北京郊区电网冬季典型日“煤改电”负荷特性分析

郝 朝 张浩然 张晓崎 孙振坤 孟一鸣

北京郊区电网冬季典型日“煤改电”负荷特性分析

郝 朝 张浩然 张晓崎 孙振坤 孟一鸣

（国网北京市电力公司怀柔供电公司，北京 101400）

“煤改电”负荷在北京冬季电网负荷中的占比越来越大，负荷增长幅度远超预期值，给地区电网调度、抢修、服务等各项工作带来较大压力。为深入分析“煤改电”负荷特性，本文基于“煤改电”智能服务平台，通过研究北京某郊区电网总负荷与气温相关性、“煤改电”线路及用户用电特性，总结出该区冬季电网负荷用电规律，为地区电网负荷预测及安全可靠运行、统筹农村电网规划、提高优质服务质量提供参考依据。

煤改电；冬季电网负荷特性；负荷预测；优质服务

0 引言

随着我国工业化、城镇化的深入推进，能源消耗持续增加，由此造成的环境污染、温室气体排放问题日趋严重。2020年9月，我国在第75届联合国大会上提出，中国的二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。实施“煤改电”工程、研究“煤改电”工程影响下的电网负荷特性，对减少碳排放、实现碳中和具有重要意义。

“煤改电”工程是北京市实施空气污染治理工作、落实首都清洁空气计划的一项重要政治工程和民生工程[1-3]。根据北京市的总体部署，某郊区所有具备条件的农村地区共完成147个村、5.21万户“煤改电”改造，实现冬季采暖无煤化。

2016年“煤改电”工程实施以来，该区冬季电网负荷发生大幅且不均衡增长、峰谷差值增大等深刻变化，于2017年冬季最大负荷达到42.68万kW，首次超过夏季最大负荷39.87万kW。此后，该区电网冬季负荷节节攀升，不断刷新该区电网负荷历史新高。2020年冬季由于受多次极端“寒潮”天气影响，该地区冬季（2021年1月7日）电网最大瞬时负荷达到59.21万kW，同比2019年冬季（2019年12月31日）最大负荷47.78万kW增长23.92%（其中采暖负荷占比约59.64%），负荷增长幅度远超预期值，给地区电网调度、抢修、服务等各项工作带来较大压力，可以说“煤改电”负荷已成为影响该区冬季电网负荷的主要因素[4-5]。文献[1]通过研究大兴区农村煤改电台区负荷特性，提出优化的供电服务策略；文献[2]通过研究顺义区农村煤改电台区负荷特点，对煤改电台区运行管控措施进行了分析说明；两篇文献均未对地区总负荷规律进行研究。文献[3]通过三种方案研究清洁供暖对辽宁负荷特性的影响，发现需求侧管理手段可有序控制最大负荷；文献[4]开展“煤改电”实施后农网的电力需求分析及负荷特性对比，并对农村电力需求的适应能力进行分析；两篇文献未考虑“煤改电”工程对居民负荷特性的影响。文献[6]利用优化符号聚合近似（symbolic aggregate approximation, SAX）和带权负荷指标的相似性传播（affinity propagation, AP）聚类算法对负荷曲线进行聚类，采用熵权法对负荷特性进行赋权，基于聚类结果分析用户用电行为，但在进行特征提取时，无法同时考虑数据的实用性和冗余性。文献[7]采用Hadoop架构提出基于模式匹配的电力负荷预测方法，并采用MapReduce计算框架进行负荷计算与分析，对某市电网全年负荷进行验证。

综上所述，目前尚缺乏对“煤改电”负荷特性的全面系统性认识和分析。本文基于“煤改电”智能服务平台，从“网—线—点”负荷多角度出发，对地区“煤改电”系统、线路、用户负荷特性进行深度挖掘和分析，获得具有实用性的结论，为地区电网负荷预测及安全可靠运行、统筹农村电网规划、提高优质服务质量提供参考[8-10]。

1 “煤改电”智能服务平台

“煤改电”智能服务平台整合物联网基础设施，对电网设备、“煤改电”用户、环境监测、数据中心、5G通信等模块进行融合化建设，由数据层、应用层和展现层构成，如图1所示。为深化“煤改电”数据融合，同时打造绿色能源运行中心，“煤改电”智能服务平台以“煤改电”智能服务为基础保障、以物联网和大数据技术为技术保障、以优化业务流程规范为制度保障、以“煤改电”实时监控平台发布服务工单和运维提升为监督保障，解决“煤改电”管理中的电网安全、投诉和运维问题。

图1 “煤改电”智能服务平台系统架构

数据层：“煤改电”智能服务平台电网侧接入电网调度自动化系统、配电自动化系统、电能量采集系统运行数据；用户侧接入配电台区精益化管理系统、综合能源管控系统；同时物联网智能终端接入电采暖设备监测、气温环境、用户负荷等数据，在应用层实现了实时监测和大数据分析。

应用层：该层为平台功能应用模块，可实现“煤改电”负荷的运行监测、智能调控、地图展示、工程概况、用户管理、设备管理、能效分析、负荷预测等功能[11-12]。

展现层：该层为用户交互业务界面，用户可通过PC端或者大屏端直接访问、操作“煤改电”智能服务平台，实现“煤改电”负荷的监视控制及展示汇报等功能。

“煤改电”智能服务平台对内应用于监测、辅助决策、分析研判、展示汇报等业务，对外为本区域“煤改电”用户、数据业务用户及政府等其他市场主体提供多元化、互动化、定制化的服务，实现绿色、低碳采暖可视化。

2 地区系统负荷分析

2.1 最大日负荷曲线特点

城乡居民生活用电可分为照明电器负荷和家用电器负荷。照明电器主要是白炽灯和日光灯，家用电器主要有电磁炉、空调、电冰箱、电视机、电暖气等[13-14]。“煤改电”工程实施后，农村采暖电器如储能式电暖器、空气源热泵系统被大量应用，成为农村地区主要采暖方式和耗能电器[15]。

随着“煤改电”工程实施及地区经济结构调整，北京该郊区负荷及供电量呈稳步增长趋势。用电量中，第一产业占2.76%，第二产业占35.05%，第三产业占34.01%，城乡居民生活用电占28.18%。而北京市发改委为推进冬季“煤改电”节能减排，“煤改电”自采暖居民峰谷电价的谷段时间在20:00至次日08:00执行较低的居民电价。该区电网2019年和2020年冬季最大日负荷曲线如图2所示。冬季电网最大负荷从20:00开始出现明显陡增，并在20:00至21:00之间出现最大值，负荷增长时间段与北京政府政策20:00开始执行“煤改电”谷段电价时段正好吻合。这是由于部分储能式“煤改电”用户会在20:00左右同时自动开启电采暖设备，同时率较高导致地区电网负荷攀升明显。在08:00至09:00之间同样有一个负荷高峰，则是由于大量工商业开启用电设备导致。

图2 2019年和2020年冬季最大日负荷曲线

2.2 最大负荷发生规律

通过“煤改电”智能服务平台从历史数据库中选取2019年冬季（2019年12月4日至2020年1月3日）和2020年冬季（2020年12月11日至2021年1月10日）最大负荷日附近31天的日最低气温及相应日最大负荷分别进行对比，同时以最大负荷日（2019年12月31日和2021年1月7日）为基准点进行一一对应，如图3和图4所示。

图3 2019年与2020年日最低气温对比

图4 2019年与2020年日最大负荷对比

通过综合对比图3和图4发现，2020年冬季最低气温（-22℃）发生在2021年1月6日，最大负荷（59.21万kW）发生在2021年1月7日。而2019年冬季最低气温（-17℃）发生在2019年12月30日，最大负荷（47.78万kW）发生在2019年12月31日。2019年和2020年气温最低日的次日，该区电网日最大负荷达到最大值。随着最低气温的升高，电网日最大负荷逐渐变小，说明日最低气温与该区电网负荷呈现明显相关性。

同时，最大负荷变化率较最低气温表现出一定的迟滞性。在所选取样本数据中，尽管2020年日最低气温曾短暂出现高于2019年最低气温的情况，但由于受居民采暖设备特性影响，2020年日最大负荷仍略高于2019年，日最大负荷曲线呈柔性变化，未产生较大突变。

3 线路负荷分析

为研究影响冬季负荷增长的主要因素，通过“煤改电”智能服务平台，随机查询“煤改电”线路（A路、B路）和非“煤改电”线路（C路）电流曲线。选取典型日2021年1月7日（2020年冬季最大负荷日）、2019年12月31日（2019年冬季最大负荷日）及普通日2021年1月14日的电流曲线进行分析对比，如图5～图7所示。A、B、C路典型日电流最大值分别见表1～表3。

船舶领域受多种因素的影响[14]，在对船舶领域进行研究时，可将同种类型(如船长相同、航速相同等)的船舶归为一类作为目标船，选取该特定类型的船舶作为样本进行研究，为简化模型和便于计算，将船舶看作质点，以船舶中心位置代替船舶位置。某块水域内在某段时间内某种特定类型的船舶航行轨迹为

综合分析图5、图6和图7中典型日电流曲线，“煤改电”线路（A路、B路）2020年冬季最大电流曲线（2021年1月7日）明显高于2019年（2019年12月31日），且非“煤改电”线路（C路）的三条典型日电流曲线重合度较高。

通过计算，A路、B路、C路2020年冬季最大电流较2019年冬季分别增长28.64%、15.66%、 4.2%。

图5 A路（平原）典型日电流曲线

表1 A路（平原）典型日电流最大值

图6 B路（山区）典型日电流曲线

表2 B路（山区）典型日电流最大值

图7 C路（非“煤改电”）典型日电流曲线

表3 C路（非“煤改电”）典型日电流最大值

可以看出，A路、B路冬季“煤改电”线路负荷较C路非“煤改电”线路增长率更高，“煤改电”线路负荷是冬季电网负荷的主要增长点，且最大负荷常发生在20:00之后（谷段电价时段），与地区电网最大负荷发生时间接近，说明“煤改电”线路负荷是影响冬季电网最大负荷的关键因素。由于平原地区工业、服务业负荷较多，人口规模较大，因此平原“煤改电”线路负荷较山区“煤改电”线路增长更高。

4 “煤改电”用户负荷分析

为进一步分析“煤改电”用户用电潜力，通过“煤改电”智能服务平台，随机选取北京该区A村（平原）20个“煤改电”用户和B村（山区）12个“煤改电”用户用电量作为分析样本，同样选取典型日2021年1月7日（2020年冬季最大负荷日）、2019年12月31日（2019年冬季最大负荷日）作为典型日进行分析。A村（平原）、B村（山区）“煤改电”用户用电量分别如图8和图9所示。

图8 A村（平原）“煤改电”用户用电量

通过统计图8、图9中“煤改电”用户用电量在不同增长率区间所占的比例，得到A、B村“煤改电”用户用电量增长率统计图分别如图10和图11所示。可以看出B村（山区）“煤改电”用户用电量增长率主要集中在20%～30%、40%～50%的区间，而A村（平原）“煤改电”用户用电量增长率则主要集中在20%～30%区间。B村（山区）“煤改电”用户用电量增长率超过20%的占比达到75%，而A村（平原）“煤改电”用户用电量增长率超过20%的占比为65%。由于山区地势较高，人口规模较小，产业结构单一，山区冬季温度相对于平原更低，因此山区“煤改电”用户负荷较平原地区增长率高，对电网设备的考验也更大，冬季大负荷期间应该受到供电公司运维人员更多重视。

图9 B村（山区）“煤改电”用户用电量

图10 A村（平原）“煤改电”用户用电量增长率统计图

图11 B村（山区）“煤改电”用户用电量增长率统计图

5 结论

2020年，受新冠疫情及经济下行冲击影响，该区电网最大负荷及用电量一度呈现负增长，但在电价激励政策及地区产业结构调整等因素影响下，最终仍能保持增长态势。并且受冬季连续极端“寒潮”天气影响，负荷增长幅度远超预期值，“煤改电”线路设备重过载情况较为严重，该区电网经受了前所未有的考验。本文基于“煤改电”智能服务平台，从“网—线—点”负荷多角度出发，通过对该区电网负荷、“煤改电”线路电流及“煤改电”用户用电量开展分析研究，得出以下结论：

针对此特征，采取需求侧管理手段，在满足用户供暖需求的前提下，合理调整峰谷电价时段，可以有效控制最大负荷幅值及其出现的时间，更加高效利用电网资源。同时供电公司应细化职责分工，落实差异化运维巡视措施，监控人员和现场运维人员应在夜间20:00左右加强负荷监视及重过载设备的巡视工作。

2）日最低气温与该区电网负荷呈现明显相关性，且气温最低日的次日，电网最大负荷达到最大值。

由于负荷曲线的柔性变化，在冬季最低气温的次日，监控人员和现场运维人员应继续加强对负荷和设备负载率的监视和运维工作，同时做好线路运行方式调整措施。

3）“煤改电”线路负荷是影响冬季电网最大负荷的关键因素，而大负荷期间山区“煤改电”用户的用电需求较平原地区更加旺盛。

在开展配电网规划及建设时，应重视山区农村电网的升级改造，在工程项目开展和检修计划安排过程中，应加强关注“煤改电”负荷特性对电网建设和运行带来的影响，不断提升农村地区“煤改电”线路安全稳定运行水平。

后续研究中将继续加大样本采集和分析，增强研究方法严谨性及结论说服力，为电网安全稳定运行提供重要指导。

[1] 李乐, 辛江. 北京农村“煤改电”用户负荷分析及供电策略[J]. 中国电力企业管理, 2017(4): 56-58.

[2] 贾凯. 北京农村“煤改电”台区运行管控[J]. 电网建设, 2020(10): 9-10.

[3] 刘兴龙, 刘罡, 张娜, 等. 北方地区清洁供暖对电网负荷特性影响分析[J]. 电气技术, 2019, 20(2): 57-63.

[4] 刘艳茹, 杨卫红, 王基, 等. 煤改电工程实施前后农网负荷特性分析[J]. 电气技术, 2017, 18(4): 110-115.

[5] 郭艳飞. 基于统计学的煤改电台区负荷特性研究[J].节能, 2019, 38(2): 44-46.

[6] 李春燕, 蔡文悦, 赵溶生. 基于优化SAX和带权负荷特性指标的AP聚类用户用电行为分析[J]. 电工技术学报, 2019, 34(增刊1): 368-377.

[7] 吴润泽, 包正睿, 王文韬, 等. Hadoop架构下基于模式匹配的短期电力负荷预测方法[J]. 电工技术学报, 2018, 33(7): 1542-1551.

[8] 赵永良, 易武, 谢开贵. 固原电网负荷特性分析[J]. 电网技术, 2007, 31(2): 230-232.

[9] 张洵亚, 张巧玲. 陕南农村地区典型民居夏季室内热环境分析研究[J]. 电网与清洁能源, 2020, 36(12): 92-96.

[10] 廖峰, 徐聪颖, 姚建刚, 等. 常德地区负荷特性及其影响因素分析[J]. 电网技术, 2012, 36(7): 117-124.

[11] 林顺富, 胡飞, 郝朝, 等. 基于数据挖掘的楼宇电力能耗分析模型研究[J]. 电测与仪表, 2018, 55(20): 52-58.

[12] 王义军, 李殿文, 高超, 等. 基于改进的PSO-SVM的短期电力负荷预测[J]. 电测与仪表, 2015, 52(3): 22-25.

[13] 马瑞, 周谢, 彭舟, 等. 考虑气温因素的负荷特性统计指标关联特征数据挖掘[J]. 中国电机工程学报, 2015, 35(1): 43-51.

[14] 陈伟, 乐丽琴, 崔凯, 等. 典型用户负荷特性及用电特点分析[J]. 能源技术经济, 2011, 23(9): 44-49.

[15] 徐璐, 王洪涛, 许叶林, 等. 煤改电工程的负荷接入模式优化分析及经济效益评估[J]. 电力经济, 2019, 47(6): 40-46.

Analysis on load characteristics of “coal to electricity” in typical days of Beijing suburban power grid in winter

HAO Chao ZHANG Haoran ZHANG Xiaoqi SUN Zhenkun MENG Yiming

(Huairou Power Supply Company of State Grid Beijing Electric Power Company, Beijing 101400)

The load of “coal to electricity” is becoming more and more important in Beijing’s winter power grid, and the load growth rate is far beyond the expected value, which brings great pressure to the regional power grid dispatching, emergency repair, service and other work. In order to deeply analyze the load characteristics of “coal to electricity”, based on the “coal to electricity” intelligent service platform, this paper studies the correlation between the total load and temperature, the power consumption characteristics of “coal to electricity” lines and users in a district of Beijing, and summarizes the power consumption law of winter power grid load in this district, which also provides an important reference for regional power grid load forecasting and safe and reliable operation, overall planning of rural power grid, and improving the quality of service.

coal to electricity; load characteristics of power grid in winter; load forecasting; good service

国网北京市电力公司科技创新项目（52021419004X）

2021-03-22

2021-04-25

郝 朝（1990—），男，河北省邯郸市人，硕士，工程师，主要从事电力调度自动化及智能电网用户侧研究工作。