山东电网气温敏感负荷研究

徐　楠，赵　昕，薛万磊，路　宽，田　鑫

（国网山东省电力公司经济技术研究院，济南　250021）

·班组创新·

山东电网气温敏感负荷研究

徐楠，赵昕，薛万磊，路宽，田鑫

（国网山东省电力公司经济技术研究院，济南250021）

随着社会经济的发展以及居民生活水平的提高，气温敏感负荷对电网生产运行的影响越来越大，气温敏感负荷分析愈发重要。收集山东省2011—2014年用电负荷和相关温度数据，测算空调降温负荷及单位温升负荷，并在此基础上，定量分析降温负荷对日负荷特性的影响，为电网规划和生产调度提供参考。

气温敏感负荷；单位温升负荷；负荷特性

0　引言

随着山东省经济发展、产业结构调整加快以及人民生活水平不断提高，负荷中受气候因素影响的气温敏感性负荷（即空调负荷）占整个电网负荷的比例显著上升。“十二五”以来山东电网在夏冬用电高峰时段呈“硬缺电”局面，缺口不断增大，调峰愈发困难，调峰成本也较高。空调等制冷、采暖设备的集中开启是导致电网负荷峰谷差增大的重要因素，峰谷差增大给电网的安全稳定及经济运行带来很多隐患，因此加强夏冬用电高峰时期气温敏感负荷分析，了解其规律，对于做好电网规划、调度以及用电需求侧管理，在用电高峰期确保电网安全、稳定、经济运行将十分必要［1-2］。

关于气温敏感负荷，文献［3］在分析降温负荷与温度因子关系的基础上，对回归模型中降温负荷的常量和变量部分与相应关键影响因素进行进一步的相关性分析；文献［4］在考虑气象因素对短期负荷预测的影响下，归纳典型气象因素，对气象大数据的发展及新应用进行阐述；文献［5］建立了有效测算夏季空调降温负荷及用电量的模型，并根据夏季降温负荷与夏季最高温度的相关关系，分析了电网降温负荷的单位温升负荷；文献［6］对天津电网的夏季降温负荷、降温电量、单位温升负荷、冬季采暖负荷、采暖电量进行分析；文献［7］分析了江苏省夏季空调负荷的构成，根据分析结果提出了7项近期内容易实现或经过适当技术改造后能够实现的夏季空调负荷调控措施，并对其削峰效果进行了分析测算；文献［8］对北京地区几年来夏季负荷的变化状况及其与气温的变化关系进行了深入的分析，采用相关与回归理论，建立起较为实用的关于夏季上升段与下降段单位温升负荷效应模型。

在上述文献的基础上，利用山东省近几年的气象及用电数据，对气象要素与负荷的关联性强弱进行分析排序，测算降温与采暖负荷，并以降温负荷为例，将其对负荷特性指标的影响进行定量测算与分析。

1　山东省电力市场现状及负荷发展趋势

山东省自2000年以后，全省经济高速增长，2001—2014年GDP年均增长12.1%，增速高于全国平均水平2.3%，城镇化率、居民生活水平不断提高。与此同时，全省用电量与用电负荷也在不断上升。2001—2014年用电量年均增长10.8%，至2014年达到4223.5亿kWh，全社会用电负荷年均增长11.1%，至2014年达68 120 MW。用电结构方面，“十五”以及“十一五”的前半期，随着工业尤其是重工业的快速发展，二产用电比重逐年上升，2007年达到峰值80.5%，之后由于金融危机以及“转方式、调结构”、节能减排政策的逐步落实，占比逐年下降，2014年降至77.4%。三产受益于经济发展及人民生活水平提高，用电比重由 2005年7.2%上升到 2012年的9.8%，之后由于相关政策影响，服务业用电占比下降，2014年降至9.4%。居民生活用电比重由于生活水平提高以及生活方式的电气化转变，也在逐步上升，2005年为10.6%，2014年上升至11.1%。另外，随着农村经济的发展，农村居民生活水平的提高，以及“家电下乡”政策的实施，农村家庭的电力需求也呈快速增长趋势。

当前全省经济发展已进入工业化的中后期，第一、二产业比重下降、第三产业上升将成为趋势，与之相对应，用电结构也会呈现第一、二产业下降、第三产业以及居民生活用电上升的局面。第三产业及居民生活用电比重的提高必然会带动空调负荷总量及其占比上升，而且由于两者用电易受多种不同因素影响，负荷有很强的波动性、随机性以及显著的周期性，极易拉大峰谷差、降低负荷率，对电网安全稳定运行带来考验。基于以上分析，就山东省空调负荷总量及单位温升负荷测算进行研究与探讨，以期为电网规划与调度运行提供参考。

2　气温敏感负荷研究方法

最大负荷在负荷预测与负荷管理中有着重要的意义，也是两者关注的焦点。准确把握最大负荷，是电力部门合理安排机组运行方式的基础，制定发供电计划、做好电力平衡的关键，也是保证电网安全稳定运行的前提。因此在基础数据选取时负荷数据均采用全省统调最大负荷。

气温敏感负荷与气象要素有很强的关联性，气象要素主要涉及温度、湿度、风力等，其中温度又是最重要的气象要素，对于气温敏感负荷的影响最大。由于山东省东西跨距较大，西部内陆地区与东部沿海地区各气象要素存在时间和地域的差异，因此结合气象要素讨论气温敏感负荷需要对全省气象要素进行明确界定。在定义全省日最高温度时，考虑各地区气候特点，选取各地区典型城市，将典型城市的日最高温度进行平均，以此来作为全省最高温度，同理定义其他气象要素。

2.1气温敏感负荷总量测算

从气温对负荷影响角度来看，电网总负荷可分成气温敏感和气温非敏感负荷两部分，表示为［3］

式中：P为电网总负荷；PB为气温非敏感负荷，也可称为基础负荷；PT为气温敏感负荷，即由于夏季气温升高或冬季气温降低而导致的负荷增长部分。计算思路为：先确定空调设备都没有启动时的用电负荷作为基础负荷，其与实际负荷的差值即为气温敏感负荷［5］。 即

每一单位时点上的气温敏感负荷连接成一条曲线称为气温敏感负荷曲线，曲线上的最大值就是日最大降温（采暖）负荷，夏季（冬季）所有日降温（采暖）负荷中的最大值就是最大降温（采暖）负荷（区分工作日与休息日），如图1所示。

图1　气温敏感负荷计算思路

假设春季与秋季温度、湿度等气候条件较为适宜，基本没有制冷设备开启，其次某些在一年四季均有制冷或采暖设备开启的恒温场所，其负荷对温度的敏感性不强，将其归入基础负荷，然后将春季与秋季的24点负荷曲线进行平均得到夏季基础负荷曲线。此方法既考虑了恒温场所空调负荷的影响，又兼顾了由于经济发展所带来的负荷自然增长。同理，将本年秋季负荷曲线与下年春季负荷曲线进行平均得到冬季基础负荷曲线。

山东省通常每年4月中旬到5月中旬，全省气候温和适宜，采暖、降温负荷近似为零，用电增长基本体现经济发展对电力需求的直接拉动，可作为春季基础负荷选取；10月秋高气爽，此时负荷基本不受气候因素影响，可作为秋季基础负荷选取。收集相关整点负荷值，夏季气温敏感负荷测算步骤如下：

1）分别计算春秋季节的基础负荷曲线。

2）将春夏季节基础负荷曲线进行平均，计算夏季基础负荷曲线。

3）将夏季实际负荷曲线与夏季基础负荷曲线做差值处理，测算得到夏季降温负荷曲线。

式中：P春0为春季某天0点统调用电负荷；PT为夏季气温敏感负荷；P夏实为夏季实际负荷。

确定夏季基础负荷曲线还可以采用以下方法：利用人体感官对温度变化有一个适应过程所导致的负荷滞后于温度变化的规律［9］，即气温累积效应，在夏季用电高峰期，选取连续几天温度、湿度等气象条件较为适宜的最后1～2天或连续降雨之后的负荷曲线作为基础负荷曲线，将其与高温高湿负荷日的负荷曲线做差，便得到夏季日降温负荷曲线。倘若具体到某一年，气象条件不能符合上述要求，则该方法在当年不适用。

2.2单位温升负荷测算

对于气温敏感负荷而言，温度是影响其大小的主要因素，其他气象要素也是通过影响温度来间接影响气温敏感负荷。将气温与气温敏感负荷进行关联性分析，揭示负荷随气温变化的规律与特点，不仅是对气温敏感负荷总量测算的加强和补充，也是电力部门进行短期以及超短期负荷预测、合理安排机组检修、确保供电可靠性的依据。因此，在对气温敏感负荷总量测算的基础上，进一步将负荷与气温结合，测算单位温升负荷。气温的选取将采用灰色关联度以及相关系数分析来确定［2，10］。

2.2.1灰色关联分析

1）列出夏季日最大负荷、日最高温度、日最低温度和日平均温度4个序列（X1，X2，X3，X4），每个序列n个数据，日最高负荷序列为参考序列，其余3个温度序列为比较序列，然后初值化对原数据序列进行无量纲处理，xi＝Xi/X1（i＝1，2，3，4），得到初值化矩阵x＝（x1，x2，x3，x4）；

2）求差序列Δxi＝（xi-x1），得到序差矩阵（Δx1，Δx2，Δx3，Δx4）；

3）求序差矩阵（Δx1，Δx2，Δx3，Δx4）中的两级级差；

4）计算关联系数

其中，ρ为分辨系数，用来削弱max过大而使关联系数失真的影响，此处取0.5；

5）计算关联度

6）排关联序。

2.2.2相关系数分析

将夏季日的最大负荷与气温（最高、最低、平均）进行相关系数计算

经计算，最大负荷与最高温度的相关程度最高，符合预期判断。结合山东省实际，选取夏季7、8月份工作日，选择合适温度区间，将最大负荷与最高温度相关联，绘制散点图，根据散点图的分布特点进行回归分析，求取单位温升负荷。

3　山东省气温敏感负荷测算

3.1总量及占比

以2013年夏季为例，收集每日统调用电整点负荷（以后均简称为负荷），根据分析，以4月下半月到5月上半月工作日24点平均负荷曲线作为春季基础负荷曲线，以10月份工作日24点平均负荷作为秋季基础负荷曲线，两者平均作为夏季工作日基础负荷曲线，如表1所示。

将实际负荷曲线与基础负荷曲线做差，根据差值，考虑当年经济、气候及偶然因素，剔除畸变数据，并与专家预测进行比对复核，测算结果为当年夏季最大空调负荷约为15 200 MW，当年最大负荷56 269 MW，占比达到27%。

表1　2013年夏季空调负荷测算　MW

同理得到各年最大降温/采暖负荷及其占比如表2所示。

表2　2011—2014年山东省夏季空调负荷总量与占比情况

3.2单位温升负荷

2013年8月全省平均气温为28.1℃，较常年偏高2.6℃。全省平均高温（日最高气温≥35℃）日数达6.5天，较常年同期（0.6天）偏多5.9天。夏季最高负荷也不断刷新纪录，7次创历史新高。迎峰度夏期间山东电网最大电力缺口超过2 000 MW。通过前述分析，计算得出当温度介于26～35℃时，空调负荷的单位温升负荷约为1 355 MW/℃。

根据图2计算，在26～35℃温度区间内，降温负荷总量约为1 355×（35-26）＝12 195（MW），加上35℃以上再增加的负荷以及26℃以下的少量负荷，与15 200 MW的总规模大体相当，以此校核前面对总量的测算。其余各年相关情况如表3所示。

图2　山东省2013年单位温升负荷

表3　2011—2014年山东省夏季单位温升负荷情况

3.3气温敏感负荷对负荷特性的影响

分别计算前述基础负荷曲线以及实际负荷曲线的主要负荷特性指标，并进行对比。经计算，2013年夏季工作日基础负荷曲线的负荷率为0.929，峰谷差7 272 MW，峰谷差率0.170，最小负荷率0.830。2013年夏季最大负荷日负荷率为0.898，峰谷差13 417 MW，峰谷差率0.238，日最小负荷率0.762。

表4　全省夏季基础负荷曲线与最大负荷日曲线负荷特性指标情况对比（工作日）

对比发现，空调降温负荷使2013年夏季最大负荷日当日的负荷率较基础负荷曲线下降了0.031，峰谷差增长6 145 MW，峰谷差率上升0.068，日最小负荷率下降0.068。通过对比，可以发现，空调负荷的存在显著降低了日负荷率和日最小负荷率，拉大了峰谷差和峰谷差率。2011—2014年夏季空调负荷对于负荷特性指标的影响如表4所示。

4　结语

本文测算的全省降温负荷规模与单位温升负荷，通过两者相互校验，证明测算结果合理可靠。

山东省电力负荷与盛夏气温密切相关，日最大负荷与日最高气温存在显著的正相关。日平均气温大于等于26℃时有明显的降温负荷，且最大负荷在一定温度范围内随温度上升加速上升。冬季采暖负荷在总量以及占比均较夏季偏低，原因在于城镇化建设使得集中供暖成为冬季主要供暖方式而电采暖愈发成为补充手段。

在空调负荷影响下，负荷曲线的日负荷率、日最小负荷率均较基础负荷曲线下降明显，日峰谷差、日峰谷差率显著增大。未来随着工业化升级提速，第三产业比重加大，第三产业以及居民用电比重持续增高，其用电负荷占总负荷的比例也将进一步升高，将使年负荷曲线中夏高峰更加突出，进一步拉大日峰谷差率，降低日负荷率和日最小负荷率。为平抑负荷波动对电网安全运行造成的隐患和风险，节能和用电需求侧管理措施近来备受关注。

探究空调负荷，除温度之外，还要考虑诸如湿度、风力等其他气象要素以及气象效应的协同作用。虽然在单因素条件下，其他要素对于负荷的影响程度小于温度的影响，但是考虑多因素共同作用时，这些因素便应纳入统筹考虑。气象效应如气温累积效应，其对于负荷的影响在于负荷变化对温度变化的滞后性，考虑气温累积效应更加有助于气温敏感负荷的测算以及短期负荷的预测。这些都有待于加强与气象部门的合作，获取更为详实的资料进行深入研究。

［1］康重庆，夏清，刘梅.电力系统负荷预测［M］.北京：中国电力出版社，2007.

［2］贺辉.电力负荷预测和负荷管理［M］.北京：中国电力出版社，2013.

［3］刘继东，韩学山，楚成博，等.考虑非气象因素的电网夏季降温负荷研究［J］.电力自动化设备，2013，33（2）：40-46.

［4］李冰洁，陈哲，牛东晓.短期负荷预测中气象因素的大数据分析［J］.科技和产业，2015（1）：94-97.

［5］薛万磊，温权，单葆国.降温负荷分析方法研究［J］.能源技术经济，2011（11）：37-40.

［6］雷铮，张振高.天津电网空调负荷分析与研究［J］.华北电力技术，2013（2）：12-15.

［7］宋宏坤，唐国庆.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.

［8］周晖，钮文洁.关于夏季单位温升负荷效应回归模型的研究［J］.电网技术，2003，27（3）：46-49.

［9］黎灿兵，杨朋.短期负荷预测中考虑夏季气温累积效应的方法［J］.电力系统自动化，2009，33（9）：96-99.

［10］康重庆，夏清，张伯明.电力系统负荷预测研究综述与发展方向的探讨［J］.电力系统自动化，2004，28（17）：1-11.

Study on Temperature Sensitive Electric Load in Shandong Power Grid

XU Nan，ZHAO Xin，XUE Wanlei，LU Kuan，TIAN Xin
（Economic and Technology Research Institute，State Grid Shandong Electric Power Company，Jinan 250021，China）

Side by side with the social economic development and the living standards improvement，impact of temperature sensitive electric load on power network is becoming more and more remarkable，which renders it even more important to analyze the temperature sensitive electric load.Data of electric load and correlation temperature from 2011 to 2014 in Shandong province are collected；and the cooling load of air conditioning and unit temperature rise load are calculated with summer temperatures and loads as examples.On this basis，the effect of cooling load on daily load characteristics is quantitatively analyzed.Hopefully this will prove to be of reference value for power grid planning and production scheduling.

temperature sensitive load；unit temperature lift load；load characteristics

TM714

A

1007-9904（2016）01-0041-05

2015-07-26

徐楠（1987），男，工程师，从事电力市场与负荷预测工作。