考虑气象因素的冬季取暖负荷计算

吴茵，张智光，杨小卫，龚利武，苗增强，覃芳璐，李滨（.广西电网公司电力调度控制中心，广西南宁　53003；.广西电力系统最优化与节能技术重点实验室（广西大学），广西南宁　530004）



考虑气象因素的冬季取暖负荷计算

吴茵1，张智光2，杨小卫1，龚利武2，苗增强1，覃芳璐2，李滨2
（1.广西电网公司电力调度控制中心，广西南宁530023；2.广西电力系统最优化与节能技术重点实验室（广西大学），广西南宁530004）

KEY W0RDS：heating 1oad；sensitivity；sca1ing method；1oad 1eve1

摘要：通过研究气象与冬季取暖负荷的关系，在负荷标幺化方法的基础上研究了冬季日最大负荷随综合平均气温变化的灵敏度，建立了冬季取暖负荷模型。该方法有效消除了经济波动、拉闸限电等不确定因素的影响，并可直观地看出广西冬季气温每降1℃时电网增加的负荷量。利用该方法分析了2008—2013年广西电网的冬季取暖负荷，其结果为广西电网制定冬季高峰时段负荷调控政策及措施提供科学依据。

关键词：取暖负荷；灵敏度；标幺化；负荷水平

冬季取暖负荷作为我国南方地区电网季节性日负荷曲线峰值的重要影响因素，与国民经济水平及气象密切相关[1-3]。20世纪50年代，在能源紧缺背景下，我国以秦岭、淮河为界，划定“南北供暖线”，这使得冬季南方大部分地区没有集中供暖。近30年来在阴冷的天气下大多数城镇居民采用空调、电热等方式取暖，并且大量使用电磁炉等电炊设备。调查显示，2013年南方地区有81%的用户冬季供暖方式采用电能，供暖时间一般为12月、1月和2月[4-6]。随着用户的空调、电炊设备保有量和使用率日益增加，导致取暖负荷急剧增长，已成为电网负荷屡创新高的主要原因，给合理制定电网发电计划带来一定困难[7-10]。更值得说明的是，逐年增长的取暖负荷对电网造成负荷率下降，峰谷差增大的冲击对系统电压稳定性产生不利影响[11-12]。为避免这一冲击，电网公司每年需要投入大量资金用于电厂和电网建设，势必造成高调峰成本。若单纯依靠扩大投资规模、增加装机备用容量来满足短暂的冬季尖峰用电，会导致发供电成本不断上升。因此，应有效管理冬季取暖负荷，提高能源使用效率，进而保证电网的安全稳定运行。

目前负荷预测领域关于冬季取暖负荷的研究较少。文献[1]采用模型向量基理论，在统计调研日负荷曲线和负荷模型参数基础上，计算得到了冬季负荷模型参数，在可信性理论的基础上得到了负荷模型参数随气温变化的随机模糊期望值。文献[2]采用基准负荷比较法估计了冬季典型月的调温负荷，分析了调温负荷与气温以及空调保有量的相关性，并发现后者的相关度较前者要高。但在实际计算中，负荷侧的空调保有量一般情况下未知，给计算带来了一定的难度。文献[3]采用基于负荷曲线的计算方法，研究了江苏地区日最大负荷和气温的敏感关系，并计算出苏州冬季的空调负荷水平，得出了负荷-气温敏感数值。该方法计算简易，便于理解。但是，曲线法未直观反映气象变化对冬季取暖负荷的影响。而且，该类方法不能剥离经济波动、季节性负荷、拉闸限电等不确定因素对电网负荷的影响因素，具有一定局限性。

本文通过分析广西冬季气象及广西电网随气象的变化情况，找出冬季影响电网负荷较重的气象因子作为冬季取暖负荷模型的变量，并将负荷进行标幺化处理，再通过基于灵敏度的方法计算由气象变化引起的取暖负荷。该方法有效消除了经济波动等不确定因素对电网取暖负荷分析的影响，并可直观地看出广西冬季气温每降低1℃时电网增加的负荷量。相比于现有方法，该方法在计算取暖负荷时更具有理论意义。本文的研究成果将为广西电网制定冬季高峰时段负荷调控政策及措施提供科学依据。

1　广西电网冬季取暖负荷特性

1.1广西冬季气象特性分析

广西壮族自治区位于北纬20°54＇～26°24＇之间，北回归线横贯全区中部，属亚热带季风气候区。广西冬季（12月至次年2月）日照时数总的分布为北少南多，大部分地区为300～500 h。其中全年中最冷的月份为1月，平均气温为-1～16℃。桂南沿海地区1月平均气温为14～16℃；但桂北及高寒山区，其1月平均气温在7℃以下[13]。广西冬季不同于北方的干冷，以湿冷为主，有少量冬季降雨，常伴有寒潮和冻害[8]。

1.2广西冬季负荷特性分析

对广西地区冬季负荷结构进行分析，2013年1 至2月，广西工业用电恢复性增长使得广西全社会用电量呈高速增长态势，由广西调度中心提供的2013年全年统调负荷数据知，1月份电力需求占全年电力总额的35.3%。3—6月，受广西铝工业用电环比明显下降及居民、商业用电增速回落影响，用电需求明显放缓，单月增速仅3%～4%。由此看出，电网负荷的经济增长成分并不稳定，受季节性、政策性的影响较大。因此，分析由降温引起的冬季取暖负荷时需要排除这些不定影响因素。

随着取暖设备的普及率逐年增大，气象因素对冬季电网负荷的影响越来越显著。据统计，从2008年起，广西电网冬季的日最大负荷均出现在12月到来年1月，这2个月是1 a中气温较低同时取暖负荷最大的时候。图1为2008—2013年冬季最大日负荷及峰谷差，表1为对应的日平均负荷、日最小负荷及当年冬季日最低气温标幺值情况。由图1可知，冬季最大日负荷呈现逐年增大的趋势，个别年份出现负增长，结合表1最大日负荷出现日温度呈现波动下降（其中2008年冬季冰灾严重，气温偏低）态势可推断取暖负荷所占比例逐年上升。另外，根据广西电力建设信息科技部统计，广西地区取暖设备装机容量随着经济水平不断提高逐年增加，造成取暖负荷增大，电网峰谷差也逐年平稳增长。经比较，广西冬季最大日负荷及其峰谷差较夏季的大，因此有必要专门针对冬季取暖负荷进行研究，以保证电网电压稳定，提高经济效益。

图1　2008—2013年冬季最大日负荷及峰谷差Flg. 1 Maxlmum dally peak-valley dlfference ln wlnter from 2008 to 2013

表1　广西2008—2013年冬季最大负荷日情况Tab. 1 Days of the maxlmum dally load ln wlnter from 2008 to 2013

2013年冬季广西电网统调96点负荷曲线如图2所示。由图2可知，冬季日负荷曲线形状较为相似，均出现早、晚2个高峰，而由于冬季空调负荷、电炊负荷均在晚上下班后18：00—20：00开启，因此日负荷最大值一般出现在晚高峰。由图2可以明显看出，由于全社会放假及工厂停工，春节期间负荷水平明显降低。因此，本文认为选取工作日研究取暖负荷更具有代表性。

广西电网冬季2012、2013年的日最大负荷变化趋势如图3、图4所示，由图可知，虽然是相邻的2 a，但负荷变化趋势各有其特点。由于受经济、政策的制约，每年负荷的增长程度并不相同[9]。因此，简单地获取负荷经济增长量很可能与实际不相符，在负荷预测时有必要采取一定的措施去除该经济波动与受限电的影响，本文提出的负荷标幺化方法有效地解决了这一问题。

图2　2013年冬季广西电网统调96点负荷曲线Flg. 2 The 96-polnt load curve of Guangxl power grld ln the wlnter ln 2013

图3　2012年冬季广西电网统调日最大负荷变化曲线Flg. 3 Maxlmum dally load of Guangxl power grld ln the wlnter ln 2012

图4　2013年冬季广西电网统调日最大负荷变化曲线Flg. 4 Maxlmum dally load of Guangxl power grld ln the wlnter ln 2013

2　考虑气象因素的冬季取暖负荷计算方法

冬季日最大负荷与气象之间存在着一定关系，对此整理出了考虑气象因素的冬季取暖负荷计算方法的整体思路，如图5所示。首先，获取气象数据并利用各地负荷权重将广西14个地级市的气象统一成全网的综合气象，选取高相关度气象因子；其次，进行数据筛分，尽可能降低非气象因素对电网负荷的影响；然后，对负荷进行标幺化处理，进一步将气象因素与经济波动因素相剥离；最后，用标幺负荷对气象进行拟合，利用得到的灵敏度计算冬季取暖负荷。

图5　考虑气象因素的冬季取暖负荷计算流程Flg. 5 The Calculatlon process of the heatlng load ln wlnter conslderlng meteorologlcal factors

2.1气象及负荷数据处理

由于地域原因，各市的气象条件存在一定的差别，在分析全网总负荷与气象的关系时，若只用某市的气象数据来分析必定会对准确性造成一定影响，因此计算广西电网负荷需要获取广西的综合气象[13]。首先通过各市实际用电负荷与全网总负荷的比值获得各市负荷所占权重，认为该权重即为各市气象在全区气象中贡献的百分比。再由各市实际气象数据与其气象权重乘积之和，计算出广西地区加权综合多因素气象，例如加权综合平均气温。

以广西综合平均气温为例，采取式（1）、（2）计算综合平均气温：

式中：N为地区个数；Pi为各市的负荷；P∑为全网总负荷；ωi为各地负荷占总调负荷的权重；T为地区综合平均气温。

为了把握冬季严寒天气负荷的变化规律，提高取暖负荷预测的准确度，对广西地区冬季日最大负荷与气象的数据进行研究，通过相关性分析，找出统调日最大负荷与各气象因子之间的关系。研究发现，广西地区2012年11月1日到2013年1月14日这2个半月内全网日最大负荷和日最低气温及日平均气温数据较为典型，由此画出广西日最大负荷与综合气温的趋势，如图6所示。由图6可知，从大趋势上看冬季负荷与气温呈负相关[10]。

图6　2012年冬季广西日最大负荷与气温的关系Flg. 6 The relatlonshlp between the maxlmum dally load of Guangxl power grld and alr temperature ln the wlnter of 2012

统调日最大负荷与气象因子的相关程度用相关系数r来表示。相关系数的绝对值越大，表示它们之间的相关程度越高，相关系数为负数时，表示气象因子的增大（减小）可能引起用负荷的减小（增大），这种关系叫作负相关。一般地，相关系数的绝对值介于0.5～1.0之间则认为2变量之间具有相关性，相关系数的计算公式为：

式中：r为样本相关系数；χ、y为样本观测值。

根据广西电网2012年、2013年冬季统调日最大负荷和各气象数据，通过相关系数式（3）计算得到广西地区冬季日最大负荷与气象的关系，如表2所示。

由表2可知，负荷与平均气温、平均寒湿指数的相关系数均＞0.5且方差较小，这表明这2种气象因子对冬季负荷有着较显著、稳定的影响。因此，本文利用平均气温这一气象因子研究冬季取暖负荷。

选定全网综合气象因子后，需要对数据进行筛分。本文将工作日与周末、节假日相分离，选取一般工作日的负荷数据进行建模分析。通过筛分后的数据更能体现电网在正常运行时的状态，使得计算结果更为科学有效。

表2　广西电网2012、2013年气象与负荷相关度Tab. 2 Relevancy of load to meteorology ln 2012 and 2013 ln Guangxl power grld

2.2负荷标幺化方法

负荷受经济因素和气象因素影响，例如同样气温下，不同年份之间的负荷水平区别很大，因此，当研究负荷与气象的关系时，需要将经济影响剥离。逐月标幺化的方法，就是将每月的负荷数据除以当月的负荷水平获取原始标幺数据，再对该数据进行气象因素分析研究，最后将标幺值乘以当月负荷水平基准即可还原为有名值，该方法有效地去除了负荷数据中经济增长成分。由于每月的负荷基准会随着经济波动而变化，因此，将负荷标幺化后负荷便不会受经济波动的影响，还能有效消除经济逆增长、拉闸限电等不确定因素带来的负荷波动。

该方法难点在于负荷基准值的选取，基准值应能反应每月的负荷水平并体现各月之间的负荷差异，在理想情况下应为每月相同气象条件下的日最大负荷值。但是实际中由于累积效应等因素的影响，不可能取到完全相同的气象条件，因此该基准可扩展为选定的气象区间下所有日最大负荷平均值。在选取气象区间时要注意，该区间包含于各月的气象区间当中，且每个月的数据样本都要尽可能地多。根据2008—2013年气象历史样本可知，广西冬季各月综合平均气温在[11，13]摄氏度区间最多，将其定位基准温度区间。因此选择每个月平均气温落在基准温度区间内日子的负荷平均值作为当月的负荷水平基准，各月负荷水平基准如表3所示。

表3　广西电网2008—2013年冬季各月负荷水平基准Tab. 3 Load benchmark of each month from 2008 to 2013 ln Guangxl power grld　MW

每天的最大负荷标幺值可通过式（4）、（5）获取。

式中：i为综合平均气温在基准温度区间内的日期序号；PJi为J月第i日电网最高负荷值；nJ为J月综合气温在基准温度区间内的天数；PJB为J月负荷水平基准；为J月第i日电网最高负荷标幺值。

对标幺结果进行统计，发现小于12℃度日子的最大负荷标幺值的均值都大于1，而大于12℃度日子的最大负荷标幺值的均值都小于1，该概率统计规律从侧面反映了该标幺化方法的可行性与准确性，统计结果如表4所示。

2.3基于灵敏度的冬季取暖负荷计算方法

根据历史统调负荷标幺值及气象数据，求得广西电网冬季日最大标幺负荷与平均气温的拟合曲线，如图7所示。得到基础预测模型公式为：

由拟合情况看出，广西全网日最大负荷随平均气温的变化而变化，拟合度R2在0.4左右，曲线反映了冬季负荷随平均温度的变化情况。该曲线呈二次抛物线的形状，最低点位于19℃处，为曲线的极值点，说明当气温低于19℃时负荷开始上升，可认为广西冬季取暖负荷开启时对应的最高平均气温为19℃。

由图7中温度与负荷二次拟合的基础负荷公式，求一阶导数可以得到冬季全网负荷随平均气温的灵敏度情况，如图8所示。由于该灵敏度反应了负荷随气温变化而改变的平均值，且去除了经济波动、拉闸限电的影响，因此该冬季灵敏度实质反应了取暖负荷随气象的变化情况。

表4　广西电网负荷平均标幺值与温度区间的关系Tab. 4 The per-unlt load ln each temperature range ln Guangxl power grld

图7　2008—2013年冬季全网负荷标幺值与平均气温的拟合曲线Flg. 7 The fltted curve of per-unlt load and temperature of Guangxl Power Grld ln wlnter from 2008 to 2013

图8　2008—2013年冬季广西电网标幺负荷对平均气温灵敏度Flg. 8 The sensltlvlty of per-unlt load to average temperature ln wlnter from 2008 to 2013 ln Guangxl power grld

由此可得基于标幺化负荷灵敏度的冬季取暖负荷计算模型为：

式中：PB为冬季各月的负荷水平基准；P*为取暖负荷标幺值；P为取暖负荷实际值；T为取暖负荷起始综合平均气温，取19℃；T为当年全网最低综合平均气温。

同时，可以得到基于标幺化负荷灵敏度的冬季全网统调负荷简约计算模型：

根据2008—2013年的综合平均气温、负荷情况可以得到历年的冬季取暖负荷，如表5所示。由图9可以看出各年取暖负荷的走势。从结果看出，历年冬季综合平均温度波动较大，以及负荷基准的变化，各年取暖负荷也有较大差距，且呈现出波动上升趋势。

表5　2008—2013年取暖负荷情况表Tab. 5 Heatlng load from 2008 to 2013

图9　广西电网2008—2013年冬季取暖负荷趋势图Flg. 9 The tendency chart of the heatlng load of Guangxl Power Grld ln wlnter from 2008 to 2013

3　结语

本文提出了一种考虑气象因素的冬季取暖负荷计算新方法，由各地负荷权重形成全网综合气象因子，研究气象与冬季取暖负荷的关系，并采用负荷标幺化方法有效消除经济增长、拉闸限电等不确定因素的影响，通过计算冬季日最大负荷随综合平均气温变化的灵敏度，建立了冬季取暖负荷模型。通过预测未来冬季最低温度及基准负荷，可以对未来取暖负荷进行预测，指导电网高峰时段负荷调控。

参考文献

[1]陈迁，徐箭，孙元，等.考虑气温影响的负荷模型参数不确定性建模[J].电力自动化设备，2011，31（10）：17-25 CHEN Qian，XU Jian，SUN Yuan，et a1. Mode1ing of 1oad mode1 Parameter uncertainty considering temPerature[J]. E1ectric Power Automation EquiPment，2011，31（10）：17-25（in Chinese）.

[2]任志超，杜新伟，王海燕，等.调温负荷的估算方法及影响因素研究[J].现代电力，2014，31（3）：80-85 REN Zhichao，DU Xinwei，WANG Haiyan，et a1. Research on estimation method of temPerature-adjusting 1oad and inf1uence factor[J]. Modern E1ectric Power，2014，31（3）：80-85（in Chinese）.

[3]姜学宝，吴强.苏州电网负荷和敏感性分析[J].江苏电机工程，2009，28（6）：45-48 JIANG Xuebao，WU Qiang. Ana1ysis of 1oad and sensitivity for Suzhou network[J]. Jiangsu E1ectrica1 Engineering，2009，28（6）：45-48（in Chinese）.

[4] KURITA A，SAKURAI T. The Power system fai1ure on Ju1y 23，1987 in tokyo[C]. Proceedings of the 27th Conference on Decision and Contro1，Austin，Texas，1988.

[5]李育燕，陈谦，黄文英，等.空调群负荷动态特性分析与建模[J].高电压技术，2007，33（1）：66-69，77. LI Yuyan，CHEN Qian，HUANG Wenying，et a1. Dynamic characteristics and mode1ing of air conditioner 1oads[J]. High Vo1tage Engineering，2007，33（1）：66-69，77（in Chinese）.

[6]赵德应，李胜洪，张巧霞.气温变化对用电负荷和电网运行影响的初步探讨[J].电网技术，2000，24（1）：55-58. ZHAO Deying，LI Shenghong，ZHANG Qiaoxia. Inf1uence of temPerature variation on Power 1oad and Power networkoPeration[J]. Power System Techno1ogy，2000，24（1）：55-58（in Chinese）.

[7] SANHUEZA S M R，TOFOLI F L，ALBUQUERQUE F L D，et a1. Ana1ysis and eva1uation of residentia1 air conditioners for Power system studies[J]. IEEE Transactions on Power Systems，2007，22（2）：706-716.

[8]杜裕.气候变化背景下广西冬季寒害与冻害时空分布特征研究[D].南宁：广西大学，2012.

[9]陈剑勇，苏浩益.结合支持向量机和马尔可夫链算法的中长期电力负荷预测模型[J].南方电网技术，2010，6 （1）：54-58. CHEN Jianyong，SU Haoyi. A forecasting mode1 of medium/1ong term Power 1oad in combination of the suPPort vector machine and Markov Chain a1gorithms[J]. Southern Power System Techno1ogy，2010，6（1）：54-58 （in Chinese）.

[10]马小慧，阳育德，龚利武，等.基于Kohonen聚类和SVM组合算法的电网日最大负荷预测[J].电网与清洁能源，2014，30（2）：7-11. MA Xiaohui，YANG Yude，GONG Liwu，et a1. Forecasting of the dai1y maximum 1oad based on a combined mode1 of kohonen c1ustering and SVM[J]. Power System and C1ean Energy，2014，30（2）：7-11（in Chinese）.

[11]马喜平，谢永涛，董开松，等.多能互补微电网的能量管理研究[J].高压电器，2015，51（6）：108-114.

MA XiPing，XIE Yongtao，DONG Kaisong，et a1. Research on energy management of mu1ti-energy comP1ementary microgrid[J]. High Vo1tage APParatus，2015，51（6）：108-114（in Chinese）.

[12]何志伟，辛洁晴，林晨，等.地源热泵供暖/制冷住宅建筑的电负荷预测法的建模及应用[J].电力与能源，2011，32（5）：408-417. HE Zhiwei，XIN Jieqing，LIN Chen，et a1. Groundsource heat PumP heating/coo1ing 1oad of residentia1 bui1-dings e1ectrica1 mode1ing and aPP1ication of Prediction method[J]. Power and Energy，2011，32（5）：408-417（in Chinese）.

[13]马立新，尹晶晶，郑晓栋，等. SOM特征提取与ELM在电力负荷预测中的应用[J].电力科学与工程，2015，31 （5）：1-5. MA Lixin，YIN Jingjing，ZHENG Xiaodong，et a1. APP-1ication of SOM feature extraction and ELM in Power 1oad forecasting[J]. E1ectric Power Science and Engineering，2015，31（5）：1-5（in Chinese）.

吴茵（1979—），女，硕士，高级工程师，主要从事电网调度运行策划管理工作。

（编辑董小兵）

Project SuPPorted by the Nationa1 Natura1 Science Foundation of China（51107011）.

Calculatlon of Heatlng Load ln Wlnter Conslderlng Meteorologlcal Factors

WU Yin1，ZHANG Zhiguang2，YANG Xiaowei1，GONG Liwu2，MIAO Zengqiang1，QIN Fang1u2，LI Bin2
（1. Guangxi Power Grid DisPatching Contro1 Centre，Nanning 530023，Guangxi，China；2. Guangxi Key Laboratory of Power System OPtimization and Energy Techno1ogy（Guangxi University），Nanning 530004，Guangxi，China）

ABSTRACT：In this PaPer，the re1ationshiP between meteoro1ogy and heating 1oad is studied，and then the 1oad sensitivity of the maximum 1oad to the integrated average temPerature in winter is ca1cu1ated based on the sca1ing 1oad method. Fina11y，a heating 1oad mode1 for winter is bui1t，and this method can effective1y e1iminate the inf1uence of uncertainties such as economic f1uctuation，Power rationing etc. and at the same time it can intuitive1y indicate the increase of Power 1oad in winter in Guangxi with each degree droP of the temPerature. By using this method，the air conditioning 1oad of Guangxi Power Grid in winter from 2008 to 2013 is ana1yzed to Provide the scientific basis for Power 1oad regu1ation Po1icies and measures in Peak hours in winter in Guangxi.

作者简介：

收稿日期：2015-09-25。

基金项目：国家自然科学基金项目（51107011）。

文章编号：1674-3814（2016）01-0007-07

中图分类号：TM732

文献标志码：B