浙江高歌物聯(lián)網(wǎng)科技有限公司
一家以市場(chǎng)需求和技術(shù)研發(fā)為核心驅(qū)動(dòng)的科技型公司
導(dǎo)航
電力泛在物聯(lián)網(wǎng)大數(shù)據(jù)的應(yīng)用：
經(jīng)過(guò)多年的建設(shè)，國(guó)網(wǎng)公司逐步完善了電網(wǎng)大數(shù)據(jù)平臺(tái)，參考各國(guó)研究與電科院各所的實(shí)際分析，智能電網(wǎng)大數(shù)據(jù)主要集中在3個(gè)方面：社會(huì)、政府和相關(guān)行業(yè)服務(wù)；電力用戶服務(wù)；支持電網(wǎng)自身的放在和運(yùn)營(yíng)。2019年，國(guó)網(wǎng)在“泛在電力物聯(lián)網(wǎng)建設(shè)大綱”中明確大數(shù)據(jù)平臺(tái)/中心，作為內(nèi)部業(yè)務(wù)和外部業(yè)務(wù)的支撐，涉及業(yè)務(wù)包括提升客戶服務(wù)水平、提升企業(yè)經(jīng)營(yíng)績(jī)效、提升電網(wǎng)安全經(jīng)濟(jì)運(yùn)行、促進(jìn)清潔能源消納、打造智慧綜合服務(wù)平臺(tái)、培育發(fā)展信息業(yè)務(wù)、構(gòu)建能源生態(tài)體系。
目前，電網(wǎng)大數(shù)據(jù)的建設(shè)已經(jīng)取得了初步成效，并且圍繞以上業(yè)務(wù)方向進(jìn)行積探討，本章選擇部分業(yè)務(wù)方向，對(duì)泛在電力物聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)的應(yīng)用前景進(jìn)行一些探討。
1、泛在電力物聯(lián)網(wǎng)在虛擬電廠中的應(yīng)用：
隨著國(guó)家大力推進(jìn)綠色能源戰(zhàn)略，光伏發(fā)電、風(fēng)力發(fā)電獲得了長(zhǎng)足的發(fā)展，這些新能源供電系統(tǒng)并網(wǎng)后帶來(lái)了一些問(wèn)題。首先，大規(guī)模新能源系統(tǒng)并網(wǎng)后，其輸出功率受自然條件影響較大，如風(fēng)力一般網(wǎng)上電力較強(qiáng)、光伏晚上沒(méi)有電力，對(duì)電網(wǎng)沖擊較大，需要進(jìn)行調(diào)峰和調(diào)度工作。其次，如果采用分布式供能系統(tǒng)，則會(huì)引起雙向潮流問(wèn)題、無(wú)功電壓不穩(wěn)問(wèn)題。為了適應(yīng)新能源的接入，國(guó)網(wǎng)公司大力推進(jìn)虛擬電廠，是一種“源網(wǎng)荷儲(chǔ)”系統(tǒng)，包含“電源、電網(wǎng)、負(fù)荷、儲(chǔ)能”的整體電網(wǎng)解決方案，期望解決清潔能源消納過(guò)程中電網(wǎng)波動(dòng)性等問(wèn)題，推進(jìn)新能源產(chǎn)業(yè)的發(fā)展。
虛擬電廠的核心是電網(wǎng)供需側(cè)協(xié)調(diào)的問(wèn)題，是基于大數(shù)據(jù)的分析協(xié)調(diào)問(wèn)題。在需求側(cè)，預(yù)測(cè)用戶負(fù)荷，聚合可控負(fù)荷，提高電網(wǎng)可調(diào)控容量占比，提升電網(wǎng)對(duì)新能源的接納能力；在供給側(cè)，將分布式新能源聚合成一個(gè)實(shí)體，通過(guò)協(xié)調(diào)控制、智能計(jì)量和源荷預(yù)測(cè)，解決分布式新能源接入成本高和無(wú)序并網(wǎng)的問(wèn)題，提高分布式供電系統(tǒng)的接納能力；同時(shí)，通過(guò)市場(chǎng)分析，搭配營(yíng)銷(xiāo)手段，以促進(jìn)用戶錯(cuò)峰用電，減少電網(wǎng)波動(dòng)。大數(shù)據(jù)平臺(tái)虛擬電廠控制中心業(yè)務(wù)如圖所示。
圖大數(shù)據(jù)平臺(tái)業(yè)務(wù)-虛擬電廠控制
首先，獲取虛擬電廠范圍內(nèi)的各項(xiàng)數(shù)據(jù)，包括環(huán)境數(shù)據(jù)、設(shè)備運(yùn)行數(shù)據(jù)、電網(wǎng)運(yùn)行數(shù)據(jù)等。然后，通過(guò)大數(shù)據(jù)建模以及AI學(xué)習(xí)，對(duì)供給、需求以及儲(chǔ)能站進(jìn)行分析和預(yù)測(cè)。將預(yù)測(cè)結(jié)果與市場(chǎng)行情結(jié)合，撮合交易，促進(jìn)供需協(xié)調(diào)，終實(shí)現(xiàn)新能源的順利入網(wǎng)。
2、泛在電力物聯(lián)網(wǎng)在智慧樓宇/智慧園區(qū)能源管理中的應(yīng)用：
國(guó)網(wǎng)公司在運(yùn)營(yíng)過(guò)程中，累積了大量的數(shù)據(jù)，具有一整套的電力能源并網(wǎng)、監(jiān)控、計(jì)量、計(jì)費(fèi)、交易、運(yùn)維等業(yè)務(wù)流程和相關(guān)的支撐系統(tǒng)，在提供電網(wǎng)服務(wù)的同時(shí)，也開(kāi)放自身能力、知識(shí)和平臺(tái)，旨在為用戶提供高價(jià)值的增值服務(wù)，如面向智慧樓宇/智慧園區(qū)的能源管理精細(xì)化服務(wù)。
作為樓宇或者園區(qū)的業(yè)主，目前能獲取的包括園區(qū)總電表數(shù)據(jù)、分用戶電表數(shù)據(jù)等，這些數(shù)據(jù)粒度較粗，而不能掌握的細(xì)粒度數(shù)據(jù)，且缺少對(duì)于數(shù)據(jù)的分析能力，造成園區(qū)的能耗管理相對(duì)比較粗獷，電力使用量大，運(yùn)營(yíng)成本較高。國(guó)網(wǎng)公司從智慧能源綜合服務(wù)平臺(tái)中，開(kāi)放自身配用網(wǎng)監(jiān)測(cè)能力，用電數(shù)據(jù)分析能力，結(jié)合大數(shù)據(jù)分析平臺(tái)和已有知識(shí)，為業(yè)主提供一站式能耗管理方案（見(jiàn)圖）。
圖智慧樓宇/園區(qū)能源管理
業(yè)主可以通過(guò)應(yīng)用查看園區(qū)內(nèi)電網(wǎng)設(shè)備的運(yùn)行情況，監(jiān)控電網(wǎng)質(zhì)量和運(yùn)行指標(biāo)，并且能通過(guò)用電分析進(jìn)行園區(qū)內(nèi)部的用電分析。用電分析通過(guò)大數(shù)據(jù)平臺(tái)完成對(duì)園區(qū)能耗、能效的評(píng)估，通過(guò)大數(shù)據(jù)計(jì)算與知識(shí)庫(kù)，形成節(jié)能方案，并且督導(dǎo)節(jié)能方案的執(zhí)行，終評(píng)估節(jié)能效率，核算相關(guān)費(fèi)用，實(shí)現(xiàn)用戶能耗的優(yōu)化，流程如圖所示。
圖大數(shù)據(jù)平臺(tái)業(yè)務(wù)-園區(qū)節(jié)能方案能耗計(jì)算流程
3、泛在電力物聯(lián)網(wǎng)在用戶（用電）行為分析中的應(yīng)用：
傳統(tǒng)的用戶行為分析主要完成對(duì)用戶的初步分類，通過(guò)用戶類型典型數(shù)據(jù)以及已有的歷史數(shù)據(jù)，對(duì)用戶的用電行為進(jìn)行預(yù)測(cè)，這種負(fù)荷預(yù)測(cè)相對(duì)偏差較大，對(duì)于電力設(shè)備需要預(yù)留更大的余量，無(wú)法提高設(shè)備利用率。而通過(guò)大數(shù)據(jù)平臺(tái)，可以針對(duì)用戶進(jìn)行細(xì)粒度的用戶畫(huà)像和分類，引入預(yù)測(cè)影響因子，通過(guò)數(shù)據(jù)挖掘和分析深入精準(zhǔn)地預(yù)測(cè)用戶的負(fù)荷，有效提升設(shè)備的利用率，其具體的分析流程如圖所示。
圖大數(shù)據(jù)平臺(tái)業(yè)務(wù)-用戶行為分析流程
用戶行為分析的數(shù)據(jù)主要來(lái)源于用戶采集系統(tǒng)、配網(wǎng)監(jiān)測(cè)系統(tǒng)、營(yíng)銷(xiāo)系統(tǒng)、調(diào)度系統(tǒng)，匯聚相關(guān)的數(shù)據(jù)，通過(guò)及模糊算法、聚類算法、小二乘法、回歸方法等算法對(duì)于電力用戶進(jìn)行詳細(xì)的分類。也可以采用逆向分析的方法，從營(yíng)銷(xiāo)已歸類的用戶特點(diǎn)出發(fā)，通過(guò)熵權(quán)法分析匹配現(xiàn)網(wǎng)數(shù)據(jù)的特點(diǎn)，驗(yàn)證分類正確性，并進(jìn)一步對(duì)用戶進(jìn)行畫(huà)像。國(guó)網(wǎng)公司可以針對(duì)不同的用戶提供有針對(duì)性的服務(wù)，有效提升服務(wù)滿意度。
在進(jìn)行用戶分析前，還需要引入影響因子，包括以下3類。
a）用戶影響因子，指用戶因?yàn)樽陨碓驅(qū)е聦?duì)用電行為有較大的波動(dòng)，這類因子可以根據(jù)用戶的歷史數(shù)據(jù)、用戶提交的用電計(jì)劃、用戶經(jīng)營(yíng)情況進(jìn)行分析計(jì)算。
b）自然環(huán)境影響因子，指影響用戶用電行為的環(huán)境因素，如溫度、濕度、風(fēng)力等，這些環(huán)境變量與用戶的用電曲線進(jìn)行融合與分析，可以恰當(dāng)?shù)睾Y選出受環(huán)境影響較大的用電行為。
c）社會(huì)環(huán)境因子，主要包括節(jié)假日、重點(diǎn)事件和突發(fā)事件等，如春節(jié)、十一、兩會(huì)、廣交會(huì)等，除節(jié)假日外，突發(fā)事件與重點(diǎn)事件較多，因子的隨機(jī)性和不確定性較大，需要對(duì)此類因子進(jìn)行手動(dòng)選擇和篩選。
適用于電力行業(yè)的分析內(nèi)容包括電力用戶的分類及細(xì)分建模研究、電力用戶用電負(fù)荷研究、電網(wǎng)設(shè)備狀態(tài)預(yù)警與故障率預(yù)測(cè)、電價(jià)與激勵(lì)下的電力用戶響應(yīng)行為研究等。在分析用戶用電行為時(shí)，可結(jié)合負(fù)荷分析方法、聚類算法、負(fù)荷預(yù)測(cè)算法和回歸方法等對(duì)數(shù)據(jù)進(jìn)行分析研究，尋找數(shù)據(jù)間存在的聯(lián)系與規(guī)律，建立不同負(fù)荷類型的用戶模型，對(duì)用戶用電行為進(jìn)行全面分析預(yù)測(cè)，目前基于云計(jì)算的K-Means算法是目前用戶分析的主流算法。
后，通過(guò)預(yù)測(cè)結(jié)果和實(shí)際用戶用電數(shù)據(jù)的差異分析，調(diào)整迭代用戶分類和分析模型，有助于更精準(zhǔn)地完成用戶負(fù)荷預(yù)測(cè)工作。