氣溫變化與用電行為分析與應用

唐勇　伍潤澤

摘要：以數據分析為基礎，以客戶數據為對象，以常識性“氣溫與用電量”認識為切入，采用大數據理念、方法和全樣本數據為前提，刻畫氣溫變化與客戶用電行為，通過開展氣溫與用電量相關性分析，擬合分析20℃與23℃對用電量的正反相關關系；精準定位用電量的炎熱敏感點32℃和寒冷敏感點7℃及其相應電量增幅比例；清晰呈現氣溫與用電行為影響關系。通過開展關聯分析，進一步將用電量與氣溫聚類，確定除敏感點之外更為廣域區間的關聯關系，應用大數據預測方法，對氣溫變化可能導致的臺區重載提出預測算法，為配網調度運行和運維檢修工作提供了參考。

關鍵詞：數據分析；用電行為；重載預測

1 引言

近年來，在宏觀經濟形勢下行、電力體制改革影響和內部成本剛性增長等“三期疊加”因素影響下，提升電網運營效率，提高優質服務水平，應用互聯網技術和智能技術則是重要創新形式。

互聯網時代帶來了經濟與社會發展形勢和內驅動力的改變，數據則是生產力與生產工具變革的重要手段之一。當前電網企業所有數據集合，電力客戶是與外部組織系統產生“交集”的關鍵數據源。電力客戶數據與外部關聯關系十分復雜，而影響客戶用電行為的主要因素之一就是：氣溫。氣溫對于電力客戶行為影響是顯而易見的，不同電網基礎和不同氣候，極端氣溫與用電量激增，對電網承載力和調度能力提出考驗，開展氣溫與客戶用電行為分析將會在重載臺區預測、配電網運維和優質服務等方面具有一定的應用價值。

2 數據清洗

筆者整理的內部數據涵蓋低壓用電客戶用電、工單、投訴、繳費等方面數據，外部數據包含各低壓臺區地理位置及2015年1月1日至2017年4月20日某市某區氣象數據和地理信息數據，天氣信息主要涵蓋最高溫、最低溫、天氣情況、風向等數據，共計840條。按照數據補全、格式修正、邏輯修正、冗余去除、關聯驗證的流程，使用oracle數據庫對數據進行了整體清理。

3 分析思路

以氣溫為主線維度，以客戶用電、工單、繳費行為為分析維度，以業務信息系統內2016年-2017年全樣本客戶數據為數據基礎，以趨勢呈現、聚類分析和相關性分析為手段，開展氣溫變化與客戶用電行為的基礎分析、預測分析、擬合分析。

4分析過程

4.1 氣溫基礎分析

某區自2015年至2016年，平均溫度22.47攝氏度，2015年8月2日及2016年8月19日最高溫度值達到37攝氏度，2016年1月23日最低溫度達到零下3攝氏度。氣溫變化總體趨勢不大，周期性變化規律較強：最高溫度出現次數最多的溫度區間為28-30攝氏度，共計64次。雷擊天氣及大雨或暴雨的天氣共計12天，某市氣候較為溫和，極端氣溫出現概率較小。

4.2用電行為與氣溫的關聯分析

以2016年1-12月某區低壓用電客戶用采數據為基礎，引入外部地理和天氣數據，開展關聯分析。23℃以上，溫度與用電量呈正相關，相關系數0.5823；20℃以下，呈反相關，相關系數-0.2571；升溫敏感性：27℃為初始敏感點，用電增幅18%；32℃為炎熱敏感點，用電增幅36%；37℃為極端炎熱敏感點，用電增幅高達39%；溫敏感性：11℃為初始敏感點，用電增幅為23%；7℃為寒冷敏感點，用電增幅為27%；6-8月份峰電占比降到最低，谷電占比達到最高；低壓居民用戶戶均用電量對溫度的敏感性高于低壓非居民用戶。

4.3 氣溫與戶均用電量關聯分析

戶均用電量明顯隨著溫度的變化而變化：春季3月份溫度維持在23攝氏度左右時，戶均用電量為4.03kW·h；夏季7月份時，溫度升高到34攝氏度，戶均用電量也相應激增至8.06kW·h；溫度降低到20攝氏度，戶均用電量再次減少到4.97kW·h；日最高溫度與戶均用電總量存在較強的相關性。

伴隨日最高氣溫由低到高，戶均用電量呈現出類似“V”形的變化趨勢，適宜的氣溫（16-26℃）則對應著較低的戶均用電量，高溫（27-37℃）和低溫（4-15℃）分別對應著較高的用電量均值，用電量對于高溫的敏感程度比低溫更強。

升溫階段：17℃-25℃為不敏感區域，整體用電增幅變化處于13%以下；27℃為初始敏感點，用電增幅為18%；32℃為炎熱敏感點，用電增幅達36%；37℃為極端敏感點，用電增幅高達39%。

降溫階段：25℃-12℃為不敏感區域，整體用電增幅變化處于14%以下；11℃為初始敏感點，用電增幅為23%；7℃為寒冷敏感點，用電增幅為27%。

5 分析應用

5.1 設計重過載預測模型

根據分析結論，設計了氣溫與重過載臺區雙因子預測，應用邏輯回歸建立了運行公變臺區重過預測模型。

5.2 開展預測模型數據驗證

運用2017年7月的氣溫數據，進行臺區重過預測，預測模型的預測數據與實際重載臺區數目一致性達到82%，證明了預測的準確性。

6 結束語

通過氣溫與客戶用電行的分析為配電網迎峰度夏和迎峰度冬提供了重要的參考因素，其分析算法和預測結果，能夠有效指導供電公司臺區運維工作。通過測算出的用電量與氣溫變化的炎熱敏感點和寒冷敏感點，可預測區域負荷增長和降低程度，明確負荷增長區域、臺區、街道等，預測重載臺區，能夠指導電網運維部門提前調配運維人員、設備和值班策略，提前做好重載臺區檢修維護工作，提高負荷變化情況下臺區供電能力。為公司經營決策、電網運營水平提升提供更有效支撐。

參考文獻：

[1]宋明月. 氣溫變化對華北冬季用電負荷及采暖耗能影響分析[D].長沙理工大學，2016.

[2]賀芳芳，史軍.上海地區夏季氣溫變化對用電負荷的影響[J].長江流域資源與環境，2011，20（12）：1462-1467.

[3]于巧梅，朱宵峰，蔣峰.氣溫變化對用電負荷影響的分析[J].浙江氣象，2005（04）：36-39.

[4]趙德應，李勝洪，張巧霞.氣溫變化對用電負荷和電網運行影響的初步探討[J].電網技術，2000（01）：55-58.

[5]吳金蔚. 大數據技術在用電需求分析中的應用研究[D].東南大學，2016.

[6]江櫻，王志強，戴波.基于大數據的居民用電消費習慣研究與分析[J].電力信息與通信技術，2015，13（11）：7-11.

[7]王繼業，季知祥，史夢潔，黃復鵬，朱朝陽，張東霞.智能配用電大數據需求分析與應用研究[J].中國電機工程學報，2015，35（08）：1829-1836.