张家界地区电网夏季空调负荷特性分析

熊龙珠，向伟，秦月桃

(国网湖南省电力公司张家界供电分公司，湖南张家界427000)

张家界地区电网夏季空调负荷特性分析

熊龙珠，向伟，秦月桃

(国网湖南省电力公司张家界供电分公司，湖南张家界427000)

基于张家界地区近两年负荷数据及气象数据，分析了该地区电网负荷及空调负荷的变化特征，发现了影响该地区负荷季节性变化的主要因素；针对夏季工作日与夏季休息日两种情况，分别研究了温度对该地区空调负荷的影响；采用数学拟合方法，建立了空调负荷的数学模型，得出了两种情况下空调负荷随最高温度变化的特征，为张家界地区电网的负荷预测、调控工作提供有益参考。

负荷特性；空调负荷；曲线拟合；调控措施

张家界为全国最著名旅游城市之一，截至2014年，以住宿、餐饮、旅游设施等为主导的第三产业用电量占全行业总用电量的比重已达50%以上。同时，随着地区旅游产业的大力发展与人民生活水平的不断提高，空调的拥有量不断提升，进而空调负荷占整个电网负荷的比例越来越大。然而，由于空调负荷的集中开启可能导致负荷峰谷差明显增大，这将给张家界电网的安全、经济运行带来较大隐患。因此，对张家界地区空调负荷变化特性的分析及应对措施研究，将有助于改善张家界电网供需矛盾加剧的现状。

目前，国内外学者对于空调负荷特性研究已有开展。文献 〔1－4〕分别分析了京津唐地区、常德市、上海市等地电网的负荷特性，并讨论了影响负荷特性的因素。文献 〔5〕提出了空调负荷的4种运行状态特性建模。文献 〔6－7〕从空调负荷对电网运行的影响出发并建模，提出了空调负荷的相关优化调控策略。文献 〔8－11〕分别天津市、江苏省、重庆市等地实际电网出发，介绍了空调负荷计算方法，得出了地区电网空调负荷与温度的关系，并提出了相应控制措施。然而，考虑张家界地区空调负荷对其电网影响明显，因此开展张家界电网空调负荷特性研究具有重要意义。

文中基于张家界地区现场实际负荷数据，分别研究了张家界电网的负荷特性及空调负荷特性，重点分析了张家界电网空调负荷的特性和变化趋势；其次，建立了空调负荷与最大温度负荷的数学模型；最后，提出了应对张家界电网季节性负荷的主要管理措施，希冀为确保张家界电网的安全、稳定、经济运行提供理论支撑。

1 张家界电网负荷特性分析

1.1 负荷月比率模型

采用月比率模型，为各年同月的最大负荷的平均值与所有月份的最大负荷的平均值之比，如

式中 T为负荷月比率；Pijmax为各年同月最大负荷值；Pnjmax为所有统计的月最大负荷；i＝2013，2014；j＝1，2，…，12；n＝1，2，3，...，24。

因此，统计张家界地区2013—2014年共24个月最大负荷及负荷月比率，如表1所示。可见，张家界地区负荷具有明显的季节变化特征，夏季7，8月份出现了月最大平均负荷较大值，春秋季4，5，10月份出现了较小值；负荷月比率同样具有明显的季节性特征。

表1 张家界地区月负荷统计及负荷月比率

基于表1数据，绘制的张家界电网年负荷曲线如图1所示。可见，2014年负荷总体较2013年有增长，2014年的年平均最大负荷为256.65 MW，2013年的年平均最大负荷为251.34 MW，前者较后者增长了2.11%。另外，张家界地区负荷有着明显的季节特点，夏、冬季节负荷值较大，其为一年中负荷的尖峰段；春、秋季负荷较小，其为谷段，也可近似认为是地区的基础负荷。

图1 2013—2014年张家界电网最大负荷曲线

为进一步说明张家界地区负荷情况，统计了该地区近7年的主要年负荷特性指标数据，如表2所示。2008年至2014年，最大负荷、人均用电量均呈上升趋势；此外，由季不均衡系数指标分析，地区负荷发展表现出不均衡特性。

表2 张家界地区年负荷特性指标

1.2 气温对负荷的影响分析

通常情况下，8月上旬为张家界地区最炎热时段，往往每年的高峰负荷均出现在这个时段，然而，由于2014年夏季气候突变，导致了该时间段负荷发生了显著波动。统计2014年张家界地区夏季典型日负荷曲线如图2所示。

图2中，8月5日为2014年年度最大负荷日曲线，最大负荷为371.27 MW，当天天气情况为晴天，最高温度为38℃；从6日晚间天气开始变为小雨，6日晚间最大负荷为349.96 MW；到7日时由于降雨的关系，负荷曲线被明显拉低，且最大负荷出现在7日的凌晨，晚间最大负荷较6日下降了98.6 MW，最高温度降至35℃，可见气温的突变将会对该地区夏季负荷产生显著影响。

图2 2014年8月5日至8日的日负荷曲线

2 张家界电网空调负荷分析

2.1 张家界地区典型日空调负荷分析

对空调负荷计算采用电网的负荷曲线来模拟计算〔3－8〕，即空调开启后的负荷与空调未开启时的负荷之差为空调负荷量，且考虑了工作日与休息日负荷的差异性。该地区年度实际负荷曲线如图 3所示。

图3 空调负荷曲线

按照实际情况，选取每年5月份负荷为春季基础负荷，通常认为此阶段负荷的季节性影响较小，用电增涨能够体现负荷的自然增长。因此，选取10月份负荷为秋季基础负荷，由于10月份秋高气爽，季节性分量小。计算公示如下:

式中 PB为空调示开启时的基础负荷；P1L，P2L分别为春季和夏季基础负荷；N1，N2为所选取时段的天数。冬季制热负荷特点与夏季制冷负荷性质基本一致，计算方法相同，基础负荷选取年度10月份与下一年度5月份的负荷。

由以上分析，绘制该地区2013—2014年度的夏季工作日与休息日基础和空调负荷曲线，如图4所示。

该地区2014年较2013年基础负荷明显增长，均呈现明显日负荷特性，同一年中的工作日和休息日基础负荷相差不大，说明该基础负荷选取是有效的。3个负荷高峰分别为 9:00—11:00，17:00，20:00—23:00。负荷低谷在凌晨4:00—5:00，峰谷差相对较大，这一特点也进一步反应出了该地区第三产业负荷比重较大的特点。

图4 2013—2014年夏季工作日与休息日负荷曲线

工作日空调负荷要高于休息日空调负荷，且无论是工作日还是休息日空调负荷，在一天中都呈现出相似且明显的 “两谷两峰”特征。具体描述如下:

1)第一个低谷的时间为早晨7:00左右。按照人们的生活习惯，此时为起床时间，且温度相对为一天中最低，较为凉爽，空调开启率最低，工作日和休息日的空调负荷相差最小；

2)第一个高峰的时间为12:00—16:00。此时也是一天中温度最高时刻，这一时段的空调负荷构成主要以工作日各企业、单位的集中空调负荷以及休息日居家制冷空调负荷为主，且工作日空调负荷明显高于休息日负荷；

3)第二个低谷的时间为19:00左右。由于天黑前后且工作日已下班，大部分人会选择这个时段在户外活动乘凉，因而此时办公场所以及居民区的空调开启率会相对偏低；

4)第二个高峰的时间为20:00左右。这一时段工作日和休息日的空调负荷都是一天中相对最高的时段，对该地区而言，主要都是以人们生活居家的空调负荷为主。

2.2 气温对空调负荷的影响

为进一步分析张家界地区气温对空调负荷的影响，总结夏季最大负荷与空调负荷的特性指标，如表3所示。可见，2013年、2014年的年度最大负荷相差不大 (后者较前者减少了2.52%)，然而，空调负荷却大幅度下降，主要原因便是2014年该地区夏季气温反常所引起。

表3 夏季最大负荷与空调负荷特性指标

绘制2013—2014年7，8月的日最高温度曲线，如图5所示。不难看出，2014年的温度相较2013年同期大幅下降，整个7，8月份日最高平均温度为32.13℃，较2013年同期的36.27℃降低了4℃之多，温度超过35℃的天数仅为19天，较2013年同期的50天减少了31天。温度较往年偏低，且基本无持续性的高温天气形成，进而2014年夏季该地区的空调使用率大大降低，空调负荷随之大幅下降。

图5 2013—2014年典型月最高温度曲线

绘制该地区2013—2014年夏季7，8月份工作日和休息日的日最大空调负荷曲线，如图6所示。整体而言，两年的工作日和休息日的空调负荷变化趋势基本一致，最大值均出现在7月末与8月初之间。

对比图6可以得出，这两年张家界地区7、8月份的温度变化曲线与负荷变化趋势具有一致性，例如，2013年该地区夏季温度曲线波动较小，对应的空调负荷曲线相对平滑；2014年夏季由于温度曲线波动大，高低温平凡交替出现，尤其在7月中旬和8月上旬旬末出现了两次大的温度波动，使得总空调负荷较大程度下降，进而导致了2014年空调负荷较2013年有大幅下降。

图6 2013—2014年张家界电网夏季最大空调负荷曲线

3 空调负荷与温度的相关性分析

为进一步量化分析张家界地区空调负荷受温度影响的关系，采用Matlab数据拟合工具箱，对该地区2013—2014年夏季工作日及休息日的最大空调负荷数据与最大温度数据进行拟合，为更好地体现温度与负荷的关系，分别采用一次多项式和二次多项式对相关数据进行拟合，并将拟合结果进行对比。

3.1 工作日情况下

不同拟合手段下的该地区夏季工作日最大空调负荷与最高温度的关系，如图7所示。其中，图7(a)为一次多项式拟合，表达式为:f(x)＝12.41x－300.8，拟合决定系数为0.741 2，标准差为32.32。图7(b)为二次多项式拟合，表达式为f(x)＝0.468 5x2－18.23x＋189.8，拟合决定系数为0.7634，标准差为31.08。通过比较可以看出，二次多项式拟合决定系数较一次多项式拟合系数标准差要小，故二次多项式拟合方法更适合该地区温度与空调负荷关系的描述。

由图可以看出最大空调负荷随温度升高而增大，对工作日空调负荷而言，当温度在23～31℃时，空调负荷增长较慢；当温度超过34℃时，空调负荷增长速度加快。按照此特性，计算曲线在温度为 26℃，35℃时的曲线斜率分别为 7.069，14.565。从而计算出该地区夏季工作日温度在23～31℃时，温度每升高 1℃，空调负荷增加约 6 MW；当温度在32～41℃时，温度每升高1℃ 带来的空调负荷增长约为14 MW。

图7 夏季工作日最大空调负荷与最高温度拟合曲线

3.2 休息日情况下

不同拟合手段下的该地区夏季休息日最大空调负荷与最高温度的关系，如图8所示。图8(a)为一次多项式拟合，表达式为:f(x)＝12.09x－293.2，拟合决定系数为0.6484，标准差为35.65。图8(b)为二次多项式拟合，表达式为:f(x)＝1.196x2－67.72x＋1 020，拟合决定系数为0.736 1，标准差为31.36。类似于工作日情况，可知，采取二次多项式拟合方法对该地区温度与空调负荷关系的描述。

由图可知，当温度在30℃以下时，空调负荷基本无增长，接近为水平直线。当温度在30～34℃度之间时，增长较慢，当温度超过34℃时，增长速度加快。计算曲线在温度为29℃，32℃，35℃时的曲线斜率分别为1.648，8.824，16。从而计算出该地区夏季休息日温度在27～30℃之间时，空调负荷基本无增长，当温度在30～34℃之间时，温度每升高1℃空调负荷增长约8 MW，当温度在34～41℃之间时，温度每升高1℃带来的空调负荷增长约为16 MW。

图8 夏季休息日最大空调负荷与最高温度拟合曲线

综上所述，夏季休息日空调负荷较工作日有所不同，休息日空调负荷基荷较工作日要高，气温低时增长率较小，气温高时增长率较大，体现了张家界地区空调负荷对负荷增长的影响。

4 结论

张家界地区电网夏季空调负荷的特性如下:

1)张家界地区主要以旅游业为支柱的第三产业经济体，第一、二产业用电负荷相对较小，进而使得该地区的基础负荷较低。因此，张家界地区总体负荷受天气影响大，且具有很强的季节性与时段性，负荷预测工作应与气象部门加强沟通。

2)随着生活水平的提高，空调负荷对最大负荷的影响越来越大，从该地区的负荷特性来看，正常情况下空调负荷的年平均增长要略高于地区最大负荷的年平均增长，且最大空调负荷与最高温度符合二次抛物线关系。

3)针对张家界电网负荷特性的实际特点，仅对空调负荷这一影响因素进行了分析，其他诸如小水电、电气化铁路、用户自备电厂等因素，将在后续研究中开展。

〔1〕樊昊，谢国辉.京津唐电网负荷特性分析及预测 〔J〕.中国电力，2014，47(11):70-74.

〔2〕唐宝，董征.“十一五”期间南方电网负荷特性分析 〔J〕.中国电力，2012，45(10):30-35.

〔3〕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):117-125.

〔4〕徐方龙，谢国栋，龚国芳，等.上海市市区供电局季节性负荷分析 〔J〕.电网技术，1999，23(12):16-19.

〔5〕郑竞宏，朱守真，王光，等.空调负荷运行特性研究及建模〔J〕.中国电机工程学报，2009，29(10):67-73.

〔6〕张志丹，黄小庆，曹一家，等.电网友好型空调负荷的主动响应策略研究 〔J〕.中国电机工程学报，2014，34(25):4 207-4 218.

〔7〕高赐威，李倩玉，李扬.基于DLC的空调负荷双层优化调度和控制策略 〔J〕.中国电机工程学报，2014，34(10):1 546-1 555.

〔8〕雷铮，张振高，周进，等.天津电网空调负荷分析与研究 〔J〕.华北电力技术，2013，2:12-15.

〔9〕宋宏坤，唐国庆，卢毅，等.江苏省夏季空调负荷分析及需求侧管理措施的削峰效果测算 〔J〕.电网技术，2006，30 (17):88-91.

〔10〕梁广宇.中小型电网空调负荷分析计算浅谈 〔J〕.电力技术，2010，19(15-16):89-91.

〔11〕石峰，吴笛，李宝珠.重庆市夏季空调负荷分析及有效调节空调负荷的措施建议 〔J〕.电力技术经济，2008，20(1): 42-46.

Characteristics analysis of air-conditioning load about Zhangjiajie grid in summer

XIONG Longzhu，XIANG Wei，QIN Yuetao

(State Grid Electric Power Corporation Zhangjiajie Power Supply Company，ZhangJiajie 427000，China)

According to past two years loads and meteorological data of Zhangjiajie area，this paper analyzes the characteristics of the load and the air-conditioning load.A main factor of the load changes is presented in this area.The temperature effects on the air conditioning load are studied during the summer working days and rest days.It introduces the mathematic model of air conditioning load by the method of curve fitting.The characteristic curves about the result of air conditioning load change with maximum temperature are obtained in summer working day and the rest day.According to the above results，it provides some suggestions on the load forecasting and regulating air conditioning of this region.

load characteristics；air-conditioning load；curve fitting；regulation and control measures

TM714

B

1008－0198(2016)06－0064－05

10.3969/j.issn.1008－0198.2016.06.018

熊龙珠 (1987)，男，湖南张家界人，工学硕士，工程师，主要从事电网调控运行等方面工作。

国网湖南省电力公司群众创新项目 (5216G0160012)

2016－05－11 改回日期:2016－07－29