安徽省空调负荷横向对比差异分析与中长期预测

王 宝, 马 静, 叶 斌, 陈 煜, 杨 敏, 李 周

(1.国网安徽省电力有限公司经济技术研究院，安徽 合肥 230022；2.国网安徽省电力有限公司，安徽 合肥 230022)

1 研究背景

随着人们生活水平不断提高，安徽夏季空调负荷占整个电网负荷比重(简称空调负荷比重)和人均空调负荷(空调负荷/常住人口)两项空调负荷指标均呈稳步提高态势，2017年安徽空调负荷比重突破50%，达到51.1%，人均空调负荷达到0.30千瓦/人，较“十二五”初翻倍。

加强夏季高峰期间电网空调负荷分析有助于提高负荷预测准确性[1,2]。安徽空调负荷指标是否偏高，是否符合自身发展特征，中长期发展趋势如何？从这些问题出发，本文选取华东和中部其他省份作为参考，分别建立安徽空调负荷比重和人均空调负荷差异分析模型，评价安徽空调负荷指标所处水平合理性。并以安徽历史数据建立空调负荷预测模型，预测安徽中长期人均空调负荷和空调负荷比重发展趋势。

2 安徽省空调负荷横向对比差异分析

安徽地理位置居中靠东，因而采用与华东和中部其他省份对比分析方式，判断安徽空调负荷指标是否处于与自身发展特点相一致的合理水平。华东其他省份选择上海、江苏和浙江，中部其他省份选择湖北、湖南和河南。

2.1 空调负荷比重横向对比差异分析

安徽空调负荷比重华东最高，略高于上海3.9个百分点，明显高于江苏和浙江；但安徽空调负荷比重与中部省份接近度高，中部各省均在50%左右，因而从中部省份角度看，安徽空调负荷比重并不偏高。

图1 安徽与华东、中部省份2017年空调负荷比重对比

经分析，影响各省空调负荷比重差异的主要因素包括各省负荷特性和用电结构差异。从负荷特性差异看：华东上海最大负荷利用小时数(反映负荷特性)与安徽接近，空调负荷比重略低于安徽，而江苏和浙江负荷特性明显好于安徽，其空调负荷比重明显低于安徽；中部省份负荷特性与安徽相似度高，其空调负荷比重总体与安徽接近。从用电结构差异看：华东江苏和浙江二产用电比重(维持在70%以上)明显高于安徽，而居民生活用电比重低于安徽，其空调负荷比重明显低于安徽；中部湖北用电结构与安徽相近，其空调负荷比重与安徽亦接近，湖南居民生活用电比重高于安徽，其空调负荷比重亦高于安徽，河南二产用电比重高于安徽，其空调负荷比重低于安徽。

经相关性计算，各省空调负荷比重与最大负荷利用小时数呈负相关，相关系数达-0.76，即最大负荷利用小时数越高，空调负荷比重越小；与二产用电比重呈负相关，相关系数达-0.69；与居民生活用电比重呈正相关，相关系数达0.82。

直接建立以空调负荷比重为被解释变量的多元线性回归方程[3](如式(1))，但由于存在多重共线性，二产用电比重系数意义不合理且不显著。

KTFHBZ=0.7603700-0.0001122238XSS+0.1506048ECBZ+1.024177274JMBZ(R2=0.77)

(1)

式中：KTFHBZ为各省空调负荷比重，XSS为最大负荷利用小时数，ECBZ为二产用电比重，JMBZ为居民生活用电比重，R2为方程拟合优度，约接近1，拟合效果越好。

以下先采用主成分分析方法[4,5]对三个解释变量提取主成分，选取蕴含信息量最大的一个主成分ZCF1作为解释变量(如式(2))，重新建立回归方程(如式(3))，并还原成原始三个解释变量，得到含三个解释变量的回归方程(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：其他条件不变，最大负荷利用小时数每下降100小时，空调负荷比重平均提高0.64个百分点；二产用电比重每下降1个百分点，空调负荷比重平均提高0.31个百分点；居民生活用电比重每提高1个百分点，空调负荷比重平均提高0.49个百分点。

考虑各省负荷特性和用电结构差异建立的上述方程总体可较好地拟合出各省空调负荷比重差异，拟合绝对误差平均值在2%左右，拟合序列与实际序列相关系数在0.9以上，因而安徽空调负荷比重与自身负荷特性和用电结构特征总体匹配。

需要强调的是空调负荷比重为推算值，各省推算方式存在一定差异，各省结果难以确保全部为同一口径；且除负荷特性和用电结构因素外，各省可能存在其他因素影响(如上海服务业用电是居民生活用电2倍以上，而服务业空调负荷比重远低于居民空调负荷比重，叠加后上海空调负荷比重反而低于安徽)，从而造成方程无法高精度拟合。

2.2 人均空调负荷横向对比差异分析

尽管安徽空调负荷比重在华东最高，但人均空调负荷华东最低，安徽2017年人均空调负荷(0.3千瓦/人)分别仅为上海、江苏和浙江的46%、63%和69%；安徽人均空调负荷与中部各省较为接近。

经分析，影响各省人均空调负荷差异的主要因素包括各省人均居民指标(人均生活用电、人均收入)水平和城镇化进程。安徽人均生活用电量、人均收入和城镇化率均明显低于上海、江苏和浙江，是人均空调负荷明显偏低的主要原因；安徽人均居民指标和城镇化率与中部各省处于基本接近水平，人均空调负荷亦基本接近。

图3 安徽与华东、中部省份2017年人均空调负荷对比

表2 华东、中部各省人均空调负荷及其主要影响因素

经相关性计算，各省人均空调负荷与人均生活用电量、常住居民人均支配收入和城镇化率均呈正相关，相关相关分别达0.84、0.95和0.96。

为避免直接建立多元线性回归方程存在多重共线性，仍采用上述基于主成分分析的回归分析方法，得到以各省人均空调负荷为被解释变量的回归方程(如式(5))。

RJKTFH=-0.1287857+0.0002192RJSHYD+0.0000034RJSR+0.373815416CZHL(R2=0.93)

(5)

式中：RJKTFH为各省人均空调负荷，RJSHYD为人均生活用电量，RJSR为常住居民人均可支配收入，CZHL为城镇化率。

由上式可知：其他条件不变，人均生活用电量每增加100千瓦时/人，人均空调负荷平均增加0.022千瓦/人；人均收入每增加1000元/人，人均空调负荷平均增加0.0034千瓦/人；城镇化率每提高1个百分点，人均空调负荷平均增加0.0037千瓦/人。

考虑各省人均居民指标水平和城镇化差异建立的上述方程总体可较好地拟合出各省人均空调负荷差异，拟合绝对误差平均值在0.03千瓦/人左右，拟合序列与实际序列相关系数在0.95以上，因而安徽人均空调负荷与自身人均居民指标水平和城镇化进程特征总体匹配。

图4 该方法对各省人均空调负荷拟合值与实际对比

3 安徽省空调负荷中长期预测

前述构建的华东和中部省份空调负荷比重和人均空调负荷两个方程中，人均空调负荷方程拟合效果明显好于空调负荷比重方程，因而采用安徽历史数据构建人均空调负荷方程，结合前期对安徽中长期人均居民指标水平和城镇化进程的研究结论，判断安徽中长期人均空调负荷发展潜力，再结合基础负荷增长潜力，合理判断安徽中长期空调负荷比重发展趋势。

安徽人均空调负荷与人均生活用电量、人均收入和城镇化率存在高度正相关关系，相关系数分别高达0.99、0.99和0.96。

表3 安徽人均空调负荷及其主要影响因素历史数据

注：人均收入指标已经2000年可比价处理。

以下仍采用上述基于主成分分析的回归分析方法，得到以安徽人均空调负荷为被解释变量的回归方程(如式(6))，该方程各解释变量系数与上述基于华东和中部各省数据得到方程较为接近，进一步验证各因素对人均空调负荷影响程度的稳定性。

RJKTFH=-0.11978+0.000191RJSHYD+0.0000046RJSR+0.336758CZHL(R2=0.98)

(6)

该方程对2000年以来安徽人均空调负荷拟合绝对误差平均值在0.009千瓦/人左右，拟合序列与实际序列相关系数在0.99以上，方程总体拟合效果较佳，适合开展预测。

结合安徽前期相关研究，合理设定安徽中长期主要年份人均生活用电量、人均收入和城镇化率，预测安徽2025年人均空调负荷达到江苏、浙江当前水平，2030年达到上海当前水平。

图5 该方法对安徽历年人均空调负荷拟合值与实际对比

表4 安徽中长期人均空调负荷主要影响因素发展趋势

注：人均收入指标仍为2000年可比价。

图6 安徽中长期主要年份人均空调负荷发展趋势

安徽中长期基础负荷增长按与用电量增长(前期已形成安徽中长期用电量预测结论)接近推算，安徽中长期空调负荷比重仍有上升空间，但难超55%。

4 结论

安徽空调负荷指标水平呈逐年提高态势，2017年空调负荷比重已突破50%，人均空调负荷达到0.3千瓦/人，针对安徽空调负荷指标是否偏高以及与自身发展特征是否匹配以及中长期发展趋势的问题，本文采用与周边6个省份横向对比方式，构建指标差异分析模型和中长期预测模型，得出安徽空调负荷指标水平更接近了中部省份，且与自身发展特征基本匹配，中长期人均空调负荷将继续提高，2025和2030年分别提高至0.51和0.65千瓦/人，空调负荷比重将继续小幅提高，但难超55%。本文研究为安徽电力市场分析预测和电网规划人员开展负荷特性分析与负荷预测工作提供了一定的参考价值。