Application of BOLL Statistical Model in Intelligent Energy Management and Control Platform
-
摘要:
智慧能源管控平台可以基于先进的电力感知系统收集能源信息,通过平台综合能源评估和合理调控达到节能、高效的管理效果。本文根据BOLL统计模型开发智慧能源管控平台特有场景的统计计算,并以实例展示了电力能源中常规模拟量信号的BOLL统计模型,能够更加具体和形象的展现电力数据的合理区间范围以及未来发展趋势。
Abstract:The intelligent energy management and control platform can collect energy information based on advanced power perception system, and achieve energy-saving and efficient management effect through comprehensive energy assessment and reasonable regulation of the platform. Based on the BOLL statistical model, this paper develops statistical calculations for the unique scenes of smart energy management and control platform, and presents the BOLL statistical model of conventional analog signal in electric power energy with examples, which can show the reasonable range and future development trend of electric power data in a more concrete and vivid way.
-
Keywords:
- intelligent energy /
- boll /
- load curve /
- confidence interval
-
智慧能源管控平台采用先进的电力传感器技术, 针对能源系统中水、电、气、暖等各个能耗节点实施精确监控, 记录每个节点的能耗和运行信息, 将数据信息回传至能源管控主机, 主机根据能源供给和能源节约要求, 统一调度优化能源布局分配, 从而提高能源使用率, 降低企业的综合能耗, 帮助客户更好的实现“碳达峰、碳中和”目标。
而BOLL模型是时下流行的金融技术分析模型之一, 通过本模型计算可靠区间, 从而比较直观的看到当前数据在信赖区间中的位置, 而能源管控平台更加适合应用BOLL模型的为能源管控平台提供统一调控的参考依据。通过信赖区间调控能源输出为客户节约能源成本, 确保能源消耗在剧烈震动时稳定能源供应, 同时提高了能源管理效率。
1. 智慧能源管控平台
智慧能源管控平台能对客户的能耗状态进行实时监测和综合评定, 通过对每个能源节点的数据采集和分析预测, 达到合理规划和利用综合能源, 并实时监控客户整体的能源损耗信息, 具备异常能源损耗的告警能力, 进而实现了辅助推进精细化能源管控的综合信息采集与分析决策系统。
目前的智慧能源光控平台统计的数据多是通过能源节点采集的原始数据进行综合分析后进行可视化展示, 如客户的能源总能耗, 累计能耗, 实时数据查询, 历史数据的统计等情况, 怎样通过已知数据进行深度挖掘, 帮助客户和管控平台进行更人性化, 更自主的能源管理是研发人员需要深入讨论的问题。
2. BOLL统计模型
BOLL统计模型是统计学中利用标准差原理设计出的一种很简洁直观的数据分析工具, 常用于现代金融领域, 同样BOLL模型可以应用于电力系统数据的模型分析中, 当一组电力系统数据(功率、负荷电流等)总是围绕着额定值或日常中间值在一定范围内变动, 从而产生了电力数据的信赖区间。
BOLL模型由4条线组成, 分别为上限曲线、下限曲线、中轴线和数据线, 信赖区间由上限曲线和下限曲线组成。
信赖区间的宽窄是随着当前电力数据的波动幅度而变化的, 同时根据累积数据的变化而调整区间走势。当电力数据在本时间段波动很小, 模型的信赖区间就会变窄, 这可以说明目前的电力系统的整体负荷在运行平静期, 当电力数据在短时间内突破信赖区间的上限或下限, 就意味着电力系统的能源负荷发生了较大的变化已经超出信赖区间范围, 应该及时调整线路负荷或检查线路运行故障等。
BOLL的计算模型为:
Mb=(n−1)Ma。 (1) Mu=Ma(n)+t(a)×Md(n)。 (2) Dn=Ma(n)−t(a)×Md(n) 。 (3) 式中: Mb为统计模型的中轴线, 用于展示数据发展趋势的平均趋势; n代表数据个数; Ma为n个数据算数平均值; Mu为统计模型的上限曲线, 是信赖区间的上限告警值; Dn为统计模型的下限曲线, 是信赖区间的下限告警值; Md为计算数据标准差值; t为系数, 一般取2。
其中, Ma的计算公式为:
Ma(n)=1n∑Ci 。 (4) Ci为n个电力数据值。
而电力数据的样本方差计算公式为:
Md=√∑(Ci−Ma(n))2n−1。 (5) 3. BOLL模型的负荷分析
现有某配电运行线路2021年2月25日当天的电流负荷每隔5 min记录的运行曲线, 如图 1所示, 从中可以看出线路负荷在一天当中有很大波动, 尤其在10:00-12:00间波动较为剧烈, 13:00-21:00和凌晨时段电流波动平缓。
将现有的数据通过BOLL统计模型计算, 分析出本段数据的上限曲线, 下限曲线和中轴曲线, 得到本部分电流负荷的信赖区间, 从而更加直观的描述数据在信赖区间的活动范围。
首先应确定选取的数据个数n, 计算算数平均值选取的数据越少平均值偏差越大, 暂定将n定义为1 h的数据量, 即12, 将n=12带入到公式(4)中, 分别算出算术平均数, 和样本方差。
接下来将和值代入公式(1)、(2)、(3)计算得到中轴曲线、上限曲线和下限曲线值。当然在计算过程中, 需要带入2月24日部分与25日当天衔接的数据用于计算和值。n=12时的数据分析图如图 2所示。
如图 2中所示, 负荷曲线在信赖区间中震荡, 根据上限曲线和下限曲线的定义, 如果负荷曲线靠近两个警戒曲线就意味着负荷已经偏离上述计算的均值, 当负荷曲线触碰到两个警戒曲线, 就意味着当前的负荷数据在当前变化时段(n=12)内, 已经到达告警要求, 智慧能源管控系统可以根据负荷数据在信赖区间的位置适当进行负荷调控, 甚至在触碰到上下限曲线时及时告警并调控电力运行负荷, 尽量平复配电线路的负荷抖动变化。
但是根据n=12得出的BOLL模型来看, 信赖区间较窄, 相对于实际的运行数据来说合理的波动应该不能轻易的达到区间的上限和下限范围, 显然n=12的BOLL模型不能很好的展示宽裕的信赖区间。
将n的取值范围增加到2 h时宽度, 即取值到24, 重新按照上述计算方式建立n=24的BOLL模型, 如图 3所示。
4. 基于BOLL模型的负荷调控
根据上述的n=24的负荷模型可以清晰的分辨负荷的运行情况, 从00:00-06:00左右电流负荷在信赖区间的平均线周围均衡运行, 到07:00-10:00左右电流负荷上升且一直运行在平均线和上限曲线之间, 并一再试探负荷上限曲线, 导致07:00-10:00的信赖区间开口加大, 在10:00-12:00电流负荷短时间内迅速下跌, 12:00最低幅度触及信赖曲线下限, 且已低于00:00-06:00水平, 如此的变化幅度导致未来两小时的信赖区间开口加大且趋势向下, 从12:00-20:00电流负荷缓慢上升且后期趋于平滑, 所以收紧信赖区间, 20:00后负荷才缓慢下滑。
而能源管控平台根据上述BOLL模型变化指定负荷调控机制: 在信赖区间收窄且负荷数据平滑时不调控负荷, 如01:00-06:00范围, 当在信赖区间开口加大且在此区间内平凡触及上下限时(07:00-10:00), 或短时间内触及上限和下限曲线(10:00-12:00)需能源管控平台介入查看负荷增大的原因并适当调控现场运行负荷, 调控方式可以分为换相开关切换不同相间负荷或无缝投切备用电源等方式均衡短时间的负载变化, 从而保证电网更加稳定的运行。
5. 结语
为完成“碳达峰”和“碳中和”目标, 目前的能源市场已经对智慧能源管控平台的能源管控功能提出更多要求, 在将区域内的能源可视化的同时, 更应提高对能源的管控能力, 保证能源合理稳定应用。
而根据BOLL统计模型建立的智慧能源管控平台可以根据模型建立规定时间区间内的能源数据信赖区间, 通过可视界面方便的查看当前的能源使用是否超出可靠区域。当能源数据频繁趋于信赖区间的上限或下限, 即可认为目前的能源利用不再稳定, 当能源数据短时间内突破上限曲线或下限曲线, 即可认为能源消耗变化过于剧烈, 应及时建立能源调控机制改善使用率。
-
[1] 梁磊, 范海波, 刘发年. 基于大数据的综合能源管控与运营技术研究与应用[J]. 电力大数据, 2021, 24(03): 17-24. [2] 俞学豪, 袁海山, 叶昀. 综合智慧能源系统及其工程应用[J]. 中国勘察设计, 2021(01): 87-91. [3] 邓伟, 傅军, 刘红. 基于BOLL的平稳技术指标在股票交易中的应用[J]. 四川理工学院学报(自然科学版), 2014, 27(03): 55-58. [4] 张杰. 风光水火储智慧能源业务一体化平台的发展及趋势初探[J]. 应用能源技术, 2021(04): 49-51. [5] 胡志毅. 基于城市能源变革的智慧能源系统建设研究[J]. 智能城市, 2021, 7(07): 27-28. [6] 周伏秋, 邓良辰, 王娟. "十四五"综合能源服务产业发展展望[J]. 中国能源, 2021, 43(02): 13-15+20. [7] 王晓辉, 季知祥, 周扬, 刘鹏. 城市能源互联网综合服务平台架构及关键技术[J]. 中国电机工程学报, 2021, 41(07): 2310-2321. [8] 张翔, 胡槐生, 李仲元, 孙健. 基于"互联网+"的工业园区智慧用能体系设计[J]. 中外能源, 2020, 25(09): 19-24. [9] 张颖媛, 杨文, 李怀良. 区域综合能源管控与服务管理系统设计与应用[J]. 南方能源建设, 2020, 7(01): 21-26. [10] 钟鸣. 基于泛在电力物联网的综合能效提升[J]. 电气时代, 2020(01): 24-27. [11] 高山. 能源管控系统的设计与实现[J]. 电气时代, 2019(04): 78-80.