气温变化与用电行为分析与应用

唐勇　伍润泽

摘要：以数据分析为基础，以客户数据为对象，以常识性“气温与用电量”认识为切入，采用大数据理念、方法和全样本数据为前提，刻画气温变化与客户用电行为，通过开展气温与用电量相关性分析，拟合分析20℃与23℃对用电量的正反相关关系；精准定位用电量的炎热敏感点32℃和寒冷敏感點7℃及其相应电量增幅比例；清晰呈现气温与用电行为影响关系。通过开展关联分析，进一步将用电量与气温聚类，确定除敏感点之外更为广域区间的关联关系，应用大数据预测方法，对气温变化可能导致的台区重载提出预测算法，为配网调度运行和运维检修工作提供了参考。

关键词：数据分析；用电行为；重载预测

1 引言

近年来，在宏观经济形势下行、电力体制改革影响和内部成本刚性增长等“三期叠加”因素影响下，提升电网运营效率，提高优质服务水平，应用互联网技术和智能技术则是重要创新形式。

互联网时代带来了经济与社会发展形势和内驱动力的改变，数据则是生产力与生产工具变革的重要手段之一。当前电网企业所有数据集合，电力客户是与外部组织系统产生“交集”的关键数据源。电力客户数据与外部关联关系十分复杂，而影响客户用电行为的主要因素之一就是：气温。气温对于电力客户行为影响是显而易见的，不同电网基础和不同气候，极端气温与用电量激增，对电网承载力和调度能力提出考验，开展气温与客户用电行为分析将会在重载台区预测、配电网运维和优质服务等方面具有一定的应用价值。

2 数据清洗

笔者整理的内部数据涵盖低压用电客户用电、工单、投诉、缴费等方面数据，外部数据包含各低压台区地理位置及2015年1月1日至2017年4月20日某市某区气象数据和地理信息数据，天气信息主要涵盖最高温、最低温、天气情况、风向等数据，共计840条。按照数据补全、格式修正、逻辑修正、冗余去除、关联验证的流程，使用oracle数据库对数据进行了整体清理。

3 分析思路

以气温为主线维度，以客户用电、工单、缴费行为为分析维度，以业务信息系统内2016年-2017年全样本客户数据为数据基础，以趋势呈现、聚类分析和相关性分析为手段，开展气温变化与客户用电行为的基础分析、预测分析、拟合分析。

4分析过程

4.1 气温基础分析

某区自2015年至2016年，平均温度22.47摄氏度，2015年8月2日及2016年8月19日最高温度值达到37摄氏度，2016年1月23日最低温度达到零下3摄氏度。气温变化总体趋势不大，周期性变化规律较强：最高温度出现次数最多的温度区间为28-30摄氏度，共计64次。雷击天气及大雨或暴雨的天气共计12天，某市气候较为温和，极端气温出现概率较小。

4.2用电行为与气温的关联分析

以2016年1-12月某区低压用电客户用采数据为基础，引入外部地理和天气数据，开展关联分析。23℃以上，温度与用电量呈正相关，相关系数0.5823；20℃以下，呈反相关，相关系数-0.2571；升温敏感性：27℃为初始敏感点，用电增幅18%；32℃为炎热敏感点，用电增幅36%；37℃为极端炎热敏感点，用电增幅高达39%；温敏感性：11℃为初始敏感点，用电增幅为23%；7℃为寒冷敏感点，用电增幅为27%；6-8月份峰电占比降到最低，谷电占比达到最高；低压居民用户户均用电量对温度的敏感性高于低压非居民用户。

4.3 气温与户均用电量关联分析

户均用电量明显随着温度的变化而变化：春季3月份温度维持在23摄氏度左右时，户均用电量为4.03kW·h；夏季7月份时，温度升高到34摄氏度，户均用电量也相应激增至8.06kW·h；温度降低到20摄氏度，户均用电量再次减少到4.97kW·h；日最高温度与户均用电总量存在较强的相关性。

伴随日最高气温由低到高，户均用电量呈现出类似“V”形的变化趋势，适宜的气温（16-26℃）则对应着较低的户均用电量，高温（27-37℃）和低温（4-15℃）分别对应着较高的用电量均值，用电量对于高温的敏感程度比低温更强。

升温阶段：17℃-25℃为不敏感区域，整体用电增幅变化处于13%以下；27℃为初始敏感点，用电增幅为18%；32℃为炎热敏感点，用电增幅达36%；37℃为极端敏感点，用电增幅高达39%。

降温阶段：25℃-12℃为不敏感区域，整体用电增幅变化处于14%以下；11℃为初始敏感点，用电增幅为23%；7℃为寒冷敏感点，用电增幅为27%。

5 分析应用

5.1 设计重过载预测模型

根据分析结论，设计了气温与重过载台区双因子预测，应用逻辑回归建立了运行公变台区重过预测模型。

5.2 开展预测模型数据验证

运用2017年7月的气温数据，进行台区重过预测，预测模型的预测数据与实际重载台区数目一致性达到82%，证明了预测的准确性。

6 结束语

通过气温与客户用电行的分析为配电网迎峰度夏和迎峰度冬提供了重要的参考因素，其分析算法和预测结果，能够有效指导供电公司台区运维工作。通过测算出的用电量与气温变化的炎热敏感点和寒冷敏感点，可预测区域负荷增长和降低程度，明确负荷增长区域、台区、街道等，预测重载台区，能够指导电网运维部门提前调配运维人员、设备和值班策略，提前做好重载台区检修维护工作，提高负荷变化情况下台区供电能力。为公司经营决策、电网运营水平提升提供更有效支撑。

参考文献：

[1]宋明月. 气温变化对华北冬季用电负荷及采暖耗能影响分析[D].长沙理工大学，2016.

[2]贺芳芳，史军.上海地区夏季气温变化对用电负荷的影响[J].长江流域资源与环境，2011，20（12）：1462-1467.

[3]于巧梅，朱宵峰，蒋峰.气温变化对用电负荷影响的分析[J].浙江气象，2005（04）：36-39.

[4]赵德应，李胜洪，张巧霞.气温变化对用电负荷和电网运行影响的初步探讨[J].电网技术，2000（01）：55-58.

[5]吴金蔚. 大数据技术在用电需求分析中的应用研究[D].东南大学，2016.

[6]江樱，王志强，戴波.基于大数据的居民用电消费习惯研究与分析[J].电力信息与通信技术，2015，13（11）：7-11.

[7]王继业，季知祥，史梦洁，黄复鹏，朱朝阳，张东霞.智能配用电大数据需求分析与应用研究[J].中国电机工程学报，2015，35（08）：1829-1836.