歐陽森　吳裕生　馮天瑞

(華南理工大學(xué) 電力學(xué)院∥廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室， 廣東 廣州 510640)

基于模糊聚類的實(shí)用系數(shù)分析方法*

歐陽森吳裕生馮天瑞

(華南理工大學(xué) 電力學(xué)院∥廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室， 廣東 廣州 510640)

摘要:實(shí)用系數(shù)常用于指導(dǎo)業(yè)擴(kuò)報(bào)裝時(shí)配變?nèi)萘康倪x取.文中針對(duì)當(dāng)前實(shí)用系數(shù)選取時(shí)靈活性差、受樣本數(shù)據(jù)影響較大、沒有考慮負(fù)荷發(fā)展特性等問題，設(shè)計(jì)了一種基于模糊聚類的實(shí)用系數(shù)分析方法.首先，將用電用戶劃分為商業(yè)、住宅、工業(yè)等類型，并建立相應(yīng)的用電用戶的評(píng)價(jià)指標(biāo)體系，該體系選取負(fù)荷密度、年用電量增長(zhǎng)率、配變投運(yùn)時(shí)間3個(gè)評(píng)價(jià)指標(biāo)來分別描述用電用戶的用電水平、變化情況以及負(fù)荷發(fā)展特性；然后，設(shè)計(jì)了基于模糊聚類的實(shí)用系數(shù)等級(jí)劃分方法，該方法根據(jù)3個(gè)評(píng)價(jià)指標(biāo)進(jìn)行模糊聚類，劃分出實(shí)用系數(shù)等級(jí)，并確定各等級(jí)的評(píng)價(jià)指標(biāo)及實(shí)用系數(shù)的中心值；最后，根據(jù)待測(cè)用電用戶的評(píng)價(jià)指標(biāo)值與各等級(jí)中心值的加權(quán)距離和，求得實(shí)用系數(shù)等級(jí)及相應(yīng)的實(shí)用系數(shù)值.通過實(shí)例分析，驗(yàn)證了該方法的有效性和實(shí)用性.

關(guān)鍵詞：實(shí)用系數(shù)；模糊聚類；中心值；業(yè)擴(kuò)報(bào)裝

業(yè)擴(kuò)報(bào)裝是供電企業(yè)營(yíng)銷和配網(wǎng)管理的一項(xiàng)重要工作[1- 2].近年來，隨著社會(huì)經(jīng)濟(jì)發(fā)展，用戶用電需求量越來越大，業(yè)擴(kuò)報(bào)裝容量偏大、設(shè)備利用率低、電網(wǎng)的投資過高的問題越來越突出[3].因此，合理選擇評(píng)估指標(biāo)，指導(dǎo)業(yè)擴(kuò)報(bào)裝時(shí)配變?nèi)萘康倪x取，對(duì)提高設(shè)備的利用率、配網(wǎng)經(jīng)濟(jì)性和可靠性均有重要意義.

對(duì)于國(guó)內(nèi)供電企業(yè)而言，業(yè)擴(kuò)報(bào)裝時(shí)通常只考慮報(bào)裝的容量能否滿足用電量需求以及是否會(huì)影響電網(wǎng)的電能質(zhì)量，對(duì)于反映電網(wǎng)的經(jīng)濟(jì)性指標(biāo)(如設(shè)備利用率)并沒有特別關(guān)注，造成現(xiàn)階段電網(wǎng)設(shè)備利用率較低、用戶報(bào)裝容量偏大等問題.國(guó)外供電企業(yè)在選擇變壓器容量時(shí)，也是優(yōu)先考慮滿足負(fù)荷需求，同時(shí)考慮了變壓器的損耗、變壓器運(yùn)行維修、網(wǎng)損等帶來的費(fèi)用，但同樣也存在著變壓器選擇容量偏大的問題[4- 5].目前，國(guó)內(nèi)已有部分供電企業(yè)采用實(shí)用系數(shù)來指導(dǎo)業(yè)擴(kuò)報(bào)裝時(shí)配變?nèi)萘康倪x取.實(shí)用系數(shù)是指年最大有功負(fù)荷與變壓器容量的比值，用來反映用電用戶對(duì)變壓器的使用效率.但現(xiàn)階段由于缺乏對(duì)實(shí)用系數(shù)的研究，大部分供電企業(yè)只能依靠技術(shù)人員的經(jīng)驗(yàn)或采用統(tǒng)一的標(biāo)準(zhǔn)值來選取.這種做法的局限性主要有：①選取過程中主觀性太強(qiáng)，過于依賴經(jīng)驗(yàn)，而且不同技術(shù)人員會(huì)得出不同的結(jié)果；②每一類用電用戶只有一個(gè)標(biāo)準(zhǔn)值，實(shí)用系數(shù)類型劃分不夠細(xì)致；③忽略了負(fù)荷的發(fā)展特性，沒有考慮到負(fù)荷發(fā)展對(duì)于實(shí)用系數(shù)的影響.同一類用戶，剛建好的、發(fā)展幾年的、發(fā)展十幾年的都具有不同的實(shí)用系數(shù)，其變化趨勢(shì)可能是衰減也可能是增長(zhǎng)，并且周期也不同，決不能僅用一個(gè)值來表征.

目前，國(guó)內(nèi)外關(guān)于實(shí)用系數(shù)的研究屈指可數(shù).業(yè)擴(kuò)報(bào)裝時(shí)多數(shù)根據(jù)負(fù)荷密度來選擇配變?nèi)萘縖6]，并沒有引入實(shí)用系數(shù)來考慮配變的利用效率.此外，在現(xiàn)有的研究中，模糊聚類也僅僅應(yīng)用于負(fù)荷密度的選取[7- 10]，在實(shí)用系數(shù)的選取方面幾乎沒有.國(guó)外關(guān)于負(fù)荷密度指標(biāo)選取的研究較少，在選擇配變?nèi)萘繒r(shí)通常通過直接預(yù)測(cè)總負(fù)荷需求量，或者預(yù)測(cè)用戶的土地使用類型的變化來確定，也有少量文獻(xiàn)采用模糊理論來確定負(fù)荷總量或者土地的類型[11- 12]，但沒有關(guān)于實(shí)用系數(shù)方面的研究.國(guó)內(nèi)對(duì)于負(fù)荷密度的研究較多，近年來有不少學(xué)者嘗試將模糊理論應(yīng)用到負(fù)荷密度指標(biāo)的選取中.文獻(xiàn)[13]中引入了C均值算法將各類用地性質(zhì)負(fù)荷聚類成不同等級(jí)，并采用LS-SVM和遺傳算法來預(yù)測(cè)各地塊的負(fù)荷密度指標(biāo).文獻(xiàn)[14]中采用基于熵權(quán)的多指標(biāo)灰靶決策進(jìn)行預(yù)測(cè)，并利用類內(nèi)相似度法進(jìn)行修正，將模糊數(shù)和多指標(biāo)灰靶決策理論結(jié)合起來.文獻(xiàn)[15]中通過劃分供電區(qū)域生成元胞，根據(jù)元胞屬性進(jìn)行多級(jí)聚類分析，并建立元胞屬性和元胞負(fù)荷之間的映射關(guān)系，來求取負(fù)荷密度指標(biāo).從文獻(xiàn)[13- 15]可以看出，實(shí)用系數(shù)的求解方法與負(fù)荷密度相似，應(yīng)用模糊聚類方法分析實(shí)用系數(shù)的方法具有有效性和實(shí)用性.這些文獻(xiàn)從用戶的整體用電水平、建筑面積等角度出發(fā)選取負(fù)荷密度，但都沒有考慮到負(fù)荷的發(fā)展特性，認(rèn)為不同發(fā)展階段的用電用戶都具有相同的實(shí)用系數(shù).

文中以模糊聚類理論為基礎(chǔ)，首先將用電用戶劃分為商業(yè)、工業(yè)、住宅、辦公、文化娛樂、公共設(shè)施6個(gè)類型[16]，并建立用電用戶的評(píng)價(jià)指標(biāo)體系；然后，對(duì)每一類型，根據(jù)評(píng)價(jià)指標(biāo)對(duì)用電用戶進(jìn)行聚類，得到用電用戶的實(shí)用系數(shù)等級(jí)，并確定各等級(jí)的評(píng)價(jià)指標(biāo)及實(shí)用系數(shù)的中心值；最后，根據(jù)用電用戶的評(píng)價(jià)指標(biāo)值與各等級(jí)中心值的加權(quán)距離和，確定待測(cè)用電用戶的實(shí)用系數(shù)等級(jí)以及相應(yīng)的實(shí)用系數(shù)值.該方法除了能夠合理地劃分各類用電用戶的實(shí)用系數(shù)等級(jí)之外，還能根據(jù)用戶的評(píng)價(jià)指標(biāo)進(jìn)一步地求解出相應(yīng)的實(shí)用系數(shù)，有效地改善實(shí)用系數(shù)選取時(shí)的靈活性和可靠性；同時(shí)，在采用現(xiàn)有評(píng)價(jià)指標(biāo)負(fù)荷密度的基礎(chǔ)上，引入配變投運(yùn)年限來體現(xiàn)負(fù)荷不同的發(fā)展階段，充分考慮負(fù)荷的發(fā)展對(duì)實(shí)用系數(shù)的影響，使得計(jì)算結(jié)果更加可靠.

1用電用戶評(píng)價(jià)指標(biāo)體系

考慮到用電用戶信息的完整性還有待提高，評(píng)價(jià)指標(biāo)需要涵蓋用電用戶多方面的特征.因此，文中選取的評(píng)價(jià)指標(biāo)包括負(fù)荷密度(X1)、年用電量增長(zhǎng)率(X2)、配變投運(yùn)時(shí)間(X3).

對(duì)上述3種評(píng)價(jià)指標(biāo)的具體分析如下.

(1)負(fù)荷密度(X1)

負(fù)荷密度是現(xiàn)階段用來測(cè)算用電量和指導(dǎo)變壓器容量選取的重要指標(biāo)，表示某個(gè)地區(qū)(用戶)單位面積的負(fù)荷大小.負(fù)荷密度計(jì)算公式如下：

(1)

式中，P為用電用戶的年度用電量，S為用電用戶的建筑面積.負(fù)荷密度用來權(quán)衡一個(gè)地區(qū)(用戶)整體的用電水平.相同建筑面積下，負(fù)荷密度越大，該地區(qū)(用戶)的用電量就越大，變壓器的容量也就越大.并且，負(fù)荷密度大的用戶，通常變壓器的負(fù)載率都比較高，用戶需報(bào)裝變壓器的可能性就越高.

(2)年用電量增長(zhǎng)率(X2)

年用電量增長(zhǎng)率是指用電用戶本年度用電量相對(duì)于上一年度用電量的增長(zhǎng)率.計(jì)算公式如下：

(2)

式中，P1為用電用戶上一年度用電量，P2為用電用戶本年度用電量.年用電量增長(zhǎng)率反映了負(fù)荷的增長(zhǎng)水平，通常負(fù)荷增長(zhǎng)越快，變壓器的負(fù)載率就會(huì)越高，用戶需報(bào)裝變壓器的可能性就越高.

(3)配變投運(yùn)時(shí)間(X3)

配變投運(yùn)時(shí)間是指用電用戶的配電變壓器的投運(yùn)年份到當(dāng)前年份的時(shí)間.通常用電用戶的負(fù)荷水平都要經(jīng)歷增長(zhǎng)到飽和甚至是衰減的過程.不同時(shí)間段用電用戶的負(fù)荷水平不同，對(duì)變壓器的負(fù)載率的影響較大.用電用戶的配變投運(yùn)時(shí)間可以大致地反映這個(gè)變化的過程.

2基于模糊聚類的實(shí)用系數(shù)等級(jí)劃分及選取方法

傳統(tǒng)的實(shí)用系數(shù)選取都采用統(tǒng)一的標(biāo)準(zhǔn)值或依靠工作人員的經(jīng)驗(yàn)，每一類用電用戶只有一個(gè)標(biāo)準(zhǔn)值，靈活性和適應(yīng)性較差.模糊聚類能夠根據(jù)研究對(duì)象本身的屬性，將各類用電用戶中特征相近的樣本劃分為一類，從而實(shí)現(xiàn)對(duì)各類用戶的進(jìn)一步細(xì)分，大大改善了選取的靈活性，并提高了實(shí)用系數(shù)的計(jì)算精度.

2.1實(shí)用系數(shù)等級(jí)的模糊聚類分析

模糊聚類分析是一種數(shù)據(jù)劃分或分組處理的重要手段和方法，其主要原理是根據(jù)某些特定的標(biāo)準(zhǔn)和規(guī)則，衡量各個(gè)樣本之間的相似性，并將具有相似統(tǒng)計(jì)特征的數(shù)據(jù)劃分成一類[17- 18].文中提出的模糊聚類[19- 20]分析方法的具體流程如下.

(1)數(shù)據(jù)獲取及標(biāo)準(zhǔn)化處理

設(shè)論域X={x1,x2,…,xn}為被分類的對(duì)象，每個(gè)對(duì)象又包含m個(gè)評(píng)價(jià)指標(biāo)，構(gòu)成如下的原始數(shù)據(jù)矩陣：

其中，xnm表示第n個(gè)對(duì)象的第m個(gè)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù).

為了使不同量綱的各評(píng)價(jià)指標(biāo)之間也能進(jìn)行比較，必須對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理.通常的做法是對(duì)原始數(shù)據(jù)做適當(dāng)?shù)淖儞Q，將除去量綱影響的數(shù)據(jù)壓縮到區(qū)間[0，1]上.文中采用的方法主要是平移-標(biāo)準(zhǔn)差變換以及平移-極差變換[21].

(2)建立模糊相似矩陣

為了構(gòu)建模糊相似矩陣，需根據(jù)步驟(1)中標(biāo)準(zhǔn)化處理后的數(shù)據(jù)計(jì)算其相似系數(shù).相似系數(shù)rij的求解主要有歐氏距離法、相似系數(shù)法以及海明距離等方法，文中采用歐氏距離法，具體的計(jì)算方法為

(3)

式中：參數(shù)c要適當(dāng)選取，確保0≤rij≤1.根據(jù)計(jì)算結(jié)果，可得到模糊相似矩陣R=(rij)m×m.

(3)聚類

(4)聚類結(jié)果分析

根據(jù)流程(3)中的動(dòng)態(tài)聚類結(jié)果，將各類用戶的實(shí)用系數(shù)劃分成不同的等級(jí)，具體的步驟如下：

(4)

步驟3將步驟2中的k類樣本按照實(shí)用系數(shù)的中心值從大到小排列，形成k個(gè)實(shí)用系數(shù)等級(jí).

2.2實(shí)用系數(shù)的選取方法

實(shí)用系數(shù)的選取就是根據(jù)待測(cè)用電用戶的評(píng)價(jià)指標(biāo)來確定用電用戶所屬的實(shí)用系數(shù)等級(jí)，并求得實(shí)用系數(shù)值.具體的選取方法為：①判斷待測(cè)用電用戶的評(píng)價(jià)指標(biāo)X1、X2、X3是否全部落在某個(gè)實(shí)用系數(shù)等級(jí)的評(píng)價(jià)指標(biāo)范圍內(nèi)，如果是，則判定待測(cè)用電用戶屬于該等級(jí)；②如果不能直接判定，則可將待測(cè)用電用戶的評(píng)價(jià)指標(biāo)和2.1節(jié)求得的所有等級(jí)的實(shí)用系數(shù)的評(píng)價(jià)指標(biāo)中心值構(gòu)成矩陣，將矩陣標(biāo)準(zhǔn)化處理后，計(jì)算待測(cè)用電用戶各評(píng)價(jià)指標(biāo)與各個(gè)等級(jí)的評(píng)價(jià)指標(biāo)中心值的加權(quán)距離之和，和越小表示該用戶的實(shí)用系數(shù)與該實(shí)用系數(shù)等級(jí)越接近，距離最小的實(shí)用系數(shù)等級(jí)即為待求用電用戶的實(shí)用系數(shù)等級(jí)，進(jìn)而確定該用戶的實(shí)用系數(shù)值.計(jì)算方法為

d=[w1(r1-r01)2+w2(r2-r02)2+…+

wm(rm-r0m)2]1/2

(5)

式中：d為加權(quán)距離和；rm為標(biāo)準(zhǔn)化處理后的待測(cè)用電用戶的評(píng)價(jià)指標(biāo)值；r0m為標(biāo)準(zhǔn)化處理后對(duì)應(yīng)的某個(gè)等級(jí)評(píng)價(jià)指標(biāo)中心值；m為評(píng)價(jià)指標(biāo)個(gè)數(shù)；w為各評(píng)價(jià)指標(biāo)權(quán)重系數(shù)；w的確定方法一般有層次分析法、變異系數(shù)法和熵權(quán)法等[22]，文中采用變異系數(shù)法來確定各評(píng)價(jià)指標(biāo)的權(quán)重[14].

3實(shí)用系數(shù)指標(biāo)分析方法及流程設(shè)計(jì)

文中設(shè)計(jì)的實(shí)用系數(shù)指標(biāo)分析方法主要包括了對(duì)現(xiàn)有樣本集的實(shí)用系數(shù)等級(jí)劃分以及待測(cè)用電用戶實(shí)用系數(shù)的確定兩個(gè)部分.具體的流程為：首先，劃分用電用戶的類型，確定待測(cè)用電用戶的類型，構(gòu)建相應(yīng)的評(píng)價(jià)指標(biāo)，并求得各樣本的評(píng)價(jià)指標(biāo)值及實(shí)用系數(shù)值；然后，運(yùn)用模糊聚類方法對(duì)這些樣本的實(shí)用系數(shù)劃分等級(jí)，獲得各等級(jí)的評(píng)價(jià)指標(biāo)及實(shí)用系數(shù)的數(shù)值的范圍，并將它們的平均值設(shè)置為中心值；最后，根據(jù)待測(cè)用電用戶的評(píng)價(jià)指標(biāo)值與各等級(jí)中心值的加權(quán)距離和，確定待測(cè)用電用戶的實(shí)用系數(shù)等級(jí)，并得到相應(yīng)的實(shí)用系數(shù)值.

實(shí)用系數(shù)指標(biāo)分析流程如圖1所示.

圖1　實(shí)用系數(shù)指標(biāo)分析流程

4實(shí)例分析

由于不同類型用電用戶的用電特性不同，業(yè)擴(kuò)報(bào)裝時(shí)的流程也不同，在研究用戶的實(shí)用系數(shù)之前，必須對(duì)用電用戶進(jìn)行分類.因此，文中首先將用電用戶分為6類：工業(yè)用地、住宅用地、辦公用地、商業(yè)用地、文化娛樂用地、公共設(shè)施用地.并以某市住宅用戶的實(shí)用系數(shù)指標(biāo)分析為例，對(duì)文中的實(shí)用系數(shù)指標(biāo)分析方法的靈活性和實(shí)用性進(jìn)行驗(yàn)證.

共選取22個(gè)住宅樣本(其中一個(gè)樣本代表一個(gè)小區(qū))，用電用戶的評(píng)價(jià)指標(biāo)包括：負(fù)荷密度X1、年用電量增長(zhǎng)率X2以及配變投運(yùn)時(shí)間X3.根據(jù)收集的樣本數(shù)據(jù)可計(jì)算得22個(gè)樣本的實(shí)用系數(shù)，其中實(shí)用系數(shù)的計(jì)算公式為

(6)

式中，μ為實(shí)用系數(shù)，N為用戶下屬配變的臺(tái)數(shù)，Pi為第i臺(tái)配變的年最大有功負(fù)荷，Si為第i臺(tái)配變的容量.

收集的部分住宅用電用戶樣本的原始數(shù)據(jù)如表1所示.

表1　住宅用戶樣本的原始數(shù)據(jù)

根據(jù)第2.1節(jié)的模糊聚類方法的基本流程，可得到動(dòng)態(tài)聚類圖，如圖2所示.

圖2　動(dòng)態(tài)聚類圖

根據(jù)分類的結(jié)果，可將這4類樣本視為4個(gè)實(shí)用系數(shù)等級(jí)，并根據(jù)式(4)求出各等級(jí)的評(píng)價(jià)指標(biāo)及實(shí)用系數(shù)的中心值.按實(shí)用系數(shù)中心值從大到小排列，計(jì)算結(jié)果如表2所示.

表2　住宅用戶實(shí)用系數(shù)分類結(jié)果

采用差異系數(shù)法可求得負(fù)荷密度、年用電量增長(zhǎng)率以及配變投運(yùn)時(shí)間3個(gè)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)分別為：0.347 1，0.438 9，0.214 0.至此，文中構(gòu)建了住宅用電用戶的4個(gè)實(shí)用系數(shù)等級(jí)，并確定了相應(yīng)的評(píng)價(jià)指標(biāo)范圍以及各評(píng)價(jià)指標(biāo)的權(quán)重.

從分類的結(jié)果可以看出:第1類用戶的負(fù)荷密度較高，負(fù)荷的增長(zhǎng)較慢，配變投運(yùn)時(shí)間較長(zhǎng)，表示這類用戶的發(fā)展時(shí)間較長(zhǎng)，其負(fù)荷已經(jīng)到達(dá)穩(wěn)定的階段，實(shí)用系數(shù)較高；第2類用戶的各項(xiàng)評(píng)價(jià)指標(biāo)的波動(dòng)范圍都比較大，表示這類負(fù)荷的發(fā)展具有較大的不確定性，其實(shí)用系數(shù)的波動(dòng)范圍也相對(duì)較大；第3類用戶的負(fù)荷密度較低，負(fù)荷的增長(zhǎng)較慢，配變投運(yùn)時(shí)間較長(zhǎng)，表示這類用戶也處于穩(wěn)定的階段，但與第1類相比，其負(fù)荷密度和實(shí)用系數(shù)明顯偏低；第4類用戶的負(fù)荷密度較低，配變投運(yùn)時(shí)間較短，但其年電量的增長(zhǎng)非?？?，說明這類用戶是新用戶，其負(fù)荷處于快速增長(zhǎng)的階段，其實(shí)用系數(shù)較小，但增長(zhǎng)很快.

在實(shí)際的業(yè)擴(kuò)報(bào)裝工作中，應(yīng)當(dāng)重點(diǎn)關(guān)注第2類用戶中負(fù)荷密度高、年用電量增長(zhǎng)快、實(shí)用系數(shù)較高的用戶，這些用戶的變壓器利用率較高，且負(fù)荷發(fā)展較快，其報(bào)裝變壓器的需求較大.

為了驗(yàn)證實(shí)用系數(shù)等級(jí)劃分的正確性，將樣本1當(dāng)作待測(cè)用電用戶，求解樣本1的實(shí)用系數(shù).該樣本評(píng)價(jià)指標(biāo)的模糊集為[12.140，-0.012 1，6]，與表2中所有實(shí)用系數(shù)等級(jí)的評(píng)價(jià)指標(biāo)中心值構(gòu)成的矩陣為

對(duì)X矩陣進(jìn)行標(biāo)準(zhǔn)化處理，可得矩陣：

根據(jù)式(5)計(jì)算出待測(cè)用電用戶與各個(gè)實(shí)用系數(shù)等級(jí)的評(píng)價(jià)指標(biāo)的中心值的加權(quán)距離為

d=[0.594 70.194 60.616 80.848 4].

可以看出，待測(cè)用電用戶與等級(jí)2的距離最小.因此，認(rèn)為該用戶屬于等級(jí)2，該等級(jí)實(shí)用系數(shù)的范圍為0.203～0.504，中心值為0.338，而該樣本實(shí)際的實(shí)用系數(shù)為0.312，與該等級(jí)的中心值相當(dāng)貼近.從而證明了文中提出的方法的正確性.

5結(jié)論

(1)首次設(shè)計(jì)了基于模糊聚類的實(shí)用系數(shù)指標(biāo)分析方法.該方法能根據(jù)樣本的評(píng)價(jià)指標(biāo)客觀地進(jìn)行分類，克服了傳統(tǒng)方法依靠工作人員經(jīng)驗(yàn)和主觀判斷、無法系統(tǒng)化處理大規(guī)模數(shù)據(jù)的缺陷，能夠真實(shí)客觀地反應(yīng)該地區(qū)用電用戶的實(shí)用系數(shù)的實(shí)際水平.

(2)所設(shè)計(jì)的模糊聚類方法能夠進(jìn)一步細(xì)化各類用電用戶的實(shí)用系數(shù)等級(jí).該方法既給出了實(shí)用系數(shù)的范圍，同時(shí)給出了具體的實(shí)用系數(shù)估算值.在確定不同的實(shí)用系數(shù)等級(jí)后，能夠根據(jù)待測(cè)用戶的評(píng)價(jià)指標(biāo)，簡(jiǎn)單快速地算出待測(cè)用戶的實(shí)用系數(shù)等級(jí)及實(shí)用系數(shù)值.解決了目前各類用電用戶僅有一個(gè)實(shí)用系數(shù)標(biāo)準(zhǔn)值、劃分不夠細(xì)致的問題，大大改善了實(shí)用系數(shù)選取時(shí)的靈活性，提高了計(jì)算精度.

(3)首次引入配變投運(yùn)時(shí)間作為評(píng)價(jià)指標(biāo)來表示負(fù)荷發(fā)展特性.在對(duì)用電用戶進(jìn)行模糊聚類時(shí)，除了考慮用戶的負(fù)荷密度、年用電量增長(zhǎng)率等因素以外，還引入配變投運(yùn)時(shí)間評(píng)價(jià)指標(biāo)來描述負(fù)荷的發(fā)展特性，充分考慮負(fù)荷的發(fā)展對(duì)實(shí)用系數(shù)的影響，使得聚類的結(jié)果更加準(zhǔn)確.

(4)設(shè)計(jì)了良好的評(píng)價(jià)指標(biāo)體系，綜合考慮了容量、面積和時(shí)間等因素.在實(shí)際應(yīng)用中，用電用戶實(shí)用系數(shù)的評(píng)價(jià)指標(biāo)可能會(huì)因社會(huì)經(jīng)濟(jì)、用戶類別等條件的不同而有所區(qū)別，不同地區(qū)所能獲取的數(shù)據(jù)也各有不同，因此，必須根據(jù)本地區(qū)的實(shí)際情況選取適當(dāng)?shù)脑u(píng)價(jià)指標(biāo).

(5)設(shè)計(jì)的算法主要針對(duì)業(yè)擴(kuò)報(bào)裝的用戶.當(dāng)用戶還沒入住時(shí)，確定其所需配變?nèi)萘繉儆谪?fù)荷預(yù)測(cè)的范疇，不在文中研究的范圍內(nèi).

綜上所述，文中所提出的基于模糊聚類的實(shí)用系數(shù)指標(biāo)分析方法操作簡(jiǎn)單，計(jì)算結(jié)果精確可靠，根據(jù)聚類結(jié)果對(duì)各類型用戶的實(shí)用系數(shù)劃分等級(jí)，可使結(jié)果更符合實(shí)際應(yīng)用要求，具有較高的推廣價(jià)值.實(shí)例分析表明，該方法具有有效性和適用性，能夠科學(xué)地指導(dǎo)業(yè)擴(kuò)報(bào)裝工作，提高設(shè)備的利用率.

參考文獻(xiàn)：

[1]張金娥.影響電力業(yè)擴(kuò)報(bào)裝速度的因素及解決方法 [J].電力需求側(cè)管理,2011,13(5):63- 65.

ZHANG Jin-e.Factors affecting the speed of power business expending and its solutions [J].Power Demand Side Management,2011,13(5):63- 65.

[2]余向前,王林信,張維靜,等.基于生長(zhǎng)曲線的行業(yè)業(yè)擴(kuò)用電趨勢(shì)研究 [J].電力需求側(cè)管理,2014(2):21- 25.

YU Xiang-qian,WANG Lin-xin,ZHANG Wei-jing,et al.Research of business expanding electric consumption trend based on growth curves [J].Power Demand Side Management,2014(2):21- 25.

[3]齊志剛,金波,邱朝明.基于GIS的業(yè)擴(kuò)報(bào)裝優(yōu)化與決策系統(tǒng)設(shè)計(jì) [J].中國(guó)電力,2011,44(1):90- 94.

QI Zhi-gang,JIN Bo,QIU Chao-ming.GIS based optimal design of electric expansion,installation and decision-making system [J].Electric Power,2011,44(1):90- 94.

[4]HUMAYUN M,SOUSA B J O,SAFDARIAN A,et al.Optimal capacity management of substation transformers over long-run [J].IEEE Trans on Power Systems,2016,31(1):632- 641.

[5]GILVANEJAD M,GHADIRI H,SHARIATI M R.et al.Analyzing the effect of transformer utilization factor in distribution networks as an investment management index by using displan software [C]∥Proceedings of the 22nd International Conference and Exhibition on Electricity Distribution(CIRED 2013).Stockholm:[s.n.],2013:1- 4.

[6]馮浩,曹云軒,彭子耀,等.基于動(dòng)態(tài)負(fù)荷的變壓器容量階梯型配置方案 [J].電測(cè)與儀表,2014,51(13):112- 117.

FEND Hao,CAO Yun-xuan,PEND Zi-yao,et al.Transformer capacity ladder-type configuration plan based on dynamic load [J].Electrical Measurement and Instrumentation,2014,51(13):112- 117.

[7]肖白,周潮,穆鋼.空間電力負(fù)荷預(yù)測(cè)方法綜述與展望 [J].中國(guó)電機(jī)工程學(xué)報(bào),2013,33(25):78- 92.

XIAO Bai,ZHOU Chao,MU Gang.Review and prospect of the spatial load forecasting methods [J].Proceedings of the CSEE,2013,33(25):78- 92.

[8]周湶,孫威,張昀,等.基于改進(jìn)型ANFIS的負(fù)荷密度指標(biāo)求取新方法 [J].電力系統(tǒng)保護(hù)與控制,2011,39(1):29- 34,39.

ZHOU Quan,SUN Wei,ZHANG Yun,et al.A new method to obtain load density based on improved ANFIS [J].Power System Protection and Control,2011,39(1):29- 34,39.

[9]韓俊,談健,黃河,等.基于改進(jìn)K-means聚類算法的供電塊劃分方法 [J].電力自動(dòng)化設(shè)備,2015,35(6):123- 129.

HAN Jun,TAN Jian,HUANG He.Power-supplying block partition based on improvedK-means clustering algorithm [J].Electric Power Automation Equipment,2015,35(6):123- 129.

[10]GAO Yan,YANG Ren-gang,LI Wei.A spatial load density forecasting method based on cloud theory and fuzzy analytic hierarchy process [C]∥Proceedings of Electricity Distribution(CICED),2012 China International Conference on IEEE.Shang hai:[s.n.],2012:1- 4.

[11]WASILEWSKI Jacek.Spatial electric load forecasting using fuzzy cellular automata technique [C]∥Proceedings of Universities’ Power Engineering Conference(UPEC).Soest:[s.n.],2011:1- 6.

[12]CARRENO E M,PADILHA-Feltrin A.Evolutionary heuristic to determine future land use [C]∥Proceedings of Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century.Pittsburgh:Curran Associates,Inc,2009:1- 6.

[13]周湶,孫威,任海軍,等.基于最小二乘支持向量機(jī)和負(fù)荷密度指標(biāo)法配電網(wǎng)空間負(fù)荷預(yù)測(cè) [J].電網(wǎng)技術(shù),2011,35(1):66- 71.

ZHOU Quan,SUN Wei,REN Hai-jun,et al.Spatial load forecasting of distribution network based on least squares support vector machine and load density index system [J].Power System Technology,2011,35(1):66- 71.

[14]吳冰,張?bào)慊?模糊數(shù)與多指標(biāo)灰靶決策理論相結(jié)合的小區(qū)負(fù)荷預(yù)測(cè)方法 [J].電力系統(tǒng)保護(hù)與控制,2011,39(11):124- 128.

WU Bing,ZHANG Xiao-hui.Application of fuzzy number and multi-attribute weighted grey target theory in small area load forecasting [J].Power System Protection and Control,2011,39(11):124- 128．

[15]肖白,聶鵬,穆鋼,等.基于多級(jí)聚類分析和支持向量機(jī)的空間負(fù)荷預(yù)測(cè)方法 [J].電力系統(tǒng)自動(dòng)化,2015,39(12):56- 61.

XIAO Bai,NIE Peng,MU Gang,et al.A spatial load forecasting method based on multilevel clustering analysis and support vector machine [J].Automation of Electric Power Systems,2015,39(12):56- 61.

[16]肖白,楊修宇,穆鋼,等.基于元胞歷史負(fù)荷數(shù)據(jù)的負(fù)荷密度指標(biāo)法 [J].電網(wǎng)技術(shù),2014,38(4):1014- 1019.

XIAO Bai,YANG Xiu-yu,MU Gang,et al.A load density index method based on historical data of cell load [J].Power System Technology,2014,38(4):1014- 1019.

[17]曲福恒,崔廣才.模糊聚類算法及應(yīng)用 [M].北京:國(guó)防工業(yè)出版社,2011:46- 60.

[18]李懷俊,謝小鵬,黃恒.基于主元熵的發(fā)動(dòng)機(jī)能量數(shù)據(jù)聚類與故障識(shí)別 [J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,41(11):137- 142.

LI Huai-jun,XIE Xiao-peng,HUANG Heng.Energy data clustering and fault recognition of engine based on principal component entropy [J].Journal of South China University of Technology(Natural Science Edition),2013,41(11):137- 142.

[19]TAN Pang-ning,STEINBACH Michael,KUMAR Vipin.Introduction to data mining [M].范明,范宏建,譯.北京：人民郵電出版社,2014:30- 31.

[20]范金城,梅長(zhǎng)林.數(shù)據(jù)分析 [M].2版.北京:科學(xué)出版社,2010.

[21]楊德平,劉喜華,孫海濤,等.經(jīng)濟(jì)預(yù)測(cè)方法及Matlab 實(shí)現(xiàn) [M].北京：機(jī)械工業(yè)出版社,2012.

[22]王化中,強(qiáng)鳳嬌,陳曉暾.模糊綜合評(píng)價(jià)中權(quán)重與評(píng)價(jià)原則的重新確定 [J].統(tǒng)計(jì)與決策,2015,31(8):24- 27.WANG Hua-zhong,QIANG Feng-jiao,CHEN Xiao-tun.The redefinition of weight and evaluating principle on fuzzy comprehensive evaluation [J].Statistics and Decision,2015,31(8):24- 27.

Analysis Method of Practical Coefficient Based on Fuzzy Clustering

OUYANGSenWUYu-shengFengTian-rui

(School of Electric Power∥Key Laboratory of Clean Energy Technology of Guangdong Province, South China University of Technology, Guangzhou 510640, Guangdong, China)

Abstract:Practical coefficient is usually applied to the selection of distribution transformer capacity for the business expending. As the existing practical coefficient selection methods with low flexibility are greatly affected by dataand do not take into consideration the load development feature, a method to analyze the practical coefficient based on fuzzy clustering is proposed. In this method, first, power usersare divided into such three types as business, house and industry, and the corresponding evaluation indexes, namely the load density, the annual growth rate of electri-city consumption and the commission time of distribution transformer, are used to describe the power consumption level and its variation as well as the load development feature of power users. Then,a classification method of practical coefficient levels is designed based on the fuzzy clustering, which uses the three above-mentioned evaluation indexes to perform a fuzzy clustering for the coefficient level classification and determines the evaluation index and practical coefficient’s central value of each classification. Finally, the level and value of the practical coefficient of a new power user are obtained according to the sum of the weighted distance between the index value and the central value of each classification. In addition, the effectiveness and practicability of the proposed method are verified through a case study.

Key words:practical coefficient; fuzzy clustering; central value; business expending

收稿日期:2015- 06- 01

*基金項(xiàng)目:國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(51377060)；國(guó)家自然科學(xué)基金青年基金資助項(xiàng)目(61104181)

Foundation items: Supported by the Key Program of National Natural Science Foundation of China(51377060) and the National Natural Science Foundation for Young Scholars of China(61104181)

作者簡(jiǎn)介:歐陽森(1974-)，男，博士，副研究員，主要從事電能質(zhì)量、節(jié)能技術(shù)與智能電器等的研究.E-mail:ouyangs@scut.edu.cn

文章編號(hào):1000- 565X(2016)04- 0040- 07

中圖分類號(hào)：TM 711

doi：10.3969/j.issn.1000-565X.2016.04.007