基于負荷分析平臺研究某超大型城市的負荷特性

劉盼盼，莫阮清，蔡思楠

(國網上海市電力公司經濟技術研究院，上海 200233)

在負荷分析平臺建立前，由于無法獲取用戶的所屬產業和行業特性信息，也就無法從電力用戶特性維度開展電力用戶的負荷及其特性研究工作，在電力需求分析上存在一定的缺陷和短板。同時，雖然掌握了海量的電力需求數據，由于仍然缺乏用于電力需求預測的指標和參數庫，也無法形成對電力需求預測工作的有效支撐。因此，負荷分析平臺的建立具有重要意義。

1 負荷分析平臺概述

1.1 負荷分析平臺目標

負荷分析平臺可以憑借各大業務平臺，利用海量用戶負荷數據自動分析不同類型用戶日負荷特性和月負荷特性。

通過分析用戶特性指標，分析用戶負荷與所屬行業、所在區域、季節、氣溫變化等的定量關系和敏感度，分析用戶負荷的特性，為電網規劃設計提供決策依據。

1.2 負荷分析平臺研究負荷特性的實現路徑

負荷分析平臺研究負荷特性的實現路徑如圖1所示。

(1)需求預測典型參數算法研究。分析各類需求預測指標的聚類分析和數據估算方法，為構建典型參數庫奠定算法基礎。

圖1 負荷分析平臺研究負荷特性的實現路徑

(2)構建典型參數庫和歷史庫。根據現有的現狀需求基礎數據和指標分析結果，構建典型參數庫和歷史庫，為需求預測提供歷史數據參考和參數取值的指引。

1.3 研究參數的相關方法

以實際負荷日電網網架及運行數據為基礎，從產業、行業、地域等維度分析用戶用電行為特性，分析不同維度電力需求調整的典型取值區間。

(1)數據清洗：由于基礎數據中存在毛刺等異常數據，可能會導致出現異常指標數據，通過定義指標數據的合理區間，對基礎樣本數據進行清洗。

(2)樣本動態調整：在計算需求預測參數時，自動指標計算公式，篩選符合參數計算的樣本數據，并提供動態調整樣本機制。

(3)置信區間選擇：通過對現有數據正態分布分析，計算得到樣本數據的區間估計值即置信區間，選取置信水平為95%。95%置信水平指的是由樣本的均值所構造的置信區間中，包括總體樣本的均值在內，0.95稱為置信系數，即系數的上下限區間值。

(4)聚類分析：聚類分析(Cluster Analysis)是一組將研究對象分為相對同質的群組(Clusters)的統計分析技術。根據行業產業分類(三產、居民及十一大行業)、地域分類(行政區、功能塊、環線、網格等)開展典型參數估算方法研究。

圖2 數據范圍

1.4 數據處理

以某超大型城市為研究對象，通過負荷分析平臺對其負荷特性進行分析。原始負荷數據共計約14萬條，其中大用戶約2.5萬條，桿配變約11.5萬條。根據用戶性質進行初步分類，其中大用戶用于行業、產業研究，如需用系數、同時率以及負荷曲線等；桿配變主要用于居民用戶研究。數據范圍如圖2所示，負荷數據分析流程如圖3所示。

圖3 負荷數據分析流程

2 計算分析結果

本文通過負荷分析平臺對該超大型城市的負荷特性進行研究，主要得出以下結果。

2.1 負荷(電量)密度

計算公式：年最高負荷(年電量)/計算單元面積；

數據處理：數據清洗、聚類分析方法；

分析維度：年份、用地性質、面積；

統計結果：以單值形式體現。

負荷(電量)密度具體計算分析結果如圖4所示。

圖4 負荷(電量)密度計算分析結果

由圖4可知，負荷(電量)密度行業特性明顯，地區差異性較大，會隨著面積的增大而降低；第三產業負荷密度大于第二產業；城市開發規模、容積率大小對負荷密度影響較大。

2.2 同時率

計算公式：同時率的計算公式為max(∑多個用戶某時刻負荷累加)/∑(max某用戶96點負荷最大值)；

數據處理：數據清洗、置信區間方法；

分析維度：年份、產業、行業、用戶數量；

統計結果：上限、下限、平均值形式體現。

同時率具體計算分析結果如圖5所示。

圖5 同時率計算分析結果

由圖5可知，同時率體現了區域或用戶最高負荷發生時刻的分散水平，會隨著用戶及區域數目的增加而減少。

2.3 需用系數

計算公式：用戶負荷/容量；

數據處理：數據清洗、置信區間方法；

分析維度：年份、產業、行業；

統計結果：上限、下限、平均值。

需用系數具體計算分析結果如圖6所示。

圖6 需用系數計算分析結果

由圖6可知，該城市大用戶的整體需用系數為0.341，取決于產業(行業)及其發展時序，整體差異較小；需用系數由市中心向外依次遞減。

2.4 平均年利用小時數

計算公式：年電量/年最大負荷；

數據處理：數據清洗、聚類分析方法；

兒子走了，妻子走了，身邊的人一個個都走了，蔣浩德的心也掏空了。那天情急之中，血壓猛增，引發了中風，蔣浩德還躺在醫院里。經過這場變故，他重新思考自己的選擇，不想再做糊涂事。

分析維度：年份、產業、行業三；

統計結果：單值。

平均年利用小時數具體計算分析結果如圖7所示。

圖7 平均年利用小時數

由圖7可知，第二產業年利用小時數為各產業最高，平均值達到了3 824 h；第三產業年利用小時數平均值達到3 381 h，其中金融業和信息傳輸、軟件和信息技術服務業表現亮眼，均超過了5 300 h，與行業工作特性匹配；批發和零售業、租賃和商務服務業較低，未超過3 000 h，與商場等設施的營業時間相符。

2.5 日負荷特性曲線

研究對象：以年最高負荷日負荷為基礎，以大用戶為統計對象；

數據處理：數據清洗、樣本動態調整方法；

分析維度：年份、產業、行業；

統計結果：單值。

日負荷特性曲線具體計算分析結果如圖8所示。

由圖8可知，供電分區中，日負荷最大的是B類地區，日負荷最小和日峰谷差最大的都是A類地區。

圖8 日負荷特性曲線計算分析結果

3 結語與展望

基于負荷分析平臺研究了某超大型城市的負荷特性，構建了空間電力電量分析歷史指標庫和典型參數庫，為下一步的空間電力電量需求預測工作奠定了基礎。

在此基礎上，還可以持續開展以下幾方面的工作：持續推進歷史指標庫的數據維護和治理工作；隨著研究的深入，負荷分析典型參數指標還可以不斷擴充和完善；開展空間電力需求預測方法和研究工作，為精準電網規劃提供技術支撐。