基于行业大数据的饱和空间负荷预测方法

庾力维， 何敬开

(1.广东电网有限责任公司东莞供电局，广东 东莞 523000；2.广州依莱科电力科技有限公司，广东 广州 510630)

0 引 言

目前，电网规划日益精细，饱和空间负荷预测[1]是电网中长期规划的基础。常用的饱和空间负荷预测方法主要为负荷密度法，基于城市规划进行预测。城市规划一般把工业划分为一类、二类和三类工业等，划分标准主要根据其对环境污染的影响，与负荷密度和负荷特性等并无直接关系。实际上工业细分行业[2]众多，不同行业负荷密度相差很远。因此，有必要专门针对工业进行更细致的行业划分和取值。

传统负荷密度法的负荷密度主要参考规范取值，但规范中的取值范围跨度很大，需要从中选取更具体的取值。为避免过分受到主观取值影响，实际工作中往往结合部分用户负荷密度调研。但此类调研实际上也只是少量的抽样调查，难以反映普遍情况。因此，有必要通过大数据[3]分析，为负荷密度取值提供更充足的依据。

传统负荷密度法的同时率取值往往是经验值，受主观因素影响较大。且同时率受行业类别影响非常大，同一区域内的地块[4]若为同一行业，其同时率往往较高，反之若行业差别较大，尤其是工商业与居民负荷，其同时率往往较低。规划片区众多，每个片区内部地块的行业分布各有不同，大大增加了同时率准确取值的难度。因此，本文提出先通过大数据分析确定行业内部同时率，再通过行业间的负荷曲线[5]叠加计算区域负荷。

传统负荷密度法预测的地块饱和负荷缺少与现状负荷的对比分析，可能出现现状负荷大于预测饱和负荷的情况。传统负荷密度法缺少对特殊点负荷的分析，例如供水厂、高铁牵引站和自备电厂转网供等特殊负荷不适合采用负荷密度法进行饱和负荷预测。因此，有必要增加对地块现状负荷和特殊点负荷的对比修正。

基于上述原因，本文引入基于大数据的“空间-行业”负荷密度法，通过细分工业行业、大数据分析、负荷曲线叠加、现状负荷和特殊点负荷修正等，更切实反映各地块行业和负荷特性，减少关键指标取值主观影响，提高饱和空间负荷预测结果准确性和客观性。

1 总体方法流程

本文所提出的“空间-行业”负荷密度法总体方法流程如图1所示。

图1 总体方法流程

2 地块分类

2.1 地块行业分类

可根据计量自动化系统[6]的电量和负荷数据，确定地区和配变的现状主要行业。系统现有行业分类众多，可根据行业性质相近程度合并出少量主要的现状行业分类。通过地理信息系统(geographic information system，GIS)确定各配变所属地块。两者相结合，确定各地块现状主要行业分类。

可根据地区产业项目规划和招商引资等情况，确定地区和地块规划的主要行业分类。

2.2 地块类型划分

按照规划是否建设用地，现状是否已通电以及现有负荷与规划用地性质是否一致，把地块划分为A、B、C、D四类，如表1所示。

表1 地块类型划分

A类用地是指规划为建设用地，现状已通电，且现有负荷与规划用地性质一致，如规划为商业用地，现状也为商业负荷。此类用地属于较为稳定的用地，负荷类型不变，未来主要为现有用户负荷增长或者同类负荷改造，如城市更新规划中的连片工改工。

B类用地是指规划为建设用地，现状已通电，但现有负荷与规划用地性质不一致，如规划为商业用地，现状为工业负荷。此类用地将来改造可能性很大，负荷类型也将发生改变，如城市更新规划和三旧改造规划中的工业改商住等。

C类用地是指规划为建设用地和现状未通电，即新增的未开发建设用地。

D类用地是指规划为非建设用地和现状已通电，即违建用地。

3 地块常规负荷

地块常规饱和负荷预测主要取决于负荷密度取值。在参考规范取值和负荷调研基础上，可通过大数据分析，为负荷密度取值提供更充足依据。

从计量自动化系统提取全市配变负荷数据，结合GIS系统确定的配变所在地块，统计得出地块现状负荷，并结合地块行业属性和地块面积数据，得出全市各行业各地块负荷密度。把各行业负荷密度由低至高排序，按面积均分为十档。随着行业竞争优胜劣汰、产业升级和城市更新改造，现状较为差旧的都将逐步升级或淘汰，因此排除最低几档和最高一档后，可取其中负荷密度排前10%～30%的作为预测密度取值的主要参考依据之一。该区间密度反映的是当规划范围内所有建设用地负荷均发展到现状排前列的同类负荷水平时，该地区的负荷情况，具有普遍性参考意义。

4 地块负荷修正

4.1 地块基于现状的负荷

地块基于现状的负荷并非单纯指地块现状已有负荷，而是指基于现状已有信息判断地块很可能达到的最大负荷，包含三种情况：地块现有的最大负荷；地块现有装变将来负荷发展成熟时可能达到的最大负荷；地块内明确的用户报装负荷。

部分地块虽然已开发利用，但配变投运时间尚短，其负荷远未发展成熟，如刚建成一两年的小区一般入住率较低。因此，衡量此类地块现状负荷不仅要看现有负荷，还要看现有装变将来负荷发展成熟时可能达到的最大负荷。

从计量自动化系统导出全市配变数据，从中筛选各行业投运时间5年以上的配变，分析各行业配变饱和负载率[7]，再结合各地块现有装变容量，计算各地块现有装变将来负荷发展成熟时可能达到的最大负荷。

地块基于现状的负荷取值视乎地块配变投运时间而定，投运时间短的按现有装变饱和负载率估算负荷+报装负荷，投运时间长的取现有负荷+报装负荷。

4.2 特殊点负荷

部分特殊点负荷不适合采用负荷密度法进行负荷预测，如供水厂、高铁牵引站和自备电厂转网供等。此类负荷一般数量不多，可逐个核实网供负荷。

4.3 地块负荷修正

以地块为单位，在地块常规负荷基础上，结合基于现状的负荷和特殊点负荷进行对比修正。目的是为了避免单纯采用负荷密度法预测而忽略了现状的负荷信息，更贴合用户具体特性。

结合上文地块分类进行负荷修正，具体如下：

(1) A类。A类用地属于较为稳定的用地，负荷类型不变，可能存在地块未完全开发，工业用地二次开发，居住及商业办公的同类更新，其地块饱和负荷取值可取负荷密度法预测值和基于现状负荷值中的大值。

(2) B类。B类用地将来改造可能性很大，负荷类型也将发生改变，如城市更新规划和三旧改造规划中的工业改商住等，可采用负荷密度法预测值作为地块饱和负荷取值。

(3) C类。C类用地是新增建设用地，现状无负荷，可采用负荷密度法预测值作为地块饱和负荷取值。

(4) D类。D类用地是违建用地，可通过衡量将来违建用地清拆的可能性，来判断是否保留现状负荷。

(5) 特殊点负荷。确定了各地块负荷密度法预测值和基于现状的负荷值修正后，再根据特殊点负荷具体情况，逐个判断其对地块负荷的取值影响并修正最终地块饱和负荷预测取值。

5 区域最大负荷

以市为例，从全市计量自动化系统导出配变负荷、所属行业数据和大数据分析各主要行业内配变到市的同时率。由于配变与地块的数量级非常相近，可将该配变到市的同时率作为地块到市的同时率采用。通过各行业地块最大负荷以及同时率计算全市各行业最大负荷。

从计量自动化系统可导出主要行业的典型日负荷曲线。负荷曲线纵轴统一以各点负荷相对于最大负荷的比值来表示。

结合各行业最大负荷以及行业负荷曲线，可模拟预测全市各行业负荷日曲线，各行业日曲线叠加得出全市日曲线，取其中最大值即为预测的全市最大饱和负荷值。

6 实例计算

6.1 计算过程

以某市为例，把各行业划分为居民、商业、办公、电子信息、电气机械及设备、化工、纺织服装、玩具及文体、食品饮料和烟草、木材和家具、包装印刷、造纸、金属、非金属以及其他制造业等16个主要行业。

分别选取该市各行业投运时间5年以上的全部10 kV配变，分析其负载率。全市配变大数据分析各行业同时率，结果如表2所示。

表2 行业配变饱和负载率和同时率

居民、商业、办公配变饱和负载率较低，均在50%左右，工业配变饱和负载率较高，平均达到75%，主要是由于工业配变均为专变，需要交纳配变容量费用，其配变利用效率必然更高。

各行业同时率普遍在0.60～0.75之间，办公类同时率较低，主要是因为计量自动化系统中教育和医疗等大量行业均划分在办公类中，办公类包含行业较多。

从计量自动化系统导出该16个主要行业的日负荷曲线，采样周期为1 h，整点采样，如图2所示。

图2 主要行业日负荷曲线

6.2 结果校核

该市2018年全社会用电负荷156 45 MW，通过“空间-行业”负荷密度法，预测该市2035年全社会用电负荷31 200 MW。

6.2.1 用电量校核

用人均用电量法和电力弹性系数法预测该市用电量，并对用电负荷预测结果进行校核。该市2018年用电量807亿kW·h，最高负荷利用小时数5 156 h。预测2035年用电量1 556亿kW·h，计算得出最大负荷利用小时数为4 989 h，符合第三产业和居民用电占比增长的预期，说明用电量和用电负荷预测结果相符。

6.2.2 饱和负荷密度校核

对比该市现状和2035年预测结果负荷密度如表3所示。

从表3可见，规划整体建设用地及工商住用地负荷密度均比现状提高了一倍左右，符合该市国际先进制造中心定位以及城市更新和产业升级趋势。

表3 现状和预测负荷密度对比

7 结束语

本文提出了一种基于大数据的“空间-行业”负荷密度法，在传统负荷密度法基础上，细分工业行业，通过大数据分析确定关键参数取值，通过负荷曲线叠加计算负荷，对比现状负荷和特殊点负荷进行修正，最后用人均用电量法和电力弹性系数法等方法进行校验。通过上述优化措施，更切实反映各地块行业和负荷特性，减少关键指标取值主观影响，提高了饱和空间负荷预测结果准确性和客观性。