电网夏季负荷特性分析及预测

林 琳，段晓波，高亚静

(1.华北电力大学，河北 保定 071003；2.国网河北省电力公司电力科学研究院，石家庄 050021)

电网夏季负荷特性分析及预测

林 琳1，段晓波2，高亚静1

(1.华北电力大学，河北 保定 071003；2.国网河北省电力公司电力科学研究院，石家庄 050021)

针对夏季负荷波动大，预测难度较大的问题，以河北省南部电网为例，分析河北省南部电网夏季负荷的特点，采用多元线性回归分析法对全网负荷进行预测，预测结果表明该方法可准确预测电网夏季负荷特性，其结果符合实际运行情况。

负荷预测；多元线性回归；MATLAB

0 引言

电力系统负荷预测是电力系统调度、用电及规划管理部门的重要工作之一，同时也是电力系统经济运行的前提和条件，一般是从已知的用电负荷需求出发，在此基础上考虑经济、气候、天气等相关因素的影响，从而准确预测未来的用电负荷需求。电力系统负荷预测保证着电力企业科学稳定地对电网进行有效的控制，对电源建设进行合理的规划，同时对电网商业化的运作起到了积极的作用，有利于提高电力系统的经济效益和社会效益。因此，电力系统负荷预测已经成为电力系统现代化管理的重要内容之一，如何提高负荷预测的精度成为当前迫切需要解决的一项重要任务。国内外学者对此课题进行了详细的研究工作，引入了一系列先进的算法到负荷预测领域中。目前，已经有许多较为成熟的负荷预测基础理论和实践方法，但是随着电网结构复杂程度的加剧以及电网负荷的不断增加，有些预测方法还需要不断地完善。

目前主要的负荷预测方法包括：时间序列法、一元(多元)回归分析法、灰色系统预测法、人工神经网络预测法等[1]。其中时间序列法计算速度快，能够反映负荷近期变化的连续性，但是对天气等气候影响因素考虑不足；灰色系统预测法在数据离散程度较大时预测精度会较差；人工神经网络法预测准确但是对于样本数据的要求较高，样本选择较困难；多元线性回归方法计算过程简单，运算快，结果清晰，在实际工作中能够正确反映负荷随气象变化的规律[2]，准确建立负荷与气象变化之间的相互影响关系，达到较为理想的预期结果。以下以河北省南部电网(简称“河北南网”)为例，对夏季负荷特性进行分析预测。

1 河北南网夏季负荷特性分析

1.1 影响负荷变化的气象因素分析

气象因素是影响夏季负荷的主要因素，其通过改变人体对环境的舒适度感觉，从而影响人的行为而实现的。因此以下选取人体舒适度敏感指标作为研究对象，其中包括：温度、湿度、降雨量、风速等[3]。

1.1.1 温度的影响

夏季天气炎热，会出现持续高温现象，河北南网7、8月的气温多在25～35 ℃，极端最高气温可达到38 ℃左右，全网经济较为发达，高温时将有大量降温负荷投入运行，当某一时间段平均温度持续过高时，负荷变化更加剧烈，与往年同期相比将会有很大变化。平均温度高于28 ℃时，随着温度的升高，人体开始感觉不舒服，最本能的表现就是感觉到燥热，这时就需要通过空调等降温设备来调温，高温天气对居民生产生活用电负荷的影响就更加显著。随着温度的不断提升，日最大负荷对日最高温度的敏感性程度逐渐增强，负荷也会逐渐增加。对2013年7、8月某些高温天气的最大负荷与当日最高温度之间的关系进行初步分析，结果表明两者之间的相关系数为0.56，日最高温度与最大电力负荷的相关性较日最低温度要明显得多，如图1所示(作归一化处理)。图中纵坐标比值为日最大负荷/日平均负荷或日最高温度/日平均温度。

图1 最大负荷与最高温度的关系

1.1.2 湿度和降雨量的影响

由温度对负荷的影响可知，气温升高是导致负荷上升的最主要因素，而在气温不高的情况下，湿度决定着负荷的走向。河北南网2013年夏季的统计数据表明，空气湿度较大，雷雨天气较多，降水量比2012年同期有明显增加，温度增加时湿度越大则电力负荷越大，这种情况下会影响居民对于生活环境和工作环境的适应程度，加上人体对高温高湿天气的敏感性，人们就会通过减湿设备来改变局部的气温条件，这些措施必然会增加用电负荷，造成电网供电困难。高温和雷雨天气往往是同时出现的，每次负荷下降时均有降水天气出现，70%的负荷突然下降的情况可能会出现在夏季天气中，雷雨可以造成50%～80%的空调负荷损失，同时也会造成大量的输、配电线路跳闸，这时负荷的变化与降水量的变化会呈现很强的相关性。

1.1.3 风速的影响

冬季6 m/s以上的风速，会伴随着一定程度的负荷增大，夏季相反，其他季节没有明显的规律可循，从相关性分析来看，电力负荷与风速的相关性不显著，且没有规律可循。

1.2 夏季负荷数据分析

2013年7月，河北南网进入主汛期，高温高湿天气开始增多，全月平均温度较去年同期低0.8 ℃，降水量较去年同期偏多九成。7月上旬，全网负荷总体平稳，高温负荷保持在2 400万kW左右，其中7月6日首创历史负荷新高，达到2 558.7万kW，7月8日再次刷新负荷记录达到2 596.4万kW。7月中下旬，受降水的影响，天气较为凉爽，温度较低，全网负荷总体保持平稳，较低水平运行。

8月初，各地雷雨、高温天气频繁，河北南网遭遇最强高温高湿“桑拿天”天气，空调制冷负荷呈明显增长趋势，全网负荷迅速攀升。据气象部门统计，8月5日全网最高气温突破35 ℃，平均湿度已达到80%以上，超过了7月上旬第一轮大负荷期间的最高水平。在空调用电的强势拉动下，全网负荷在8月6、10、11日连创新高，8月11日早峰负荷突破2 700万kW，达到2 714.5万kW，较去年最大负荷增长6.4%。8月11日午后的降水使电网负荷出现了一个短暂的“低谷”，但降水之后，湿度进一步增加，加上气温回升，人体舒适度显著下降。8月15-17日，各地气温再度突破35 ℃，部分地区气温达到37 ℃以上，空调负荷集中度达到2013年夏季最高，全网负荷在8月16日达到2 791.6万kW，年内第7次创历史新高，较去年最大负荷增长9.4%。

2 河北南网夏季负荷预测

2.1 多元线性回归分析法

因变量随着作为主要影响因素的自变量的变化而变化，实际问题研究时，因变量的影响因素往往不只1个，可能会同时受到2个或者更多因素的影响，此时就需要用2个或者更多以上的影响因素作为自变量来解释因变量的变化规律，这种方法称之为多元回归[4]，当多个自变量与因变量呈线性关系时，称之为多元线性回归。

设y为因变量，x1、x2、…，xk为自变量，当自变量与因变量呈线性关系时，多元线性回归模型为：

y=a0+a1x1+a2x2+…+akxk+c

(1)

式中：a0为常数项，a1，a2，…，ak为回归系数，a1为x1、x2，…，xk固定时，x1每增加一个单位后对y产生的作用，即x1对y的偏回归系数；同理可知，x2、… ，xk等都是y的偏回归系数。

建立多元回归模型时，为保证预测结果良好，需要注意自变量的选择问题。多元线性回归分析方法应用最小二乘法求解参数，要求误差的平方和为最小，求解回归参数的方程为：

(2)

求解方程组可得出系数a0，a1，a2。

2.2 数据预处理

图2为河北南网夏季高峰负荷变化曲线图，即原始数据采集点，夏季不仅会出现负荷猛增，也会出现负荷陡降的现象，这与河北南网夏季为主汛期相对应，主汛期强对流天气较多，气象要素变化幅度大，导致负荷的大起大落。根据实际统计情况及折线图对河北南网的负荷特性性进行分析。通常最初的数据处理主要由工作人员利用长期的经验对数据进行判断，首先去除降水量较大的日期，保留高温高湿不降水的日期，对于日负荷曲线不突变的特性，设定基准值，如果前后两点的负荷超过这一定值则为异常点。此次负荷特性分析主要考虑温度、湿度对夏季负荷[5]的影响，运用多元线性回归方法进行回归分析，得出最大负荷与温度和湿度的相互关系。

图2 河北南网夏季高峰负荷变化曲线

2.3 预测过程与结果

根据选择好的数据，采用MATLAB内自带的regeress程序包，调用软件包中多元回归分析命令得出残差杠杆图及其置信区间，将残差杠杆图中偏移较大的数据点剔除，进一步优化数据选择点。残差杠杆如图3所示，去除偏差较大的2个点。

基于MATLAB程序对寻优后的数据进行线性拟合，求出回归方程的系数为：

a0=6 701.4，a1=529，a2=140

线性拟合公式为：最大负荷=6 701.4+529×最高温度+140×湿度，得出最大负荷与温度和湿度(最大负荷时)2个因素间的相关系数为0.72，其线性关系较强，与实际数据对比后，拟合的相对误差在5%以下，负荷波动时模拟趋势与实际基本吻合，拟合分析结果较好，可以作为今后夏季高峰负荷调度的依据。图4为选取的预测数据点的电网负荷与温度、湿度的关系。图5为应用多元线性回归法后的平面回归图。

图4 数据分布示意

图5 平面回归示意

3 预测结果分析

a. 温度是影响河北南网夏季高峰负荷的主要因素，温度每增加1 ℃，负荷将增加529万kW左右，日用电负荷的变化不完全对应日平均温度的上升，且最大负荷点并没有对应温度的最高点，这主要是由于相对湿度的影响较大，温湿度的组合影响着负荷的波动。温度对负荷的影响呈现正相关，当温度接近36 ℃时，而负荷却没有明显增加，这就需要考虑湿度以及降水量等因素对负荷的影响，其中，降水是影响电力负荷明显减小的主要原因。

b. 夏季高温期间，湿度与温度会呈现一定的负相关，温度升高，湿度反而会降低，天气只“热”而不“闷”，电力负荷偶尔会呈下降趋势，所以需要通过对原始数据进行逐一筛选和对比，尽可能保留高温高湿且不降水的原始数据点，从而有利于负荷特性分析工作的进行。

c. 在上述分析的基础上，为进一步做好夏季高峰负荷分析工作，还需要继续深入研究各种气象因素在不同情况下对负荷的影响以及实际运行的工况和环境条件，这样才能构建更为准确、更加适合河北南网夏季负荷分析的模型。由于天气复杂多变，预报难度大，准确率有限，而且还需要加强与气象台的沟通交流，及时获取准确的天气变化信息，提高负荷分析精度，有效保证调度部门的工作顺利进行。

4 结束语

以上通过多元线性回归分析法对河北南网的夏季高温负荷进行了简单准确的预测。电网短期负荷预测需要考虑的相关因素比较多，多元线性回归分析是较为简单的一种分析方法，简单直观的分析自变量与因变量之间的关系，由此得出的最大负荷与温度和湿度(最大负荷时)2个因素间的相关系数，还不能较好地满足负荷预测的要求，还需要调度中心工作人员不断积极思考，不断丰富数据分析方法和手段，进一步提升负荷预测水平。

[1] 胡 杰，文闪闪，胡导福，等．电力负荷预测常用方法的分析比较与应用[J]．湖北电力，2008，32(2)：13-15．

[2] 王治华，杨晓梅，李 扬，等．气温与典型季节电力负荷关系的研究[J]．电力自动化设备，2002，22(3)：16-18．

[3] 杜彦巍，林 莉，牟道槐，等．综合气象指数对电力负荷的影响分析[J]．重庆大学学报.自然科学版，2006，29(12)：56-60．

[4] 高惠璇．应用多元统计分析[M]．北京：北京大学出版社，2005.

[5] 高 霞，曾 新，卢建立．电力负荷预测与气象指数关系研究[J]．河北农业大学学报，2007，30(4)：97-101,113．

本文责任编辑：王丽斌

Grid of Summer Load Characteristics Analysis and Prediction

For summer load fluctuations,which is difficult to predict,taking Hebei southern power grid as an example,analyzesthe summer load characteristics of Hebei Southern Power Grid,using multiple linear regression method to predict the load of the whole network, the results show that the method can prdeict load characteristics in summer of power grid accurately,and the results conform to the actual operation situation.

load forecasting;multivariate linear regression;MATLAB

2013-11-06

林 琳(1988-)，女，硕士研究生，主要研究方向为电能质量分析与控制。

TM714

A

1001-9898(2014)01-0013-04