縣級電力調度主變夏季最高負荷預測方法

（國網浙江海寧市供電有限公司，浙江 海寧 314400）

0 引言

負荷預測是電力調度、規劃工作中必不可少的部分[1]，可分為長期預測（年度）、中期預測（月度）、短期預測（日）與超短期預測（小時）[2]。其中，長期、中期預測通常用于提供電源、電網規劃基礎數據，確定年度、月度檢修計劃、運行方式等；短期預測用于安排日開停機計劃和發電計劃；超短期預測用于實時安全分析、實時經濟調度[2]。以上通常為省級及以上電力調度機構進行系統級負荷預測時的應用。在縣級電力調度機構，負荷預測的范圍及目的與系統級負荷預測不同：縣級調度機構一方面需預測縣域總負荷，支撐上級調度工作；另一方面需預測各主變的最高負荷，以便及時采取措施，防止出現主變過負荷運行情況。

在以往的負荷預測研究中，大多是基于系統級的研究，對于主變的負荷預測研究較少。系統級負荷預測的方法包括指數平滑法、支持向量機、小波變換、回歸分析法等等[3-6]。與系統級負荷預測相比，主變負荷區域容量小，負荷隨機性較大。因此，傳統的系統級負荷預測方法對于主變負荷預測的適應性較差[6]。在浙江海寧地區，夏季通常為全年負荷最高的時期，部分變電站會出現主變過載的情況。為滿足用戶對供電可靠性及電能質量的要求，縣級調度機構需要提高主變負荷預測的準確性，以便提前采取措施，減少主變過載造成用戶停電的現象。本文研究的問題屬于短期負荷預測，在參考系統級負荷預測方法的基礎上，結合主變負荷特性，提出一種主變夏季最高負荷預測方法，考慮近幾日氣溫變化和居民用電習慣變化，得出在一定置信度下主變最大負荷在特定溫度下的波動區間。

1 主變夏季負荷特性

1.1 氣溫對主變負荷的影響

通常情況下，日負荷曲線具有明顯的周期性，具體體現在[7]：不同日的日負荷曲線整體規律相似；同一星期類型日負荷規律相似；工作日、休息日負荷規律各自相似。主變負荷具有上述系統日負荷的所有特點。同時，受空調負荷影響，夏季負荷與氣溫存在較大關聯。文獻[8-9]分析夏季負荷與氣溫之間的關系，表明夏季日最大負荷與日平均氣溫、日最高氣溫、日最低氣溫變化趨勢一致。文獻[10]將溫度分解為不同分量，提高夏季短期負荷預測精度。文獻[11]提出一種考慮夏季氣溫累積效應的短期負荷預測方法。文獻[12-15]研究夏季體感溫度、人體舒適度對負荷的影響。

一般來說，夏季主變日最大負荷與當日最高溫度呈正相關，并滿足一定函數關系：

式中：PLj0表示當日主變j 的最高負荷；T0表示當日最高氣溫；Fj表示當日最高氣溫與主變j 最高負荷之間的函數關系。

但在高溫天氣開始的第一天，主變最高負荷往往低于持續高溫下的最高負荷。這是由于室內溫度變化滯后于氣溫變化，通常在高溫天氣剛出現時，空調負荷并不高，隨著高溫時間推移，負荷逐漸增加；同樣，當持續高溫后氣溫略有下降時，空調負荷往往高于相同溫度下氣溫穩定時的空調負荷。這種負荷滯后于溫度變化的現象為氣溫累積效應[11]。當最高氣溫高于38 ℃或低于28℃時，累積效應不明顯[11]。因此，當最高氣溫處于28～38 ℃區間時，需考慮當日及3 日以內的最高氣溫。采用累積效應系數量化氣溫變化對主變最高負荷的影響，則主變j 的當日等效最高氣溫Teqj可表示為[11]：

式中：T0表示預測當日的最高氣溫；Ti表示i 天前的最高氣溫；k 表示累積效應系數；q=min（n，3），n 表示日最高氣溫連續高于28 ℃的天數。則當日主變j 的最高負荷可表示為當日等效最高氣溫Teqj的函數關系式：

根據泰勒公式的基本原理，任意一個函數可拆分為近似于這個函數的多項式。綜合考慮負荷預測的準確性與計算效率，將表示為關于Teqj的三次函數，即：

式中：p3j，p2j，p1j，p0j分別為主變j 的負荷系數。

1.2 主變負荷的不確定性

在系統級負荷預測中，由于供電區域大，電力負荷高，每個電力用戶的用電情況對系統總負荷的影響很小，其中一些用戶用電量增加，可能另一些用戶用電量降低，系統負荷比較穩定。而在主變負荷預測中，一個大用戶的用電情況改變可能會對主變負荷造成較大影響，主變負荷預測的準確率一般低于系統負荷預測的準確率。因此，僅僅給出一個不是很準確的預測值對于實際工作的意義不大。為了更好地在實際工作中加以應用，考慮將預測值替換為預測區間，即預測出等效最高氣溫下主變最高負荷的波動區間。則主變j 在等效最高氣溫Teqj下的最高負荷波動區間為，且滿足：

式中：α 為主變j 在等效最高氣溫Teqj下的最高負荷落在區間的置信度水平。

2 主變夏季最高負荷預測方法

為預測主變夏季最高負荷，首先需要收集、篩選具有參考意義的主變負荷數據，然后求取主變負荷系數、累積效應系數和夏季等效氣溫偏移量，最后分析主變最高負荷的波動范圍。

2.1 收集、篩選主變負荷數據

在本文中，只研究晴好天氣下工作日的主變負荷預測。收集預測日前若干天的主變負荷情況和最高氣溫，并將法定節假日及主變供電區域發生變化時的負荷數據剔除。此外，由于海寧地區光伏發電滲透率高，日負荷受日照強度影響較大，且陰雨天氣會導致體感溫度降低，也需將陰雨天氣下的負荷數據剔除，并將收集到的負荷數據分為前M 日和后N 日兩部分。其中，前M 日包含的最高氣溫的變化范圍應盡可能廣，使f（P，T）三次函數曲線擬合盡可能準確。

2.2 確定主變負荷系數與累積效應系數

本文中需求取主變負荷系數與累積效應系數，具體方法如下：

（1）應用MATLAB 中的最小二乘法求解前M日主變負荷與當日最高溫度的函數關系f（P，T）。

（2）對不同溫度下的累計效用系數k 進行離散化處理，并將式（2）代入f（P，T），得到f（ki，T），應用最小二乘法，求出使f（ki，T）的殘差函數最小的累計效用系數k[11]。從而得出前M 日每一日的等效最高氣溫以及主變負荷系數。

2.3 求取夏季等效氣溫偏移量

在高溫天氣開始的一段時間內，人們往往較能忍耐，空調負荷較低；隨著高溫天氣的持續，很多人會形成開空調的習慣，主變空調負荷隨之上升。因此，在夏季的不同階段，即使由式（2）確定的等效最高氣溫相同，主變最高負荷往往存在差異。為量化這種差異，本文引入等效氣溫偏移量的概念，表示夏季不同階段的負荷差異等效體現在溫度上的變化。由于不同主變的負荷性質不同，各主變的等效氣溫偏移量也不相等。若主變j后N 日在等效最高氣溫Teqj下的負荷與前M 日等效最高氣溫為（Teqj+dTj）時近似，則dTj表示主變j 的等效氣溫偏移量。求解等效氣溫偏移量的具體方法為：將T=T+dT 代入f（P，T），得到f（P，T+dT），并調整dT 的值，使f（P，T+dT）的殘差函數最小。此時的dT 值即為該主變的等效氣溫偏移量。

2.4 分析主變最高負荷波動范圍

經過2.2 節與2.3 節的分析與計算，已得出主變負荷系數、累積效應系數和夏季等效氣溫偏移量。由于后N 日和預測日相隔更近，因此應通過分析后N 日預測值誤差的情況確定主變最高負荷的取值范圍。預測值誤差應滿足期望為0 的正態分布。設后N 日主變最高負荷預測值誤差的標準差為sNj，則在置信度水平為α 的情況下，等效最高氣溫Teqj下的主變最高負荷的變化范圍為[Fj（Teqj）-mαsNj，Fj（Teqj）+mαsNj]。其中，mα的取值可通過正態分布基本特性確定。最后，根據主變歷史負荷，對個別等效最高氣溫下的負荷預測值進行修正。

3 算例分析

為驗證主變最高負荷預測方法的可行性，采用本文所述方法，對位于浙江海寧西部的許巷變1 號主變及2 號主變夏季最高負荷進行預測。

收集2019 年7 月1 日—8 月20 日的負荷數據，將7 月1 日—8 月10 日作為前M 日，將8 月11 日—8 月20 日作為后N 日，預測8 月21 日、8 月22 日、8 月26 日、8 月27 日、8 月30 日2臺主變的最高負荷（8 月下旬其他日期不滿足晴好天氣工作日標準）。應用第2 節所述方法，計算出各主變負荷系數與等效氣溫偏移量如表1 所示。

表1 許巷變主變負荷系數與體感溫度差

取置信度水平α=90%，則mα=1.65。根據表1所列參數，能夠得出許巷變1 號主變和2 號主變最高負荷的變化區間。

圖1、圖2 中的實線與虛線分別表示預測出的1 號主變與2 號主變最高負荷的上限與下限，實際最高負荷落在此區間的概率不小于90%。圖1、圖2 中的圓點分別表示1 號主變與2 號主變在8 月21 日、8 月22 日、8 月26 日、8 月27日、8 月30 日的實際最高負荷?？梢?，實際負荷值均落在預測區間，證明了本文所述主變負荷預測方法具有可行性。

4 結語

目前，負荷預測的相關研究主要集中在系統級，針對主變的負荷預測研究較少。本文在系統級負荷預測研究的基礎上，結合主變負荷特性，考慮氣溫和居民用電習慣變化對主變負荷的影響，提出了一種預測主變最高負荷的方法。在算例分析中，主變實際最高負荷與應用該方法預測出的最高負荷波動區間相符，證明了該方法的可行性。

圖1 許巷變1 號主變負荷情況

圖2 許巷變2 號主變負荷情況