基于溫度梯度變化的月度統調用電量預測研究

劉軍會 白宏坤 李虎軍 楊萌 趙文杰

摘 要：隨著居民生活水平的提高，降溫、取暖負荷快速增長，溫度對于統調用電量的影響越來越大。基于溫度梯度變化開展月度統調用電量預測研究，量化分析溫度對統調用電量的影響，并對某省級電網進行統調用電量預測。算例進一步證明了該預測方法的可行性和有效性。

關鍵詞：溫度梯度;月度統調用電量;預測

中圖分類號：F426.61文獻標識碼：A文章編號：1003-5168（2020）01-0130-04

Abstract： With the improvement of residents living standards and the rapid increase of the load of cooling and heating， the temperature has a greater and greater impact on unified call electricity consumption. Based on the temperature gradient change， the monthly unified call electricity consumption forecast research was carried out， the influence of temperature on the unified call electricity consumption was quantitatively analyzed， and the unified dispatching power forecasting was carried out for a provincial power grid. The example further proved the feasibility and effectiveness of the prediction method.

Keywords： temperature gradient;monthly unified call electricity consumption;forecast

統調用電量是指接入電網的用戶所使用的電量。與由地方小電廠直接供電的用戶不同，統調用電量規模大、涉及用戶多，基本可以表征一個地區整體的用電情況，一般由省級電網公司按月度定期發布。月度統調用電量預測是制訂下個月具體的生產計劃的起點和基礎，對于電力調度部門組織安排統調電廠出力、維持負荷平衡與電網穩定意義重大。為提高月度用電量預測精度，陳理和李文峰的研究都[1-2]聚焦影響用電量的經濟因素，如三次產業增加值、工業增加值;而李菁、詹衛許、李文峰的研究[3-5]則關注預測方法的改進。如引入組合預測、開展回歸分析、改進灰色預測模型等。

隨著居民生活水平的提高，降溫、取暖負荷快速增長和溫度對于統調用電量的影響越來越大，開展考慮溫度因素的月度統調用電量預測方法研究十分必要。

1 測算方法介紹

1.1 基于歷史數據構建梯度溫度電量模型

考慮到相同月份氣溫變化幅度相近，基于前1年第[i]月數據構建梯度溫度電量模型，其中[i]為預測月份，取值為1，2，3，…，12。首先整理形成“日平均溫度、日統調用電量”數據單元，再分成工作日、節假日兩類數據組。以工作日數據組為例，依據日平均溫度對數據單元進行升序排列[6-9]。利用最小二乘法，對排序后的數據單元序列進行線性回歸，得到[i]月工作日梯度溫度電量模型：

1.2 確定基礎氣溫與基礎電量

考慮到相鄰月份業擴報裝沒有明顯變化的前提下，負荷自然增長幅度較小，區分工作日和節假日分別計算基礎氣溫和基礎電量。以工作日為例，對本月（[I-1月]）工作日的日平均溫度取平均值，作為下月（第[I]月，也即預測月份）工作日的基礎氣溫[TI，W];對本月工作日的日統調用電量取平均值，作為下月工作日的基礎電量[EI，W]。同理，可得預測月份節假日的基礎氣溫[TI，H]和基礎電量[EI，H]。

1.3 第[I]月統調用電量的預測

依據氣象部門對第[I]月溫度的逐日預測，在基礎電量上疊加因溫度因素產生的新增電量，區分工作日和節假日分別完成第[I]月統調用電量的預測。以工作日為例，第[I]月工作日統調用電量計算公式為：

考慮溫度梯度變化的月度統調用電量預測方法的具體流程如圖1所示。

2 算例研究

為驗證該預測方法的可行性和有效性，對某省級電網2019年6月統調用電量進行預測。

2.1 構建梯度溫度電量模型

分工作日、節假日統計2018年6月每日的平均氣溫和對應的統調用電量，根據溫度進行升序排列形成溫度電量序列，構建相關性模型，可得到單位溫升帶來的電量變動幅度。2018年6月單位溫升及梯度電量如表1所示。

2.2 2019年6月統調用電量預測

分工作日、節假日統計2019年6月的平均氣溫和對應的平均日均用電量，作為基礎氣溫和基礎電量。根據預測氣溫與基礎氣溫的差值，結合梯度溫度與電量的關系，計算6月每天的統調用電量，累計可得2019年6月統調用電量預測值為287.3 億kW·h。2019年6月工作日及節假日統調用電量預測結果如表2所示。

2.3 預測結果校驗

查統計報表可知，2019年6月該省級電網實際統調用電量為276.3 億kW·h。預測值與實際值相比，誤差率僅為3.98%。此誤差與溫度預測偏差存在較大關系，對比2019年6月溫度預測值與氣象部門發布的溫度實測值，引用的溫度預測數據平均誤差率為7.5%，最大誤差率為18.3%。

3 結論

該方法充分考慮了溫度因素對統調用電量預測的影響，尤其在溫度變化劇烈的月份，可有效降低預測誤差，是對短期電量預測方法的有益補充。算例進一步證明了該方法的可行性和有效性。該算法的誤差主要由溫度預測偏差引起，下一步將研究優化溫度預測值的獲取途徑，進一步提高模型的預測精度。

參考文獻：

[1]陳理，虎陳霞，陳芳，等.基于多變量時間序列（CAR）模型的用電量預測研究：以浙江省海鹽縣為例[J].統計與管理，2018（3）：10-13.

[2]李文峰，白宏坤，劉永民，等.兩種考慮溫度和經濟增長因素的月度全社會用電量預測方法[J].河南科技，2016（21）：112-114.

[3]李菁，施應玲.組合預測在月度用電量中的實際應用[J].科技創新與應用，2014（28）：70-71.

[4]詹衛許，錢淑釵，印鑒.月度用電量灰色預測改進模型[J].南方電網技術，2012（5）：98-102.

[5]李文峰，白宏坤，毛玉賓，等.基于回歸方法的多因素耦合月度統調用電量預測方法[J].河南科技，2016（23）：44-45.

[6]劉俊，趙宏炎，劉嘉誠，等.基于協整-格蘭杰因果檢驗和季節分解的中期負荷預測[J].電力系統自動化，2019（1）：103-110.

[7]韓鳳舞.我國城鎮居民生活用電月度需求預測研究[J].中國商貿，2013（27）：163-164.

[8]韓鳳舞.中國城鄉居民生活用電月度需求預測[J].統計與決策，2015（2）：94-96.

[9]魏瓊.基于安徽省統計數據的電力需求預測模型研究[D].合肥：安徽大學，2014.