王 寶, 馬 靜, 葉 斌, 陳 煜, 楊 敏, 李 周
(1.國網(wǎng)安徽省電力有限公司經(jīng)濟(jì)技術(shù)研究院,安徽 合肥 230022;2.國網(wǎng)安徽省電力有限公司,安徽 合肥 230022)
隨著人們生活水平不斷提高,安徽夏季空調(diào)負(fù)荷占整個電網(wǎng)負(fù)荷比重(簡稱空調(diào)負(fù)荷比重)和人均空調(diào)負(fù)荷(空調(diào)負(fù)荷/常住人口)兩項空調(diào)負(fù)荷指標(biāo)均呈穩(wěn)步提高態(tài)勢,2017年安徽空調(diào)負(fù)荷比重突破50%,達(dá)到51.1%,人均空調(diào)負(fù)荷達(dá)到0.30千瓦/人,較“十二五”初翻倍。
加強(qiáng)夏季高峰期間電網(wǎng)空調(diào)負(fù)荷分析有助于提高負(fù)荷預(yù)測準(zhǔn)確性[1,2]。安徽空調(diào)負(fù)荷指標(biāo)是否偏高,是否符合自身發(fā)展特征,中長期發(fā)展趨勢如何?從這些問題出發(fā),本文選取華東和中部其他省份作為參考,分別建立安徽空調(diào)負(fù)荷比重和人均空調(diào)負(fù)荷差異分析模型,評價安徽空調(diào)負(fù)荷指標(biāo)所處水平合理性。并以安徽歷史數(shù)據(jù)建立空調(diào)負(fù)荷預(yù)測模型,預(yù)測安徽中長期人均空調(diào)負(fù)荷和空調(diào)負(fù)荷比重發(fā)展趨勢。
安徽地理位置居中靠東,因而采用與華東和中部其他省份對比分析方式,判斷安徽空調(diào)負(fù)荷指標(biāo)是否處于與自身發(fā)展特點相一致的合理水平。華東其他省份選擇上海、江蘇和浙江,中部其他省份選擇湖北、湖南和河南。
安徽空調(diào)負(fù)荷比重華東最高,略高于上海3.9個百分點,明顯高于江蘇和浙江;但安徽空調(diào)負(fù)荷比重與中部省份接近度高,中部各省均在50%左右,因而從中部省份角度看,安徽空調(diào)負(fù)荷比重并不偏高。
圖1 安徽與華東、中部省份2017年空調(diào)負(fù)荷比重對比
經(jīng)分析,影響各省空調(diào)負(fù)荷比重差異的主要因素包括各省負(fù)荷特性和用電結(jié)構(gòu)差異。從負(fù)荷特性差異看:華東上海最大負(fù)荷利用小時數(shù)(反映負(fù)荷特性)與安徽接近,空調(diào)負(fù)荷比重略低于安徽,而江蘇和浙江負(fù)荷特性明顯好于安徽,其空調(diào)負(fù)荷比重明顯低于安徽;中部省份負(fù)荷特性與安徽相似度高,其空調(diào)負(fù)荷比重總體與安徽接近。從用電結(jié)構(gòu)差異看:華東江蘇和浙江二產(chǎn)用電比重(維持在70%以上)明顯高于安徽,而居民生活用電比重低于安徽,其空調(diào)負(fù)荷比重明顯低于安徽;中部湖北用電結(jié)構(gòu)與安徽相近,其空調(diào)負(fù)荷比重與安徽亦接近,湖南居民生活用電比重高于安徽,其空調(diào)負(fù)荷比重亦高于安徽,河南二產(chǎn)用電比重高于安徽,其空調(diào)負(fù)荷比重低于安徽。
經(jīng)相關(guān)性計算,各省空調(diào)負(fù)荷比重與最大負(fù)荷利用小時數(shù)呈負(fù)相關(guān),相關(guān)系數(shù)達(dá)-0.76,即最大負(fù)荷利用小時數(shù)越高,空調(diào)負(fù)荷比重越??;與二產(chǎn)用電比重呈負(fù)相關(guān),相關(guān)系數(shù)達(dá)-0.69;與居民生活用電比重呈正相關(guān),相關(guān)系數(shù)達(dá)0.82。
直接建立以空調(diào)負(fù)荷比重為被解釋變量的多元線性回歸方程[3](如式(1)),但由于存在多重共線性,二產(chǎn)用電比重系數(shù)意義不合理且不顯著。
KTFHBZ=0.7603700-0.0001122238XSS+0.1506048ECBZ+1.024177274JMBZ(R2=0.77)
(1)
式中:KTFHBZ為各省空調(diào)負(fù)荷比重,XSS為最大負(fù)荷利用小時數(shù),ECBZ為二產(chǎn)用電比重,JMBZ為居民生活用電比重,R2為方程擬合優(yōu)度,約接近1,擬合效果越好。
以下先采用主成分分析方法[4,5]對三個解釋變量提取主成分,選取蘊(yùn)含信息量最大的一個主成分ZCF1作為解釋變量(如式(2)),重新建立回歸方程(如式(3)),并還原成原始三個解釋變量,得到含三個解釋變量的回歸方程(如式(4))。
ZCF1=-0.56835XSS-0.61961ECBZ+0.54136JMBZ
(2)
KTFHBZ=0.042351+0.456857ZCF1(R2=0.76)
(3)
KTFHBZ=0.90445292-0.000064XSS-0.30814ECBZ+0.485188JMBZ
(4)
由上式可知:其他條件不變,最大負(fù)荷利用小時數(shù)每下降100小時,空調(diào)負(fù)荷比重平均提高0.64個百分點;二產(chǎn)用電比重每下降1個百分點,空調(diào)負(fù)荷比重平均提高0.31個百分點;居民生活用電比重每提高1個百分點,空調(diào)負(fù)荷比重平均提高0.49個百分點。
考慮各省負(fù)荷特性和用電結(jié)構(gòu)差異建立的上述方程總體可較好地擬合出各省空調(diào)負(fù)荷比重差異,擬合絕對誤差平均值在2%左右,擬合序列與實際序列相關(guān)系數(shù)在0.9以上,因而安徽空調(diào)負(fù)荷比重與自身負(fù)荷特性和用電結(jié)構(gòu)特征總體匹配。
需要強(qiáng)調(diào)的是空調(diào)負(fù)荷比重為推算值,各省推算方式存在一定差異,各省結(jié)果難以確保全部為同一口徑;且除負(fù)荷特性和用電結(jié)構(gòu)因素外,各省可能存在其他因素影響(如上海服務(wù)業(yè)用電是居民生活用電2倍以上,而服務(wù)業(yè)空調(diào)負(fù)荷比重遠(yuǎn)低于居民空調(diào)負(fù)荷比重,疊加后上??照{(diào)負(fù)荷比重反而低于安徽),從而造成方程無法高精度擬合。
盡管安徽空調(diào)負(fù)荷比重在華東最高,但人均空調(diào)負(fù)荷華東最低,安徽2017年人均空調(diào)負(fù)荷(0.3千瓦/人)分別僅為上海、江蘇和浙江的46%、63%和69%;安徽人均空調(diào)負(fù)荷與中部各省較為接近。
經(jīng)分析,影響各省人均空調(diào)負(fù)荷差異的主要因素包括各省人均居民指標(biāo)(人均生活用電、人均收入)水平和城鎮(zhèn)化進(jìn)程。安徽人均生活用電量、人均收入和城鎮(zhèn)化率均明顯低于上海、江蘇和浙江,是人均空調(diào)負(fù)荷明顯偏低的主要原因;安徽人均居民指標(biāo)和城鎮(zhèn)化率與中部各省處于基本接近水平,人均空調(diào)負(fù)荷亦基本接近。
圖3 安徽與華東、中部省份2017年人均空調(diào)負(fù)荷對比
表2 華東、中部各省人均空調(diào)負(fù)荷及其主要影響因素
經(jīng)相關(guān)性計算,各省人均空調(diào)負(fù)荷與人均生活用電量、常住居民人均支配收入和城鎮(zhèn)化率均呈正相關(guān),相關(guān)相關(guān)分別達(dá)0.84、0.95和0.96。
為避免直接建立多元線性回歸方程存在多重共線性,仍采用上述基于主成分分析的回歸分析方法,得到以各省人均空調(diào)負(fù)荷為被解釋變量的回歸方程(如式(5))。
RJKTFH=-0.1287857+0.0002192RJSHYD+0.0000034RJSR+0.373815416CZHL(R2=0.93)
(5)
式中:RJKTFH為各省人均空調(diào)負(fù)荷,RJSHYD為人均生活用電量,RJSR為常住居民人均可支配收入,CZHL為城鎮(zhèn)化率。
由上式可知:其他條件不變,人均生活用電量每增加100千瓦時/人,人均空調(diào)負(fù)荷平均增加0.022千瓦/人;人均收入每增加1000元/人,人均空調(diào)負(fù)荷平均增加0.0034千瓦/人;城鎮(zhèn)化率每提高1個百分點,人均空調(diào)負(fù)荷平均增加0.0037千瓦/人。
考慮各省人均居民指標(biāo)水平和城鎮(zhèn)化差異建立的上述方程總體可較好地擬合出各省人均空調(diào)負(fù)荷差異,擬合絕對誤差平均值在0.03千瓦/人左右,擬合序列與實際序列相關(guān)系數(shù)在0.95以上,因而安徽人均空調(diào)負(fù)荷與自身人均居民指標(biāo)水平和城鎮(zhèn)化進(jìn)程特征總體匹配。
圖4 該方法對各省人均空調(diào)負(fù)荷擬合值與實際對比
前述構(gòu)建的華東和中部省份空調(diào)負(fù)荷比重和人均空調(diào)負(fù)荷兩個方程中,人均空調(diào)負(fù)荷方程擬合效果明顯好于空調(diào)負(fù)荷比重方程,因而采用安徽歷史數(shù)據(jù)構(gòu)建人均空調(diào)負(fù)荷方程,結(jié)合前期對安徽中長期人均居民指標(biāo)水平和城鎮(zhèn)化進(jìn)程的研究結(jié)論,判斷安徽中長期人均空調(diào)負(fù)荷發(fā)展?jié)摿Γ俳Y(jié)合基礎(chǔ)負(fù)荷增長潛力,合理判斷安徽中長期空調(diào)負(fù)荷比重發(fā)展趨勢。
安徽人均空調(diào)負(fù)荷與人均生活用電量、人均收入和城鎮(zhèn)化率存在高度正相關(guān)關(guān)系,相關(guān)系數(shù)分別高達(dá)0.99、0.99和0.96。
表3 安徽人均空調(diào)負(fù)荷及其主要影響因素歷史數(shù)據(jù)
注:人均收入指標(biāo)已經(jīng)2000年可比價處理。
以下仍采用上述基于主成分分析的回歸分析方法,得到以安徽人均空調(diào)負(fù)荷為被解釋變量的回歸方程(如式(6)),該方程各解釋變量系數(shù)與上述基于華東和中部各省數(shù)據(jù)得到方程較為接近,進(jìn)一步驗證各因素對人均空調(diào)負(fù)荷影響程度的穩(wěn)定性。
RJKTFH=-0.11978+0.000191RJSHYD+0.0000046RJSR+0.336758CZHL(R2=0.98)
(6)
該方程對2000年以來安徽人均空調(diào)負(fù)荷擬合絕對誤差平均值在0.009千瓦/人左右,擬合序列與實際序列相關(guān)系數(shù)在0.99以上,方程總體擬合效果較佳,適合開展預(yù)測。
結(jié)合安徽前期相關(guān)研究,合理設(shè)定安徽中長期主要年份人均生活用電量、人均收入和城鎮(zhèn)化率,預(yù)測安徽2025年人均空調(diào)負(fù)荷達(dá)到江蘇、浙江當(dāng)前水平,2030年達(dá)到上海當(dāng)前水平。
圖5 該方法對安徽歷年人均空調(diào)負(fù)荷擬合值與實際對比
表4 安徽中長期人均空調(diào)負(fù)荷主要影響因素發(fā)展趨勢
注:人均收入指標(biāo)仍為2000年可比價。
圖6 安徽中長期主要年份人均空調(diào)負(fù)荷發(fā)展趨勢
安徽中長期基礎(chǔ)負(fù)荷增長按與用電量增長(前期已形成安徽中長期用電量預(yù)測結(jié)論)接近推算,安徽中長期空調(diào)負(fù)荷比重仍有上升空間,但難超55%。
安徽空調(diào)負(fù)荷指標(biāo)水平呈逐年提高態(tài)勢,2017年空調(diào)負(fù)荷比重已突破50%,人均空調(diào)負(fù)荷達(dá)到0.3千瓦/人,針對安徽空調(diào)負(fù)荷指標(biāo)是否偏高以及與自身發(fā)展特征是否匹配以及中長期發(fā)展趨勢的問題,本文采用與周邊6個省份橫向?qū)Ρ确绞?,?gòu)建指標(biāo)差異分析模型和中長期預(yù)測模型,得出安徽空調(diào)負(fù)荷指標(biāo)水平更接近了中部省份,且與自身發(fā)展特征基本匹配,中長期人均空調(diào)負(fù)荷將繼續(xù)提高,2025和2030年分別提高至0.51和0.65千瓦/人,空調(diào)負(fù)荷比重將繼續(xù)小幅提高,但難超55%。本文研究為安徽電力市場分析預(yù)測和電網(wǎng)規(guī)劃人員開展負(fù)荷特性分析與負(fù)荷預(yù)測工作提供了一定的參考價值。