電力最大負荷與氣溫的相關性研究

楊思琪

摘 要：隨著經濟的快速發展和人民生活水平的不斷提高，電力負荷也保持較快的增長，特別是空調使用量的增加對供電可靠性的要求越來越高。本文通過對電力負荷與溫度的大數據運用，找出其內在相關性，從而進一步認識和掌握電力負荷的變化規律，更加有針對性的預測夏冬兩季電力負荷走勢，為居民安全可靠用電提供理論參考。

關鍵詞：空調負荷;負荷特性;可靠用電;電力大數據;負荷預測

暑假，在參加社會實踐活動時，我們幾個同學奔波在街頭熱汗淋漓，等好不容易忙完沖回家，卻突然發現停電了。我一問其它同學發現他們對家里空調時而因停電帶來的生活不便，也都充滿了苦惱。于是我產生了對生活用電方面情況進行研究的一個想法。我把想法告訴父親后，父親很支持我，說道：知識來源于生活。在他的帶領下，通過走訪電力用戶、收集用電負荷及相關氣溫數據，分析原因，找出規律，并經過指導科學測算，讓我既學到了新的知識，又對數理化學科的書本知識領悟了許多。

夏冬兩季是空調運行的高峰期，安全可靠供電對每一個居民來說尤為重要，特別在夏季夜晚更為明顯，這就給電力企業安全穩定供電帶來了一定的壓力。目前，故障跳閘停電、拉閘限電事件時有發生，這樣的停電事件哪怕經過短時間的搶修都能恢復，但仍然對居民正常生產生活造成了不可估量的損失。通過此次調查研究結果，方便居民用戶及時了解不同季節的電力供需情況，也為電力企業在安全穩定高效規劃電力供應方面提供一點參考。

一、分析相關性的方法

為了準確確定溫度對電力負荷的影響，有必要分析它們之間的相關性，這主要分為兩部分，一部分是溫度不敏感負荷，一部分是溫度敏感負荷。工業負荷和城鄉基本電力負荷是溫度不敏感負荷，也就是生產和生活的基本負荷，這部分不受季節天氣的影響;溫度敏感負荷是冷熱負荷，這部分負荷受季節天氣的影響很大。相關分析主要基于溫度敏感負荷。在描述最大負荷與溫度的關系時，分別采用Y、TMAX和Tmin，三者的相關系數用B表示。具體計算如下：

y=a+b（tmax- tmin）

Y是最大負荷，A是溫度不敏感的負荷（常數），B是溫度敏感系數（常數），Tmax是一天中最高的溫度，Tmin是一天中最低的溫度;B（Tmax- Tmin）構成溫度敏感負荷。計算后，對計算結果B進行了分析，計算值是正的，表明兩者正相關，反之亦然。載荷的絕對值越小，預測精度越高。

二、分析過程

（一） 處理數據

因涉及電力企業保密相關要求，本文以湖北省宜昌地區為例，分析了2016年電力負荷和氣溫資料它們之間的相關性。宜昌電網日負荷曲線可分為峰、平、谷三個部分。夏天峰段通常是7：30-9：30，20：00-22：30，谷段為3：00-6：30，17：00-18：00，其余時間為平段;冬天峰段為8：00-10：00，18：00-21：00，谷段為2：00-7：30，12：00-14：00，其余的時間為平段。

2016年，四季中夏季是用電負荷最大的。宜昌的天氣從7月中旬開始，就特別的熱，7月25日這天的最高氣溫達到37.9度，電力負荷持續上升。當日最大電力負荷275.93萬千瓦，26日，最大功率負荷為276.64萬千瓦，日用電量為5923萬度。最大的用電負荷和日用電量已達到歷史最高水平。最小的用電負荷與往年是一樣的，都出現在二月，因為都趕上春節期間。

本文選擇了春夏秋冬四季的典型用電情況，并根據相關負荷和溫度繪制曲線如下：

從以上的兩幅圖以及電力負荷大數據可以總結出，宜昌電力平均負荷約180萬千瓦。冬季和夏季的平均負荷較高。春秋季平均負荷相對較小，主要受冷熱負荷影響。溫度和平均負荷在變化規律上表現出相同的趨勢。根據春秋季的平均氣溫，夏季氣溫上升最多，平均負荷最大;冬季氣溫僅在夏季之后下降，所以平均用電負荷要比夏季低，但冬季和夏季的用電負荷明顯要高于春季和秋季兩個季節。因為它們曲線的形狀比較相似，為了判定的準確性，因此需要對它們相關的系數計算出來。

（二） 計算系數

12.5℃是春季和秋季的平均溫度，以這個溫度作為標準，春季和秋季的平均負荷接近四季180萬千瓦的平均負荷（春季173萬千瓦，秋季182萬千瓦）。計算結果列于下表。

根據上表，可以看出夏季（7月）和冬季（1月）的平均負荷和平均溫度相關最大，即當夏季和冬季的平均溫度超過12.5攝氏度或低于12.5攝氏度時，平均負荷在180萬千瓦的基礎上增加2.56萬千瓦。對比分析2014年和2015年的結果來保證結果的準確性。對比計算出來的結果跟2016年的結果是一樣的。由此可以看出，季節的平均溫度是影響平均功率負荷的主要因素。

三、夏季氣溫變化與電力最大負荷的關系

（一）模型擬合

把最大載荷分為兩部分：一種是溫度不敏感負荷，一種是溫度敏感負荷。以此來更加地確定上述的兩種變化，具體的公式如下：

y= a+b（tmax- tmin）

最大負荷是y，溫度不敏感負荷是a，溫度敏感系數是b，一天中的最高溫度是Tmax，一天中的最低溫度是Tmin，B（Tmax-Tmin）是溫度敏感負荷，是總負荷的關鍵。

（二）靈敏度分析

根據上述公式，2016年7月和8月溫度高于34度的平均當天用電負荷為210萬千瓦，即溫度不敏感負荷A是常數210。可以計算出最大電力負荷的增加，即靈敏度。具體如下表所示：

單位：負荷/萬千瓦，溫度/℃

通過大量的數據分析和計算，發現當溫度敏感系數B為5.4時，計算得到的最大載荷與實際最大載荷的絕對偏差最小，不超過3，說明該公式符合實際預測情況，即

y=210+5.4 *（tmax -Tmin）

四、結語

由于夏季處于用電高峰期，為了保證供電的可靠性，可以采用數學模型對其進行模擬，有效預測并提前采取相應措施。確保居民用電量最大化。為了保證分析結果的準確性，下一步應繼續探索分析判斷的方法，優化和改進原有的方法，結合2017年的最新數據，繼續利用大數據的優勢解決實際問題。

參考文獻

[1] 葛斐，榮秀婷，石雪梅，楊欣，李周.基于經濟、氣象因素的安徽省年最大負荷預測方法研究[J].中國電力，2015（48）.

[2] 趙娜，石玉恒，李乃杰，沈建紅.溫濕變化對北京城區氣象敏感電力負荷的影響分析[J]. 中國電力，2017（50）.

[3] 王德文，孫志偉.電力用戶側大數據分析與并行負荷預測[J].中國電機工程學報，2015（35）.

[4]馬瑞，周謝，彭舟，劉道新，徐慧明，王軍，王熙亮.考慮氣溫因素的負荷特性統計指標關聯特征數據挖掘[J].中國電機工程學報，2015（35）.

[5] 全思平，吳浩.基于數據挖掘技術的短期電力負荷預測[J]. 電力信息與通信技術，2014（12）.

[6] 江櫻，王志強，戴波.基于大數據的居民用電消費習慣研究與分析[J].電力信息與通信技術，2015（13）.

[7] 唐學用，萬會江，葉航超，李慶生，鐘以林.貴州統調電網典型日負荷特性分析與預測[J].中國電力，2015，48（9）：24-30.

[8] 張玲玲，楊明玉，梁武.微網用戶短期負荷預測相似日選擇算法[J].中國電力，2015，48（4）：156-160.

[9] 趙慧材，陳躍輝，陳瑞先，彭子揚.結合模糊粗糙集和支持向量機的電力負荷短期預測方法[J].中國電力，2015，48（2）：45-48.

[10] 肖欣，周渝慧，張寧，韓新陽，薛萬磊，唐鑫，尹立.城鎮化進程與電力需求增長的關系研究[J].中國電力，2015，48（2）：145-149.

[11] 張宇航，邱才明，賀興，凌澤南，石鑫.一種基于LSTM神經網絡的短期用電負荷預測方法[J].電力信息與通信技術，2017，15（9）：19-25.