基于用电结构变动的省级电网长期负荷特性预测

王　宝，叶　彬，石雪梅，牛振振

(1.国网安徽省电力公司经济技术研究院,安徽合肥　230022；2.国网浙江省电力公司嵊泗县供电公司,浙江嵊泗　202450)

Long-term Load Characteristic Forecast of Provincial Power Grid Based onElectricity Structure ChangesWANG Bao1, YE Bin1, SHI Xuemei1, NIU Zhenzhen2

(1.State Grid Anhui Electric Power Company Economic & Technical Research Institute, Hefei 230022, China;

2.State Grid Zhejiang Electric Power Company Shengsi Electric Power Supply Company, Shengsi 202450, China)



基于用电结构变动的省级电网长期负荷特性预测

王宝1，叶彬1，石雪梅1，牛振振2

(1.国网安徽省电力公司经济技术研究院,安徽合肥230022；2.国网浙江省电力公司嵊泗县供电公司,浙江嵊泗202450)

0引言

负荷特性分析预测是电力市场分析预测工作的一项重要内容[1]，负荷特性预测水平高低已成为衡量电网企业现代化管理水平高低的标志之一[2]。

相关学者对负荷特性分析预测的相关研究主要集中在：分析地区电网负荷特性以服务于地区负荷预测[3-6]、中短期负荷特性预测[7-8]。电网规划应具备前瞻性和超前性，因而对长期负荷特性预测的准确把握对于省级电网而言显得尤为重要，但长期负荷特性定量预测的相关研究甚少，本文探讨省级电网长期负荷特性预测。

省级电网负荷特性变化受诸如电力供需形势[1]、气候条件、需求侧管理以及经济与用电结构[1-2]等多种因素影响，但从长期来看，经济与用电结构因素是省级电网负荷特性变化的关键影响因素。基于此，本文探讨了基于用电结构变动的省级电网长期负荷特性预测模型，重点阐述了省级电网典型日负荷特性主要指标的预测过程及其预测结果校核方法，并以安徽电网为例，对预测过程及预测结果合理性校核加以分析说明。

1负荷特性变动主要影响因素分析

负荷特性变动一般受地区电力供需形势、气候条件、电力需求侧管理以及地区经济与用电结构等主要因素影响。

1.1电力供需形势

电力供需形势主要表现为供应紧张或充裕，当电力供应紧张时，电网高峰负荷期间电力供需存在不平衡现象，为保证电网供电的安全可靠性，一般通过拉限电等手段削平电网高峰负荷。由于最大负荷受到人为限制，日负荷率将高于正常年份水平，负荷特性表现为较常年份有所改善。

电力供需形势紧张往往由电网建设相对滞后和薄弱引起，通过合理投资建设地区电网、完善网架结构，地区电力供应紧张的情况将会得到很大缓解甚至消除。短期内电力供需形势因素往往对地区负荷特性变动产生一定影响，但长期来看，该因素对地区负荷特性的影响将趋于弱化。

1.2气候条件

人民生活水平不断提高为居民空调负荷增长提供有利基础，而居民空调(降温或采暖)负荷变动主要受气候条件影响。

表1给出了2008年以来安徽电网气候条件和负荷特性实际情况，夏季35℃及以上高温天数对空调负荷比重影响较大，二者相关系数高达0.977；统调最大负荷利用小时数(年负荷特性指标)与高温天数呈现明显反向变动关系，二者相关系数为-0.725。

年份35℃及以上高温天数空调降温负荷比重/%统调最大负荷利用小时数/h2008227.1583320091033.4535220101335.252312011929.3557920121435.1544920133345.15233

气候条件对负荷特性变动的影响较大，由于气候条件预测较为困难，规划人员预测长期负荷特性时，一般可按照常年份考虑，通过几年平均来削弱单个年份气候条件对负荷特性的影响。

1.3电力需求侧管理

电力需求侧管理包含的措施手段多样，如：行政手段下的企业轮休及错避峰方案等、经济手段下的峰谷电价和可中断电价等、技术手段下的蓄冷蓄热技术推广等。

电力需求侧管理对地区中短期和长期负荷特性均产生一定积极影响，对规划人员而言，长期负荷特性预测时可以现有需求侧管理力度为参考依据，若预期长期,力度明显加大，则需对预测结果作调整。

1.4经济与用电结构

地区经济结构变动直接影响用电结构变动，如：地区处于快速工业化发展阶段，第二产业在经济结构中比重不断提升，则第二产业用电比重也将明显提高。

地区负荷特性可看成由分产业(第一产业、第二产业、第三产业和城乡居民生活)负荷特性按一定比重合成，分产业负荷特性主要受生产、生活习惯影响而相对稳定，当经济结构变化后，各产业用电比重发生变化，导致分产业负荷特性对地区负荷特性发挥作用比重发生变化，从而带动地区负荷特性发生变化，如：第二产业用电比重明显提高后，负荷率高的第二产业用电对地区负荷特性发挥的作用将增强，地区负荷特性将得到改善。

经济与用电结构因素对地区负荷特性变动起着重要作用，尤其对长期负荷特性。短期内电力供需形势等其他因素发挥的作用相对要高于经济与用电结构因素；但从长期来看，地区负荷特性变动与地区经济与用电结构变动密切相关。

2地区长期经济与用电结构预测

如上分析，经济与用电结构因素是省级电网长期负荷特性变动的关键影响因素，因而长期负荷特性预测的基础是地区长期经济与用电结构的预测。

2.1地区长期经济结构预测

地区长期经济结构由于时间跨度长、且受地区经济发展规划等政策因素影响较大，诸如回归预测等传统定量预测模型很难预测出合理的结果。因而对于地区长期经济结构的预测可采用以地区经济发展规划以及地区经济发展阶段等定性判断为基础，以先前学者对全国长期经济结构预测结果为参考量，再以传统定量预测模型为辅助工具，合理预测未来地区经济结构发展趋势。长期经济结构合理预测可依靠省级经济研究机构的专业判断及其预测技术。

2.2地区长期用电结构预测

地区长期用电结构预测可采用构建地区LEAP模型(long-range energy alternatives planning system，长期能源可替代规划系统)[9]，依据长期地区经济社会发展预测，从终端用能角度出发，分主要产业部门(如：城乡居民生活、交通运输、服务业、高耗能行业等)设计终端用能载体并根据技术进步等因素预测其能耗强度，进一步设计地区发电、煤炭开采等能源转换模块，最终构建地区未来能源需求预测的LEAP模型(“自下而上”模型)，根据地区LEAP模型能够很好地预测未来地区用电量及其用电结构。

2.3安徽长期经济与用电结构预测结果

以安徽省为例，图1和图2分别给出了2020和2030年全省经济与用电结构预测结果。目前全省经济和用电结构以第二产业为主导，2014—2020年间全省仍处于快速工业化发展阶段，第二产业比重相对稳定；到2030年全省将进入后工业化发展阶段，第二产业在经济和用电结构中比重显著下降。

图1　2020和2030年安徽省经济结构预测结果

图2　2020和2030年安徽省用电结构预测结果

3省级电网长期负荷特性预测模型

省级电网长期负荷特性预测的基础参数主要包括：省级电网长期用电量及其用电结构预测结果、近年省级电网各季典型日负荷特性以及分产业用电负荷特性。

3.1典型日负荷率预测模型

典型日负荷率预测分以下4步。

3.1.1确定预测年f各产业四季用电量

以3、4、5月为春季，6、7、8为夏季，9、10、11为秋季，其余月为冬季。同一产业相同季节生产、生活规律一致性高，因而同一产业相同季节用电占比基本稳定。为剔除单一年份波动性，采用近几年平均占比反映预测年f各产业各季用电占比，如式(1)所示。

(1)

式中：i=1,2,3,4，分别表示一产、二产、三产和城乡居民生活用电；j=1,2,3,4，分别表示春、夏、秋、冬；t和(t+N)分别表示近几年的开始年和结束年；rf,i,j表示预测年f产业i的j季用电量占四季比重；Wl,i,j表示历史年l产业i的j季用电量。

综合省级电网预测年f用电量Wf及其分产业用电结构αf,i以及各产业各季用电占比预测结果rf,i,j，得到预测年f各产业四季用电量Wf,i,j，如式(2)所示:

(2)

3.1.2确定预测年f分产业典型日平均及最大负荷

根据式(3)确定预测年f分产业各季平均负荷，各季全社会平均负荷等于分产业平均负荷之和(如式(4))。

(3)

(4)

各产业同一季节用电负荷特性主要受生产、生活习惯影响，基本认为保持相对稳定。根据近年分产业各季负荷特性分析结果取平均作为预测年f分产业用电负荷率βf,i,j。进一步根据式(5)计算得到预测年f分产业用电各季最大负荷Pf,i,j，max。

(5)

3.1.3确定各季典型日分产业用电最大负荷同时率

由于日内各产业发生最大负荷的时点不尽相同，因而典型日最大负荷不是各产业最大负荷的直接累加，而需先确定各产业最大负荷发生同时率。

根据历史负荷数据先计算省级电网各季典型日负荷率βl,j，再根据式(6)确定历史期(l年)四季典型日各产业用电最大负荷发生同时率λl,j。

(6)

为消除单一年份同时率波动性，通过取历史期各年同时率平均值作为预测年f各季同时率λf,j。

(7)

3.1.4确定预测年f各季典型日负荷率

3.2典型日峰谷差率预测模型

典型日峰谷差率和负荷率指标属于反向指标，因而在合理预测出典型日负荷率基础上，采用对历史期典型日峰谷差率和负荷率构建线性回归方程来预测相应年份典型日峰谷差率。

回归方程可考虑分季节构建4个方程或不分季节构建单一方程，最终选用哪种方式主要基于模型拟合效果即：R2高低。如：构建不分季节的单一回归方程，如式(9)所示，则根据预测年f各季典型日负荷率βf,j，运用该回归方程得到相应典型日峰谷差率γf,j。

(9)

3.3预测结果校核

预测出的省级电网长期负荷特性还需要校核其合理性。由于长期负荷特性变动主要受地区经济与用电结构影响，而用电结构归根到底由经济结构决定，经济结构相似的地区或国家，其负荷特性理论上应大体接近。

因而可采用国内外参考比较法，选择历史年份与该地区长期经济结构相似的国内外地区或国家，通过比较二者负荷特性，来验证预测结果的合理性。

4实例分析

以下以安徽省2020和2030年典型日负荷特性预测为例，重点分析2030年预测过程。

2030年全省将进入后工业化发展阶段，经济结构比重预测为6.1∶42.3∶51.6，LEAP模型预测全年全社会用电量达4 380亿kWh，用电结构为0.6∶52.8∶20.7∶26.0。

通过历史数据分析，2010—2013年全省四季典型日负荷特性以及分产业负荷特性均保持相对稳定，表2和表3分别给出了全省负荷特性以及分产业负荷特性的各年平均水平。

表2　2010—2013年全省各季典型日负荷特性指标平均水平

表3　2010—2013年全省分产业四季典型日平均负荷率

根据2010-2013年分产业各季用电占比平均水平、2030年全社会用电量及其用电结构预测结果，得到2030年分产业各季用电量(如表4所示)。

表4　2030年分产业各季用电量预测结果　　亿kWh

据式(5)和(6)计算得到2030年分产业和全社会各季典型日平均负荷，如表5所示，并据式(7)得到2030年分产业用电各季典型日最大负荷，如表6所示。

表5　2030年全社会用电典型日平均负荷　　万kW

表6　2030年分产业用电典型日最大负荷　　万kW

根据式(8)计算历史年份分产业用电最大负荷发生同时率(如表7所示)，分析发现，同时率随经济结构变化而存在一定的波动性，为更好地平抑同时率波动性，考虑按2007—2013年平均同时率作为2030年同时率。

表7　分产业用电最大负荷发生同时率

根据式(10)最终确定2030年各季典型日负荷率预测结果，如表8所示。

表8　2030年各季典型日负荷率预测结果

采用相同方法，对2020年全省各季典型日负荷率进行预测，2020和2030年预测结果如图3所示。

图3　2020和2030年全省各季典型日负荷率预测结果

2010—2013年四季典型日峰谷差率和负荷率形成的两个对应数据列相关系数高达-0.97，因而可构建2010—2013年不分季节的单一回归方程，如式(12)，方程总体显著，且拟合效果较好(R2接近1)。根据典型日负荷率预测结果得到峰谷差率预测结果，如表9所示。

(12)

预测结果校核：①从2020和2030年全省经济结构变化看，2020年第二产业比重呈基本稳定略有下降趋势，2030年该比重明显下降；从负荷特性看，2020年全省负荷特性略有变差，2030年明显变差，经济结构变化与负荷特性变动具有很高的一致性。②20世纪70年代欧美主要发达国家第二产业比重基本下降到40%以下，第三产业比重均超过50%，与2030年安徽省经济结构接近；IEEE-RTS算例(IEEE1978年发布)[10]中使用的典型日负荷曲线能反映该时期主要发达国家的负荷特性水平，各季典型日负荷率基本维持在0.83的水平，与2030年安徽省负荷特性较为一致。③上海市2007—2012年第二产业比重基本维持在40%左右，第三产业比重超过50%，与2030年安徽省经济结构接近；2007—2012年上海市夏季典型日负荷率基本维持在0.84左右，与2030年安徽省夏季典型日负荷率基本接近。校核结果表明：安徽省负荷特性预测结果具有较高的合理性。

5结束语

本文基于长期经济与用电结构变动，提出省级电网长期典型日负荷特性预测与校核方法，并以安徽电网2020和2030年各季典型日负荷特性预测为例，加以分析说明。本文提出的预测方法基于经济-电力关系视角，比传统不考虑经济结构变动下的趋势外推以及定性判断方法得出的预测结果更具可信度。本文研究工作能够为电力市场分析及电网规划人员合理预测地区长期负荷特性变动规律，为满足电网合理前瞻性规划需要提供一定的参考。

参考文献

[1]陈伟，周峰，韩新阳，等.国家电网负荷特性分析研究[J].电力技术经济，2008，20(4)：25-29.

[2]王海燕，任志超，杜新伟，等.四川电网负荷特性分析预测[J].四川电力技术，2013，36(5)：37-40.

[3]黎祚，周步祥，林楠.基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测[J].电力系统保护与控制，2012，40(3)：56-60.

[4]江宇飞，徐瑞林，罗欣，等.基于多层次气象指标体系的电力负荷特性和负荷预测研究[J].电气应用，2011，30(17)：46-50.

[5]周滢露，余华兴，李霜.考虑负荷特性的实用化负荷预测方法[J].华东电力，2010，38(9)：1309-1312.

[6]姜勇.南京地区春节负荷特性分析及其预测方法[J].电网技术，2003，27(5)：72-74.

[7]杨宗麟.华东电网负荷特性分析预测[J].华东电力，2008，36(5)：50-52.

[8]朱坚强，徐谦，武鹏，等.电力负荷特性预测软件及其在浙江电网中的应用[J].华东电力，2008，36(9)：47-50.

[9]高虎，梁志鹏，庄幸.LEAP模型在可再生能源规划中的应用[J].中国能源，2004，26(10)：40-43.

[10]Subcommittee P M. IEEE reliability test system [J].IEEE Transactions on Power Apparatus and Systems，1979，PAS-98(6)：2047-2054.

(责任编辑：杨秋霞)

Long-term Load Characteristic Forecast of Provincial Power Grid Based onElectricity Structure ChangesWANG Bao1, YE Bin1, SHI Xuemei1, NIU Zhenzhen2

(1.State Grid Anhui Electric Power Company Economic & Technical Research Institute, Hefei 230022, China;

2.State Grid Zhejiang Electric Power Company Shengsi Electric Power Supply Company, Shengsi 202450, China)

摘要：准确把握省级电网长期负荷特性发展趋势，可使电网规划更具前瞻性和合理性。通过充分分析地区负荷特性变动主要影响因素，识别出经济与用电结构因素是长期负荷特性变动的关键影响因素，据此构建了基于用电结构变动的省级电网长期负荷特性预测模型及其校核方法，以安徽省为例，对2020和2030年全省四季典型日负荷率和峰谷差率进行了预测，并以欧美发达国家和上海市为参考对预测结果进行了校核。结果表明该长期负荷特性预测模型的合理性和有效性，为电力市场分析与电网规划人员准确掌握地区长期负荷特性变动趋势提供了一定的参考。

关键词：经济结构；用电结构；长期负荷特性；预测

Abstract：Accurately mastering the development trend on long-term load characteristic of provincial power grid can effectively guide the prospect and rationality of power grid planning. It is identified through the fully analyzing on main influencing factors of the change in regional load characteristic that economic and electricity structures are the key factors influencing the change in regional long-term load characteristic. Then a forecasting model and its check method for long-term load characteristic of provincial power grid based on the change in electricity structure are built. By taking Anhui province as an instance, the load ratio and peak-valley ratio of each typical day at all seasons in 2020 and 2030 are predicted, and the forecast results are verified by taking that of European and American developed countries and Shanghai municipality as the reference. Results verify the rationality and effectiveness of this long-term load characteristic forecasting model, which can provide certain reference value for electricity market analysts and operators to master the variation trend of long-term load characteristic accurately.

Keywords：economic structure; electricity structure; long-term load characteristic; forecast

作者简介：王宝(1986—)，男，硕士，主要从事电力市场分析预测方面的工作，E-mail:kevinwong1010tg@163.com。

收稿日期：2014-07-27

文章编号：1007-2322(2015)03-0054-06

文献标志码：A

中图分类号：TM714; TM715