摘要：本文基于电网公司用电信息采集系统和SCADA系统的海量数据，结合实地调研，挖掘、聚类、归集并分析代表企业用户日、周、月、年的负荷数据，从类别维度、行业维度研究不同行业的典型负荷特性，分析移峰填谷的潜力，从技术角度提出移峰填谷的建议。典型行业负荷特性分析为售电放开后更加精准的预测用户电力需求提供基础依据，移峰填谷建议为优化电力能源结构、实现节能减排和电力资料效率效益最优创造条件。
关键词：SOM神经网络；负荷特性研究；移峰填谷分析
一、前言
随着智能电能表推广应用及用电信息采集系统建设全面提速，积累了海量的用户负荷数据，为用户负荷特性分析奠定了扎实基础。本文基于电网公司的用电信息采集系统和SCADA系统的海量数据，结合实地调研，挖掘、聚类、归集并分析代表企业用户日、周、月、年的负荷数据，采用SOM神经网络算法筛选出合理的典型行业负荷典型曲线，从类别维度、行业维度、电价敏感性等方面研究不同行业的典型负荷特性，分析移峰填谷的潜力，从技术角度提出移峰填谷的建议。
二、数据来源
本文数据主要来源于电网公司的用电信息采集系统和调度SCADA系统。
三、数据处理与建模
采用SOM神经网络的聚类方法，在Matlab环境下数据进行聚类分析，实现步骤如下：
（1）准备数据源。样本总数70，每个样本有96个采集时点，以二维数组70×96形式输入。
（2）确定参数。输入神经元个数为采集时点数96；输出神经元以二维数组3×3形式呈现。
（3）运用rand（）函数产生[0，1）之间的随机数作为权值。
（4）调用SOM创建函数newsom（ ），创建自组织映射网络net=newsom（ ）。
（5）对迭代次数net.trainParam.epochs赋值2000；对net.trainParam.show赋值20，表示每20次显示一下误差变化情况。
（6）运用网络训练函数train（）训练上述初始化后的网络net=train（ ）。
（7）调用plot（ ）画输入点；plotsom（ ）作训练后的权值点及其与相邻权值点的连线。
并以此构建如下函数模型：
回归模型
图1 技术路线
2.典型行业年负荷特性
表1 2017年各行业工业增加值及用电量比重
分行业特性分析计算结果具体如下：
（1）钢铁行业：大中型企业为24小时持续运行，负荷稳定，日负荷率0.92；小型企业主要利用低谷电进行生产，日负荷率较低，约为0.34，但由于小企业占比少，对行业整体负荷特性影响小，因此行业整体负荷运行平稳。
（2）电子设备制造业：主要消耗电能，24小时连续运行，夏季典型日日负荷率约为0.927，负荷较稳定。考虑叠加白天综合管理办公室和后勤工作的用电负荷，日负荷曲线在白天时段呈现双峰或单峰，最大负荷一般出现在上午11：00左右。冬季典型日负荷率0.973、0.755，与夏季日负荷率相差较小。
（3）橡胶及塑料制品业：三班连续生产，负荷率较高，调研企业的夏季典型日负荷率为0.77，日最大负荷出现时段11：30-13：30。
（4）纺织业：主要消耗电能，三班24小时连续性生产，夏季典型日日负荷率达到0.927。主要降温设备为生产车间的水冷空调。
（5）服装鞋帽业：24小时连续性生产，成品制品业则为白天两班生产，生产时段一般为上午8：00-12：00，下午13：00-18：00。采用水冷式空调，白天生产班次明显，峰谷差较高，日负荷曲线呈现上午班、下午班两个明显的双峰，日最大负荷出现在12：00左右；夏季典型日日负荷率约为0.587，冬季降温负荷降低后，典型日负荷率均有所降低。
（6）纸制品业：24小时连续生产，夏季典型日日负荷率为0.743，峰谷差较小，冬季相应的制冷设备减小后，日负荷率提高至0.840、0.847。
（7）化学纤维制造业：24小时连续运行，主要消耗能源为电能和天然气。生产车间采用水冷空调，夏季典型日日负荷率达到0.966。
（8）食品饮料烟草业：终端产品品种多，生产特性相差较大，综合来看，生产方便食品和饮料的企业自动化程度较高，大多采用连续性生产，烟草行业则白天生产。夏季典型日日负荷率0.845，峰谷差较小。
五、移峰填谷的潜力分析及建议
（1）黑色金属行业生产时段连续，负荷率高，且其生产过程中较多利用到高炉、锅炉等设施，可考虑能源综合利用，开发余热、余压机组的潜力，可降低部分网供负荷。
（2）电子设备制造业、橡胶及塑料制品业、纺织业、化学纤维制造业、食品饮料和烟草制造业等五大行业日负荷率较高，负荷特性曲线如下图第一类曲线，峰谷差较小，移峰填谷的潜力不大。但是这类企业中央空调的容量占比较高，可考虑采用蓄冷空调模式，减少供电负荷。
（3）服装鞋帽、皮革羽绒及其制品业的负荷特性如下图第二类曲线，调整生产班次产生的移峰填谷潜力较大，可考虑将上午生产班次短时调整一至两个小时，在夏季负荷高峰季节将上午班次调整至7：00-11：00，以避开全网高峰。
（4）造纸及纸制品业峰谷差率较低，负荷特性如下图第三类曲线，考虑安排在低谷时段进行生产，充分利用峰谷电价的优势安排生产。
图2 典型用户典型日负荷特性曲线
六、总结
本文基于互联网数据的基础，通过聚类、归集、分析深挖掘各类用户海量负荷数据的内在规律，研究总结出黑色金属冶炼及压延加工业等八大制造行业的典型负荷特性，结合实地走访和现场调研收资，深入分析行业移峰填谷的潜力，并从技术角度提出移峰填谷的建议。
参考文献：
[1]赵成博，刘继东等.山东电网夏季降温负荷特性及影响因素分析[J].电力需求侧管理，2013年1月，第15卷第1期：20-24
[2]尹玉芬.地区电力系统负荷特性分析与需求侧管理研究[M].广东：华南理工大学硕士论文，2010.
[3]赵静.试论需求侧管理措施对电网负荷特性的影响[J].电力经济技术[J]，2005年8月，第17卷第4期：29-31
[5]霍成军.电力系统负荷特性分析研究[M].天津：天津大学硕士论文，2007
论文作者:李小双,陈焕军
论文发表刊物:《基层建设》2019年第20期
论文发表时间:2019/9/25
标签：负荷论文; 典型论文; 特性论文; 行业论文; 夏季论文; 数据论文; 曲线论文; 《基层建设》2019年第20期论文;