基于负荷特性分析平台的用户负荷特性及用电行为研究

陈奋开，何永秀

（华北电力大学经济与管理学院，北京 102206）

0 引言

《关于进一步深化电力体制改革的若干意见》提出有序向社会资本放开售电业务，多途径培育售电侧市场竞争主体，这有利于更多的用户拥有选择权［1］，用户与售电主体之间的交易会愈发频繁，电价在引导用户调整用电方式的作用愈发明显。在此情况下，用户负荷特性与用电行为变得无规律性，对系统负荷特性产生一定影响。因此，为精确分析用户负荷特性和用电行为，了解用户的差异化需求和保障电力系统安全稳定运行，研发一种考虑负荷特性的用户用电行为分析平台具有重要意义。

近年来，用户负荷特性分析和用电行为研究被广泛关注，国内外学者均开展了研究。在负荷特性分析方面，文献［2］从负荷密度、年最大负荷利用小时数、负荷特性曲线等方面描述用户负荷特性特点，并作对比分析；文献［3-4］在调研基础上，总结分析不同类型用户的负荷特性和用电特点；文献［5］从产业用电结构、气温及电改政策等方面分析了负荷特性的变化规律与影响因素的相互关系；文献［6］基于典型负荷日负荷曲线，由负荷平均值、负荷变化周期和峰谷比等指标分析负荷特性。在用户用电行为研究方面，文献［7］分别采用K-means 聚类法和模糊C均值聚类法研究用户用电行为；文献［8］在自适应模糊C 均值算法的基础上，提出一种用户分类的方法，实现对居民用电行为特性的差异化分析；文献［9］以构建的负荷转移率模型为基础，建立用户基于峰谷电价的调节潜力指标，以分析用户用电行为；文献［10-11］基于用户行为学，研究用户侧的需求响应行为，并构建需求响应模型，以反映用户在分时电价下的需求响应行为；文献［12］分析了各类商业用户在不同电价水平下不同用电时段的负荷响应程度，并基于概率分布函数预测了各类用户在不同时段的负荷调整潜力。

已有文献对用户负荷特性和用电行为的研究大都基于模型等方法定量分析，计算较为费时，且不能快速获取分析结果。本文通过筛选分析负荷特性指标和用电行为指标，研发出一种考虑用户负荷特性的用电行为分析平台，其可以依据负荷数据快速分析用户负荷特性和研究用户用电行为，供负荷数据分析人员使用。

1 负荷特性指标与用电行为指标选取

1.1 负荷特性指标选取

为正确分析用户负荷特性，常常通过选取具有代表性的负荷特性指标，其能够反映用户用电负荷的变化规律。目前，典型的电力负荷特性指标从时间维度和物理量维度两个维度进行划分。在该平台的设计中，按照时间维度和物理量维度选取的负荷特性指标如表1 所示。

表1 用户负荷特性指标选取

1.2 用电行为指标选取

随着售电侧竞争机制的建立，售电主体与用户之间的交易会愈发频繁，电价在引导用户调整用电方式、优化配置资源的作用会愈发重要。为合理分析用户对电价改变的响应程度，在平台的设计过程中，通过对比分析用户在电价变化前后的负荷曲线，着重选取了特定的用电行为指标如响应度、峰谷比变化率、削峰率及填谷率。

1）响应度：电价政策实施后，用户对电价的变化做出的响应。

式中：ΔQt和ΔPt分别为用户t 时刻的电量变化量和电价变化量；Q0、P0分别为最初时刻的原始电量和原始电价。

2）峰谷比变化率：电价实施前后用户用电负荷峰谷比值的变化。

式中：ΔR为峰谷比变化率；lf，bi、lg，bi分别为实施电价后用户在i 时段内用电负荷峰值、负荷谷值；lf，ai、lg，ai分别为实施电价前用户在i 时段内用电负荷峰值、负荷谷值。

3）削峰率：电价实施后用户用电负荷峰值减小量。

式中：lf，aj、lf，bj分别为实施电价前、后用户在j 时段内用电负荷峰值。

4）填谷率：电价实施后用户用电负荷谷值增加量。

式中：lg，am、lg，bm分别为实施电价前、后用户在m 时段内用电负荷谷值。

2 考虑负荷特性的用户用电行为分析平台设计

2.1 平台设计机理

在平台设计时，首先借助负荷特性指标分析用户负荷特性；其次引入电价因素，借助用电行为指标分析用户因电价发生变化做出的响应。其中，平台设计机理如图1 所示。

2.2 平台各界面展示

在上述机理分析的基础上，采用前端与后端相结合的方式开发该平台。其中，前端设计页面展示；后端编辑指标的逻辑关系。

图1 考虑负荷特性的用户用电行为分析平台设计机理

该平台共有5 个界面，主界面与各分界面之间采用嵌套方式实现。主界面包括用户负荷特性分析和用户用电行为分析2 个功能按钮，如图2 所示；用户负荷特性分析界面采用按钮方式，包括菜单栏、指标展示模块、负荷曲线展示模块和负荷时点数据展示模块4 部分，其中，菜单栏由日负荷分析、月负荷分析、年负荷分析、返回首页及日期查询等成分组成，如图3～5 所示；用户用电行为分析界面也采用按钮方式，包括菜单栏、指标展示模块和负荷曲线展示模块3 部分，如图6 所示。

图2 平台主界面展示

图3 用户日负荷特性分析界面展示

图4 用户月负荷特性分析界面展示

图5 用户年负荷特性分析界面展示

图6 用户用电行为分析界面展示

3 实证分析

为验证该平台的实用性，以某地区2016—2018年的用户负荷使用情况为基础数据，以同时期电价政策为辅助数据。基础数据直接导入数据库mysql 5.7，辅助数据以逻辑关系的形式在后端开发中用Java 语言实现。

3.1 用户负荷特性分析

分析用户负荷特性，该平台在设计时从时间维度出发，包括3 部分，日负荷特性分析、月负荷特性分析和年负荷特性。以2016 年用户负荷数据为例，分析用户日负荷特性、月负荷特性及年负荷特性。

3.1.1 用户日负荷特性分析

按照季节维度划分为春季（3—5 月）、夏季（6—8月）、秋季（9—11 月）及冬季（12—2 月）。夏季为用电高峰时期，为保证用户日负荷特性分析的合理性，选取夏季最大负荷日为典型日，即为2016-07-31。在日负荷特性分析界面中，点击时间查询按钮，然后选择典型日，日负荷特性指标分析结果如表2 所示，日负荷曲线如图7 所示。

表2 用户日负荷特性分析

图7 典型日用户日负荷曲线

如表2 所示，在该平台中，负荷时点数据展示模块看出用户各个时刻用电负荷情况，以此得到负荷特性指标展示模块的负荷特性指标计算取值；如图7 所示，夏季用电高峰期间，尤其下午时间用电最多。

3.1.2 用户月负荷特性分析

以典型日所在月份为分析对象，在月负荷特性分析界面中，点击时间查询按钮，选择2016 年7 月，分析结果如表3 所示。

表3 中，在负荷特性指标展示模块区域，可以清楚各负荷特性指标取值，同时，也可获得8—11 月的用户月负荷特性指标取值，通过对比各月负荷特性指标取值，发现该地区用户秋季负荷月峰谷差率低于夏季负荷月峰谷差率、9 月份的月负荷率高于其他月份月负荷率，即9 月份的用电设备利用率较高。

表3 用户月负荷特性分析

3.1.3 用户年负荷特性分析

将2016 年用户所有负荷数据作为分析对象，在年负荷特性分析界面中，点击时间查询按钮，选择2016 年，年负荷特性指标分析结果和曲线分析结果分别如表4 和图8 所示，其中，曲线分析以年日最大负荷曲线为例进行分析。

表4 年负荷特性指标分析结果

图8 用户年负荷特性分析

如表4 所示，通过观察负荷特性指标可以得到用户在2016 年内的用电负荷使用情况；如图8 所示，负荷曲线展示模块可以看出用户在一年内用电变化趋势。

3.2 用户用电行为分析

由于电价的主导作用，用户会及时调整其用电行为，对电价做出响应。该地区在2016—2018 年内共实施了3 次电价调整政策，以2016 年6 月实施的电价政策为例，分析用户对电价调整水平的响应程度。其中，分析机理为研究电价调整前后各2 个月内用户用电负荷变化情况，分析电价实施后用户用电负荷转移量。

在用户用电行为分析界面，点击时间查询按钮，选择2016-06-14，用户用电行为指标分析结果如表5 所示，曲线分析结果分别如图9 所示。

表5 用户用电行为指标分析结果 %

图9 用户用电行为曲线分析结果

如表5 和图9 所示，在电价做出调整之后，可以计算出用户的响应度为30.16%；负荷曲线峰谷比变化率为0.16%、削峰率为5.49%、填谷率为5.37%。

4 结语

基于考虑负荷特性的用户用电行为分析平台，售电主体工作人员可以导入用电负荷原始数据，可以快速获取各用户负荷特性指标计算结果，简化模型计算的复杂性。

以时间和物理量两个维度相结合构建用户负荷特性指标体系，分析用户负荷特性，详尽反映用户用电规律，为售电主体分析用户的用电行为及进行负荷预测提供借鉴。

借助于电价因素，构建用户用电行为指标模型，分析了用户对电价调整政策的响应程度，进而引导用户峰谷时段的用电负荷转移。