基于大數據的負荷指標及同時率測算方法

孫　昕，呂　陽，張　欣，陳　晨，李雪男

（北京電力經濟技術研究院，北京　100055）

基于大數據的負荷指標及同時率測算方法

孫昕，呂陽，張欣，陳晨，李雪男

（北京電力經濟技術研究院，北京100055）

隨著科技的發展和國民經濟水平的持續提高，各種用戶類別的負荷特性都在不斷發生變化，建立與各城市負荷水平相一致的負荷密度指標及同時率體系具有重要意義。提出基于大數據的負荷指標及負荷同時率測算方法，并應用配套開發的負荷數據分析系統，對北京市負荷指標及同時率進行初步測算，形成了飽和負荷預測指標推薦表。

負荷指標；同時率；負荷數據分析系統；樣本選取；負荷密度曲線

0　引言

空間負荷預測是城市電網規劃的重要環節，其預測結果是確定所需配置供電設備容量和分布的基礎。目前，用于開展空間負荷預測的規劃單位建設用地負荷指標主要引自GB/T 50293—2014《城市電力規劃規范》。該指標面向全國，用于規范遠景年各類用地的單位建筑面積負荷水平，給定的指標范圍較為寬泛，僅規定了居住、公建和工業3類用地的用電指標范圍，且沒有對各類用地的負荷同時率選取原則做出說明。根據GB/T 50293—2014，居民建筑用電指標范圍是30～70 W/m2，公共建筑用電指標范圍是40～150 W/m2，工業用地用電指標范圍是40～120 W/m2［1］。

隨著科技的發展和國民經濟水平的持續提高，電腦、空調、烤箱等家用電器得到了廣泛應用；商業、辦公、醫療、市政等樓宇建筑已基本全部采用中央空調集中供冷的模式；晶體管制造、數據中心等新興產業應運而生［2］。伴隨而來的是各類用戶的負荷特性都在不斷發生變化。因此，亟需充分利用各城市電力信息系統中的相關數據，建立與各城市科技、經濟水平相一致的負荷密度指標及同時率體系，用于指導后續各層面電網規劃中的負荷預測工作［3］。

提出基于大數據的負荷指標及同時率測算方法，并配套開發負荷數據分析系統。基于該系統，自動提取北京市電力信息系統相關數據，對北京市負荷指標及同時率進行初步測算，并形成了飽和負荷預測指標推薦表。

1　測算方法

1.1數據接入模式

通過構建負荷數據分析系統，可采集電網業務層數據進行負荷指標測算。系統采用Web Service接口方式從電力數據中心獲取營銷系統的用戶臺賬數據以及用戶信息采集系統的表計負荷數據，WebService協議需要對接Weblogic WebService和JMS數據接口，進入Ubase通用WebService數據整合框架，采用A到A的模式將營銷數據寫入Ubase PMS數據表，自動轉到營銷增量數據計算引擎，與配網規劃數據中心進行增量計算及數據增量計算和審計標識。

營銷系統數據接入。用戶臺賬數據主要采集用戶數據、表計數據、計量點數據、臺區數據、變壓器數據，按照臺賬數據，自動形成負荷模型中表計→用戶→變壓器（配電箱進線）的邏輯關系，系統自動計算負荷數據，作為規劃負荷預測的基礎數據，主要屬性有用戶用地性質、建筑面積、用地面積、坐標等。營銷系統數據流轉方式如圖1所示。

圖1　營銷系統數據流轉邏輯

用電信息采集系統數據接入。用采數據主要采集表計的三相電壓、三相電流、有功功率、無功功率，數據時間粒度15 min，即負荷曲線中為每天96點，根據營銷臺賬數據計算的表計用戶變壓器關系模型，系統自動依據表計數據計算用戶和變壓器的負荷曲線數據，作為規劃負荷預測基礎數據。用電信息采集系統數據流轉方式如圖2所示。

圖2　用電信息采集系統數據流轉邏輯

1.2樣本選取原則

通過數據接口，數據分析系統可提取用戶樣本基本信息及用電信息，并自動進行樣本篩選，形成典型用戶樣本庫。飽和樣本的篩選方法主要有兩種。一是根據各樣本逐年每月電量信息，考慮3月、6月、10月負荷相對穩定，受天氣影響較小，若逐年3月、6月、10月電量值存在波動 （增長率在-5%～+5%之間），認為該樣本已經基本趨于飽和；二是計算樣本年均電量增長率，增長率在2%以下可近似認為該樣本負荷趨于飽和［4］。其他樣本屬于不飽和樣本。

1.3負荷密度指標測算方法

數據分析系統根據自動生成的飽和用戶樣本庫，對用戶負荷數據進行分析，并采用正態分布法、加權平均法等算法，形成多維度用電指標，生成各用戶類型飽和年負荷密度曲線。

每個樣本用電指標測算方法。從各樣本中篩選出年單小時最大電量，近似認為該電量值代表了該樣本的最大負荷情況。以最大負荷為分子，樣本建筑面積為分母，計算得出該樣本的用電指標。

每類用戶類別用電指標測算方法。一是負荷趨于飽和的樣本作為有效樣本；二是將同種用戶類別的有效樣本進行對比分析，核實是否存在個別樣本指標過高或過低的情況，如果存在，核實原始數據并分析原因，如果屬于正常因素，則該樣本參與該用戶類別的用電指標測算，如果屬于個例因素，該樣本記為無效樣本；三是在確定有效樣本基礎上計算分析各樣本用戶的負荷指標結果；四是將各有效樣本用電指標求和取平均，考慮負荷自然增長的影響，將平均值上浮5%～10%作為基準值，并給出上浮比例原因分析，以基準值為中點，上下分別浮動5%形成該類用戶類別的用電指標范圍［5］。

各類用地性質用電指標測算方法。各類用地包含多種用戶類別，將負荷特性較為接近的用戶類別進行適度合并，對于各類用地性質形成1～2個推薦用電指標。以商業金融用地性質為例，該用地性質包含酒店、銀行、數據中心、購物中心等多個用戶類別，因酒店、購物中心、銀行等用電指標較為接近，可適度合并，合并后商業金融類用地性質分兩種用電指標，分別為金融業用地（C22）和商業服務業用地（C21、C23～C26）。

1.4同時率測算方法

數據分析系統依據各類用戶飽和年負荷密度曲線，可綜合考慮不同用戶類型組合，不同建筑面積等情況，對戶間同時率進行自動計算［6］。

式中：K為同時率；Pmax為系統飽和年最大負荷；Pimax為第i個用戶飽和年最大負荷。

2　負荷指標測算

2.1用戶樣本

根據北京城市定位，北京市政府在產業結構上做出了相應的調整，從1990年開始，第一產業、第二產業發展相對放緩，比例相對下降，第三產業比例有所上升。北京市政府在城市用地規劃方面將北京市城市用地主要分為居住、工業、農業、商業金融、行政辦公、文化娛樂、醫療衛生、教育科研、中小學幼托、體育、市政設施、倉儲、交通運輸和其他用地14大類。在14類用地性質的基礎上又細分為44種用戶類別。

經過系統自動處理，共形成包括44類用戶類別共計3200個有效樣本。針對每個樣本，選取數據質量較好的2008—2012年負荷數據進行測算。

歷史電量數據。針對44類用戶類別，分別選取多個已投產多年負荷趨于飽和的典型用戶作為樣本，依托用采系統獲得各樣本2008—2012年每小時的電量數據，以及各樣本2006—2012年每月的電量值，以每小時電量數據作為單小時平均負荷。

樣本基本信息。根據營銷系統中的數據，整理得到各樣本的基本信息，包括各用戶的占地面積、建筑面積等。按照14類用地性質的44種用戶分類原則，形成樣本信息數據庫。

2.2測算結果及校驗

對于選取的樣本，根據其基本信息及電量信息，應用加權平均法在負荷數據分析系統中對每類用戶類別進行負荷指標測算。以工業用地為例，該類用地可細分為電子設備制造、汽車制造廠、食品加工廠、制藥廠、紡織廠及其他工業用戶。

1）電子設備制造用戶。該用戶類別單位建筑面積負荷加權平均為141.7 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取6個樣本，于2013年7月17日—19日進行負荷實測，實測單位建筑面積負荷加權平均為158.5 W/m2。

2）汽車制造廠用戶。該用戶類別單位建筑面積負荷加權平均為78.7 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取4個樣本，于2013 年7月16日—19日進行負荷實測，實測單位建筑面積負荷加權平均為78.2 W/m2。

3）食品加工廠用戶。該用戶類別單位建筑面積負荷加權平均為41.8 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取6個樣本，于2013 年7月16日—19日進行負荷實測，實測單位建筑面積負荷加權平均為48 W/m2。

4）制藥廠用戶。該用戶類別單位建筑面積負荷加權平均為77.7 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取6個樣本，于2013年7 月15日—19日進行負荷實測，實測單位建筑面積負荷加權平均為63.8 W/m2。

5）紡織廠用戶。該用戶類別單位建筑面積負荷加權平均為24.4 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取2個樣本，于2013年7 月19日—21日進行負荷實測，實測單位建筑面積負荷加權平均為27.5 W/m2。

6）其他工業用戶。該用戶類別單位建筑面積負荷加權平均為57.7 W/m2，最大負荷發生集中發生在第三季度。針對該類用戶選取2個樣本，于2013年7月19日—21日進行負荷實測，實測單位建筑面積負荷加權平均為47.5 W/m2。

根據城市規劃設計相關規范，工業用地細分為一類工業用地（M1）、二類工業用地（M2）等。其中電子設備制造和汽車制造屬于一類工業用地，通過對該2種用戶類別單位建筑面積負荷加權平均，同時結合實測數據校核，測算一類工業負荷指標為100 W/m2。其中食品加工廠、制藥廠、紡織廠和其他屬于二類工業用地，通過對該4種用戶類別單位建筑面積負荷加權平均，同時結合實測數據校核，測算二類工業負荷指標為40 W/m2。

《城市電力規劃規范》中工業用地用電指標為40～120W/m2。因此，新測算的一類工業用地100W/m2負荷指標，二類工業用地40W/m2負荷指標是合理的。

經過測算，形成包括14類用地性質和44種用戶類別的飽和負荷預測指標推薦表，如表1所示。

表1　飽和負荷預測指標推薦表

3　同時率測算

從飽和用戶樣本庫中提取3類用地性質，包括C21商業用地 （商業金融用地）、C23貿易咨詢用地（商業金融用地）以及M1一類工業用地（工業用地），共計115個用戶樣本用于同時率指標初步測算。

應用負荷數據分析系統，可對各用戶負荷信息進行分析，形成3類用地的飽和年負荷密度曲線，如圖3～5所示。假設3類用地的建筑面積相同，可計算出不同用地性質組合方式下的同時率，詳見表2。該測算結果的準確性需通過進一步的研究分析進行校驗。

圖3　飽和年C21商業用地負荷密度曲線

圖4　飽和年C23貿易咨詢用地負荷密度曲線

圖5　飽和年M1工業用地負荷密度曲線

表2　不同用地性質組合方式下的同時率測算結果

4　研究拓展

基于負荷數據分析系統，可在今后研究中，重點從以下方面實現應用拓展。

探究多維度負荷指標體系。根據歷史負荷數據庫，建立各種用戶類型在不同天氣、不同季節、不同建筑面積、不同發展階段等情況下的日、年度負荷特性曲線。以此為依據，并可結合用戶實際負荷情況，對各類用戶進行短期、中期、長期負荷預測，以及各種用戶組合方式下的同時率測算。

研究各用戶類型負荷發展系數。根據各用戶類型歷史負荷數據，可分析出其負荷變化趨勢近似S型曲線。負荷增長特性與其發展階段密切相關，一般可分為慢速增長期、快速增長期和緩慢增長飽和期3個階段。可對各類用戶負荷發展系數進行研究測算，用于指導各用戶類型逐年負荷預測。

深化同時率研究。研究不同建筑面積對同一用戶類型負荷曲線的影響，形成建筑面積變化對各類用戶負荷曲線的修正系數集；基于發展系數研究，分析負荷不同發展階段對同時率的影響。

5　結語

提出了基于大數據的負荷指標及負荷同時率測算方法，并應用配套開發的負荷數據分析系統，對北京市負荷指標及同時率進行了初步測算，并形成了包括14類用地性質、44種用戶類別飽和負荷預測指標推薦表。

推薦的用電指標能夠體現北京地區經濟發展水平，為電網規劃中的負荷預測工作提供了更科學合理的依據。

［1］GB/T 50293-2014城市電力規劃規范［S］.

［2］張振，王鋒陳，敏曦.基于BP網絡的電力負荷預測改進研究［J］.中國電業（技術版），2015（10）：12-15.

［3］蔣琪，李文輝，蔣勃.城市電網協同負荷預測及協同規劃研究與實現［J］.中外企業家，2015（35）：85-87.

［4］康重慶，趙燃，陳新宇，等.多級負荷預測的基礎問題分析［J］.電力系統保護與控制，2009，37（9）：1-7.

［5］孫旭，任震.空間負荷預測在城市電網規劃中的應用［J］.繼電器，2005，33（14）：79-81.

［6］何善瑾.上海電力系統最大負荷同時率分析［J］.供用電，2008，25 （1）：13-15.

孫昕（1984），工程師，博士，從事電網規劃、設計及管理等工作；

呂陽（1987），工程師，碩士，從事配電網規劃、設計等工作；

張欣（1990），工程師，碩士，從事配電網規劃、設計等工作；

陳晨（1988），工程師，碩士，從事配電網規劃、設計等工作；

李雪男（1983），高級工程師，碩士，從事電網規劃、設計及管理等工作。

The Big Data Based Load Index and Simultaneity Factor Estimation Method

SUN Xin，LV Yang，ZHANG Xin，CHEN Chen，LI Xuenan
（State Grid Beijing Economic Research Institute，Beijing 100055，China）

With the development of technology and the improvement of national economy，load characteristics of various customers are changing constantly.Therefore，building a load index and simultaneity factor estimation system which is consistent with the urban load demand level is significant.The big data based load index and simultaneity factor estimation method is put forward.Using the load data analysis system，which is developed based on the method，load indexes and simultaneity factors of Beijing are preliminarily calculated，and saturated load indexes recommendation form is established.

load indexs；simultaneity factor；load data analysis system；sample selection；load density curve

TM714

A

1007-9904（2016）01-0037-04

2015-11-25