0 引言

近年来，由于国民经济的快速发展，我国大部分地区的电力负荷持续增长，而另一方面，因受节能减排政策的制约，火电机组的投入与扩建受到大力限制。电力能源供给侧的供应受到限制后，从能源需求侧提升用能效率的意义更加突出。在泛在电力物联网飞速发展的背景下，负荷数据的采集与应用技术的发展也很快，开展客户用电行为特征的研究可以为负荷预测、精细化需求响应策略和有序用电策略的制订提供指导，有助于电网公司实现电能优化配置及供需平衡^[1]。

电力系统用户负荷特性分析是开展负荷预测、制订需求响应策略及有序用电策略的基础，传统的负荷特性分析方法精确度不高，分析结果粗糙，且难以应用到负荷预测、需求响应和有序用电层面，更难以实现需求响应策略的精细化^[2]，而泛在电力物联网的建设，将为负荷数据的采集与应用提供非常大的帮助。

本文通过定义可用于需求响应层面的负荷特性指标，建立针对精细化需求响应的新型负荷特性指标分析体系，分析用电行为的影响因素并提取影响因素特征量，最后利用决策树分类法对用户用电行为进行分类并获取行为特征，进而分析其行为机理，为需求响应策略的制订提供科学依据。

1 面向精细化需求响应的新型负荷特性指标分析体系

传统负荷特性指标主要包括负荷率、峰谷差、最小负荷率、最大负荷率等，这些指标与需求响应的联系不紧密，很难为精细化需求响应策略的制订提供帮助^[3]。本文在传统负荷特性指标的基础上，通过添加柔性用电特性及负荷重要性指标，以更精确地分析客户用电行为特征。

1.1 用电特性指标

电力系统中，某些负荷可以通过一定技术手段转移或削减，此处将这些负荷定义为柔性负荷。“柔性”一词与“刚性”成反向关系，表征可以对其进行调整。柔性负荷在转移或削减过程中，既有相应的成本，也有调整后的效益，不同的时间跨度内使不同种类的柔性负荷错时出现，可以为需求响应的实施提供帮助。

随着电网智慧转型的深入和需求侧管理的实施，原来一些具有刚性特征的负荷也呈现出一定的弹性，使得研究柔性用电特性指标具有更重要的意义。在用户侧，大部分用电设备存在不同种类的可削减或可转移负荷，例如：电梯和自动扶梯，暖通空调系统，室内照明，充电站，灌溉水泵，生产设备，泳池热泵，防结冰装置，发电机等负荷^[4]。

基于此，定义用电特性指标——柔刚比，即柔性负荷与刚性负荷之比，用以评估电力用户柔性负荷的比重，作为评价负荷需求响应能力和节能潜力的基础。其值越大，则证明用户负荷的潜在可调能力越大。

负荷与气象、经济、社会生活等存在相关性，其中气象是对负荷影响较大的因素之一，因此气象敏感性负荷便是用户柔性负荷的重要组成部分。本文将负荷进行分解得出基础负荷和气象敏感性负荷，并以气象敏感性负荷大致表征柔性负荷。在用电特性分析的基础上，建立负荷分解模型，计算负荷中的刚性负荷及柔性负荷，见式（1）。

(1)

式中  L—总负荷；

L_O—基础负荷，反映负荷在较长持续时间内总的发展趋势，具有一定的稳定性、周期性，与用户的类别最为相关；

L_W—气象敏感性负荷，反映气象因素（温度、湿度、风速等）对负荷造成的影响，是随气象因素变化而波动的负荷分量，主要体现为高温制冷负荷和降温取暖负荷等。

基础负荷包括趋势分量和周期分量。趋势分量旨在反映一段时间内负荷的某种持续发展趋向，主要反映用户生产经营状况导致的用电量变化，其不受天气、大型活动以及节假日等因素的影响；而周期分量则反映了负荷周期性因素造成的影响，例如大部分居民用户白天家庭用电减少，晚上易出现用电高峰，1 d内存在用电周期性。

应用时间序列组合建模的方法，首先用指数曲线模型来拟合历史负荷的趋势分量，然后逐一叠字加年周期分量及周周期分量，基础负荷的模型见式（2）。

(2)

其中，A₁、B₁为指数项系数；C_j、D_j、E_j为年周期项系数；F_k、G_k、H_k为周周期项系数；ω₁=2π/365，ω₂=2π/7。

气象敏感性负荷的分离：

(3)

1.2 负荷重要性等级

电力用户的用电设备种类众多，重要性各不相同，以工商业为例，根据用电设备停电或缺电所引起的损失程度，可将工商业电力用户的负荷重要性分为4个等级，如表 1所示。

不同行业的生产、用电模式各不相同，不同生产设备的用电特性也会有差别，造成各个行业的负荷特性存在差异^[5-6]。按照表 1对不同行业的用电设备进行分类，在明确非生产性负荷和辅助生产性负荷之后，可在此范围内选取具有可调能力的设备资源。通过行业调研获取这部分负荷的比重或容量，在此基础上总结出可作为需求响应资源、具有代表性的终端用电设备，并针对具体设备开展后续研究工作。

2 电力用户用电行为影响因素分析

用户用电行为的影响因素大致可分用户、系统、环境、政策4类，每类因素可进一步细化，如图 1所示。

通过观测用户用电数据，应用主成分分析法对主要影响因素进行提取。

2.1 确立研究对象并进行标准化变换

选取某个行业m个观测时间点，n个待分析因素（例如温度、人群量、电价政策等）组成观测样本矩阵，设矩阵元素为X_ij，X_ij的含义是第i个观测时间点、第j个待分析影响因素的观测值，对各变量做标准化变换，变换方法见公式（4）。

(4)

式中x′_ij —第i个观测时间点、第j个待分析影响因素经标准化变换后的观测值；

x_j—第m个观测日、第j个待分析影响因素上的平均值。

2.2 求取相关矩阵R

矩阵元素的计算公式为：

(5)

式中  x′_ik—第i个观测时间点、第k个待分析影响因素经标准化变换后的观测值。

2.3 求解R的特征方程

特征方程的解即每个待分析因素的方差贡献率：

(6)

式中  k_i—第i个待分析影响因素的方差贡献率，i= 1，2，…，n。

取方差贡献率较大的前x个待分析因素且满足式（7）的因素作为主成分，即提取出x个用户用电行为模式的主要影响因素，x的大小可根据实际需求确定，不能太过冗余，也不能太小，应满足：

(7)

3 基于决策树分类法的用户用电行为特征分析

决策树归纳与树结构流程图较为类似，从类标记的训练元祖开始学习决策树，有3种分裂规则（属性选择度量）：信息增益、增益率、Gini指标^[7-8]。利用决策树分类法，根据以上用电特性的分类规则，提取用户用电典型模式及其用电特征，具体分类步骤如下。

3.1 建立决策树分类器

本文应用信息增益分类规则，将用户用电数据的划分集合A作为为类标记的元祖训练集，根据类标号不同属性的值，定义m个不同的类B_i，设B_i，B是A中类B_i的元祖的集合，|A|和|B_i，B|分别是A和B_i，B中元祖的个数，对A中元祖分类所需的期望信息为：

(8)

其中，pi为A中任意元祖属于类B_i的概率，并用|B_i，A|/|A|估计。

将A中的元祖按属性C划分，其中A中根据训练数据的观测具有v个不同的观测值，可以用属性C将A划分成v个子集，则基于属性C求得对A的元祖分类所需要的期望信息：

(9)

原信息需求与新信息需求之差即为信息增益，计算公式为：

(10)

3.2 规则提取

利用决策树可以提取更易理解的IF-THEN规则，进而构建基于规则的分类器，决策树越大则规则的可理解性越高。

提取的各规则之间蕴含着OR逻辑，由于这些规则来源于树的直接提取，因此他们之间存在互斥性、穷举性。互斥性代表 2个提取规则之间不存在互相冲突情况，这2个规则不会被相同的元祖触发。穷举性则代表每种属性值的组合只存在1个规则，使得该规则集不需要预先进行规则默认。

对于给定的规则条件，那些不能提高规则估计准确率的任何条件都可以剪掉，从而泛化该规则。

4 用户用电行为特征分析 4.1 用户类别划分

选取某省用电量排在前50名的企业用户的月负荷数据作为研究对象，企业涵盖诸多行业，如钢铁行业、电子制造业、食品加工业等，先以设定的月负荷率界线（0.4，0.6，0.8）将他们划分为4类，再将“负荷率标准差/月均负荷率=0.15”作为设定界，最终将50家企业划分为7类用户，见图 2。

可以看出，A、C、D、F类中的用户数较多，B、E、G类中的用户数较少。根据各企业所处行业及生产特点，分析各类用户的基本特征。

（1）A、B、C、D 4类的负荷率都较高，但其负荷曲线的稳定性存在差异，具体表现为：

A类用户以纺织、电子类高新技术公司为主，负荷率高，负荷曲线形状稳定；B类用户为仅有的1个电气类企业，负荷率高，负荷变动率大，尤其在不同日之间更为明显，这是因为电气类企业的生产订单具有周期性，客户需求量大时生产进程快、用电量增加；C类用户以钢铁、材料、冶金企业为代表，负荷率中等，负荷较稳定，这是由于这些企业的生产大多为连续型生产，不同日之间变化小，同一天的负荷变化更是微小，表现出很稳定的用电特点^[9]；D类用户以水泥等企业为代表，负荷率中等，负荷曲线形状不稳定，不同日之间变化较大。

（2）E，F，G 3类用户负荷率较低，负荷曲线的稳定性存在差异。其中，E类为食品加工企业，负荷率低且稳定；F类用户以机械制造、船舶制造类企业为代表，负荷率低且不稳定，不同日之间的负荷变化大；G类用户亦以机械制造、船舶制造类企业为主，负荷率极低、不稳定，不同日之间的负荷变化很大，可能是由于生产设备落后，导致业务较少所致^[10]。

4.2 用电行为特征分析

以A类某典型用户为例，将其典型年某一周的负荷曲线重叠绘制到同一幅图中（见图 3），结合企业实际调研结果分析其用电行为特征，见表 2。

可以观察到该用户在这一周内主要呈现了5种用电模式，用电模式的显著变化主要发生在时间点20（早上10：00）之前，此时段的柔性用电特性指标体现出差异。因此，若在此时段进行需求响应，可预先根据柔性用电特性指标进行需求潜力的判定，调度中心可以提前做好预测和需求响应策略的制订，做好节能优化业务。

5 结束语

通过分析负荷特性指标和用电行为的影响因素，进而对用户用电行为模式进行分类，研究其模式特征，可以实现对用户用电行为特征的全面了解，为需求响应提供理论指导。本文以某企业的用电数据为例进行分析，得出该企业的用电行为特征，判断其用电行为特点，分析其适合的需求响应方案以及可调节能力。研究创立的用电行为特征分析方法能够充分挖掘用户用能特点及其行为原理，更多地发挥负荷特性在需求响应中的作用；在负荷急剧变化的情况下，通过优化电能配置方式提高需求侧用能效率；可针对不同行业的特定用电行为机理，制订相应的策略，指导和改善其用能行为，挖掘行业用户精细化节能潜力，并推动电网公司节能优化业务，提升电网运行效率。