春節(jié)期間主要行業(yè)用電波動特性研究

(國網(wǎng)四川省電力公司，四川 成都 610041)

0 引 言

中國節(jié)假日包含周末、小長假和長假。小長假時間較短且與周末的時長差距不大，對行業(yè)用電的影響較小。與之相比，長假的影響更為顯著，但國慶期間尚有許多企業(yè)依舊在正常生產(chǎn)，而春節(jié)作為中國最重要的傳統(tǒng)節(jié)日其影響更甚，日用電量曲線往往會出現(xiàn)較大波動，且呈現(xiàn)出一定的規(guī)律，下面重點分析春節(jié)期間及前后行業(yè)用電波動的情況。

目前關(guān)于節(jié)假日對電力消費的影響，大多數(shù)研究主要針對電網(wǎng)整體負荷開展分析且主要是趨勢預(yù)測[1-5]，鮮有針對細分行業(yè)的假日用電特征研究。下面構(gòu)建了表征春節(jié)期間行業(yè)用電波動特性的量化指標，開展了基于K-means算法的曲線聚類分析，揭示了主要工業(yè)行業(yè)和服務(wù)行業(yè)在春節(jié)及其前后期間的波動特征，相關(guān)成果可以為電網(wǎng)的規(guī)劃計劃、生產(chǎn)運行提供決策參考。

1 行業(yè)用電聚類分析的基本思路

1.1 K-means聚類方法

K-means算法是一種廣泛使用的聚類方法，該方法的主要步驟如下：

1)假定輸入樣本x1，x2，……xm。

2)觀察不同曲線特征，指定要形成的聚類個數(shù)，選擇初始的k個類別中心為μ1，μ2，……μk。

3)計算每個樣本點到各類中心的距離，將每個樣本點歸到距離中心最近的那個類，形成初始分類結(jié)果。

式中：labeli為樣本xi的分類結(jié)果，其輸出為Ⅰ，Ⅱ，Ⅲ，Ⅳ，……；arg為分類函數(shù)。

4)分別計算每個類別所有樣本到該類別中心的幾何距離均值，并據(jù)此更新每個類別中心的位置。

式中：μj(t)為第t次更新后的類別中心；cj為依據(jù)步驟3)確定的屬于第j類群體的樣本下標編號集合；count表示個數(shù)。

5)重復(fù)第3)和第4)步，不斷迭代，直到類別中心變化小于某閾值，不再調(diào)整為止。

6)分析聚類結(jié)果的科學(xué)性，若結(jié)果不理想，則調(diào)增或調(diào)減聚類個數(shù)，回到步驟2)，直至結(jié)果合理。如圖1所示。

圖1 K-means聚類中心迭代

1.2 變量選取思路

考慮到各行各業(yè)的用電量差距較大，且受春節(jié)影響差異較大，擬采取如下做法：1)歸一化處理：選取各行業(yè)在所研究時間段內(nèi)的最大值作為基準，形成無量綱歸一化曲線，使得不同行業(yè)不同年份可以在同一尺度類比。2)雙維度分類指標：一是深度即降幅，各行業(yè)選取研究時間段內(nèi)的日電量平均值為基準，將最低點與之比對，據(jù)此衡量電量波動下降的程度；二是寬度即時長，各行業(yè)日用電量低于平均值的天數(shù)，據(jù)此衡量行業(yè)用電恢復(fù)的速度。

圖2 歸一化處理及衡量指標

2 主要工業(yè)行業(yè)用電波動特征分析

2.1 聚類結(jié)果及最終聚類中心

2019年春節(jié)及前后主要工業(yè)行業(yè)逐日用電曲線聚類結(jié)果如表1和表2所示，分為4類。其中第1類和第3類分別都只有1個行業(yè)，第2類和第4類各有2個行業(yè)納入。從最終的聚類中心看，4個類別的主要特點分別是降幅不明顯但持續(xù)時間長、降幅明顯但持續(xù)時間短、降幅處于中等水平且持續(xù)時間很短、降幅較小且持續(xù)時間處于中等水平。

表1 2019年春節(jié)及前后主要工業(yè)行業(yè)用電波動特征聚類

表2 2019年春節(jié)及前后主要工業(yè)行業(yè)用電最終聚類中心

2.2 工業(yè)行業(yè)用電波動特征聚類分析

1)工業(yè)Ⅰ類聚類曲線

化學(xué)原料和化學(xué)制品制造業(yè)：2019年，春節(jié)放假并未對行業(yè)日用電量產(chǎn)生明顯影響，這應(yīng)當與化學(xué)原料和化學(xué)制品制造業(yè)自動化程度相對較高有關(guān)。總體上，化學(xué)原料和化學(xué)制品制造業(yè)呈現(xiàn)出穩(wěn)定小幅增長的趨勢，如圖3所示。

圖3 2019年工業(yè)第Ⅰ類特性曲線

2)工業(yè)Ⅱ類聚類曲線

非金屬礦物制品業(yè)：2019年，非金屬礦物制品業(yè)日用電量從除夕前12天(臘月十八)開始下降，在農(nóng)歷新年初三達到最低值。整個春節(jié)假期期間，非金屬礦物制品業(yè)的日用電量一直處于較低水平。同時在除夕之前，日用電量呈現(xiàn)快速下降趨勢，而在春節(jié)假期結(jié)束之后，日用電量穩(wěn)步回升。非金屬礦物制品業(yè)用電量具有典型的U型特征，受春節(jié)假期的影響十分明顯。

金屬制品業(yè)：2019年，金屬制品業(yè)日用電量從除夕前12天(臘月十八)開始呈下降趨勢，在農(nóng)歷新年正月初一達到最低值。春節(jié)假期過后，從正月初七開始出現(xiàn)快速回升，到除夕后16天(正月十六)恢復(fù)到一個相對穩(wěn)定的水平。金屬制品業(yè)用電量也具有典型的U型特征，與非金屬礦物制品業(yè)的用電波動曲線特征相似度極高。

工業(yè)Ⅱ類聚類曲線如圖4所示。

圖4 2019年工業(yè)第Ⅱ類特性曲線

3)工業(yè)Ⅲ類聚類曲線

計算機、通信和其他電子設(shè)備制造業(yè)：2019年，計算機、通信和其他電子設(shè)備制造業(yè)日用電量從除夕前9天(臘月二十一)開始呈下降趨勢，在農(nóng)歷新年正月初一達到最低值。春節(jié)假期過后，從正月初七開始出現(xiàn)快速回升，到除夕后10天(正月初十)恢復(fù)到一個相對穩(wěn)定的水平。與其他行業(yè)相比影響時長明顯較短。如圖5所示。

4)工業(yè)Ⅳ類聚類曲線

黑色金屬冶煉和壓延加工業(yè)：2019年，黑色金屬冶煉和壓延加工業(yè)日用電量從臘月初五開始一直呈下降趨勢，在農(nóng)歷新年正月初二達到最低值20.060 8 GWh。春節(jié)假期過后，從正月初八開始出現(xiàn)緩慢回升，一直到除夕后26天(正月二十六)恢復(fù)到一個相對穩(wěn)定的水平。可以看到，黑色金屬冶煉和壓延加工業(yè)用電量也具有典型的U型特征，但與第二類曲線相比，電量下降的時間較早，同時節(jié)后電量恢復(fù)的速度較快。

圖5 2019年工業(yè)第Ⅲ類特性曲線

有色金屬冶煉和壓延加工業(yè)：2019年，有色金屬冶煉和壓延加工業(yè)日用電量變化趨勢較為平穩(wěn)，春節(jié)放假對該行業(yè)用電量的影響類似于黑色金屬冶煉和壓延加工業(yè)且程度更小。

工業(yè)Ⅳ類聚類曲線如圖6所示。

圖6 2019年工業(yè)第Ⅳ類特性曲線

3 主要服務(wù)行業(yè)用電波動特征分析

3.1 聚類結(jié)果及最終聚類中心

2019年春節(jié)及前后主要服務(wù)行業(yè)逐日用電曲線聚類結(jié)果如表3和表4所示，分為3類。其中第1類包括4個行業(yè)，第2類和第3類各有兩個行業(yè)納入。從最終的聚類中心看，3個類別的主要特點分別是降幅較小且持續(xù)時間處于中等水平、降幅雖大但持續(xù)時間短、降幅大且持續(xù)時間長。

3.2 服務(wù)行業(yè)用電波動特征聚類分析

1)服務(wù)業(yè)Ⅰ類聚類曲線

交通運輸、倉儲和郵政業(yè)：2019年，交通運輸、倉儲和郵政業(yè)日用電量從除夕前4天(臘月二十六)開始呈下降趨勢，在農(nóng)歷新年正月初一達到最低值。隨后，該行業(yè)日用電量出現(xiàn)快速回升，到除夕后9天(正月初九)恢復(fù)到一個相對穩(wěn)定的水平。交通運輸、倉儲和郵政業(yè)用電量具有典型的V型特征，春節(jié)放假因素導(dǎo)致的該行業(yè)用電量下降幅度相對有限、波動時間不長。

表3 2019年主要服務(wù)行業(yè)用電波動特征聚類

表4 2019主要服務(wù)行業(yè)用電最終聚類中心

信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)：2019年，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)日用電量在春節(jié)假期前后出現(xiàn)了短暫降低，但降幅很小。春節(jié)因素對該行業(yè)用電特征的影響十分微小。

住宿和餐飲業(yè)：2019年，住宿和餐飲業(yè)日用電量從除夕前2天(臘月二十八)開始呈下降趨勢，在農(nóng)歷新年正月初一達到最低值。隨后，該行業(yè)日用電量出現(xiàn)快速回升，到除夕后7天(正月初七)恢復(fù)到一個相對穩(wěn)定的水平。與前兩個行業(yè)類似，春節(jié)放假因素導(dǎo)致的用電量波動時間不長。

公共服務(wù)及管理組織：2019年，公共服務(wù)及管理組織日用電量受假日影響降幅不算太大，且持續(xù)時間不算太長，與住宿和餐飲業(yè)具有一定相似度。

服務(wù)業(yè)第Ⅰ類特性曲線如圖7所示。

圖7 2019年服務(wù)業(yè)第Ⅰ類特性曲線

2)服務(wù)業(yè)Ⅱ類聚類曲線

金融業(yè)：2019年，金融業(yè)日用電量曲線具有明顯的以周為周期的用電波動特征，即工作日用電量大，周末用電量會出現(xiàn)短暫降低，這與該行業(yè)的基本特點相符。考慮該行業(yè)日用電量的周期波動后，可以判斷該行業(yè)在除夕前2天(臘月二十八)開始呈下降趨勢，到除夕后7天(正月初七)恢復(fù)到節(jié)前相對穩(wěn)定的水平。該行業(yè)日用電量的波動特征與春節(jié)假期高度重合。

租賃和商務(wù)服務(wù)業(yè)：2019年，租賃和商務(wù)服務(wù)業(yè)日用電量的變化趨勢與金融業(yè)十分相似，正常生產(chǎn)狀態(tài)下具有典型的周期性波動特征，春節(jié)假期的影響起始于除夕前2～3天，結(jié)束于春節(jié)假期后1～2天，與春假放假時間高度重合。

服務(wù)業(yè)Ⅱ類特性曲線如圖8所示。

圖8 2019年服務(wù)業(yè)第Ⅱ類特性曲線

3)服務(wù)業(yè)Ⅲ類聚類曲線

批發(fā)和零售業(yè)：2019年，批發(fā)和零售業(yè)日用電量數(shù)據(jù)質(zhì)量較低，數(shù)據(jù)波動十分劇烈，數(shù)據(jù)清洗比較困難，因而無法準確分析出春節(jié)因素對該行業(yè)用電量的具體影響。但根據(jù)曲線整體變化趨勢，低位運行時間較長，與房地產(chǎn)行業(yè)有一定相似度。

房地產(chǎn)業(yè)：2019年，房地產(chǎn)業(yè)日用電量從除夕前4天(臘月二十六)開始呈下降趨勢，在農(nóng)歷新年初一(2月5日)達到最低值。隨后，該行業(yè)日用電量出現(xiàn)穩(wěn)步回升，到除夕后10天(正月初十)恢復(fù)到一個相對穩(wěn)定的水平。房地產(chǎn)業(yè)用電量具有典型的V型特征，受春節(jié)假期的影響較為明顯。

服務(wù)業(yè)Ⅲ類特性曲線如圖9所示。

4 結(jié) 語

1) 春節(jié)假期及其前后對主要工業(yè)行業(yè)逐日用電的影響：化學(xué)原料和化學(xué)制品制造業(yè)用電量基本不受春節(jié)因素的影響。非金屬礦物制品業(yè)、金屬制品業(yè)用電量具有典型的U型特征，受春節(jié)假期的影響十分明顯。計算機、通信和其他電子設(shè)備制造業(yè)受春節(jié)影響的時長明顯較短。金屬冶煉和壓延加工業(yè)、有色金屬冶煉和壓延加工業(yè)用電量也具有典型的U型特征，但電量下降的幅度較小、時間較早且恢復(fù)速度較快。

圖9 2019年服務(wù)業(yè)第Ⅲ類特性曲線

2) 春節(jié)假期及其前后對主要服務(wù)行業(yè)逐日用電的影響：交通運輸、倉儲和郵政業(yè)，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)，住宿和餐飲業(yè)，公共服務(wù)及管理組織日用電量受假日影響降幅不算太大，且持續(xù)時間不算太長。金融業(yè)、租賃和商務(wù)服務(wù)業(yè)等行業(yè)日用電量曲線具有周期性波動特征，工作日用電量高，周末用電量小，同時春節(jié)因素的影響持續(xù)時間與春節(jié)假期高度重合。批發(fā)和零售業(yè)、房地產(chǎn)業(yè)低位運行時間較長，受春節(jié)假期的影響較為明顯。