胥 超，李英惠，于佰建，張 健，萬 旭

（1.國網山東省濟南市歷城區(qū)供電公司，濟南 250100；2.國網山東省電力公司濟南供電公司，濟南 250012；3.國網山東省電力公司，濟南 250001）

氣溫及抄表時間對售電量的影響

胥 超1，李英惠2，于佰建3，張 健1，萬 旭1

（1.國網山東省濟南市歷城區(qū)供電公司，濟南 250100；2.國網山東省電力公司濟南供電公司，濟南 250012；3.國網山東省電力公司，濟南 250001）

影響售電量的因素有很多，其中氣溫、抄表時間對售電量影響最大，稱為影響售電量的二元因素。通過對歷史數據的統(tǒng)計分析，研究氣溫及抄表時間對售電量產生的具體影響，并闡述售電量預測分析方法。為制定經營指標及經營決策提供有效依據。

售電量；氣溫；回歸分析；抄表例日

0 引言

隨著我國國民經濟的迅猛發(fā)展，各行各業(yè)用電量的急劇攀升，電量預測發(fā)揮著越來越重要的作用。電量預測技術主要包括時間序列法、回歸分析法、基于單耗模型的部門分析預測法，以及基于計算機系統(tǒng)的專家系統(tǒng)預測法、模糊預測法、灰色理論預測法、人工神經網絡預測法等。上述電量預測方法主要針對用電量預測，而針對公司實際與用戶結算的電量，即發(fā)行售電量預測卻較少涉及。售電量是指電力企業(yè)出售給用戶或其他電力企業(yè)的可供消費或生產投入的電量。供電公司的發(fā)行售電量是通過電能計量裝置記錄客戶使用電量的多少，按時間段進行抄錄。由于售電量抄表、核算、收費等業(yè)務流程影響，各電壓等級用戶需要分開時間段進行抄表計量。且不同電壓等級會有不同的抄表例日，同時由于季節(jié)氣溫變化，售電量呈現(xiàn)出明顯的變化，兩種因素共同干擾了售電量預測準確性，因此研究氣溫、抄表兩種對售電量影響較大的因素，對售電量預測準確性有著重要意義。

1 氣溫與售電量關系

1.1 歷年月度售電量分析

依據國家電網“一庫三中心”系統(tǒng)，研究濟南市歷城區(qū)自2003年以來近15年售電量增長趨勢，發(fā)現(xiàn)每年月售電量走勢有著很高的相似性。以2010年、2012年、2014年及2015年月售電量走勢為例說明，如圖1所示。

由圖1可知，由于季節(jié)變化，每年售電量呈現(xiàn)出較為相似的走勢，為了更好研究氣溫變化與電量變化的影響，將數據顆粒度細化為每天售電量與每天最高或最低氣溫，2015—2016年日電量走勢如圖2所示。

圖1 2010、2012、2014、2015年月售電量走勢

圖2 2015—2016年日售電量走勢

由圖2可知，隨著季節(jié)變化，日電量的發(fā)展趨勢有更加明顯的高度相似性，而季節(jié)因素變化主要表現(xiàn)為氣溫的變化，因此研究氣溫變化對售電量影響有著重要意義。

1.2 氣溫與敏感電量

隨著我國經濟的發(fā)展，空調的普及程度越來越高，制暖設備用電大幅提升，這些都是對氣溫較為敏感的負荷［1］。所謂氣溫敏感電量即指，由于氣溫過熱或過冷，需要由用電設備提供制冷或制熱，從而產生的用電量。

為了研究氣溫與電量的關系，將電量簡化為由基礎電量、夏季氣溫敏感電量和冬季氣溫敏感電量3個部分，模型［2］為

式中：L為日電量；Lb為基礎電量；Ks為夏季電量增長率；Kw為冬季電量增長率；T為氣溫；Ts和Tw分別為夏季和冬季對電量產生影響的臨界值。

以2013—2016年日電量走勢為例進行分析，隨著氣溫升高，制冷電量占總電量的比重越來越大，用電負荷對氣溫的敏感性越來越強，當氣溫高于30℃后，負荷隨氣溫的升高急劇上升，但這部分負荷在36～38℃ 后出現(xiàn)拐點［3］。通過實際分析，氣溫在36～38℃時，所有制冷設備基本處于全部開啟且全功率運行狀態(tài)，氣溫繼續(xù)升高反而無法對電量提升起到刺激作用，38℃則為臨界點，高溫敏感電量模型如圖3所示。

圖3 高溫敏感電量示意圖

同樣，冬季敏感負荷在-15～5℃之間，也呈現(xiàn)出較為明顯的增加趨勢，如圖4所示。

圖4 低溫敏感電量示意圖

1.3 氣溫與售電量關系

分析氣象臺提供的夏季（冬季）每日最高（低）氣溫及每天售電量發(fā)行數據，發(fā)現(xiàn)二者曲線有著極高擬合度（反向擬合度）［4］，如圖5、圖6所示。

將氣溫及電量曲線進行趨勢分析及線性回歸方程模擬，發(fā)現(xiàn)二者在一個氣溫區(qū)間存在近似線性關系。根據歷年統(tǒng)計數據，計算出每一氣溫對應的平均日電量，以氣溫為自變量，電量為因變量，進行線性回歸分析［5］。直線趨勢方程的一般公式為

圖5 夏季每日最高氣溫與每日售電量走勢

圖6 冬季每日最低氣溫與每日售電量走勢

利用最小二乘法對參數進行估計：

式中：x為序列中指標所屬的氣溫；a為截距；b為系數；Y為某氣溫對應的日電量；n為數組數。

以氣溫x為自變量，建立線性趨勢模型y=f（x），由公式（2）分別求a、b值，可以得到氣溫與售電量的線性方程。

高溫分析。應用DPS數據處理系統(tǒng)及EXCEL回歸分析工具進行高溫電量分析，得到氣溫與電量相關系數及回歸方程，相關系數為0.93，高度相關。在20～40℃區(qū)間，氣溫與電量之間存在高度正相關關系，回歸方程為y=16.46x+171.4。35～37℃區(qū)間內，受到敏感負荷影響，電量提升明顯加速，但基本服從線性相關關系，如圖7所示。

低溫分析。應用回歸分析工具進行低溫負荷分析，得到氣溫與電量相關系數為-0.86，為高度相關，多重判定系數為0.74。在-15～15℃區(qū)間，氣溫與電量之間存在高度負相關關系，回歸方程為y=-11.79x+ 783.6?；貧w分析曲線如圖8所示。

圖7 夏季氣溫—售電量曲線

圖8 冬季氣溫—售電量曲線

隨著空調降溫負荷及制暖負荷的增大，氣溫成為影響用電負荷的重要因素，供電部門通過參考氣象部門提供的氣象預報，對電量進行中短期增長預測，以確保電網安全運行。

2 抄表時間與售電量關系

售電量表計為輪流抄表，存在高壓、低壓售電量抄表時間不一致的情況，引起自然月發(fā)生的售電量與發(fā)行結算收費的售電量不對應，因此售電量預測和分析、線損率統(tǒng)計和分析都需要充分考慮抄表時間因素。

2.1 抄表例日

圖9 8—10月份日售電量

以國網山東省濟南市歷城區(qū)供電公司為例，目前客戶26萬戶，其中高壓客戶0.4萬戶，低壓客戶25.6萬戶。由于抄表、收費量大，采用高壓用戶每月15日抄表；低壓用戶分單、雙月戶抄表，抄表例日為每月1日。

以2016年8—10月為例，負荷走勢如圖9所示，抄表區(qū)段如表1所示。

表1 10月份抄表區(qū)段分布表

可知，10月份抄表所得售電量跨越3個月，8—10月份存在較為明顯的負荷差，造成了統(tǒng)計售電量的失真。10 kV及以上高壓用戶抄表周期為9月15日至10月 15日，包含了 9月下旬負荷高峰期；0.4 kV低壓用戶10月份為雙月戶抄表，實際結算電費日期為8月1日至10月1日，包含了8月份的負荷高峰期，造成10月份發(fā)行售電量高出10月自然月售電量。

2.2 月售電量數據模型

應用10月份數據進行分析，各指標取值公式為

式中：G為日供電量；F為當日平均負荷（為已知量）；S為日售電量；L為綜合線損率；J為基礎電量，取500萬kWh；α為負荷提高系數；DS為日低壓售電量；DSd為低壓單月抄用戶日電量；DSS為低壓單月抄用戶日電量。根據公式（4），測算得到8—10月份每日售電量及不同電壓等級對應的售電量，如表2所示。

由電量構成表測算：自然月售電量為 18 803萬kWh，由所有用戶10月1日零點到11月1日零點抄見電量；而測算發(fā)行售電量為19 428萬kWh，由10 kV高壓用戶9月15日零點至10月15日零點抄見電量加上低壓雙月抄表用戶8月1日零點至10月1日零點抄見電量，測算發(fā)行售電量比自然月售電量多出625萬kWh，偏差率3.3%。由營銷系統(tǒng)查詢10月份實際發(fā)行售電量為19 434萬kWh，測算發(fā)行售電量與實際發(fā)行售電量偏差僅為0.04%。

表2 2016年8—10月份售電量構成表 萬kWh

若在負荷差較大的月份，如4月、9月，發(fā)行售電量與自然月售電量的偏差更大，偏差率可達10%，此時售電量超出供電量，則會出現(xiàn)負線損的異?，F(xiàn)象。因此在合理預測、分析售電量及計算線損率時，應充分考慮抄表時間的影響。

3 結語

因為氣溫敏感負荷的存在，每日售電量會隨溫度變化有規(guī)律的變化，而不同電壓等級用戶抄表時間的不同步造成發(fā)行售電量與自然月售電量的偏差。目前天氣預報可提前15～30天發(fā)布，可以根據電量與溫度相關關系測算日后15～30天的日售電量；同時根據抄表特性可知，10 kV用戶抄表時間比自然月提前了15天，低壓抄表時間比自然月提前了30天，應用平均負荷、低壓售電量占比、負荷提高系數等數據及推導關系，快速得到需要的數據，從而可以提前30～45天對月度發(fā)行售電量的開展預測，預測準確率最高可達99.96%。

該預測模型需要建立在氣溫預測的基礎上開展，目前氣溫預測在短期內比較準確，但長期預測難度較大、準確性較差，隨著物聯(lián)網、大數據、云計算等先進技術的引入，氣象預報越來越提前和可靠，更加有助于開展日售電量的預測。而售電量變化并非僅僅與氣溫和抄表時間有關，隨著我國經濟轉型升級，用電結構及經濟形勢對用電影響越來越大，日后還要充分結合用電結構及經濟形勢期望指數開展更加準確、合理的預測分析。

［1］肖國泉，王春，張福偉.電力負荷預測［M］.北京：中國電力出版社，2001.

［2］朱振偉，方鴿飛，王國福，等.電網夏季氣象敏感負荷特性分析［J］.華東電力，2008，36（9）：53-58.

［3］忻建華，翟海青，葛佳男，等.上海市用電負荷與溫度敏感系數［J］.華東電力，2012，40（10）：1 754-1 758.

［4］李英惠，胥 超.基于時間序列模型的售電量預測方法［J］.山東電力技術，2014，41（6）：56-59.

［5］彭鵬，彭佳紅.基于多元線性回歸模型的電力負荷預測研究［J］.中國安全生產科學技術，2011，7（9）：158-161.

Analysis of the Influence of Temperature and Reading Time on Electricity Sales

XU Chao1，LI Yinghui2，YU Baijian3，ZHANG Jian1，WAN Xu1
（1.State Grid Licheng Power Supply Company，Jinan 250100，China；2.State Grid Jinan Power Supply Company，Jinan 250012，China；3.State Grid Shandong Electric Power Company，Jinan 250001，China）

There are many factors affecting the sales of electricity sales，of which the temperature，meter reading time，known as affecting electricity sales dual factors，have the most significant impact on the electricity sales.Through the statistical analysis of historicaldata，theinfluenceoftemperatureandreadingtimeontheelectricitysalesanalyzedindetail，andthemethodof forecasting the electricity sales is illustrated，which provides an effective basis for making operating indicators and operating decisions.

electricity sales；air temperature；regression analysis；meter reading day

TM732

A

1007－9904（2017）01－0041－05

2016-11-28

胥 超（1984），男，統(tǒng)計師，從事統(tǒng)計分析工作。