[發明專利]一種面向現貨市場結算的電量數據處理方法

有效

• 申請號: 202011310408.0
• 申請日: 2020-11-20
• 公開（公告）號: CN112381433B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 李維劼;嚴明輝;陳玲;馮瑩瑩;崔琳童;王熙凱;楊顏夢;吳滇寧;周娜;段沛恒;鄒賢
• 申請（專利權）人: 昆明電力交易中心有限責任公司
• 主分類號: G06Q10/0637
• 分類號: G06Q10/0637;G06Q10/0631;G06Q30/0201;G06Q50/06;G06F18/23213
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 許蓮英

1.一種面向現貨市場結算的電量數據處理方法，其特征在于，包括以下步驟：

步驟1：根據用戶的用電自然特性以及用戶的分時計量條件選取用戶月用電量限值，將計量年份y內用戶每個月的月用電量均大于等于用戶月用電量限值且用戶的用電量具備分時計量條件的用戶定義為月用電量限值及以上用戶，否則定義為月用電量限值以下用戶；并根據用戶是否具備分時計量條件將月用電量限值以下用戶定義為月用電量限值以下且具備分時計量條件用戶和月用電量限值以下且不具備分時計量條件用戶；

步驟2：對典型電量曲線的應用場景進行劃分；對于月用電量限值及以上用戶，采用非參數核密度估計提取計量年份y內每一月份各應用場景下的典型日電量曲線；對于月用電量限值以下且具備分時計量條件用戶和月用電量限值以下且不具備分時計量條件用戶，根據國民經濟行業用電分類將所有月用電量限值以下用戶所在行業分為十一個大類；

步驟3：對于月用電量限值及以上用戶，通過綜合利用典型日電量曲線與歷史電量數據中所蘊含的信息，準確辨識電量數據中存在的異常數據；對于月用電量限值以下且具備分時計量條件用戶和月用電量限值以下且不具備分時計量條件用戶，使用一種基于改進kmeans的負荷曲線形態聚類算法，在分類行業中各自挑選樣本用戶進行分行業內的聚類分析，每個行業獲取兩條典型電量曲線；

步驟4：對于月用電量限值及以上用戶，采用線性插值的方法進行單點異常數據修正，采用步驟2中所得到的典型日電量曲線進行縮放的方法對多點異常數據修正；對于月用電量限值以下且不具備分時計量條件用戶，根據運行日所對應的時間和用戶所對應的行業匹配到對應的典型電量曲線，并在典型電量曲線應用時進行去歸一化操作得到用戶的實際分時電量；對于月用電量限值以下且具備分時計量條件用戶，采用線性插值的方法進行單點缺失數據修正，采用相似日擬合的方法進行多點缺失數據修正；

步驟5：通過步驟4分別得到月用電量限值及以上用戶、月用電量限值以下且具備分時計量條件用戶和月用電量限值以下且不具備分時計量條件用戶的修正電量數據作為結算電量數據，并用于現貨市場的結算環節；

步驟1所述具備分時計量條件用戶的計量年份y的日電量數據為：

U_k,y＝(X_k,y,1,X_k,y,2,…,X_k,y,n)

k∈[1,N]

其中，N表示所有現貨市場用戶中具備分時計量條件的用戶的數量，U_k,y為月用電量限值及以上用戶k在計量年份y的總共n日的日電量數據集，X_k,y,i為月用電量限值及以上用戶k在計量年份y的第i日的96點日電量數據集：

X_k,y,i＝[x_k,y,i,1,x_k,y,i,2,…,x_k,y,i,m,…,x_k,y,i,96]^T

i∈[1,L]

其中，L表示計量年份y全年內的總天數，日電量數據為96個點以15分鐘為顆粒度，將每日24小時以15分鐘為時間段劃分即可得到96個日電量計量數據點，x_k,y,i,m為月用電量限值及以上用戶k在計量年份y的第i日的第m點計量數據，m∈[1,96]；

步驟2中所述對典型電量曲線的應用場景進行劃分，具體劃分為：

為提高典型電量曲線的準確性，根據用戶實際用電行為和規律，將某年典型電量曲線的應用場景劃分為每一個月的工作日與休息日，以及節假日，所述節假日包括：春節假期、國慶假期、中秋假期、五一假期、端午假期；

共計S個相應時間段的應用場景；應用場景集合R表示為：

R＝{r月份工作日，r月份休息日，節假日|r∈[1,12]}

步驟2中對于月用電量限值及以上用戶，采用非參數核密度估計提取計量年份y內每一月份各應用場景下的典型日電量曲線具體方法為：

采用高斯核函數作為非參數核密度估計的核函數K(x)，再根據非參數核密度理論計算月用電量限值及以上用戶k計量年份y應用場景s下的歷史電量數據中第i日的第m點數據時刻電量值x_k,y,s,i,m對應的概率密度函數f_m(x_k,y,s,i,m)，其表達式為：

k∈[1,M]

s∈[1,S]

i∈[1,L^D]

m∈[1,96]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，L^D表示計量年份y應用場景s下的總天數，K(x)為高斯核函數，x_k,y,s,i,m為用戶k計量年份y應用場景s下的歷史電量數據中第i日的第m點數據時刻電量值，T為計算應用場景s下第m點數據時刻的樣本數據點數目，h為窗寬；

計算月用電量限值及以上用戶k計量年份y應用場景s下的各時刻數據點對應的概率密度函數，形成最大概率密度曲線向量為：

k∈[1,M]

s∈[1,S]

i∈[1,L^D]

m∈[1,96]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，L^D表示計量年份y應用場景s下的總天數，x_k,y,i,mp,m為用電量限值及以上用戶k計量年份y應用場景s下的第i日第m時刻數據點概率密度函數f_m(x_k,y,s,i,m)取最大值時x_k,y,s,i,m對應的數值；

而后計算參與典型日電量曲線向量提取的月用電量限值及以上用戶k在計量年份y應用場景s下的第i日的96點日電量數據集：

X_k,y,s,i＝[x_k,y,s,i,1,x_k,y,s,i,2,…,x_k,y,s,i,m,…,x_k,y,s,i,96]^T相較于最大概率密度曲線向量的權重w_k,y,s,i，其計算公式為：

k∈[1,M]

s∈[1,S]

i∈[1,L^D]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，L^D表示計量年份y應用場景s下的總天數，d_k,y,s,i表示用戶k在計量年份y應用場景s下的第i日的96點日電量數據與最大概率密度曲線向量數據的差平方的平方根，w_k,y,s,i表示用戶k在計量年份y應用場景s下的第i日的96點日電量數據相較于最大概率密度曲線向量數據的權重，λ為用以調整d_k,y,s,i對w_k,y,s,i的影響程度的可調參數，且λ∈[0,1]，而d_k,y,s,i計算公式為：

k∈[1,M]

s∈[1,S]

i∈[1,L^D]

m∈[1,96]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，L^D表示計量年份y應用場景s下的總天數；

最后對參與不同場景下典型日電量曲線提取的各樣本日的日電量曲線進行加權疊加以獲得該用戶相應場景下的典型日電量曲線，其計算公式為：

k∈[1,M]

s∈[1,S]

i∈[1,L^D]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，L^D表示計量年份y應用場景s下的總天數，X_k,y,s,i表示用戶k在計量年份y應用場景s下的第i日的96點日電量曲線，表示用戶k在計量年份y應用場景s下的典型日電量曲線，其表示如下：

k∈[1,M]

s∈[1,S]

m∈[1,96]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，表示用戶k在計量年份y應用場景s下的典型日電量曲線上第m時刻數據點電量；

步驟2中所述對于月用電量限值以下且具備分時計量條件用戶和月用電量限值以下且不具備分時計量條件用戶，根據國民經濟行業用電分類將所有月用電量限值以下用戶所在行業分為十一個大類，具體分類為：

不同行業的用電行為和規律存在顯著差別，據此將用戶所在行業根據國民經濟行業分類進行劃分，具體劃分如下：農、林、牧、漁業，工業，建筑業，交通運輸、倉儲和郵政業，信息傳輸、軟件和信息技術服務業，批發和零售業，住宿和餐飲業，金融業，房地產業，租賃和商務服務業，公共服務及管理組織業；

步驟3中所述對于月用電量限值及以上用戶，通過綜合利用典型日電量曲線與歷史電量數據中所蘊含的信息，準確辨識電量數據中存在的異常數據，其具體實現方法為：

首先根據月用電量限值及以上用戶的計量年份y的日電量數據U_k,y，計算出月用電量限值及以上用戶k在計量年份y檢測場景s下的歷史電量數據在同一時刻數據點的最大值與最小值：

k∈[1,M]

s∈[1,S]

m∈[1,96]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，為月用電量限值及以上用戶k在計量年份y檢測場景s下的第m點數據點時刻歷史電量數據的最大值，為月用電量限值及以上用戶k在計量年份y檢測場景s下的第m點數據點時刻歷史電量數據的最小值；

通過步驟2所得典型日電量曲線與歷史電量數據的最大值和最小值，可計算出檢測場景下歷史數據域的上下限為：

k∈[1,M]

s∈[1,S]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，表示用戶k在計量年份y應用場景s下的典型日電量曲線上第m時刻數據點電量，為月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的歷史數據域的上限，為月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的歷史數據域的下限；

而后由電力公司結合歷史經驗確定各檢測場景s下用戶k允許變化的閾值系數K_k,s，并計算出電量數據可行域的上下限為：

k∈[1,M]

s∈[1,S]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，K_k,s表示由電力公司確定的用戶k檢測場景s下允許變化的閾值系數，為月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的電量數據可行域的上限，為月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的電量數據可行域的下限；

繼而利用計算出的電量數據可行域上下限形成月用電量限值及以上k在計量年份y檢測場景s下的電量數據可行域矩陣為：

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，表示月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的電量數據可行域的上限，為月用電量限值及以上用戶k在計量年份y檢測場景s下第m時刻數據點的電量數據可行域的下限，可行域矩陣的每一列元素代表該時刻正常電量數據所處的閾值范圍，和均為[-K_k,s,+K_k,s]之間的無量綱值；

在進行異常數據識別時，對檢測場景s下的待檢電量數據

當中第m個分量滿足時，計算待檢數據上限為：

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，為月用電量限值及以上用戶k檢測場景s下的第m數據點時刻待檢測電量的數值，為月用電量限值及以上用戶k檢測場景s下第m時刻數據點的待檢測數據的上限；

當中第m個分量滿足時，計算待檢數據下限為：

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，為月用電量限值及以上用戶k檢測場景s下第m時刻數據點的待檢測數據的下限；

當上下限均在可行域范圍內時，則認為待檢數據正常，無異常數據；當出現數值越限情況時，即可辨識出異常數據；

步驟4中所述對于月用電量限值及以上用戶，采用線性插值的方法進行單點異常數據修正，其具體計算方法為：

k∈[1,M]

s∈[1,S]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，為用戶k相應場景s下經步驟3的異常數據辨識后發現的第i個單點異常數據出現時刻的修正電量數據，K_k,w為用戶k的表計倍率，為用戶k的單點異常數據區間前后計量表碼讀數；

步驟4中所述對于月用電量限值及以上用戶，采用步驟2中所得到的典型日電量曲線進行縮放的方法對多點異常數據修正，其具體計算方法為：

通過用戶k相應場景s下異常數據區間前后計量表碼讀數相減可算得異常數據區間的總用電量E_k,t為：

k∈[1,M]

s∈[1,S]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，K_k,w為用戶k的表計倍率，為用戶k的多點異常數據區間前后表碼讀數，表示用戶k相應場景s下異常數據區間t內的總用電量；

繼而根據步驟2中所得到的用戶k在計量年份y相應場景s下的典型日電量曲線對應多點數據異常區間的總用電量計算出縮放比例為：

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，為用戶k相應場景s下的縮放比例，為用戶k相應場景s下多點數據異常區間t內的總用電量，為用戶k相應場景s下的典型日電量曲線中第i個異常數據出現時刻的電量數據，n代表異常數據點個數；

則計算得到用戶k相應場景s下在第i個異常時刻的電量數據修正值為：

k∈[1,M]

s∈[1,S]

其中，M表示所有現貨市場用戶中月用電量限值及以上用戶的數量，S表示典型電量曲線劃分的應用場景數量，表示用戶k相應場景s下的典型日電量曲線中第i個異常數據出現時刻的電量數據，表示用戶k相應場景s下的典型日電量曲線中第i個異常數據出現時刻的修正電量數據；

步驟4中所述對于月用電量限值以下且不具備分時計量條件用戶，根據運行日所對應的時間和用戶所對應的行業匹配到對應的典型電量曲線，其具體實現方法為：

現貨市場結算系統首先根據用戶戶號在系統中找到其所對應的行業用戶分類代碼，以此為依據尋找對應行業類型，在匹配到對應的行業之后，根據步驟2中對典型電量曲線應用場景的劃分，每一行業用戶所對應的典型電量曲線數目有S條，分別代表12個不同月份工作日對應的2條曲線、12個不同月份休息日所對應的2條曲線以及節假日各自對應的2條曲線，現貨市場結算系統將根據運行日所對應的時間自動匹配到對應的2條典型電量曲線供用戶選擇確認；

步驟4中所述在典型曲線應用時進行去歸一化操作得到用戶的實際分時電量，其具體計算方法為：

在保證曲線形狀不變的情況下，將典型電量曲線歸一化后的分時電量根據用戶的實際日用電總量還原成用戶實際的分時電量：

其中，M表示所有現貨市場用戶中月用電量限值以下且不具備分時計量條件用戶的數量，S表示典型電量曲線劃分的應用場景數量，λ_k,s,m表示用戶k應用場景s下對應行業典型日電量曲線m時刻數據點所對應的電量，W_k,s為用戶k應用場景s下所消耗的相應日用電總量，q_k,s,m為用戶k應用場景s下使用典型電量曲線計算所得的m數據點時刻實際分時電量；

步驟4中所述對于月用電量限值以下且具備分時計量條件用戶，采用線性插值的方法進行單點缺失數據修正，其具體方法與采用線性插值的方法進行單點異常數據修正所用的方法相同；

步驟4中所述對于月用電量限值以下且具備分時計量條件用戶，采用相似日擬合的方法進行多點缺失數據修正，其具體擬合方法為當月用電量限值以下且具備分時計量條件用戶k的計量點連續時間內發生多點數據缺失時，取月用電量限值以下且具備分時計量條件用戶k的計量點同期的電量數據進行相似日擬合，用擬合的數據替代缺失數據，以補全日分時計量電量曲線。