遼寧電網負荷與氣象信息相關性研究

葛延峰，孔祥勇，高 凱，高立群，歐陽海濱

(1．遼寧省電力有限公司，遼寧 沈陽 110006;2．東北大學信息科學與工程學院，遼寧 沈陽 110004)

電力負荷預測和特性分析是電力管理部門的重要工作，直接關系到電力系統運行的經濟效益和社會效益［1－5］。隨著人民生活水平的提高，空調及取暖電器大量進入家庭，涉溫電力負荷受各種隨機因素尤其是氣候因素的影響增大，氣象因素對電網負荷特性的影響越來越大，因此必須研究負荷隨氣象變化的規律，正確了解負荷變化與氣象變化之間的相互影響關系，提高電力系統負荷的預測精度，為電力系統的安全、經濟運行服務，其中研究電力負荷各主要影響因素的靈敏度是提高負荷預測精度的關鍵。

氣象包含的因素較多，有溫度、濕度、氣壓、降雨量、光照等。電力負荷的變化，經受著各種氣象因素的綜合作用。在氣象因素中，溫度對負荷的影響最大，如何分別考察各個氣象因素對電力負荷的影響以及如何綜合考察這些因素對電力負荷的影響，是當前負荷特性分析以及負荷預測工作中迫切需要解決的問題。另外，隨著氣象部分預測手段的完善和技術的發展，實時氣象資料的獲取越來越方便，如何考察實時氣象因素對電力負荷的影響是一個全新的課題。

本文從遼寧地區的電網歷史數據、氣象數據出發，分析遼寧地區氣象變化對負荷變化的影響，將復雜繁多的數據轉化為直觀的文字和圖表形式，使電力公司易于掌握轄區內負荷隨氣象變化的特性，為今后進一步定量化相關影響和預測提供參考。

1 影響負荷變化的關鍵氣象因素分析

氣象因素是影響電網短期負荷的主要因素，主要包括:溫度、濕度、降雨量、風力等。在一定的氣候條件下，用電負荷產生急劇的變化，尤其是在氣候變化較頻繁的時期 (如夏冬季)，考慮氣象因素的影響是十分必要的。

1.1 溫度的影響

溫度具體分為最高溫度、最低溫度和平均溫度。當天氣忽然變冷或者變熱時，將有大量的采暖或降溫負荷投入運行;而當某一段時期平均溫度持續過高或者過低時，與以前年份的相同日期相比，日負荷將有較大的變化。

進一步對遼寧省的溫度數據和負荷數據進行分析，總結出以下幾點。

a． 當平均溫度在高于10℃低于30℃時，屬于夏季。平均溫度高于10℃低于20℃時，這段時間基本上沒有制冷負荷和取暖負荷。因此，在這個溫度范圍內，負荷不會有很大波動，基本上是平穩的。平均溫度高于20℃低于28℃時，此時隨著氣溫的升高，人體開始感覺不舒適，感覺到熱。在這個溫度范圍內，負荷會隨溫度的增高波動，但溫度對負荷的推動作用不大。平均溫度高于28℃低于35℃時，屬于夏季溫度較高的炎熱天氣，此時降溫負荷迅速增加，日最大負荷對日最高溫度的敏感性高，隨著溫度越高，負荷增加的也越多。因此28～35℃的溫度范圍內，負荷預測應充分考慮到高溫的影響。

b． 由于遼寧省冬季溫度相對比較低，而且全年60%處于低溫狀態，最低溫度極有可能到達－30℃左右，平均溫度大概在－15～－10℃，并且遼寧每年11月到來年4月之間必須進行供暖，這將增加大量的供暖負荷。因此遼寧冬季負荷對溫度及其敏感，受溫度影響較大。尤其當最低溫度低于0℃時，取暖負荷隨之明顯增加，造成最大負荷增加。

1.2 濕度和降雨量的影響

針對遼寧地區，從全年的相對濕度分析來看，全年相對濕度較低，而空氣濕度較低時，會影響工作環境和生活環境的適應性而增加負荷需求，尤其在低溫會出現又冷又干燥的情況，這種情況下人體對濕度很敏感，負荷相應與濕度變化有很強的相關性。

根據遼寧省氣象情況，總結規律如下:

a． 平均溫度在10～28℃時，相對濕度對電網負荷的影響基本上是可以忽略的;

b． 平均溫度高于28℃時，若濕度比較低，干燥的熱天氣會導致舒適度降低，升溫負荷的比重比較大，使負荷出現較大的波動;

c． 平均溫度低于10℃時，如果濕度比較低時，就會形成“干冷天”，在干冷天氣，同樣會導致調溫負荷上漲。經數據分析發現，在低溫狀態，濕度的影響小于高溫時濕度的影響。

1.3 風速的影響

人體對外界環境的感覺除了用溫度來體現以外，其實風速也起到一定的作用。以遼寧的天氣來說，7～9月，日最高溫度一般在20～28℃，對于人體來說是很適宜的，再加上此時的風速在1～2.75 m/s，更能使人感受到夏日的涼快，此時風速對電網負荷的影響很小。即使溫度高于28℃時，同樣風速能保持到1.25 m/s以上時，各種空調及其他散熱設備的使用相對會有增多但不會出現大量的增加，因此，風速的大小一定程度上與電網負荷增加的幅度相關，但影響不大。然而，到了冬季，遼寧整個地區處于冰雪天氣，此時風速如果達到3 m/s，將會使人感到非常寒冷，各種供熱設備以及供暖系統的功率將大大增加，這將使得電網負荷大大增加，風速對電網負荷的影響顯著。

經過以上分析可知，對于遼寧電網來說，影響程度最大氣象因素主要是溫度，因此本文重點研究溫度 (最高、最低、平均溫度)對電網負荷的影響。

2 遼寧電網負荷特性分析

根據由原能源部頒布的《電力工業生產統計指標解釋》，結合實際應用中的可行性以及氣象信息的影響顯著性，本文繪制出了2010～2012年電網具有代表性的最大負荷、最小負荷和平均負荷曲線并進行分析。

從圖1可以看出，在同一時期，2010年的最大負荷值比2011年、2012年相對要小一些。3年最大負荷值的變化趨勢整體上是一致的。在100日以前，2010、2011和2012年的最大負荷值的變化呈現凸的波峰狀。在100日左右，都存在一個波谷，那是春節寒假的期間負荷變化的表現。從100日過后到150日，這3年的最大負荷值都有一個回升階段，表明假期后，工作電網負荷的迅速增加。對于2010年來說，此后的最大負荷值在一個平衡點附近上下波動，2011年隨后出現三次比較小的波峰，到接近250日，也開始呈現穩定性的波動。而2012年有所不同，從150日之后，出現了兩個大的波谷，變化趨勢比較緩慢。

圖1 日最大負荷曲線 (每年11月1日～次年10月31日)

從圖2可以看出，在整體上，2010年同時期的最小負荷值比2011年、2012年相對要小一些。從變化的幅度來看，3年的最小負荷值在整體上是相差不大的。在50日以前，3年的最大負荷值的變化呈現上升趨勢。在50到150日之間，都存在一個比較陡峭的波谷，最小負荷迅速下降表示人們開始進入假期并逐漸停止工作，快速回升表示人們回到工作崗位并開啟了各種機器設備。從150日過后到200日，這3年的最小負荷值都有一個下降階段，這是遼寧供暖逐漸停止的過程。200日過后，對于2010年來說，最小負荷值在一個平衡點附近上下波動，并有一定的上升趨勢。2011年是緩慢上升，最后在一個平衡點附近波動。而2012年變化趨勢比較緩慢，穩定地上下波動。

圖2 日最小負荷曲線 (每年11月1日～次年10月31日)

從圖3可以看出，在同一時期，2011年和2012年的平均負荷值比2010年相對有一點提升，3年的平均負荷值的變化趨勢同前面分析的最大負荷值的變化趨勢以及最小值變化趨勢在整體上有一定的相似性，但局部還是有一些明顯的不同。首先在150日以前，日平均負荷與日最小負荷的變化趨勢是一致的，但日平均負荷的變化幅度比日最小負荷要小。從150日之后，對于2010年來說，平均負荷值先是短期下降，然后是逐漸波動上升。2011年隨后出現一個比較平緩的波谷，到接近270日，開始呈現波動下降。而2012年平均負荷值的變化出現了兩個平緩的波谷。

3 遼寧電網負荷與氣象因素數學關系模型的建立與分析

圖3 日平均負荷曲線 (每年11月1日～次年10月31日)

在電網負荷與氣象因素預測模型的建立之前，根據電網負荷的數據，總結出遼寧電網負荷的一些特點。

a． 電力系統的負荷每時每刻都在變化，但以周為單位分析，負荷的變化具有周期性，但是并非簡單的重復，而是存在一個隨機分量使每隔一定周期發生改變。周末的負荷水平較低，工作日的較高，這與人們的生產、生活和學習都是以周為單位安排計劃有關，而工作日用于生產的負荷較多，而在休息日所用的生產負荷較少。

b． 電力負荷同時又是連續的，不存在奇點。為保證穩定運行，必須避免大的波動，要求負荷的變化控制在一定的范圍內。在比較溫和的春、秋季節，由于溫度、天氣狀況適合人們的工作和生活，這兩季的負荷受天氣影響程度較低。夏季和冬季受氣溫因素的影響較大，天氣的變化將帶來降溫和取暖的大量增加或減少，呈現出比較明顯的季節性特點。

為進一步明確負荷與氣象之間的密切程度，選擇相關系數指標定量化計算兩變量間的相關程度。最常用的相關系數是皮爾遜 (Pearson)相關系數［6］，本文即采用Pearson相關系數進行負荷與氣候相關程度的定量化計算，其計算公式為

3.1 日最高溫度與電網負荷的關系模型

由表1可以看出，日最高溫度與電網日最大負荷、日最小負荷和日平均負荷的關系都是非線性的，且擬合的最高次冪超過3次以上時，方程的高次參數都非常小。從總的相關性來說，日最高溫度與電網日最大負荷、日最小負荷和日平均負荷的關系呈現負相關，日最高溫度與電網日最大負荷的相關程度最明顯，相關系數為－0.62。

表1 日最高溫度與電網負荷的關系擬合方程

3.2 日最低溫度與電網負荷的關系模型

由表2可以看出，日最低溫度與電網日最大負荷、日最小負荷和日平均負荷的關系都是非線性的，且擬合的最高次冪超過3次以上時，方程的高次參數都非常小。從總的相關性來說，日最低溫度與電網日最大負荷、日最小負荷和日平均負荷的關系呈現負相關，日最低溫度與電網日最大負荷的相關程度最明顯，相關系數為－0.60。

3.3 日平均溫度與電網負荷的關系模型

由表3可以看出，日平均溫度與電網日最大負荷、日最小負荷和日平均負荷的關系都是非線性的，且擬合的最高次冪超過3次以上時，方程的高次參數都非常小。從總的相關性來說，日平均溫度與電網日最大負荷、日最小負荷和日平均負荷的關系呈現負相關，日平均溫度與電網日最大負荷的相關程度最明顯，相關系數為－0.62。

表2 日最低溫度與電網負荷的關系擬合方程

表3 日平均溫度與電網負荷的關系擬合方程

由以上分析可知，對于電網負荷來說，受溫度影響程度最大是最大負荷，其次是平均負荷，溫度對電網最小負荷的影響不大。

［1］ 劉 旭，羅滇生，姚建剛，等．基于負荷分解和實時氣象因素的短期負荷預測［J］．電網技術，2009，33(12):94－100．

［2］ 陳 剛，周 杰，張雪君，等．基于BP與RBF級聯神經網絡的日負荷預測［J］．電網技術，2009，33(12):101－105．

［3］ 周 氵泉，李 健，孫才新，等．基于粗糙集和元胞自動機的配電網空間負荷預測 ［J］．中國電機工程學報，2008，28(25):68－73．

［4］ 楊薛明，苑津莎，王劍鋒，等．基于云理論的配電網空間負荷預測方法研究 ［J］．中國電機工程學報，2006，26(6):30－36．

［5］ 崔 凱，李敬如，陳 偉，等．城市電網負荷預測方法研究 ［J］．電力技術經濟，2009，21(4):33－38．

［6］ 盛 驟，謝式千，潘承毅．概率論與數理統計 ［M］．北京:高等教育出版社，2006．