管理系統的實現，整體負荷管理的構建具體工作分為負荷預測方法和直接應用負荷預測結果進行需量控制兩個部分。如圖2所示，其中預測部分包括歷史負荷數據獲取模塊、氣象數據獲取模塊、日期判別模塊、神經網絡預測模塊、誤差計算修正模塊、負荷曲線繪製模塊及預測數據導出模塊；而控制部分主要包括實時數據獲取，負荷數據與實時數據比對，控制策略實施等模塊。

其中，歷史負荷數據獲取模塊和氣象數據獲取模塊從數據接口獲取負荷管理所需負荷數據和氣象數據；日期判別模塊通過獲取預測日日期與內置日曆比對，將預測日劃分至工作日、周末或節假日等，組成合適的相似日數據集；神經網絡預測模塊通過輸入的相似日數據集，應用神經網絡預測得到預測結果；誤差計算修正模塊是通過比對以負荷預測結果與實時負荷數據，實時修正負荷數據並優化訓練神經網絡，提升後期預測精度；負荷曲線繪製模塊及預測數據導出模塊屬於人機互動部分，將後臺預測結果通過曲線和數據導出的方式展示給用戶，其中負荷曲線繪製模塊可在同一坐標軸上展示預測曲線和實時曲線，實時刷新曲線，而預測數據可實時導出為EXCEL文件。

負荷管理具體裝置如圖4所示，由數據接口單元，資料庫，應用層，控制層，表現層等組成。

數據接口單元：負責向整個負荷管理系統提供歷史負荷數據和氣象數據的接口，對應負荷數據獲取模塊，通過電力數據採集與監視控制系統(SCADA)從各個關口設備電錶處獲取負荷數據，按照時間間隔採樣並使用時間序列排列；通過氣象臺的氣象網站接口獲取氣象數據。

資料庫：包括實時資料庫和歷史資料庫，實時資料庫有預測當日實時負荷數據組成，歷史資料庫由歷史日負荷數據和對應氣象數據組成，歷史數據已經過數據清洗。

應用層：完成負荷預測和控制整個流程的基本功能，數據導入負責從數據接口導入數據並輸出至資料庫和表現層，負荷數據預處理通過數據清洗和數據歸一化得到可以用來預測的數據集，負荷預測模塊完成預測工作，將預測數據輸出至資料庫和表現層，而負荷管理與優化控制完成負荷需量控制，依據負荷預測結果和內置需量控制數據完成負荷控制方案輸出至表現層和控制層。

控制層：依據負荷管理與優化控制方案和實時系統結構完成自動調節、方案推送和超負荷報警等功能，依據實際情況進行直接負荷控制或根據需要通知客戶並通過拉閘進行控制負荷。

表現層：作為人機互動平臺，具有數據查詢，曲線繪製，展示系統負荷分類和負荷調控方案等功能。數據查詢實現用戶指定日或指定時段查詢；曲線可繪製指定日歷史負荷曲線、各類負荷曲線、實時曲線、預測曲線、實時誤差比對圖以及較長時間段歷史負荷趨勢等等，可滑鼠取點顯示負荷值；系統負荷分類功能可使用電路系統圖直觀展示各類負荷分類方法，並展示對應負荷曲線；負荷調控方案使用推送的方法實時推送方案，並直觀展示預計調控前後負荷曲線變化情況。

實施例1：

以某工業園能源管理為例，工業園涵蓋工廠、科研單位、賓館等多種用戶類型。首先進行基於聚類算法和五河物理特性的負荷數據細分，負荷預測工作是基於負荷數據細分展開，預測流程如圖3所示。每日24時負荷數據，每15分鐘取一個點，全天共96點作為歷史負荷輸入量。某一日數據包括歷史負荷數據、氣象數據和當日氣象因素，使用時間序列、神經網絡、機器學習等方法進行預測，完善算法對比精度，並引入天氣因素和生產計劃因素等修正預測結果。預測使用「相似日」法則，即與該預測日具有相同類型的日期，並且在同一時段內，負荷變化與預測日呈現相似的變換規律。距離預測日最近的幾個同類型日的同一時段內，相似日的負荷會是呈現相近的變化規律。依據特性周期性選擇相似日，而依據不同負荷的影響因素將建立不同負荷模型，將會提高預測精確度。

電力負荷管理方法的可視化平臺結構構成如圖4所示，聯合運用了SCADA電力在線監測系統，SQL server資料庫和MTALAB軟體。系統主要分為數據接口部分，資料庫，應用層，表現層和控制層。數據接口主要有SCADA負荷數據接口和天氣預報接口，依據數據命令導出接口，使用ODBC數據源方式與資料庫連接。

在數據接口層，使用SCADA電力在線監測系統中各個關口設備電錶獲取數據，並結合氣象臺數據接口將歷史負荷數據和氣象數據導入，氣象數據涵蓋日最高、低氣溫，日相對溼度，日最大風速等。數據使用乙太網導入至平臺，並存入實時資料庫。在應用層，完成負荷數據預處理、負荷預測以及負荷管理優化控制等工作，預測數據實時存至資料庫，並與實時對比修正誤差。應用層通過ODBC數據源方式與資料庫連接，將預測結果通過表現層展示給用戶，實現數據查詢和曲線直觀展示等功能，並實現人機互動。同時負荷優化控制結果將導入智能控制模塊，直接提供給用戶控制方案或在一定權限下完成自動控制。