2. 微电网负荷数据采集与典型日曲线构建
从原始计量数据到可用的典型日曲线
负荷数据采集与典型日曲线构建的核心任务，是把园区内电、热、冷三类负荷的原始计量/调研数据，整理成后续容量配置可直接使用的 24 点（或 96 点）典型日功率序列。原始数据通常存在三类问题：缺失（通信中断、人工漏记）、异常（量程跳变、负值、传感器故障导致的恒定值）、口径不一致（热/冷为累计热量，电为瞬时功率）。因此处理链为：采集 → 单位与时间对齐 → 异常识别与清洗 → 归一化到典型日 → 多能曲线对齐输出。
异常值识别规则
对每个采样点 P(t)，采用以下可复现的判据（阈值可按项目调整）：
- 物理越限：
P(t) < 0或P(t) > P_rated × 1.2，标记为异常。 - 突变率：
|P(t) − P(t−1)| / P_rated > 0.5（相邻 15 min 内变化超过额定 50%），标记为可疑。 - 恒定值：连续
≥ 8个采样点数值完全相同且非零，判定为传感器卡死。 - 缺失：时间戳不连续或值为空。
清洗策略：单点异常用前后两点线性插值；连续异常段（≥4 点）用同类型日同时刻的均值替换，避免插值掩盖真实负荷特征。
典型日曲线构建方法
清洗后的数据按以下步骤归并为典型日曲线：
- 分类：将历史数据按季节（夏/冬/过渡季）和工作日/休息日分组。
- 逐时刻平均：对每组内同一时刻
t的所有有效日取算术平均，得到该组典型日曲线P_typ(t)。 - 峰值校验：检查
max(P_typ)是否落在该组历史峰值的 80%–120% 区间；若偏离过大，说明样本不足或异常未清干净，需回查。 - 多能对齐：将电、热、冷三条典型日曲线统一到相同时间轴，输出为后续容量配置的输入表。
示例：某园区夏季工作日电负荷典型日曲线
下表为教学示例数据（非实测），展示清洗后 24 点电负荷典型日曲线及与原始数据的对比。额定功率 P_rated = 800 kW。
| 时刻 | 原始值 (kW) | 异常标记 | 清洗后 (kW) | 典型日 (kW) |
|---|---|---|---|---|
| 00:00 | 210 | — | 210 | 205 |
| 02:00 | 185 | — | 185 | 180 |
| 04:00 | 175 | — | 175 | 172 |
| 06:00 | 230 | — | 230 | 225 |
| 08:00 | 520 | — | 520 | 510 |
| 10:00 | 680 | — | 680 | 670 |
| 12:00 | 720 | — | 720 | 710 |
| 14:00 | 1050 | 越限 | 740 | 730 |
| 16:00 | 700 | — | 700 | 695 |
| 18:00 | 650 | — | 650 | 640 |
| 20:00 | 480 | — | 480 | 475 |
| 22:00 | 300 | — | 300 | 295 |
峰值校验示例：该组历史峰值出现在 14:00 附近，清洗后典型日峰值 730 kW，历史峰值 740 kW，比值 730/740 ≈ 98.6%，落在 80%–120% 区间内，通过校验。若比值低于 80%，需检查是否因异常值剔除过多导致曲线被拉低。
常见陷阱：热/冷负荷的累计热量表读数在差分时，若时间间隔不均匀（如某天缺 2 个点），直接差分会产生错误的瞬时功率。应先按时间戳重采样到等间隔，再做差分。此外，过渡季热负荷可能接近零，典型日曲线需保留零值而非用均值填充，否则会高估热负荷需求。
输出成果与验证
最终交付物为一张多能典型日曲线数据表，字段包括：时刻、电负荷(kW)、热负荷(kW)、冷负荷(kW)。验证方法：
- 三条曲线的时间轴完全对齐，无缺项。
- 电负荷峰值与园区变压器容量比值合理（通常 0.6–0.9）。
- 热/冷负荷峰值与对应机组额定容量比值合理。
- 曲线形态符合园区作息规律（如午间电负荷高峰、夜间低谷）。