夏季氣溫對廣西電網(wǎng)負荷的影響研究

李詠梅

（廣西電網(wǎng)有限責任公司南寧供電局 廣西壯族自治區(qū)南寧市 530029）

夏季空調(diào)用電等降溫負荷的快速增長，已成為電網(wǎng)統(tǒng)調(diào)負荷屢創(chuàng)新高和造成電力供應(yīng)偏緊的重要原因。精確統(tǒng)計分析夏季氣溫對統(tǒng)調(diào)負荷的影響，可為電量供應(yīng)需求分析預(yù)測和制定迎峰渡夏措施提供科學(xué)依據(jù)。現(xiàn)有技術(shù)方案一般應(yīng)用的方法有最大負荷比較法、基準負荷比較法、最大溫差法、設(shè)備容量和空調(diào)數(shù)量推算法等。傳統(tǒng)的分析方法利用年最大負荷日負荷曲線減去春秋兩季平均后的最大負荷日負荷曲線從而得到空調(diào)負荷曲線。然而夏季空調(diào)負荷的分析應(yīng)當要在本年夏季前就應(yīng)著手進行，以便用于指導(dǎo)本年度迎峰度夏工作的開展。而如果采用傳統(tǒng)最大負荷比較法進行分析，就需要等到本年秋季過完得到本年秋季負荷數(shù)據(jù)后方能進行本年度夏季空調(diào)負荷的分析，而此時夏季已過，再對夏季空調(diào)負荷進行事后分析其指導(dǎo)意義必然大打折扣，即傳統(tǒng)最大負荷比較法具有滯后性。且現(xiàn)在對空調(diào)負荷的預(yù)測方法中，沒有考慮要將負荷都換算在統(tǒng)一的溫度基準面上，而溫度對空調(diào)負荷有著舉足輕重的影響，沒有經(jīng)過溫度修正的空調(diào)負荷預(yù)測，勢必產(chǎn)生較大的誤差。本文著重分析2017-2020年近4年廣西空調(diào)負荷發(fā)展情況，構(gòu)建了最優(yōu)最高溫度-最大負荷模型進行了夏季空調(diào)負荷的氣溫靈敏性分析，并提出一種改進的最大負荷比較法用于分析當季夏季空調(diào)負荷，開展了2021年夏季最大空調(diào)負荷預(yù)測曲線及空調(diào)容量分析。

1 廣西夏季空調(diào)負荷的氣溫靈敏性分析

1.1 負荷-溫度的相關(guān)性分析

通過收集，得到了2021年5月1日至6月4日的最大負荷數(shù)據(jù)和溫度數(shù)據(jù)。

1.1.1 數(shù)據(jù)預(yù)處理

為保證分析的嚴謹與準確性，首先需對于獲取的負荷數(shù)據(jù)和溫度數(shù)據(jù)序列進行數(shù)據(jù)預(yù)處理，對數(shù)據(jù)集合進行如下幾個方面的操作：

（1）過濾存在負值的數(shù)據(jù)。顯而易見，本文研究所及的正常數(shù)據(jù)集中不會有負數(shù)值的出現(xiàn)。

（2）針對缺失的數(shù)據(jù)，總所周知對數(shù)據(jù)的采集不可避免地會產(chǎn)生填報錯誤、數(shù)據(jù)不可用、傳輸偏差等問題。不管是出于何因素，只要存在空白數(shù)據(jù)項，就會對后續(xù)數(shù)據(jù)分析研究造成影響。因此，在分析開始前，需要對缺失的數(shù)據(jù)進行妥當處理。獲得完整數(shù)據(jù)集的途徑主要有兩種：刪除缺失數(shù)據(jù)或補全缺失數(shù)據(jù)。在處理有數(shù)據(jù)缺失的數(shù)據(jù)集時，最簡單易行的方式就是刪除缺失的數(shù)據(jù)單元，但如果所有的缺失數(shù)據(jù)都采用該方法勢必會對接下來的數(shù)據(jù)研究分析產(chǎn)生較大的偏差。另一種是數(shù)據(jù)補全，填補的目的并不是預(yù)測單個缺失數(shù)據(jù)值，而是預(yù)測缺失的數(shù)據(jù)所服從的數(shù)據(jù)分布規(guī)律。通過插補的方式可有效補全缺失的空白數(shù)據(jù)，將原有缺失數(shù)據(jù)集近似還原為一個完整的數(shù)據(jù)集，極大降低了由于數(shù)據(jù)丟失造成的研究偏差。本文根據(jù)數(shù)據(jù)的缺失度，采取不同的處理措施：將缺失比例≥15%定義為缺失嚴重，對此類型數(shù)據(jù)可直接進行剔除棄用，而對缺失量<15%的數(shù)據(jù)，可借助線性插值的方法對數(shù)據(jù)進行補全。

（3）針對突變數(shù)據(jù)，目前的研究中處理并判別突變誤差有多種方法和準則，如3σ準則、Romanowski準則、Dixon準則、Grubbs準則等，其中3σ準則是常用的統(tǒng)計判斷準則。

本文基于3σ的原則對突變數(shù)據(jù)進行辨識和處理。3σ準則又名拉依達準則，其基于一個假設(shè)，即一組檢測數(shù)據(jù)只包含隨機誤差，對數(shù)據(jù)集進行計算可得到其標準差，接著按一定的概率確定個區(qū)間，認為但凡超過此區(qū)間的誤差，就不再屬于隨機誤差而應(yīng)歸類于突變誤差，而此類突變的數(shù)據(jù)則均應(yīng)予以剔除。3σ準則的數(shù)據(jù)處理原理及操作方法主要適用于正態(tài)分布或接近正態(tài)分布的樣本數(shù)據(jù)，且以測量次數(shù)足夠大為前提，當數(shù)據(jù)測量的次數(shù)低于10次時用3σ準則剔除突變誤差其可靠性將變差，此時可改用其他準則。

式中，

s——標準偏差（%）；

n——總測量次數(shù)，一版n值不應(yīng)小于20-30個；

i——各次測量，1≤i≤n。

總的來說，需要計算出每組數(shù)據(jù)的均值和標準差，然后篩選出那些與均值的偏差大小超過標準差3倍的數(shù)據(jù)點，將這些數(shù)據(jù)定義為突變數(shù)據(jù)并進行刪除處理。

1.1.2 相關(guān)性系數(shù)

在研究分析工作中，常常需要針對關(guān)注的研究對象，收集大量相關(guān)影響因素，從而對其進行觀測和分析。收集越多的影響因素就越方便全方面的對事物進行細致的研究，對深層次的規(guī)律進行探尋。但隨著樣本影響因素數(shù)量的增多，需要分析處理的數(shù)據(jù)量也是直線上升的，在進行樣本聚類、回歸等數(shù)據(jù)分析的過程中，樣本的數(shù)據(jù)維度過大，無疑會使得問題的研究變得愈加復(fù)雜。

因此，經(jīng)過前一步的數(shù)據(jù)預(yù)處理后得到符合要求的數(shù)據(jù)集后，進下來進一步采用皮爾遜相關(guān)系數(shù)法分析該日期范圍內(nèi)日最大負荷與日最高溫度、最低溫度和平均溫度的相關(guān)性。皮爾遜相關(guān)系數(shù)方法也稱為積差相關(guān)（或積矩相關(guān)）分析法，于20世紀被英國數(shù)據(jù)分析專家皮爾遜提出的一種計算線性相關(guān)的數(shù)據(jù)分析方法，其優(yōu)勢勝在原理清晰明了，且不受兩個變量所處的位置以及尺度變化的影響，步驟簡單易行，容易程序化執(zhí)行，在眾多數(shù)據(jù)分析軟件或編程語言中均有成熟模塊和算法程序可以利用。

皮爾遜相關(guān)系數(shù)分析方法其本質(zhì)上屬于一種用于分析線性相關(guān)性系數(shù)的方法，使用時還需要注意滿足以下幾個條件：

（1）兩變量均應(yīng)為測量而得到的連續(xù)變量。

（2）兩變量均呈現(xiàn)正態(tài)分布，或近似正態(tài)的單峰對稱分布的總體數(shù)據(jù)集。

（3）變量必須為相互匹配成對的數(shù)據(jù)。

（4）兩個變量間應(yīng)大體為線性關(guān)系。

皮爾遜相關(guān)系數(shù)的算法步驟可概括如下：

（1）對數(shù)據(jù)集進行標幺化。一般地，現(xiàn)實的研究中各因素其物理含義、數(shù)據(jù)量綱以及數(shù)量級是有所迥異的，不好對有名值進行直接的分析計算，一般都要進行無量綱化，可采用目前應(yīng)用比較廣泛的區(qū)間值化變換的方法進行數(shù)據(jù)的標幺化處理：

或

（2）計算總體均值：

（3）計算總體協(xié)方差：

（4）則皮爾遜相關(guān)性系數(shù)為：

式中，σ為標準差：

相關(guān)系數(shù)的絕對值越大，則x于y的相關(guān)性就越強，即x對y的評價結(jié)果就越優(yōu)，反之則越劣?？赏ㄟ^如表1所示的相關(guān)性判據(jù)判斷變量間的相關(guān)強度，通常情況下低于0.6的因素可被排除在后續(xù)數(shù)據(jù)集的研究分析之外。

表1：皮爾遜相關(guān)性系數(shù)判定表

根據(jù)收集得到的負荷以及氣象數(shù)據(jù)，結(jié)合上述數(shù)據(jù)處理與皮爾遜相關(guān)性系數(shù)的計算方法，可得到最大負荷與最高溫度、最低溫度以及平均溫度的相關(guān)性系數(shù)分析結(jié)果如表2所示。

表2：最大負荷與溫度的相關(guān)系數(shù)

由計算結(jié)果分析可知，最大負荷與最高溫度的相關(guān)性最大，因此可采用最大負荷與最高溫度進行數(shù)據(jù)擬合建模。

1.2 最大負荷-最高溫度建模

在理論研究及實際應(yīng)用領(lǐng)域中，人們時常需要在分析一組數(shù)據(jù)集的基礎(chǔ)上，來求取自變量和應(yīng)變量之間的數(shù)學(xué)表達函數(shù)關(guān)系式，以便于對這一現(xiàn)象規(guī)律的數(shù)學(xué)描述或更進一步的研究分析利用。這類問題在實質(zhì)就是由測得的點去求曲線的擬合。所謂曲線擬合是指設(shè)法尋找一條光滑的曲線，它能最吻合地描述所研究的數(shù)據(jù)集。在進行擬合曲線時，并非要求擬合的曲線必需要經(jīng)過數(shù)據(jù)集中的每一個數(shù)據(jù)點，其核心思想是使曲線能夠反映這些離散數(shù)據(jù)點的變化趨勢，使擬合出的曲線與數(shù)據(jù)點的誤差最小。

當前期就對研究對象的內(nèi)在特性及與各因素間的相互關(guān)系有比較清晰的掌握時，可采用機理分析的方法直接先建立描述y=f(x)的數(shù)學(xué)函數(shù)模型，然后再使用擬合曲線的方式定好模型中的相關(guān)參數(shù)即可。然而如果出于客觀事物其內(nèi)部規(guī)律的復(fù)雜性以及研究人員對研究對象掌握程度的限制，無法直接建立其合乎機理規(guī)律的數(shù)學(xué)函數(shù)表達時，就只能先對數(shù)據(jù)集(x,y)進行分析，繪制它們的散點分布圖，先預(yù)估y=f(x)的可能形式，并通過仿真和誤差分析，不斷對比和計算分析，最后才能得出擬合數(shù)據(jù)較好的數(shù)學(xué)模型表達式。

本文通過對數(shù)據(jù)集特性以及數(shù)據(jù)散點圖分布情況的充分分析，確定了使用二次函數(shù)來將該日期范圍內(nèi)最大負荷與最高溫度進行擬合模型，得到了不同溫度條件下的最大負荷擬合值。根據(jù)是否剔除偏離較大數(shù)據(jù)和是否剔除節(jié)假日數(shù)據(jù)，在曲線擬合仿真下得到了如下四種情形的擬合數(shù)學(xué)函數(shù)模型：

模型一：對所有數(shù)據(jù)集進行擬合

所得擬合函數(shù)及其圖型曲線如圖1所示。

圖1：正常數(shù)據(jù)的最高溫度與最大負荷擬合圖

模型二：剔除偏離較大數(shù)據(jù)后進行的擬合

所得擬合函數(shù)及其圖型曲線如圖2所示。

圖2：剔除偏離較大數(shù)據(jù)的最高溫度與最大負荷擬合圖

模型三：剔除節(jié)假日后進行的擬合

所得擬合函數(shù)及其圖型曲線如圖3所示。

圖3：剔除節(jié)假日數(shù)據(jù)的最高溫度與最大負荷擬合圖

模型四：同時剔除節(jié)假日和偏離較大的數(shù)據(jù)后的擬合

所得擬合函數(shù)及其圖型曲線如圖4所示。

圖4：剔除節(jié)假日和偏離較大數(shù)據(jù)的最高溫度與最大負荷擬合圖

1.3 擬合模型精度分析

一個變量（自變量）對另一個變量（因變量）擬合精度的研究分析，主要是期望提高自變量準確快捷地描述因變量。由于擬合函數(shù)與實際數(shù)據(jù)間必然會存在著一定的偏差，即預(yù)測誤差，可采用相對誤差e來衡量四種情況下的預(yù)測結(jié)果準確度，該方法簡便易行，適用于各類預(yù)測分析的結(jié)果評估。

把5月1日-6月4日的實際溫度分別代入以上四個模型，將預(yù)測最大負荷與實際最大負荷進行比對計算各自的相對誤差，可分別得到四個模型的描述精度如表3所示。

表3：各擬合模型精度分析

由模型精度分析可知，模型四的平均相對誤差為1.71%，平均準確度達到了98.29%，為平均精度最高的一個模型。因此，預(yù)測夏季工作日最大負荷隨氣溫變化的趨勢，可采用模型四進行研究分析。

1.4 夏季空調(diào)負荷氣溫敏感性分析

氣溫靈敏度是電力指標隨氣象指標變化規(guī)律的量化分析結(jié)果，即電力指標數(shù)據(jù)隨氣象指標數(shù)據(jù)變化的曲線的斜率。根據(jù)以上分析，采用模型四對2021年夏季工作日最大負荷進行預(yù)測，預(yù)測結(jié)果如表4所示。

表4：最大負荷預(yù)測結(jié)果

以上預(yù)測結(jié)果由模型四的函數(shù)曲線向外延伸實現(xiàn)，得到了不同溫度區(qū)間范圍內(nèi)，最大負荷的變化區(qū)間。分析表3即可得到氣溫每升高1℃夏季負荷的變化量（亦為夏季空調(diào)負荷的變化量），即夏季空調(diào)負荷氣溫靈敏性如表5所示。

表5：每升高1℃空調(diào)負荷變化

2 基于改進最大負荷比較法的夏季空調(diào)負荷分析

由于直接得到空調(diào)負荷的實測數(shù)據(jù)較為困難，而且夏季電網(wǎng)負荷的變化不僅與空調(diào)負荷有關(guān)，還需要綜合考慮其他因素，一般采用最大負荷比較法對空調(diào)負荷進行推算，傳統(tǒng)最大負荷比較法利用年最大負荷日負荷曲線減去春秋兩季平均后的最大負荷日負荷曲線從而得到空調(diào)負荷曲線。

夏季空調(diào)負荷的分析應(yīng)當要在本年夏季就著手進行，用于指導(dǎo)本年度迎峰度夏工作的開展。而如果采用傳統(tǒng)最大負荷比較法進行分析，就需要等到本年秋季過完得到本年秋季負荷數(shù)據(jù)后方能進行本年度夏季空調(diào)負荷的分析，而此時夏季已過，再對夏季空調(diào)負荷進行事后分析其指導(dǎo)意義必然大打折扣，即傳統(tǒng)最大負荷比較法具有滯后性。

因此本文提出一種基于改進最大負荷比較法的夏季空調(diào)負荷分析方法，因3月（春季）、11月（秋季）氣溫適宜基本沒有降溫負荷，因此選擇3月和11月中最大負荷日的日負荷曲線平均值作為基準負荷曲線。選擇6月至8月（夏季）最大負荷日的日負荷曲線與所得到的基準負荷曲線相比較，得到歷年最大空調(diào)負荷曲線。使用上述夏季空調(diào)負荷氣溫靈敏性分析結(jié)果對求得的歷年最大空調(diào)負荷進行基于氣溫靈敏性的溫度修正，統(tǒng)一修正為同一氣溫（如36℃）下的負荷值，具體可借助表5中的氣溫靈敏性數(shù)據(jù)對負荷進行溫度的修正，即當前研究日的溫度與36℃相差多少，就分別加上或減去相應(yīng)溫度值對應(yīng)的負荷變化量。然后通過曲線擬合的方式預(yù)測得到本年度11月份最大日負荷數(shù)據(jù)，進而可以得到本年度夏季最大空調(diào)負荷預(yù)測曲線。圖5為2017年至2020年夏季最大空調(diào)負荷曲線及2021年夏季最大空調(diào)負荷預(yù)測曲線。

圖5：2017年至2020年夏季最大空調(diào)負荷曲線及2021年夏季最大空調(diào)負荷預(yù)測曲線

進而分析得到歷年空調(diào)負荷及其發(fā)展趨勢，如表6所示。

表6：2017年至2021年空調(diào)負荷及發(fā)展趨勢

3 結(jié)論

隨著電力供需面臨新的形勢,各級電力企業(yè)圍繞如何以電網(wǎng)安全、可靠、經(jīng)濟、優(yōu)質(zhì)運行為工作立足點，借助數(shù)據(jù)統(tǒng)計學(xué)的相關(guān)技術(shù)方法,對電網(wǎng)多維信息數(shù)據(jù)（比如：負荷、電量、氣象等等）進行深入地挖掘，建立相對精準的數(shù)學(xué)模型描述，開展好電力負荷預(yù)測分析以及電網(wǎng)的發(fā)用電平衡工作，對合理安排年度電網(wǎng)運行方式、準確分析負荷的發(fā)展規(guī)律、科學(xué)決策電網(wǎng)的規(guī)劃建設(shè)以及提高電網(wǎng)投資準確度等具有舉足輕重的現(xiàn)實研究意義。本文基于廣西2017-2020年用電負荷數(shù)據(jù)構(gòu)建最優(yōu)最高溫度-最大負荷模型，分析了夏季空調(diào)負荷的氣溫敏感性，并提出一種改進的最大負載比較法來分析并預(yù)測夏季最大空調(diào)負荷，得出以下結(jié)論：

（1）2017年～2021年空調(diào)負荷容量和增速均呈現(xiàn)逐年增加的趨勢。其中，2020年增速最快，主要因為2020年居民居家時間增多，導(dǎo)致空調(diào)負荷急劇增加。而截至目前，2021年進入夏季以來陰雨天氣較多，平抑了部分空調(diào)負荷的增長。

（2）2017年～2019年空調(diào)負荷增值率均小于最大負荷增值率，反映了2017～2019年廣西工業(yè)負荷增長勢頭較好。2020年空調(diào)負荷增值率高于最大負荷增值率，主要原因在于工業(yè)負荷增速放緩。2021年空調(diào)負荷增值率高于最大負荷增值率，原因分析為今年高溫氣候提前，刺激了空調(diào)負荷的迅速增長。

（3）廣西2017年～2021年空調(diào)負荷占比呈增長趨勢，2021年為31.55%。而在發(fā)達城市的夏季電力高峰期中，空調(diào)負荷占比大于40%，其中北京、上海、廣州等特大城市，夏季空調(diào)負荷占比接近50%，反映了廣西空調(diào)負荷仍具備較大的增長潛力。

（4）夏季氣溫與空調(diào)負荷呈正相關(guān)性，空調(diào)負荷隨著氣溫上升而上升，其中，33℃～36℃為空調(diào)負荷敏感區(qū)間，氣溫每上升1℃，空調(diào)負荷上升大約55.11萬千瓦～81.88萬千瓦。

基于以上的研究分析，建議一方面繼續(xù)加大氣溫對電力供需影響的相關(guān)研究深度，構(gòu)建綜合考慮經(jīng)濟、氣象、地理、人文等更多維因素下的空調(diào)負荷精細化分析預(yù)測模型，提高電力供需規(guī)劃的準確性。另一方面空調(diào)負荷作為優(yōu)質(zhì)的負荷側(cè)柔性資源，短時間的調(diào)節(jié)不會影響用戶的使用體驗，建議加強引導(dǎo)用戶側(cè)資源參與電網(wǎng)需求響應(yīng)調(diào)控，緩解供需緊張局勢，以最小的投資實現(xiàn)電力系統(tǒng)資源的最大化利用。