武漢地區電力負荷特征及其對氣溫變化的響應

■ 劉靜 成丹 代娟 任永建 陳正洪

24 ℃是引起電力負荷增加的日平均氣溫初始敏感值。29 ℃是引起電力負荷增加的日平均氣溫強敏感值。

近年來，極端高溫事件的增多以及電網規模的擴大，對電力系統的安全保障面臨巨大壓力和挑戰。電力負荷作為電力系統中一個至關重要的變量，對指導電力系統規劃、運行、控制、穩定均產生重大影響。目前國內諸多學者對電力負荷從氣象影響、預測方法等多方面開展了分析研究。故本文利用武漢電網2013—2018年逐15 min電力負荷數據以及同期武漢市逐日氣溫數據，統計分析各項負荷特征指標，探尋電力負荷的內在構成和變化規律，為武漢市電力系統運行調度提供參考依據。

1 資料、概念和方法

1.1 資料

本文所用的電力負荷資料來源于國網湖北省電力公司提供的2013—2018年武漢電網逐15 min電力負荷數據；氣象資料來源于湖北省氣象信息與技術保障中心提供的2013—2018年武漢市國家基本氣象站（站號：57494）的平均氣溫、最高氣溫、最低氣溫等逐日觀測數據。

1.2 年穩定系數

年穩定系數是衡量各月電力負荷的均衡程度指標，以一年12個月各月最大負荷的平均值與年最大負荷的比值來表示，數值越大表示各月負荷越均衡。

1.3 空調負荷提取

本文選取每年日最高氣溫大于等于35 ℃的工作日作為計算空調負荷的典型日。對空調負荷的提取，則通過將實際日最大負荷扣除基準負荷得到。其中基準負荷取自當年4月和10月平均氣溫在15～20 ℃的工作日的日最大負荷平均值。

2 年電力負荷特征分析

2.1 歷年電力需求統計

表1總結了2013—2018年武漢市的GDP（地區生產總值）增長率，全社會用電量與年最大負荷以及高溫強度和持續時間等要素。從2013年起，武漢市的經濟增長逐漸放緩，GDP增長率由2013年10%下降至2016年7.8%，而后2017年和2018年維持在8%。與經濟增長放緩相反，武漢市的全社會用電量增長率基本呈逐年上升態勢，尤其2018年較2017年增長了11.7%。而年最大負荷在2013—2015年表現較為平穩，2016年之后年年破新高，近兩年更是高達1100萬 kW以上。

表1 2013—2018年武漢市GDP、用電量與電力負荷及高溫情況

電力需求除了受到宏觀經濟形勢影響外，與夏季的高溫情況也息息相關，其中年度日最大負荷體現了短時用電需求釋放情況，受高溫強度和持續時間的影響最為顯著。2013年夏季武漢市出現了極為強烈的高溫天氣，日最高氣溫高達39.5 ℃，日最高氣溫35 ℃以上的天數達到37 d且最長連續天數高達14 d，典型的高溫強度大、持續時間長。2014年和2015年夏季，高溫強度減弱，持續時間縮短，尤其2015年呈現出“涼夏”的特點，所以2014年和2015年雖然由于經濟增長使得全社會用電量有小幅上升，但是最大負荷并沒有突破2013年的極值。2016、2017、2018年這三年均出現了極端高溫天氣，日最高氣溫38 ℃以上，其中2017年更是高達39.7 ℃；日最高氣溫35 ℃以上的天數為20 d以上，2018年更是達到39 d，且最長連續19 d日最高氣溫≥35 ℃。所以可以發現該三年的用電量快速增長，最大負荷不斷突破極值，2018年年最大負荷已達到1123.16萬 kW。

2.2 逐月最大負荷分布

圖1為武漢市2013—2018年逐月最大負荷分布曲線。武漢市各月電力負荷隨季節變化呈現出“兩峰兩谷”的特點。由于夏季空調設備和冬季取暖設備的普遍使用，所以盛夏7、8月和寒冬12、1月分別形成了兩個用電高峰，年度最大負荷均出現在盛夏期。春季與秋季氣溫宜人，空調和取暖造成的負荷很小，故形成了兩個用電低谷，尤其4月和10月分別處于春、秋季的用電最低值。由于電力負荷的自然增長，故秋季負荷一般略高于春季。

圖1 2013—2018年武漢市逐月最大負荷分布曲線

表2為武漢市2013—2018年年穩定系數。除2015年外，其余5年的年穩定系數均低于0.8并且呈現較大的波動性，說明受氣溫影響，尤其是盛夏高溫影響，武漢市不同月份的最大負荷有較大差異。如2015年是個“涼夏”，所以該年的年穩定系數較大；而2017年出現最強高溫，故該年的年穩定系數較小。

表2 2013—2018年武漢市年穩定季系數

2.3 空調負荷占比

表3為武漢市2013—2018年逐年空調負荷計算表。2013—2018年，日最高氣溫≥35℃的工作日最大負荷平均值以及基準負荷值均呈逐年增大的態勢。而計算得到武漢市的空調負荷占比很高，平均占比實際負荷的40.60%，其中2017年更是高達44.97%。每年的空調負荷大小與當年夏季的天氣有關，高溫強度越大，高溫持續時間越長，空調負荷釋放也越充分。

表3 2013—2018年武漢市空調負荷計算表

3 日電力負荷特征分析

3.1 各季節的日負荷曲線

武漢市夏季電力負荷遠高于其他三季，冬季次之，秋季略高于春季。各季節日負荷曲線整體形態較為接近，基本呈“兩峰兩谷”分布，但是高峰和低谷出現時間存在一定差異。

3.2 工作日、雙休日和節假日的日負荷曲線

武漢市2018年工作日、雙休日和節假日的日平均負荷，工作日＞雙休日＞節假日。在曲線形態上，三種類型的負荷早高峰均出現在11：15，晚高峰出現在20：15—20：45，但是工作日的負荷早高峰大于晚高峰，而雙休日和節假日則相反，負荷的晚高峰為一天的負荷最大時段。

節假日之外，一周的日負荷曲線中（圖2），基本上周日負荷最低，周六次之。周一負荷雖較周日增加明顯，但周一00時至上午上班前的負荷明顯低于周二至周日，周二至周五基本相似。

圖2 2018年武漢市一周日平均負荷曲線

3.3 日負荷峰谷差

圖3為武漢市2013—2018年平均和最大日負荷峰谷差趨勢圖。近年來武漢市電力負荷峰谷差呈現逐年增大的趨勢，平均日負荷峰谷差每年遞增，2013年僅為191.70萬 kW，2018年已上升至281.70萬 kW。受經濟形勢和天氣等因素的影響，最大日負荷峰谷差表現出更大的波動性，2014年為320.56萬 kW，2018年已上升至466.41萬 kW。強烈的日負荷峰谷差給電網調峰帶來了較大的壓力和挑戰。

圖3 2013—2018年武漢市平均和最大日負荷峰谷差

4 電力負荷與氣溫的關系

4.1 日最大負荷與氣溫敏感性分析

圖4為武漢市2018年日最大負荷（

L

）與日平均氣溫（

T

）的散點圖，電力負荷受氣溫的影響較大，呈現“V”形特點。對散點進行函數擬合可計算當

T

=15 ℃時，

L

最小。當日平均氣溫在15～20 ℃時，日最大負荷基本在一個水平上波動。20 ℃以上，隨著氣溫升高，負荷增加較快，尤其是25 ℃以上，隨著氣溫升高，負荷增幅劇烈。

圖4 2018年武漢市日最大負荷與日平均氣溫關系散點圖

4.2 1℃效應分析

從2018年夏季日平均氣溫升高1 ℃對應的日最大負荷和日最小負荷變化率可知，雖然電力負荷變化率在不同溫度區間具有一定波動性，不過電力負荷基本隨著氣溫升高，增加速率由快變慢。當日平均氣溫在24～29 ℃時，氣溫升高1 ℃，日最大負荷增加率接近10%；尤其是24～25 ℃時，日最大負荷和日最小負荷的負荷增加率達到了第一個峰值，日最大負荷增加率為10.93%，日最小負荷為11.65%，說明24 ℃是引起電力負荷增加的日平均氣溫初始敏感值。當日平均氣溫在29～33 ℃時，氣溫每升高1 ℃，電力負荷增加速率遞減；29～30 ℃時，日最大負荷和日最小負荷的負荷增加率達到了第二個峰值，日最大負荷增加率為10.31%，日最小負荷為14.75%，說明29 ℃是引起電力負荷增加的日平均氣溫強敏感值，此后負荷增量有限，因為制冷設備基本全部開啟，達到了飽和運轉。

5 結論

1）武漢市各季節日負荷曲線均呈“兩峰兩谷”分布。夏季日負荷高峰為11：00—14：00和20：00—21：00，兩高峰負荷接近，低谷為05：00—06：00和18：00—19：00，早低谷為全天負荷最小；冬季日負荷高峰為11：00和20：00，晚高峰為全天負荷最大，低谷為04：00和15：00。

2）武漢市電力負荷隨氣溫升高呈“V”形分布。平均氣溫在15～20 ℃時，負荷對氣溫變化不敏感；10 ℃以下，負荷隨氣溫下降快速增加；25 ℃以上，負荷隨氣溫上升增幅劇烈。

3）24 ℃是引起武漢市電力負荷增加的平均氣溫初始敏感值，此時日最大負荷增加率為10.93%，日最小負荷為11.65%；29 ℃是引起武漢市電力負荷增加的平均氣溫強敏感值，此時日最大負荷增加率為10.31%，日最小負荷為14.75%。

深入閱讀

成丹,劉靜,郭淳薇,等,2018.基于積溫效應的華中電網電力負荷預測.氣象科技,48(4): 814-821.

程維杰,2019.電網負荷特性分析與預測探討.電氣技術與經濟,3:55-57.

傅新姝,談建國,2015.基于濾波技術的上海日最大電力負荷氣象預報模型.氣象科技,43(6):1209-1212.

金鑫,李龍威,季佳男,等,2016.基于大數據和優化神經網絡短期電力負荷預測.通信學報,37(Z1):36-42.

李琛,郭文利,吳進,等,2018.北京市夏季日最大電力負荷與氣象因子的關系.氣象與環境學報,34(3):99-105.

李重春,祝安琪,王樂罡,等,2019.電力大數據下的短期電力負荷預測.電力大數據,22(1):66-70.

李漢巨,2018.考慮氣象因素累積效應的電力系統96點日負荷預測方法.電氣技術,4:28-32.

李學敏,羅紅梅,2018.長沙市場夏季日最大電力負荷氣象預報模型.科技創新導報,25:88-93.

劉紅亞,曹亮,2013.上海市電力負荷與氣象因子關系及精細化預報.應用氣象學報,24(4): 455-463.

史靜,周琪,談健,等,2018.江蘇電網夏季空調負荷特性挖掘與溫度敏感性辨識.電力工程技術,36(3):28-32.

葉劍,曹琦琳,袁智強,等,2017.上海電網用電負荷特性分析.電力與能源,38(6):659-663.

祝學昌,2020.基于IFOA-GRNN的短期電力負荷預測方法研究.電力系統保護與控制,48(9):121-127.