气温及抄表时间对售电量的影响

胥 超，李英惠，于佰建，张 健，万 旭

（1.国网山东省济南市历城区供电公司，济南 250100；2.国网山东省电力公司济南供电公司，济南 250012；3.国网山东省电力公司，济南 250001）

气温及抄表时间对售电量的影响

胥 超1，李英惠2，于佰建3，张 健1，万 旭1

（1.国网山东省济南市历城区供电公司，济南 250100；2.国网山东省电力公司济南供电公司，济南 250012；3.国网山东省电力公司，济南 250001）

影响售电量的因素有很多，其中气温、抄表时间对售电量影响最大，称为影响售电量的二元因素。通过对历史数据的统计分析，研究气温及抄表时间对售电量产生的具体影响，并阐述售电量预测分析方法。为制定经营指标及经营决策提供有效依据。

售电量；气温；回归分析；抄表例日

0 引言

随着我国国民经济的迅猛发展，各行各业用电量的急剧攀升，电量预测发挥着越来越重要的作用。电量预测技术主要包括时间序列法、回归分析法、基于单耗模型的部门分析预测法，以及基于计算机系统的专家系统预测法、模糊预测法、灰色理论预测法、人工神经网络预测法等。上述电量预测方法主要针对用电量预测，而针对公司实际与用户结算的电量，即发行售电量预测却较少涉及。售电量是指电力企业出售给用户或其他电力企业的可供消费或生产投入的电量。供电公司的发行售电量是通过电能计量装置记录客户使用电量的多少，按时间段进行抄录。由于售电量抄表、核算、收费等业务流程影响，各电压等级用户需要分开时间段进行抄表计量。且不同电压等级会有不同的抄表例日，同时由于季节气温变化，售电量呈现出明显的变化，两种因素共同干扰了售电量预测准确性，因此研究气温、抄表两种对售电量影响较大的因素，对售电量预测准确性有着重要意义。

1 气温与售电量关系

1.1 历年月度售电量分析

依据国家电网“一库三中心”系统，研究济南市历城区自2003年以来近15年售电量增长趋势，发现每年月售电量走势有着很高的相似性。以2010年、2012年、2014年及2015年月售电量走势为例说明，如图1所示。

由图1可知，由于季节变化，每年售电量呈现出较为相似的走势，为了更好研究气温变化与电量变化的影响，将数据颗粒度细化为每天售电量与每天最高或最低气温，2015—2016年日电量走势如图2所示。

图1 2010、2012、2014、2015年月售电量走势

图2 2015—2016年日售电量走势

由图2可知，随着季节变化，日电量的发展趋势有更加明显的高度相似性，而季节因素变化主要表现为气温的变化，因此研究气温变化对售电量影响有着重要意义。

1.2 气温与敏感电量

随着我国经济的发展，空调的普及程度越来越高，制暖设备用电大幅提升，这些都是对气温较为敏感的负荷［1］。所谓气温敏感电量即指，由于气温过热或过冷，需要由用电设备提供制冷或制热，从而产生的用电量。

为了研究气温与电量的关系，将电量简化为由基础电量、夏季气温敏感电量和冬季气温敏感电量3个部分，模型［2］为

式中：L为日电量；Lb为基础电量；Ks为夏季电量增长率；Kw为冬季电量增长率；T为气温；Ts和Tw分别为夏季和冬季对电量产生影响的临界值。

以2013—2016年日电量走势为例进行分析，随着气温升高，制冷电量占总电量的比重越来越大，用电负荷对气温的敏感性越来越强，当气温高于30℃后，负荷随气温的升高急剧上升，但这部分负荷在36～38℃ 后出现拐点［3］。通过实际分析，气温在36～38℃时，所有制冷设备基本处于全部开启且全功率运行状态，气温继续升高反而无法对电量提升起到刺激作用，38℃则为临界点，高温敏感电量模型如图3所示。

图3 高温敏感电量示意图

同样，冬季敏感负荷在-15～5℃之间，也呈现出较为明显的增加趋势，如图4所示。

图4 低温敏感电量示意图

1.3 气温与售电量关系

分析气象台提供的夏季（冬季）每日最高（低）气温及每天售电量发行数据，发现二者曲线有着极高拟合度（反向拟合度）［4］，如图5、图6所示。

将气温及电量曲线进行趋势分析及线性回归方程模拟，发现二者在一个气温区间存在近似线性关系。根据历年统计数据，计算出每一气温对应的平均日电量，以气温为自变量，电量为因变量，进行线性回归分析［5］。直线趋势方程的一般公式为

图5 夏季每日最高气温与每日售电量走势

图6 冬季每日最低气温与每日售电量走势

利用最小二乘法对参数进行估计：

式中：x为序列中指标所属的气温；a为截距；b为系数；Y为某气温对应的日电量；n为数组数。

以气温x为自变量，建立线性趋势模型y=f（x），由公式（2）分别求a、b值，可以得到气温与售电量的线性方程。

高温分析。应用DPS数据处理系统及EXCEL回归分析工具进行高温电量分析，得到气温与电量相关系数及回归方程，相关系数为0.93，高度相关。在20～40℃区间，气温与电量之间存在高度正相关关系，回归方程为y=16.46x+171.4。35～37℃区间内，受到敏感负荷影响，电量提升明显加速，但基本服从线性相关关系，如图7所示。

低温分析。应用回归分析工具进行低温负荷分析，得到气温与电量相关系数为-0.86，为高度相关，多重判定系数为0.74。在-15～15℃区间，气温与电量之间存在高度负相关关系，回归方程为y=-11.79x+ 783.6。回归分析曲线如图8所示。

图7 夏季气温—售电量曲线

图8 冬季气温—售电量曲线

随着空调降温负荷及制暖负荷的增大，气温成为影响用电负荷的重要因素，供电部门通过参考气象部门提供的气象预报，对电量进行中短期增长预测，以确保电网安全运行。

2 抄表时间与售电量关系

售电量表计为轮流抄表，存在高压、低压售电量抄表时间不一致的情况，引起自然月发生的售电量与发行结算收费的售电量不对应，因此售电量预测和分析、线损率统计和分析都需要充分考虑抄表时间因素。

2.1 抄表例日

图9 8—10月份日售电量

以国网山东省济南市历城区供电公司为例，目前客户26万户，其中高压客户0.4万户，低压客户25.6万户。由于抄表、收费量大，采用高压用户每月15日抄表；低压用户分单、双月户抄表，抄表例日为每月1日。

以2016年8—10月为例，负荷走势如图9所示，抄表区段如表1所示。

表1 10月份抄表区段分布表

可知，10月份抄表所得售电量跨越3个月，8—10月份存在较为明显的负荷差，造成了统计售电量的失真。10 kV及以上高压用户抄表周期为9月15日至10月 15日，包含了 9月下旬负荷高峰期；0.4 kV低压用户10月份为双月户抄表，实际结算电费日期为8月1日至10月1日，包含了8月份的负荷高峰期，造成10月份发行售电量高出10月自然月售电量。

2.2 月售电量数据模型

应用10月份数据进行分析，各指标取值公式为

式中：G为日供电量；F为当日平均负荷（为已知量）；S为日售电量；L为综合线损率；J为基础电量，取500万kWh；α为负荷提高系数；DS为日低压售电量；DSd为低压单月抄用户日电量；DSS为低压单月抄用户日电量。根据公式（4），测算得到8—10月份每日售电量及不同电压等级对应的售电量，如表2所示。

由电量构成表测算：自然月售电量为 18 803万kWh，由所有用户10月1日零点到11月1日零点抄见电量；而测算发行售电量为19 428万kWh，由10 kV高压用户9月15日零点至10月15日零点抄见电量加上低压双月抄表用户8月1日零点至10月1日零点抄见电量，测算发行售电量比自然月售电量多出625万kWh，偏差率3.3%。由营销系统查询10月份实际发行售电量为19 434万kWh，测算发行售电量与实际发行售电量偏差仅为0.04%。

表2 2016年8—10月份售电量构成表 万kWh

若在负荷差较大的月份，如4月、9月，发行售电量与自然月售电量的偏差更大，偏差率可达10%，此时售电量超出供电量，则会出现负线损的异常现象。因此在合理预测、分析售电量及计算线损率时，应充分考虑抄表时间的影响。

3 结语

因为气温敏感负荷的存在，每日售电量会随温度变化有规律的变化，而不同电压等级用户抄表时间的不同步造成发行售电量与自然月售电量的偏差。目前天气预报可提前15～30天发布，可以根据电量与温度相关关系测算日后15～30天的日售电量；同时根据抄表特性可知，10 kV用户抄表时间比自然月提前了15天，低压抄表时间比自然月提前了30天，应用平均负荷、低压售电量占比、负荷提高系数等数据及推导关系，快速得到需要的数据，从而可以提前30～45天对月度发行售电量的开展预测，预测准确率最高可达99.96%。

该预测模型需要建立在气温预测的基础上开展，目前气温预测在短期内比较准确，但长期预测难度较大、准确性较差，随着物联网、大数据、云计算等先进技术的引入，气象预报越来越提前和可靠，更加有助于开展日售电量的预测。而售电量变化并非仅仅与气温和抄表时间有关，随着我国经济转型升级，用电结构及经济形势对用电影响越来越大，日后还要充分结合用电结构及经济形势期望指数开展更加准确、合理的预测分析。

［1］肖国泉，王春，张福伟.电力负荷预测［M］.北京：中国电力出版社，2001.

［2］朱振伟，方鸽飞，王国福，等.电网夏季气象敏感负荷特性分析［J］.华东电力，2008，36（9）：53-58.

［3］忻建华，翟海青，葛佳男，等.上海市用电负荷与温度敏感系数［J］.华东电力，2012，40（10）：1 754-1 758.

［4］李英惠，胥 超.基于时间序列模型的售电量预测方法［J］.山东电力技术，2014，41（6）：56-59.

［5］彭鹏，彭佳红.基于多元线性回归模型的电力负荷预测研究［J］.中国安全生产科学技术，2011，7（9）：158-161.

Analysis of the Influence of Temperature and Reading Time on Electricity Sales

XU Chao1，LI Yinghui2，YU Baijian3，ZHANG Jian1，WAN Xu1
（1.State Grid Licheng Power Supply Company，Jinan 250100，China；2.State Grid Jinan Power Supply Company，Jinan 250012，China；3.State Grid Shandong Electric Power Company，Jinan 250001，China）

There are many factors affecting the sales of electricity sales，of which the temperature，meter reading time，known as affecting electricity sales dual factors，have the most significant impact on the electricity sales.Through the statistical analysis of historicaldata，theinfluenceoftemperatureandreadingtimeontheelectricitysalesanalyzedindetail，andthemethodof forecasting the electricity sales is illustrated，which provides an effective basis for making operating indicators and operating decisions.

electricity sales；air temperature；regression analysis；meter reading day

TM732

A

1007－9904（2017）01－0041－05

2016-11-28

胥 超（1984），男，统计师，从事统计分析工作。