楊思琪

摘 要：隨著經(jīng)濟(jì)的快速發(fā)展和人民生活水平的不斷提高，電力負(fù)荷也保持較快的增長，特別是空調(diào)使用量的增加對供電可靠性的要求越來越高。本文通過對電力負(fù)荷與溫度的大數(shù)據(jù)運(yùn)用，找出其內(nèi)在相關(guān)性，從而進(jìn)一步認(rèn)識和掌握電力負(fù)荷的變化規(guī)律，更加有針對性的預(yù)測夏冬兩季電力負(fù)荷走勢，為居民安全可靠用電提供理論參考。

關(guān)鍵詞：空調(diào)負(fù)荷;負(fù)荷特性;可靠用電;電力大數(shù)據(jù);負(fù)荷預(yù)測

暑假，在參加社會實(shí)踐活動時，我們幾個同學(xué)奔波在街頭熱汗淋漓，等好不容易忙完沖回家，卻突然發(fā)現(xiàn)停電了。我一問其它同學(xué)發(fā)現(xiàn)他們對家里空調(diào)時而因停電帶來的生活不便，也都充滿了苦惱。于是我產(chǎn)生了對生活用電方面情況進(jìn)行研究的一個想法。我把想法告訴父親后，父親很支持我，說道：知識來源于生活。在他的帶領(lǐng)下，通過走訪電力用戶、收集用電負(fù)荷及相關(guān)氣溫數(shù)據(jù)，分析原因，找出規(guī)律，并經(jīng)過指導(dǎo)科學(xué)測算，讓我既學(xué)到了新的知識，又對數(shù)理化學(xué)科的書本知識領(lǐng)悟了許多。

夏冬兩季是空調(diào)運(yùn)行的高峰期，安全可靠供電對每一個居民來說尤為重要，特別在夏季夜晚更為明顯，這就給電力企業(yè)安全穩(wěn)定供電帶來了一定的壓力。目前，故障跳閘停電、拉閘限電事件時有發(fā)生，這樣的停電事件哪怕經(jīng)過短時間的搶修都能恢復(fù)，但仍然對居民正常生產(chǎn)生活造成了不可估量的損失。通過此次調(diào)查研究結(jié)果，方便居民用戶及時了解不同季節(jié)的電力供需情況，也為電力企業(yè)在安全穩(wěn)定高效規(guī)劃電力供應(yīng)方面提供一點(diǎn)參考。

一、分析相關(guān)性的方法

為了準(zhǔn)確確定溫度對電力負(fù)荷的影響，有必要分析它們之間的相關(guān)性，這主要分為兩部分，一部分是溫度不敏感負(fù)荷，一部分是溫度敏感負(fù)荷。工業(yè)負(fù)荷和城鄉(xiāng)基本電力負(fù)荷是溫度不敏感負(fù)荷，也就是生產(chǎn)和生活的基本負(fù)荷，這部分不受季節(jié)天氣的影響;溫度敏感負(fù)荷是冷熱負(fù)荷，這部分負(fù)荷受季節(jié)天氣的影響很大。相關(guān)分析主要基于溫度敏感負(fù)荷。在描述最大負(fù)荷與溫度的關(guān)系時，分別采用Y、TMAX和Tmin，三者的相關(guān)系數(shù)用B表示。具體計算如下：

y=a+b（tmax- tmin）

Y是最大負(fù)荷，A是溫度不敏感的負(fù)荷（常數(shù)），B是溫度敏感系數(shù)（常數(shù)），Tmax是一天中最高的溫度，Tmin是一天中最低的溫度;B（Tmax- Tmin）構(gòu)成溫度敏感負(fù)荷。計算后，對計算結(jié)果B進(jìn)行了分析，計算值是正的，表明兩者正相關(guān)，反之亦然。載荷的絕對值越小，預(yù)測精度越高。

二、分析過程

（一） 處理數(shù)據(jù)

因涉及電力企業(yè)保密相關(guān)要求，本文以湖北省宜昌地區(qū)為例，分析了2016年電力負(fù)荷和氣溫資料它們之間的相關(guān)性。宜昌電網(wǎng)日負(fù)荷曲線可分為峰、平、谷三個部分。夏天峰段通常是7：30-9：30，20：00-22：30，谷段為3：00-6：30，17：00-18：00，其余時間為平段;冬天峰段為8：00-10：00，18：00-21：00，谷段為2：00-7：30，12：00-14：00，其余的時間為平段。

2016年，四季中夏季是用電負(fù)荷最大的。宜昌的天氣從7月中旬開始，就特別的熱，7月25日這天的最高氣溫達(dá)到37.9度，電力負(fù)荷持續(xù)上升。當(dāng)日最大電力負(fù)荷275.93萬千瓦，26日，最大功率負(fù)荷為276.64萬千瓦，日用電量為5923萬度。最大的用電負(fù)荷和日用電量已達(dá)到歷史最高水平。最小的用電負(fù)荷與往年是一樣的，都出現(xiàn)在二月，因?yàn)槎稼s上春節(jié)期間。

本文選擇了春夏秋冬四季的典型用電情況，并根據(jù)相關(guān)負(fù)荷和溫度繪制曲線如下：

從以上的兩幅圖以及電力負(fù)荷大數(shù)據(jù)可以總結(jié)出，宜昌電力平均負(fù)荷約180萬千瓦。冬季和夏季的平均負(fù)荷較高。春秋季平均負(fù)荷相對較小，主要受冷熱負(fù)荷影響。溫度和平均負(fù)荷在變化規(guī)律上表現(xiàn)出相同的趨勢。根據(jù)春秋季的平均氣溫，夏季氣溫上升最多，平均負(fù)荷最大;冬季氣溫僅在夏季之后下降，所以平均用電負(fù)荷要比夏季低，但冬季和夏季的用電負(fù)荷明顯要高于春季和秋季兩個季節(jié)。因?yàn)樗鼈兦€的形狀比較相似，為了判定的準(zhǔn)確性，因此需要對它們相關(guān)的系數(shù)計算出來。

（二） 計算系數(shù)

12.5℃是春季和秋季的平均溫度，以這個溫度作為標(biāo)準(zhǔn)，春季和秋季的平均負(fù)荷接近四季180萬千瓦的平均負(fù)荷（春季173萬千瓦，秋季182萬千瓦）。計算結(jié)果列于下表。

根據(jù)上表，可以看出夏季（7月）和冬季（1月）的平均負(fù)荷和平均溫度相關(guān)最大，即當(dāng)夏季和冬季的平均溫度超過12.5攝氏度或低于12.5攝氏度時，平均負(fù)荷在180萬千瓦的基礎(chǔ)上增加2.56萬千瓦。對比分析2014年和2015年的結(jié)果來保證結(jié)果的準(zhǔn)確性。對比計算出來的結(jié)果跟2016年的結(jié)果是一樣的。由此可以看出，季節(jié)的平均溫度是影響平均功率負(fù)荷的主要因素。

三、夏季氣溫變化與電力最大負(fù)荷的關(guān)系

（一）模型擬合

把最大載荷分為兩部分：一種是溫度不敏感負(fù)荷，一種是溫度敏感負(fù)荷。以此來更加地確定上述的兩種變化，具體的公式如下：

y= a+b（tmax- tmin）

最大負(fù)荷是y，溫度不敏感負(fù)荷是a，溫度敏感系數(shù)是b，一天中的最高溫度是Tmax，一天中的最低溫度是Tmin，B（Tmax-Tmin）是溫度敏感負(fù)荷，是總負(fù)荷的關(guān)鍵。

（二）靈敏度分析

根據(jù)上述公式，2016年7月和8月溫度高于34度的平均當(dāng)天用電負(fù)荷為210萬千瓦，即溫度不敏感負(fù)荷A是常數(shù)210?？梢杂嬎愠鲎畲箅娏ω?fù)荷的增加，即靈敏度。具體如下表所示：

單位：負(fù)荷/萬千瓦，溫度/℃

通過大量的數(shù)據(jù)分析和計算，發(fā)現(xiàn)當(dāng)溫度敏感系數(shù)B為5.4時，計算得到的最大載荷與實(shí)際最大載荷的絕對偏差最小，不超過3，說明該公式符合實(shí)際預(yù)測情況，即

y=210+5.4 *（tmax -Tmin）

四、結(jié)語

由于夏季處于用電高峰期，為了保證供電的可靠性，可以采用數(shù)學(xué)模型對其進(jìn)行模擬，有效預(yù)測并提前采取相應(yīng)措施。確保居民用電量最大化。為了保證分析結(jié)果的準(zhǔn)確性，下一步應(yīng)繼續(xù)探索分析判斷的方法，優(yōu)化和改進(jìn)原有的方法，結(jié)合2017年的最新數(shù)據(jù)，繼續(xù)利用大數(shù)據(jù)的優(yōu)勢解決實(shí)際問題。

參考文獻(xiàn)

[1] 葛斐，榮秀婷，石雪梅，楊欣，李周.基于經(jīng)濟(jì)、氣象因素的安徽省年最大負(fù)荷預(yù)測方法研究[J].中國電力，2015（48）.

[2] 趙娜，石玉恒，李乃杰，沈建紅.溫濕變化對北京城區(qū)氣象敏感電力負(fù)荷的影響分析[J]. 中國電力，2017（50）.

[3] 王德文，孫志偉.電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測[J].中國電機(jī)工程學(xué)報，2015（35）.

[4]馬瑞，周謝，彭舟，劉道新，徐慧明，王軍，王熙亮.考慮氣溫因素的負(fù)荷特性統(tǒng)計指標(biāo)關(guān)聯(lián)特征數(shù)據(jù)挖掘[J].中國電機(jī)工程學(xué)報，2015（35）.

[5] 全思平，吳浩.基于數(shù)據(jù)挖掘技術(shù)的短期電力負(fù)荷預(yù)測[J]. 電力信息與通信技術(shù)，2014（12）.

[6] 江櫻，王志強(qiáng)，戴波.基于大數(shù)據(jù)的居民用電消費(fèi)習(xí)慣研究與分析[J].電力信息與通信技術(shù)，2015（13）.

[7] 唐學(xué)用，萬會江，葉航超，李慶生，鐘以林.貴州統(tǒng)調(diào)電網(wǎng)典型日負(fù)荷特性分析與預(yù)測[J].中國電力，2015，48（9）：24-30.

[8] 張玲玲，楊明玉，梁武.微網(wǎng)用戶短期負(fù)荷預(yù)測相似日選擇算法[J].中國電力，2015，48（4）：156-160.

[9] 趙慧材，陳躍輝，陳瑞先，彭子揚(yáng).結(jié)合模糊粗糙集和支持向量機(jī)的電力負(fù)荷短期預(yù)測方法[J].中國電力，2015，48（2）：45-48.

[10] 肖欣，周渝慧，張寧，韓新陽，薛萬磊，唐鑫，尹立.城鎮(zhèn)化進(jìn)程與電力需求增長的關(guān)系研究[J].中國電力，2015，48（2）：145-149.

[11] 張宇航，邱才明，賀興，凌澤南，石鑫.一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負(fù)荷預(yù)測方法[J].電力信息與通信技術(shù)，2017，15（9）：19-25.