基于负荷特性分析的有序用电专家系统

摘要：近年来，湖南电力电网负荷持续升高，电力供应紧张，出现较大电力、电量供应缺口。在当前环境下，如何科学合理进行有序用电，是电力公司的工作重点之一。目前有序用电方案编制主要基于基层单位报送，存在以下三个问题：一是客户选择及相关可调负荷等信息具有随机性，缺乏精准性和科学性；二是客户实际执行情况没有监测手段，只能通过人工巡测的方式记录；三是各级基层单位执行效果不能自动评价，需耗费人力进行后续分析。因此，亟需运用大数据技术手段，来辅助有序用电进行精准管控。

关键字：负荷特性；有序用电；专家系统；精准管控

要开发大数据系统，智能的辅助人工对有序用电精准管控。就需要让大数据系统模仿有序用电专家制定方案，这需要专家系统（Expert system）。

专家系统（Expert system），一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。专家系统是一种较早发展，较早成熟的人工智能系统。时至今日，在各个领域的各种人工智能中，专家系统被广泛而成熟的应用着。

例如，基于专家系统的船舶电力系统故障诊断探索[1]应用于船舶工业；基于强化学习的扑翼飞行器路径规划算法[2]应用于航空航天，使用专家系统集成IL-PPO2算法辅助扑翼飞行器避障；基于专家系统的煤矿事故现场处置方案自动生成系统研究[3]应用于矿业工程；甚至在人文社科领域也有应用，如计算法学的疆域[4]通过法律专家系统的演算，梳理法学为了权力任意性而尝试的各种机制设计。

专家系统（Expert system）技术成熟，可靠性高，故也被电力公司广泛的应用着。如国网江苏省电力有限公司的智能变电站智能告警技术及应用研究[5]；南方电网物资有限公司的电力系统工程评标专家异常性评分判定方法研究[6]；

国网浙江省电力有限公司(温州供电公司)的人工智能在输配电网络故障诊断中的应用分析[7]。

笔者所在的湖南省电力公司在此方向有着较深厚的技术积淀。如，状态监测中专家系统的开发[8]。

负荷特性（load characteristics）是指电力负荷从电力系统的电源吸取的有功功率和无功功率随负荷端电的电压及系统频率变化而改变的规律。电力负荷是电力系统的重要组成部分，它作为电能的消耗者对电力系统的分析、设计与控制有着重要影响。

以往的负荷分析往往是站在全网负荷的层面，大而化之的分析全网负荷特性对电力系统的影响。

本次有序用电则是站在大数据的层面，细致入微的分析每个专变用户的负荷特性。只有对每个专变用户的负荷特性精准把控，才能做到有序用电工作的精准有序。

开发有序用电专家系统，分三步走，先整理出文字描述形式的知识库和规则库，再通过tableau仿真，数值拟合，进行非线性回归，整理出数学方程式形式的规则库，最后通过mysql写出代码形式的规则，处理大数据，智能生成有序用电方案。

与区县供电公司一线专责讨论反推规则，整理出文字描述形式的专家系统规则库。

为了后续开发尽可能清晰，我们尽可能使文字描述没有歧义，制定了一些定义。这个制定定义的过程，实质上也就是理清有序用电思路的过程。简明的制图描述算法整体思路如下。

图中的名词均有定义，接下来介绍这些定义。

本次算法面向的对象是用户时点负荷数据表。该数据表的特点是，对每个用户的电表记录瞬时功率，从’00:00:00‘时刻开始，每15分钟记录一次（一天共计96次）。 以下简称96点负荷表。

定义1

定义1中的96点负荷表，每个电表每天96行记录，每年每用户约3万5千行记录，全省约400万用户，简化忽略掉一个用户多个电表的情况，全省每年约1400亿行数据。这是一个名副其实的“大数据”数据表，存放在湖南省电力公司的数据中台里。要处理这个数据量极大的数据表，仅仅是优化算法，降低算法的时间复杂度是不够的。先要使用若干简明筛选条件，筛选数据，降低数据量级。

简明筛选条件是指： 该用户属于长沙, 且该用户是专变用户，

且该用户不属于保电策略中的重要用户 且（

该用户属于高耗能用户，

或（

该用户不是居民用户，

且该用户不属于低能耗用户（运行容量低于100） ）） 定义2

定义2中的筛选条件，简言之，即首先只要长沙的专变用户，并剔除保电的重要客户。其次选取高耗能者，或者非居民用户中能耗不太低者。具体的数据字段和数据示例涉密，不在此列举。

接下来对筛选后的数据表，我们分析每个用户的负荷特性，以此来决定其是否参与有序用电。

首先对高峰时段和有序用电定义。

工作日的‘09:00:00’到‘10:30:00’称为午高峰时段。

定义3

工作日的‘17:30:00’到‘21:30:00’称为晚高峰时段。

定义4

在本文中，有序用电指的是这样的操作：

用户把本应该在午高峰时段（定义3）或晚高峰时段（定义4）产生的用电负荷转移到其他时段。也就是说，用户既可以把用电负荷转移到节假日的任意时段，又可以把用电负荷转移到工作日当天的非高峰时段，如凌晨。

定义5

根据经验和常识，‘’用户在午高峰时段用电负荷大还是小‘’和‘’用户在晚高峰时段用电负荷大还是小‘’，这两个事件是相互的，用户晚高峰的

用电负荷取决于用户自身的一贯的用电特性和临时的意愿，与午高峰的用电负荷大小没有关系。因此将午高峰有序用电与晚高峰有序用电分别考虑。下面只讨论午高峰有序用电，晚高峰同理，不一一赘述。

在上述定义5下，我们从两个角度考虑一个用户是否应该参与午高峰有序用电。一个角度是用户是否有“必要性”参加午高峰的有序用电，一个角度是用户是否有“可能性”参加午高峰的有序用电。

用户午高峰时段用电负荷高，就有必要控制负荷，用电负荷低，则相当于已经控制了，没必要再额外控制负荷。换言之，午高峰有序用电必要性是指：

用户在午高峰用电负荷经正相关函数转换后的值。 定义6

确定了用户是否有参与有序用电的必要后，需要考虑其参与有序用电的可能性。

可能性受两个因素影响，一个是用户的档案属性，这些属性已经在简明筛选条件（定义2）里对数据进行了筛查，发挥了作用。另一个则是用户的用电负荷特性，以下着重介绍用电负荷特性。

根据96点负荷表（定义1）中的海量数据，每个用户在每天都有一个有96个数据点连接而成的负荷变化曲线。观察，比较同一个用户的多条负荷变化曲线，我们发现若干特性。有四种比较方式，因此就有四大类负荷特性。这些负荷特性往往意味着用户的一些现实的特点，能影响有序用电的执行。

1.

同一负荷曲线不同时点比较，可以得出一些特性：负荷曲线平稳，凌晨和高峰时段用电负荷都高，往往意味着企业三班倒生产；负荷曲线形似许多脉冲波，往往对应着采矿、烟花小微企业的生产方式；只在午高峰时段负荷高呈一个山峰状，常对应着一个不上夜班的企业；在午高峰、晚高峰时段均负荷高呈两个山峰状，则意味着有白班和晚班的企业；在凌晨负荷高呈一个山峰状有时候与夜生活有关。等等。

2.

不同日期的工作日负荷曲线，曲线之间比较，可以得出一些特性：工作日负荷曲线高度相似对应着一个工作时间规律的企业；工作日负荷曲线形状相似，高度有变化，意味着该企业有多条生产线，当订单压力大生产线全开时，负荷曲线高，反之订单压力小只开一条生产线，负荷曲线低；曲线之间形状差异大，意味着用电很灵活。等等

3.

不同日期的节假日负荷曲线比较，可以得出一些特性：节假日负荷曲线都很低，对应着一个节假日从不加班的企业；节假日负荷曲线一直很高，对应着一个节假日倒班的企业；节假日负荷曲线有的高有的低，往往意味着根据订单灵活用电。等等

4.

工作日负荷曲线和节假日负荷曲线比较，可以得出一些特性：节假日曲线比工作日还高，意味着一个订单压力极大，加班加点的企业。有时节假日曲线高有时工作日曲线高，往往意味着灵活用电。等等。

我们把上述通过负荷曲线比较得出的用户用电特点称为用户的负荷特性。 定义7

负荷特性是根据用户过去用电的情况得出的，却能够预测用户未来能否参与有序用电，这是为什么呢？原因在于一条经验。我们把他称为重现负荷曲线。

根据经验，我们发现，如果用户历史上，在某种社会背景与气候条件下出现过一条用电负荷曲线。那么在未来的，在相似的社会背景与气候条件下的某一天，该用户可以调整自己的用电情况，使未来的用电负荷曲线非常接近过去的用电负荷曲线。即重现负荷曲线

定义8

重现负荷曲线（定义8）的经验，是我们分析用户执行有序用电（定义5）可能性的主要依据。

示例如下，某用户历史上，在相似社会背景和气候条件下存在很多条差异很大的曲线，其中差异特别大的曲线分别是a和b，a曲线在高峰时段的负荷大，b曲线的高峰时段负荷小。根据重现负荷曲线（定义8），在未来，用户可能出现类似a曲线的情况。用户本打算依照类似a负荷曲线的形式高负荷用电，在沟通协调后，依照类似b负荷曲线的形式，在高峰时段低负荷用电，这个过程，就执行了一次有序用电。这类历史上存在很多条差异很大的曲线的用户，可能性是很大的。

如图，两个负荷曲线差异大。

高峰时段负荷既可以转移到节假日，也可以转移到工作日当日的非高峰时段。这两种转移方式受到不同的因素影响，且一次有序用电中，只采取最佳的方式。因此，午高峰有序用电可能性是指：

用户的午高峰负荷转换到节假日的可能性，与转换到工作日当日的可能性，两个可能性中的较大者。

定义9

定义9中的两个可能性还需要详细定义一番。它们都是通过用户负荷特性（定义7）计算得出的，具体怎么计算还需要详细说明。

其中，节假日错避峰的可能性取决于两点。第一是，该用户平时是否有在节假日用电生产经营的习惯。若很少在节假日生产经营，我们有理由认为该用户的特点不适宜在节假日生产经营。第二是，若该用户平时在节假日用电。节假日用电是否比工作日更高。若如此，我们有理由认为该用户节假日的负荷已经足够大，没有“余力”吃下错避峰移过来的负荷。

其二，用户的午高峰负荷可以转移到工作日当日。这个可能性取决于该用户午高峰负荷与其它时段负荷的差异性。第一为负荷平均值差异性，若其它时段负荷的平均值显著低于午高峰时段负荷平均值，它们之间的差值就是可以转移的负

荷。第二为负荷波动性的差异性，若其它时段负荷的平均值与午高峰时段负荷平均值相差无几，但是波动很大。波动大必然就有波峰和波谷，我们就可以通过“削峰填谷”的方式，把午高峰的负荷高峰移到其它时段负荷的谷。

1、通过tableau仿真，进行非线性回归并数值拟合，整理出数学方程式形式的专家系统规则库。仿真的流程如下：1）数据溯源。即取出全长沙专变客户2020年与2021年的、每日96点负荷表（定义1）。2）数据压缩，由于数据量非常之大，需要使用压缩算法来压缩数据。压缩算法的想法是，原本96点负荷表（定义1）每个用户每天有96行，折算后全长沙约两万专变客户一年约7亿行数据。如此海量的数据不易存储、分析。压缩算法对96点负荷表（定义1）行转列，把96个时点负荷值都放进一个192位的长字符串中。规定第1、2位是00:00:00时刻的负荷值的78进制值，第3、4位是00:15:00时刻的负荷值的78进制值，以此类推。当负荷值过大，超过2位78进制值可以表示的范围时以！表示。2位78进制值的数据范围是77×78=6006。时刻负荷能够超过6006这个值的都是大用电客户，这些客户的数据专门导出，重点分析。3）营销业务专家打分。根据营销业务专家以往执行有序用电的经验，给所有专变客户打分。打分项目包括：午高峰时段有序用电必要性、午高峰时段有序用电可能性、晚高峰时段有序用电必要性、晚高峰时段有序用电可能性。4）非线性回归，在tableau上观察客户负荷数据，研究负荷特性与专家打分的关系，猜想可能适合描述这种关系的非线性函数。5）通过数值拟合调制参数，在tableau上观察不同参数下，客户负荷数据计算得出的打分与专家打分的贴近程度，找出贴近程度最高的参数。

2、通过mysql写出代码形式的专家系统规则。步骤如下，1）通过解压缩算法解压数据，这里并不解压所有数据，而是只解压缩本次计算打分的用户数据。2）根据tableau仿真的结果，编写mysql代码。把数学方程式形式的专家系统规则库写成mysql代码形式。分批计算出所有专变用户的午高峰时段有序用电必要性、午高峰时段有序用电可能性、晚高峰时段有序用电必要性、晚高峰时段有序用电可能性。同一时段的必要性和可能性相乘之后作为客户执行有序用电的最终排序得分，得分高者优先执行有序用电。

参考文献：

1.

程晓絮、眭仁杰；基于专家系统的船舶电力系统故障诊断探索；工程科技Ⅱ辑；

2.

王思鹏、杜昌平、郑耀；基于强化学习的扑翼飞行器路径规划算法；工程科技Ⅱ辑；信息科技；

3.

杨梦、周恩波；基于专家系统的煤矿事故现场处置方案自动生成系统研究；工程科技Ⅰ辑；

4.

季卫东；如计算法学的疆域；社会科学Ⅱ辑; 社会科学Ⅰ辑 5.

崔玉、曹海欧、余嘉彦、娄玲娇、刘宏君、赵子根；智能变电站智能告警技术及应用研究；工程科技Ⅱ辑; 信息科技

6.

马迪、张晋维；电力系统工程评标专家异常性评分判定方法研究；工程科技Ⅱ辑; 经济与管理科学

7.

张成洲、王瑜、徐群、魏可情、吴若男；人工智能在输配电网络故障诊断中的应用分析；信息科技; 工程科技Ⅱ辑

[8]张红先、陆佳政、曹一家；状态监测中专家系统的开发；工程科技Ⅱ辑; 信息科技