典型居住地块电力需求特性分析与预测

薛季良，顾 洁，储琳琳，张宇俊

（1.上海交通大学 电气工程系，上海 200240；2.上海市市南供电公司，上海 201100）

典型居住地块电力需求特性分析与预测

薛季良1，顾 洁1，储琳琳2，张宇俊2

（1.上海交通大学 电气工程系，上海 200240；2.上海市市南供电公司，上海 201100）

功能地块的负荷发展对于地区电网的电力负荷预测起到了至关重要的作用。与其他功能地块不同的是，居民地块的负荷发展往往与地块发展定位及成熟度密切相关。同时，居住地块的负荷在夏、冬季负荷波动受气候影响极大。以居住地块的入住率作为切入点，以3个居住地块的月最大负荷作为研究对象，对月最大负荷序列筛选后回归建模，将月最大负荷解耦，得出基本分量和气温负荷，分析该类型地块电力需求的历史变化，并结合入住率分析基本负荷的饱和时间及户均基本负荷推荐指标。

居住地块；入住率；月最大负荷；饱和时间；户均基本负荷

1 影响居住地块用电特性的因素

目前，国内外对电力负荷分析及预测的主要研究成果和核心内容是按照时间、空间2个维度分析电网的负荷特性，获取不同供电区域的负荷发展趋势，统计供电区域电量，分析典型用户，从而采用各种算法对负荷进行预测。如何将上述这2方面有效地综合考虑是负荷预测的一个难点。现有的居民地块电力需求研究主要是根据历史典型日负荷曲线及其他电力数据做外推或回归分析，或是通过研究空间区域规划集成各分块进行预测[1]，较少关注居住地块用电特性随时间及地块社会定位的发展规律。

对于居民地块负荷特性的分析方法也已经开展了一些研究。这些研究成果对城市居民用电负荷特性分析有一定借鉴意义,但尚存不少值得继续深入探索的问题。文献[2]详细分析了居民用电负荷特性,量化了部分负荷特性指标，但所得到的指标主要来自历史典型日负荷曲线,居住地块的变迁、社会定位等地块自身特性没有被考虑，具有局限性。文献[3]研究了地区经济水平、家庭结构等居住实态对负荷的影响，考虑了地块的社会因素，但是研究仅限于空调负荷。应用灰色模型[4]和logistic曲线模型[5]进行居住地块的用电负荷时间序列研究，进一步分析发现，对于月最大负荷序列直接进行建模可能会因为各种成分的干扰造成不准确。

居住地块的规模发展以及人口变迁对整个地块的社会、经济、文化发展都有着极大的推动作用，对于区域电力消费的影响当然也不例外[6]。居民区域的用电特性不仅与居住地块的定位有关，同时发展时间也对区域负荷特性有着直接的影响[7]。而居住地块发展的一个重要指标就是居民入住率。入住率反映出一个地块发展进程，显然地块的用电特性将与入住率的变化密切相关。

本文以上海市南供电公司辖区内的江月、莘城、田林（见表1）3个不同的居民地块为研究对象，分别探讨了不同居住类型、不同发展成熟度的居住地块电力需求发展规律及其负荷特性。从入住率切入居住地块的用电特性分析与预测，为更好地结合功能块发展特点实现地区电网负荷预测精细化分析与管理提供参考。

表1 3个典型居住地块概况

2 居住地块入住水平分析与预测

为了掌握电力负荷发展与地块入住水平的联系并做出预测，首先必须分析地块的入住率变化并得出发展周期。通过入住率的计算及预测，具体阐述入住率变化模型，可提出各地块入住率饱和周期指标。

2.1 历史入住率发展分析

考虑到电能在社会生产和生活中的重要作用，所研究的居住地块居民入住率λ可由居民用户的月用电量统计结果推断得出，入住率

得到3个典型居住地块入住率变化过程如图1所示。由图1可见，江月地块入住率由快速上升的发展阶段进入了慢速上升的中期阶段，莘城地块的入住率于2009年之后进入饱和阶段，田林地块从本文讨论的起始年开始就已经处于入住率基本饱和的状态。

图1 2007年7月至2011年8月入住率曲线

2.2 地块入住率发展周期预测

通过入住率分析可以发现，江月地块入住率目前尚未达到饱和，鉴于居住地块间的相似性，可以考虑通过其他已饱和地区的入住率发展曲线对江月的入住率变化做出推测，从而能够较为完整地反映出地块入住率的发展历程，可通过莘城地块的入住率对江月地块未来入住率进行外推补全。选取莘城地块的原因是该地块的入住率曲线恰好反映了地块入住率由慢速上升发展至饱和的过程，符合江月地区的未来入住率趋势。而对于地块开始入住至本文研究的起始时段2007年的数据，由于无法通过入住率比对来类推补全，直接采用统计的方法对曲线进行拟合来补全。对于入住率曲线的补全及饱和时间分析，可以得出地块入住率发展的完整周期规律。

江月地块入住率曲线拟合预测如图2，以S曲线作为该地块的入住率拟合曲线最为合适，这也与生命曲线的发展规律和物理意义完全吻合。将拟合后得到的S曲线做外推预测后得出：该地块2012年5月左右入住率将进入饱和阶段，结合江月地块入住率目前的发展态势，预计江月地块入住率将在2012年春季进入饱和。同时，统计显示，江月地块从开始入住到入住率发展至饱和的预计周期为6年左右，而莘城地块饱和周期结果为4年半左右，这反映了不同地块的不同生命周期特性。江月地块作为动迁地块，其逐步动迁的发展模式与莘城地块的商品房发展模式有一定区别，但地块发展的大体规律存在相似性，即从入住至进入饱和所需5～6年，动迁住房的时间段略长于商品房。

图2 江月地块入住率预测曲线

3 居住地块月最大负荷分析与预测

基于电力作为居民生活的基本需求与保障，通过对历史电量数据分析得出地块的有效住户数，从而获得地块的入住率指标，结合数据采集与监视控制系统中各地块的供电线路实测负荷数据，提取得到各地块的月最大负荷。在这2组数据的基础上进行建模分析，将用电负荷与地块的发展阶段有效地联系在一起，旨在找出地块负荷的发展规律并在统计模型上加以数量化。

其基本思路是将月最大负荷分解为基本负荷分量与气温负荷分量，在剔除月最大负荷中气温分量的基础上，掌握基本负荷与气温负荷的变化趋势。分析出入住率与基本负荷的关系。通过3种不同地块的比较掌握不同入住水平下最大负荷的变化规律。

3.1 月最大负荷建模分析

根据所得数据的田林地块（2005年4月起）、江月地块（2006年7月起）、莘城地块（2007年1月起，2011年1至3月未能获取）绘制原始月最大负荷如图3所示。从最大负荷曲线可以看出，所研究的3类地块夏季和冬季月最大负荷一般都为同年负荷最低月份（5月或10月）的2倍以上，表现出季节用电特征；整条负荷曲线有着明显的周期分量。因此，有必要对月最大负荷进行解耦分析。

图3 2005年4月至2011年9月最大负荷曲线

对月最大负荷进行解耦分析基本思路是：将月最大负荷分解为气温负荷Ptemp和基本负荷Ptrend。则

考虑到典型地块处于华东区域，春秋季气候适宜，居住地块电力需求中几乎没有取暖或降温负荷，因此考虑选取地块每年春秋季中月最大负荷的最低数值作为基准值Pbase（通常为4月或5月和10月），即认为这2个月的气温负荷为最小，其他月的最大负荷中均包含了较多气温负荷分量，所以不将这些月份的负荷纳入基本负荷的计算，而是将这些月份的基本负荷假定为未知。

以每年2个数据点构成的序列，通过统计软件SPSS进行{Pbase}序列选用二次、三次、幂函数、指数函数、Logistic函数5种曲线模型进行回归拟合，并应用统计结果选取相关系数最好的曲线为最优模型，并对非基本月的基本负荷进行预测补全得到基本负荷序列P′trend。

基本负荷模型的建立在确保基本月的气温负荷为最小（理论值为0）的基础上，使得其基本负荷、气温负荷的物理意义得到体现。图4显示了基本负荷P′trend序列。可以看出，江月地块的月基本负荷上升显著，显示了初期阶段入住率的重要推动作用；莘城地块的月基本负荷初始阶段略有上升，在入住率2009年进入饱和阶段后，变化较小（小于0.3%），可以认为入住率饱和与月基本负荷同时饱和，即气温因素为地块总负荷变化气波动的主要诱因。同时，可以类比预测江月地块的月基本负荷将在2012年春季达到饱和。田林地块入住率自研究的起始年份开始已经达到饱和，月基本负荷与莘城地块入住率进入饱和阶段后的发展规律一致。

图4 剔除气温负荷后居住地块基本负荷曲线

表2显示了3地块气温负荷占地块内总负荷的比值情况（简称气温负荷占比）：气温负荷的周期性明显，每年的7月、8月以及12月、1月气温负荷占比较高。田林地块气温负荷水平没有逐年递增趋势，体现了已进入住率饱和阶段的老式住宅区负荷需求的稳定性；莘城地块冬夏季气温负荷占比达到60%～70%左右，高于其余地块，其原因与该地块属于市南供电公司区域内居住档次相对较高的地块有关，同时分析结果也表明商品房住宅逐年气温负荷占比的波动幅度较小。

表2 3地块气温负荷占比表%

3.2 户均负荷分析

居民用电变化特性对地块内配电设施的优化配置具有重要的参考价值。为此，引入户均基本负荷指标，为未来居住地块点位的建设提供量化指导。户均基本负荷定义为月最大基本负荷与有效居民户数的比值

得到各地块户均基本负荷如图5所示。江月地块户均基本负荷的变化呈现出明显的阶段特点，是由于地块入住初期的用电不稳定因素，同时装修用电与居民正常用电的差异造成了地块户均基本负荷震荡较严重。初期户均基本负荷不稳定的另一个因素是由于当月中入住率变化较大，而按月统计是无法反映出这一动态过程的，这将导致最大负荷发生日的有效户数与月末统计户数不同，由此将带来户均负荷的偏差。可以将530 W/户作为今后该种类型的地块户均基本负荷预期值。

图5 3地块户均基本负荷曲线

莘城地块在入住率进入饱和阶段（即2009年春季）之后，户均基本负荷呈稳定趋势，变化幅度极小，可以作为往后长期的推荐指标，建议可采用520 W/户的户均基本负荷指标作为今后同类型地块电网设计的参考。

田林地块的户均基本负荷稳定在470 W/户左右，这与江月地块和莘城地块相比略小。反映出居住地块用电特点上既有相似性，同时居住性质定位的不同使其用电规模又存在一定差异。田林地区多为老式公房，制约了其用电消费模式，配电网规划中对类似的居住地块基本负荷的估计可以借鉴此计算结果。

对于地块内户均负荷的分析表明，进入入住率慢速上升的阶段之后，户均基本负荷呈稳定趋势。莘城地块的户均基本负荷水平与江月地块基本持平，高于田林地区户均基本负荷。莘城地块与田林地块户均负荷呈稳定水平，而江月地块仍有极小幅上升趋势，有待进一步观察。

4 结论

本文基于典型居住地块的入住情况、气温变化与负荷的关联分析，提出了解耦模型：将月最大负荷分解为便于观察分析的基本分量和气温分量，对不同类型居民地块的负荷变化规律进行归纳。研究讨论了老式住宅区、商品房住宅区、动迁住宅区3类居民地块的入住变化、负荷饱和周期、户均负荷等重要指标。主要结论有：

（1）居民用电量的分析是分析地块发展特别是入住水平的可行手段，通过入住率的外推补全可以发现居住地块入住率发展呈S型曲线。动迁地块的饱和周期长于商品房地块。

（2）月最大负荷模型有效的将基本负荷与气温负荷解耦，真实地反映了地块的负荷基本趋势的变化以及受气温影响的比例。饱和地块的基本负荷变化较小，入住率上升对基本负荷的推动作用明显，月基本负荷与入住率饱和时间基本接近；气温负荷在冬季、夏季占比较大，商品房地块尤为明显。

（3）饱和地块的户均基本负荷较为稳定，可以作为地区电网规划指标；未饱和地块户均负荷仍有波动，可以得出预期值。商品房地块以及动迁地块户均基本负荷大于老式公房地块。

综上所述，本文为居住地块的电力预测提供了新的视角，为地区电网规划及配备提供了相关参考指标。

：

［1］崔凯,李敬如,赵彪,等.城市饱和负荷及其预测方法研究[J].电力技术经济,2008,20(6)：34-38.

［2］吴志强,吴志华,宋晓辉,等.城市居民负荷特性调查研究分析[J].电网技术,2006,30(S2)：659-622.

［3］余丽霞,肖益民,付祥钊.居住实态对居住建筑供暖空调负荷的影响[J].煤气与热力,2010,30(10)：24-27.

［4］张伏生，刘芳,赵文彬,等.灰色Verhulst模型在中长期负荷预测中的应用[J].电网技术,2003,27(5)：37-39,81.

［5］肖峻,杜柏均,耿芳.城市电力负荷饱和分析方法[J].电力科学与技术学报,2009,24(4)：54-58.

［6］李德智,何永秀,张宇.考虑城市土地功能变化与负荷特性的城市电力负荷预测模型[J].中国电力,2011,44(1)：6-10.

［7］朱凤娟,王主丁,寿挺,等.考虑规划小区发展时序的空间负荷预测分类分区法[J].华东电力,2011,39(3)：423-427.

Analysis and forecasting of power demand characteristics for typical residential blocks

XUE Ji⁃liang1,GU Jie1,CHU Lin⁃lin2,ZHANG Yu⁃jun2
（1.Shanghai Jiaotong University,Shanghai 200240,China;2.Shinan Power Supply Company of SMPEC,Shanghai,201100）

Load development of a function block in regional grid is a pivotal part of the power load forecasting.Different from other functional blocks,the power load in residential block has been proved to be close related to block orientation and land matu⁃rity.Meanwhile,power load in residential block fluctuates violent⁃ly in summer and winter because of climate factor.In this paper,the occupancy rate is discussed as an entry point to research maxi⁃mum load in three residential blocks.Regression is done after sort⁃ing the load series to decouple the maximum load and to excavate the variation law of load.Qualitative and quantitative analysis is adopted into historical load change.Through the results of occupan⁃cy rate,some recommended indicators such as occupancy and load saturation point and base load per household are inferred,which means a good attempt in regional power grid.

residential block；the occupancy rate；monthly maximum load；saturation time；basic load per househol

TM715；F407.61

A

1009-1831（2012）02-0019-04

2012-01-10；修回日期：2012-02-13

薛季良（1987），男，上海人，硕士，研究方向为电力市场及电力系统优化，智能电网；顾洁（1971），女，江苏海安人，副教授，博士，研究方向为电力市场及电力系统优化；储琳琳（1978），女，上海人，高级工程师，硕士，长期从事电力市场分析与预测工作；张宇俊（1975），女，上海人，高级工程师，学士，长期从事地区电网优化规划与设计工作。

（

陈 颖 杜先波）