王 威，王 波，何 宇，張 興

（1．國網(wǎng)浙江省電力有限公司寧波供電公司，浙江 寧波 315000；2．浙江優(yōu)能電力設(shè)計有限公司，浙江 寧波 315100）

0 引言

常規(guī)的負(fù)荷預(yù)測方法有趨勢分析法、回歸分析法、指數(shù)平滑法、神經(jīng)網(wǎng)絡(luò)法、灰色模型法、負(fù)荷密度法和彈性系數(shù)法等[1-6]，這些方法只能給出一個總的預(yù)測值，不能體現(xiàn)負(fù)荷各組成部分的貢獻(xiàn)和影響。

影響電網(wǎng)最大負(fù)荷的因素包括直接因素和間接因素，氣象、用戶業(yè)擴(kuò)報裝是直接影響因素，經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平是間接影響因素。目前，對電網(wǎng)最大負(fù)荷預(yù)測的研究主要集中在間接因素和氣象對最大負(fù)荷的影響上[7-14]，綜合考慮氣象和用戶業(yè)擴(kuò)報裝對最大負(fù)荷的影響并進(jìn)行定量分析的研究較少。

基于寧波地區(qū)電網(wǎng)的負(fù)荷特性，綜合考慮氣溫、用戶業(yè)擴(kuò)報裝等歷史數(shù)據(jù)，建立最大負(fù)荷預(yù)測模型，采用負(fù)荷分解和灰色理論相結(jié)合的方法，對最大負(fù)荷組成分量進(jìn)行預(yù)測，最終得到最大負(fù)荷的總預(yù)測值。

1 負(fù)荷特性分析

科學(xué)、規(guī)范的負(fù)荷特性指標(biāo)是電力負(fù)荷特性研究的基礎(chǔ)。由于負(fù)荷特性指標(biāo)數(shù)量較多，此處選取年負(fù)荷曲線、尖峰負(fù)荷分布、最大負(fù)荷日曲線這3個與最大負(fù)荷緊密相關(guān)的指標(biāo)進(jìn)行分析。

（1）年負(fù)荷曲線。

圖1為寧波電網(wǎng)2012—2016年的年負(fù)荷曲線變化趨勢圖。從圖1可以看出：寧波電網(wǎng)負(fù)荷呈逐年遞增趨勢，負(fù)荷的周期性與夏熱冬冷、四季分明的氣候特征緊密聯(lián)系，各年的年負(fù)荷曲線總體趨勢基本一致；受到氣候環(huán)境的影響比較明顯，年最大負(fù)荷基本出現(xiàn)在夏季7月、8月，春秋兩季負(fù)荷明顯偏低，冬季負(fù)荷有所回升；年最大負(fù)荷的最小值一般出現(xiàn)在春、秋季，因為此時無季節(jié)性的空調(diào)降溫負(fù)荷和取暖負(fù)荷，電網(wǎng)負(fù)荷主要由工業(yè)負(fù)荷等基礎(chǔ)負(fù)荷構(gòu)成。寧波電網(wǎng)年負(fù)荷曲線呈現(xiàn)出典型的夏季高峰型負(fù)荷特性。

圖1 寧波電網(wǎng)2012—2016年的年負(fù)荷曲線

（2）尖峰負(fù)荷分布。

圖2為寧波電網(wǎng)2012—2017年下限比例為90%的尖峰負(fù)荷月份分布情況。由圖2可以看出：尖峰負(fù)荷全部分布在6月、7月、8月，7月、8月累計頻次占了絕大多數(shù)。

圖2 寧波電網(wǎng)2012—2017年下限比例為90%的尖峰負(fù)荷月份分布

圖3為2012—2017年90%下限比例的尖峰負(fù)荷時刻分布情況。由圖3可以看出：尖峰負(fù)荷全部分布在8:00—17:00，整體分布大體一致；有2個明顯的負(fù)荷高峰，一個在10:00—11:00，一個在 13:00—15:00。

（3）最大負(fù)荷日。圖4為2012—2017年最大負(fù)荷日的負(fù)荷曲線。由圖4可以看出：各年最大負(fù)荷日的負(fù)荷分布基本變化不大，負(fù)荷特性比較穩(wěn)定；有3個負(fù)荷高峰，分別在10:00—11:00，13:00—15:00，20:00—23:00，其中晚間負(fù)荷高峰要明顯低于前2個；負(fù)荷低谷出現(xiàn)在凌晨4:00—6:00。

圖3 寧波電網(wǎng)2012—2017年下限比例為90%的尖峰負(fù)荷時刻分布

圖4 寧波電網(wǎng)2012—2017年最大負(fù)荷日的負(fù)荷曲線

從以上分析可知，在夏季炎熱且持續(xù)高溫的地區(qū)，空調(diào)負(fù)荷已經(jīng)成為夏季電網(wǎng)負(fù)荷屢創(chuàng)新高和影響其負(fù)荷波動的主要原因之一。另外，用戶（尤其是大用戶）業(yè)擴(kuò)報裝對電網(wǎng)最大負(fù)荷的影響也不可忽視。準(zhǔn)確地把握地區(qū)電網(wǎng)夏季空調(diào)負(fù)荷變化規(guī)律，掌握大用戶的報裝容量、投產(chǎn)計劃對電網(wǎng)的規(guī)劃及運行具有重要意義。

2 氣溫對負(fù)荷的影響分析

空調(diào)負(fù)荷具有明顯的季節(jié)性特征，對氣象因素的變化非常敏感，影響負(fù)荷變化的氣象因素包括氣溫、濕度、風(fēng)速、降水等，其中以氣溫的影響最大。

此處采用回歸方法分析最大負(fù)荷與氣溫的關(guān)系。最大負(fù)荷與氣溫的敏感性分析中，氣溫因子一般選取最高氣溫、最低氣溫和平均氣溫。氣溫因子相當(dāng)于回歸分析法中的可控變量，最大負(fù)荷是依賴于氣溫因子的隨機(jī)變量?；诨貧w分析方法的空調(diào)負(fù)荷與氣溫的敏感性分析步驟如下。

（1）最大負(fù)荷Pmax對應(yīng)于回歸模型中的Y，日最高氣溫Tmax、日最低氣溫Tmin和日平均氣溫Tave對應(yīng)于回歸模型中的X，對X和Y用一元線性回歸模型進(jìn)行擬合，求得擬合相關(guān)系數(shù)。

（2）求得回歸模型后，將 Tmax、 Tmin和 Tave的預(yù)測值代入模型，即可獲得相應(yīng)的預(yù)測最大負(fù)荷值Pmax，進(jìn)而分析出Pmax跟隨Tmax、Tmin和Tave的變化規(guī)律。

以2017年6—9月的最大負(fù)荷及氣溫數(shù)據(jù)（表 1）為基礎(chǔ)， 對 Pmax與 Tmax、 Tmin、 Tave進(jìn)行一元線性回歸分析，其關(guān)系如下：

分析結(jié)果表明，最大負(fù)荷與日最高氣溫、日最低氣溫和日平均氣溫的相關(guān)系數(shù)分別為0.866，0.832，0.876，均超過0.8，為強(qiáng)相關(guān)，在3個氣溫因子中，最大負(fù)荷與日平均氣溫的相關(guān)性最強(qiáng)，能夠較好地反映負(fù)荷的變化。

表1 寧波電網(wǎng)2012—2017年6—9月工作日平均氣溫與最大負(fù)荷關(guān)系

從表1可以看出，2012—2017年6—9月的平均氣溫下限在20.5～21.5℃，上限在31.5～35℃，最大負(fù)荷和夏季平均氣溫的相關(guān)性越來越高。

3 基于負(fù)荷分解的負(fù)荷預(yù)測算法

年最大負(fù)荷Pmax可分解為基礎(chǔ)負(fù)荷分量Pbase、最大空調(diào)負(fù)荷分量Pairc，其中基礎(chǔ)負(fù)荷分量Pbase又包含Pbase1和Phis兩部分。Pbase1反映負(fù)荷在較長持續(xù)時間內(nèi)的某種總發(fā)展動向，具有一定的趨勢性，波動范圍較小，假設(shè)按一定的自然增長率增長；Phis為歷史報裝用戶年累積釋放負(fù)荷分量，與行業(yè)性質(zhì)、已投產(chǎn)時間有關(guān)。最大空調(diào)負(fù)荷分量Pairc除了與溫度緊密相關(guān)外，自身還以一定自然增長率增長。

可用以下公式對最大負(fù)荷進(jìn)行預(yù)測：

式中：ΔPmax為預(yù)測年最大負(fù)荷的增量部分；rb為Pbase1的自然增長率；ra為Pairc的自然增長率。

3.1 歷史報裝用戶年累積釋放負(fù)荷分量

此部分負(fù)荷包括兩部分：一部分是今年報裝設(shè)備投運引起的負(fù)荷增長，另一部分是歷史年報裝設(shè)備在今年投運引起的負(fù)荷增長。

有些用戶特別是大的工商業(yè)用戶用電設(shè)備一次性建設(shè)完畢，分階段投運。為簡便起見，可認(rèn)為是按年投運，一般第一年不會完全投產(chǎn)，而是投產(chǎn)容量逐年增高，投產(chǎn)的第3年可以認(rèn)為全部投產(chǎn)。

求出歷史報裝用戶年累積釋放負(fù)荷分量后，用灰色模型對未來年的值進(jìn)行預(yù)測。

3.2 最大空調(diào)負(fù)荷分量

先用最大負(fù)荷比較法從歷史年最大負(fù)荷中測算出最大空調(diào)負(fù)荷，再利用灰色模型進(jìn)行未來年的最大空調(diào)負(fù)荷預(yù)測。

歷史年最大空調(diào)負(fù)荷測算步驟如下：

（1）確定比較的月份。

一般選取空調(diào)負(fù)荷最大的月份，也即第三季度（夏季）最大負(fù)荷對應(yīng)的月份。通過對寧波的負(fù)荷特性進(jìn)行分析，最大負(fù)荷一般發(fā)生在每年的7月或8月的10:00—15:00，因此選擇7月和8月間的最大負(fù)荷發(fā)生日作為最大負(fù)荷典型日進(jìn)行比較；選取4月的日最高氣溫不高于25℃且最低氣溫不低于15℃的工作日作為無降溫負(fù)荷典型日進(jìn)行比較，若無降溫負(fù)荷典型日有多個，可將各典型日負(fù)荷值的平均值作為典型日負(fù)荷進(jìn)行比較。

（2）確定比較時段。

考慮到寧波地區(qū)電網(wǎng)的負(fù)荷特性，在進(jìn)行比較時，選取無降溫負(fù)荷典型日中與7月或8月最大負(fù)荷典型日中出現(xiàn)最大負(fù)荷同一時點的負(fù)荷值進(jìn)行比較。

（3）考慮增量的影響。

由于用電需求一直在增長，必須考慮這個過程中新增負(fù)荷（即比較期內(nèi)歷史報裝用戶累積釋放負(fù)荷分量）的影響，故在所估算出的最大空調(diào)負(fù)荷中還應(yīng)減去比較期內(nèi)歷史報裝用戶累積釋放負(fù)荷分量的影響。

（4）最大空調(diào)負(fù)荷測算。

由于工作日和休息日的用電結(jié)構(gòu)以及用電負(fù)荷存在較大差異，寧波市工作日的用電負(fù)荷要高于休息日的用電負(fù)荷，因此主要測算工作日的最大空調(diào)負(fù)荷。最大負(fù)荷日和4月典型日的負(fù)荷之差：

式中：ΔPhis為2個比較日時間段內(nèi)歷史報裝用戶累積釋放負(fù)荷分量，此處假定了2個比較日時間段內(nèi)的基礎(chǔ)負(fù)荷保持不變。

3.3 基礎(chǔ)負(fù)荷分量

用歷史年4月典型日負(fù)荷數(shù)據(jù)和歷史報裝用戶年累積釋放負(fù)荷分量數(shù)據(jù)可求出基礎(chǔ)負(fù)荷分量中Pbase1部分的自然增長率，最后結(jié)合歷史報裝用戶年累積釋放負(fù)荷分量預(yù)測值對未來年的基礎(chǔ)負(fù)荷分量進(jìn)行預(yù)測。

4 最大負(fù)荷預(yù)測實例分析

4.1 歷史報裝用戶年累積釋放負(fù)荷分量預(yù)測

4.1.1 報裝用戶累積釋放容量

寧波電網(wǎng)一產(chǎn)、二產(chǎn)、三產(chǎn)及城鄉(xiāng)居民生活歷史年報裝容量見表2。

表2 寧波電網(wǎng)2012—2017年報裝容量

可以按行業(yè)性質(zhì)、投運時間統(tǒng)計用戶的負(fù)荷情況，求取階段投產(chǎn)系數(shù)。一產(chǎn)、二產(chǎn)、三產(chǎn)、居民生活用戶階段投產(chǎn)系數(shù)經(jīng)驗值見表3。

表3 階段投產(chǎn)系數(shù)取值

考慮階段投產(chǎn)系數(shù)后，折算到每一年的投運容量見表4。

表4 折算后的報裝用戶累積釋放容量

4.1.2 報裝用戶累積釋放負(fù)荷

負(fù)荷轉(zhuǎn)化系數(shù)與同時率、用戶備用容量等因素有關(guān)，負(fù)荷轉(zhuǎn)化系數(shù)可以由以下2種方法得到：一種是基于新增用戶的新增容量和預(yù)計新增用電量數(shù)據(jù)，此方法由于新增容量可能沒完全釋放，結(jié)果會比實際值略微偏??；另一種是基于歷史年總的報裝容量和歷史年4月典型日平均負(fù)荷數(shù)據(jù)，此種方法受階段投產(chǎn)系數(shù)的影響。

基于寧波22家二產(chǎn)用戶、21家三產(chǎn)用戶新增容量和預(yù)計新增用電量數(shù)據(jù)，得到二產(chǎn)用戶負(fù)荷轉(zhuǎn)化系數(shù)在0.20～0.79，平均值為0.30；三產(chǎn)用戶負(fù)荷轉(zhuǎn)化系數(shù)在0.17～0.35，平均值為0.27。

利用歷史年總的報裝容量和歷史年4月典型日平均負(fù)荷，求出的負(fù)荷轉(zhuǎn)化系數(shù)在0.292～0.366。

假設(shè)二產(chǎn)和三產(chǎn)投運容量占比和負(fù)荷轉(zhuǎn)化系數(shù)成線性關(guān)系，得到負(fù)荷轉(zhuǎn)化系數(shù)后，用所求取的報裝用戶累積釋放容量乘以負(fù)荷轉(zhuǎn)化系數(shù)就得到累積釋放負(fù)荷（表5）。然后，采用等維遞補(bǔ)灰色預(yù)測方法，對歷史報裝用戶年累積釋放負(fù)荷分量進(jìn)行預(yù)測，平均相對誤差為0.593%。為表征單位時間累積釋放負(fù)荷分量，引入日釋放強(qiáng)度ks的概念：ks=Phis/365。

表5 歷史報裝用戶年累積釋放負(fù)荷分量

寧波地區(qū)歷史報裝用戶年累積釋放負(fù)荷分量從2015年開始比較穩(wěn)定，呈逐年小幅下降趨勢，2015—2017年的增長率分別為－10.54%，1.25%，－1.42%。2018—2020年的預(yù)測值分別為 808.10 MW，801.36 MW，801.04 MW，增長率分別為0.36%，－0.83%，－0.04%，年平均增長率為－0.17%。

4.2 最大空調(diào)負(fù)荷分量預(yù)測

按第3節(jié)介紹的方法求寧波最大負(fù)荷分量。

寧波電網(wǎng)2012—2017年需比較的典型日負(fù)荷情況見表6。

表6 寧波電網(wǎng)2012—2017年需比較的典型日負(fù)荷情況

寧波電網(wǎng)2014—2017年比較期內(nèi)歷史報裝用戶年累積釋放負(fù)荷分量見表7。

表7 寧波電網(wǎng)2014—2017年比較期內(nèi)歷史報裝用戶年累積釋放負(fù)荷分量

寧波最大空調(diào)負(fù)荷歷史值及預(yù)測值見表8，最大空調(diào)負(fù)荷占比呈遞增趨勢，由2014年的22.92%增加至2017年的28.12%。求出歷史年的最大空調(diào)負(fù)荷后，采用等維遞補(bǔ)灰色預(yù)測方法，對最大空調(diào)負(fù)荷進(jìn)行預(yù)測，平均相對誤差為0.315%。

寧波地區(qū)最大空調(diào)負(fù)荷分量呈逐年遞增趨勢，2015—2017年的增長率分別為22.76%，10.04%，11.44%。2018—2020年的預(yù)測值分別為3 925.61 MW，4 354.03 MW，4 828.89 MW，增長率分別為10.46%，10.91%，10.91%，年平均增長率為10.76%。

表8 寧波電網(wǎng)最大空調(diào)負(fù)荷分量預(yù)測值

4.3 基礎(chǔ)負(fù)荷分量預(yù)測

4月典型日對應(yīng)的平均負(fù)荷減去歷史報裝用戶年累積釋放負(fù)荷分量，剩余負(fù)荷為基礎(chǔ)負(fù)荷分量Pbase1部分，平均自然增長率為0.517%，見表9。

表9 寧波電網(wǎng)2014—2017年基礎(chǔ)負(fù)荷分量

求出Pbase1自然增長率后，再結(jié)合歷史報裝用戶年累積釋放負(fù)荷分量預(yù)測值，可以對基礎(chǔ)負(fù)荷分量進(jìn)行預(yù)測。

寧波地區(qū)基礎(chǔ)負(fù)荷分量呈逐年遞增趨勢，2015—2017年的增長率分別為－5.83%，11.40%，9.81%。2018—2020年的預(yù)測值分別為9 691.01 MW，10 542.47 MW，11 398.02 MW，增長率分別為9.66%，8.79%，8.12%，年平均增長率為8.85%。

表10 寧波電網(wǎng)基礎(chǔ)負(fù)荷分量預(yù)測值

4.4 年最大負(fù)荷值預(yù)測

年最大負(fù)荷預(yù)測值見表11。寧波地區(qū)最大統(tǒng)調(diào)負(fù)荷呈逐年遞增趨勢，2013—2017年的增長率分別為11.32%，3.66%，0.75%，10.28%，10.42%。負(fù)荷預(yù)測值以2018年為例，預(yù)測的最大統(tǒng)調(diào)負(fù)荷為13 616.62 MW，同比增長7.76%。其中，基礎(chǔ)負(fù)荷分量中的Pbase1為8 882.91 MW，占2018年最大負(fù)荷的65%；最大空調(diào)負(fù)荷分量Pairc為3 925.61 MW，同比增長10.46%，占2018年最大負(fù)荷的29%；歷史報裝用戶年累積釋放負(fù)荷分量為808.10 MW，同比增長0.36%，占2018年最大負(fù)荷的6%?？照{(diào)負(fù)荷增長最快，預(yù)測結(jié)果與前面最大負(fù)荷和夏季平均氣溫的相關(guān)性越來越高的結(jié)論一致，說明空調(diào)負(fù)荷對電網(wǎng)最大負(fù)荷的影響越來越大。

表11 寧波電網(wǎng)最大負(fù)荷預(yù)測值

由以上的計算過程可知，歷史報裝用戶年累積釋放負(fù)荷分量、最大空調(diào)負(fù)荷分量隨階段投產(chǎn)系數(shù)和負(fù)荷轉(zhuǎn)化系數(shù)的變化而變化，負(fù)荷轉(zhuǎn)化系數(shù)由歷史報裝數(shù)據(jù)和歷史運行數(shù)據(jù)所得，可信度較高，因此預(yù)測誤差主要來源于階段投產(chǎn)系數(shù)?？梢?，掌握大用戶的報裝容量和投產(chǎn)計劃是做好負(fù)荷預(yù)測的關(guān)鍵步驟。

5 結(jié)語

影響電網(wǎng)負(fù)荷的因素有很多，傳統(tǒng)的負(fù)荷預(yù)測方法只能給出一個總的預(yù)測值，不能分析最大負(fù)荷的組成，更不能體現(xiàn)各組成部分的貢獻(xiàn)和影響。文中分析了寧波電網(wǎng)的負(fù)荷特性和氣溫對最大負(fù)荷的影響，建立了包括基礎(chǔ)負(fù)荷分量、最大空調(diào)負(fù)荷分量和歷史報裝用戶年累積釋放負(fù)荷分量的電網(wǎng)最大負(fù)荷預(yù)測模型，采用灰色理論對各負(fù)荷分量進(jìn)行預(yù)測，最后對寧波最大負(fù)荷進(jìn)行預(yù)測。結(jié)果表明，該模型能準(zhǔn)確把握氣溫和用戶業(yè)擴(kuò)報裝對電網(wǎng)最大負(fù)荷的影響程度，有效改善負(fù)荷預(yù)測精度，為電網(wǎng)的規(guī)劃和運行提供借鑒。