新冠肺炎疫情对电网运行的影响分析

董靓媛，于腾凯，胡文平，李铁成，李晓明，张 蕊

(国网河北省电力有限公司电力科学研究院，石家庄 050021)

新冠肺炎疫情蔓延对社会产生重大影响。电力行业作为国计民生的基础行业，其运行数据直接反映社会发展状态，对电力调度和电力系统规划具有重要意义。高峰负荷可能导致电网出现电力供应缺口、局部设备重载或过载问题。应用长短期记忆网络(Long Short-Ter m Me mor y，LST M)建立高峰负荷预测模型，采用Ada m算法优化网络权重参数，提出高精度负荷预测结果，对电力平衡、系统调峰、合理安排检修计划、降低电网运行风险具有重要意义。

1 疫情前后电力供需影响分析

新冠肺炎于春节前夕在全国广泛传播，在春节前10天左右电网负荷逐步降低，春节出现负荷低谷，节后随着企业逐步开工，负荷逐渐恢复，负荷曲线呈现“U”型。以某省级电网2018—2020年春节前后61 d电网运行数据为例，分析疫情对电网产生的影响。

1.1 新冠肺炎疫情对电网每日最大负荷影响

2018—2020年春节前后某省级电网每日最大负荷曲线如图1所示，其中，时间t为正月初一。

图1 春节前后某省级电网每日最大负荷数据

以春节前后10天为节点将数据分为3段进行分析，春节前，2019年、2020年每日最大负荷分别同比去年平均增长4.44%、9.47%。春节后，2018年、2019年负荷均有逐步恢复趋势，2020年受疫情影响，负荷持续低谷，2019年每日最大负荷同比2018年增长6.38%，2020年每日最大负荷同比2019年降低17.18%。2018年、2019年春节后每日最大负荷平均恢复至春节前每日最大负荷的87.6%、88.98%，2020年受疫情影响，春节后负荷恢复至春节前的67.31%，影响23.51%负荷恢复。

1.2 新冠肺炎疫情对各地市每日最大负荷影响

新冠疫情对各地市负荷影响变化与全网基本一致。以A市为例，2018—2020年春节前后每日最大负荷曲线如图2所示，其中，时间t为正月初一。

图2 春节前后A市每日最大负荷数据示意

春节前，2019年、2020年A市每日最大负荷分别同比前一年平均增长1.55%、8.08%。春节后，2018年、2019年A市负荷均有逐步恢复趋势，2020年受疫情影响，负荷持续低谷，2019年A市每日最大负荷同比去年增长5.41%，2020年A市每日最大负荷同比去年降低15.95%。2018年、2019年春节后A市每日最大负荷平均恢复至春节前每日最大负荷的85.7%、88.44%，2020年受疫情影响，春节后负荷恢复至春节前的68.7%，影响21.03%负荷恢复。

1.3 新冠肺炎疫情对日负荷影响

2020年疫情期间平均时点负荷、2019年同期平均时点负荷如图3所示，2020年夜间平均最大负荷较2019年降低15%左右，日间最大负荷降幅最高达到25%。疫情期间，白天工作时段企业、工商业受影响较大。

图3 腊月二十八至二月初二期间平均时点负荷示意

1.4 新冠肺炎疫情期间新能源发电情况

春节前后光伏电站、风电场平均每日最大出力数据如图4、5所示。

图4 春节前后光伏每日最大出力数据示意

图5 春节前后风电每日最大出力数据示意

光伏电站、风电场出力主要受新增投产容量及天气变化因素影响。疫情期间负荷持续较低，光伏、风电出力并未降低，为维持发供平衡，势必会减少火电机组出力，机组调峰难度增大。

2 基于LSTM的2020年电网高峰负荷预测

LST M神经网络由记忆块循环子网构成，每个记忆块包括输入门、遗忘门以及输出门，LST M神经网络结构示意如图6所示。

图6 LST M神经网络结构示意

输入门i t、遗忘门f t、输出门o t均由t时刻输入值x t和t-1时刻隐藏层输出h t-1共同决定。输入门i t、遗忘门f t、输出门o t计算公式如下:

式(1)-(3)中:w i为t时刻输入门i t的权值矩阵;w f为t时刻遗忘门f t的权值矩阵;wo为t时刻输出门o t的权值矩阵;b i、b f、bo为偏置量;σ采用Sig moid激活函数。

LST M通过对历史数据深度学习，根据历史状态不断更新调节输出。因此在处理时间序列数据方面，LST M具有较好的效果。

电力作为国民经济的重要基础产业，负荷大小与GDP变化存在相对的一致性，历年GDP与负荷变化趋势如表1所示，其中负荷(n-1)为上年度负荷，增速(n)为本年度较上年度GDP增速。据相关机构测算，受疫情影响，该地区4个季度的累计产值分别降低4%、2%、1.5%与1%左右，该地区4个季度累计生产总值增速分别为2.8%、4.7%、5.5%、6%。

表1 历年GDP与电网统调高峰负荷

所建LST M预测模型考虑历史负荷数据、GDP增速、时间等变量，根据n-1时刻负荷、n时刻GDP增长率分季度构建数据集，预测n时刻高峰负荷。在训练样本过程中采用Adam算法优化权重，每个数据集选取前70%的数据作为训练样本，后30%的数据作为检验样本。

选取均方根误差(RMSE)监视计算过程中预测值与真实值之间的误差关系变化，计算公式见(4)

式中:m为预测的个数;x为真实值;x˜为预测值。各季度负荷预测误差如表2所示。

表2 各季度负荷预测误差

2020年电网各季度高峰负荷预测结果如表3所示。

表3 2020各季度统调高峰负荷预测结果

由此，考虑1 000 MW小火电后，地区全年全口径高峰负荷43 610 MW，较2019年增长3 480 MW左右。

3 结论

受新冠肺炎疫情影响，截至2020年3月1日，企业、工商业并未全面复工，某省级电网负荷持续春节较低水平，同比降低17.18%。新冠疫情对各地市电网负荷影响变化与全网基本一致。新能源发电受疫情影响不大，同比出力增加，某省级电网调峰压力增大。根据所建LST M预测模型，预测2020年电网全口径高峰负荷43 610 M W，较2019年增长约3 480 MW。