基于負荷解析和分類氣象因子的短期負荷預測

廖 培， 商佳宜， 何 潔

（1.國網浙江省電力公司杭州供電公司，杭州 310011；2.國網浙江省電力公司，杭州 310007）

基于負荷解析和分類氣象因子的短期負荷預測

廖 培1， 商佳宜1， 何 潔2

（1.國網浙江省電力公司杭州供電公司，杭州 310011；2.國網浙江省電力公司，杭州 310007）

為提高短期負荷預測的精度，通過分析不同氣象因子對負荷的影響，發現不同氣象因子影響不同性質的負荷。針對這一情況，根據不同氣象因子對地區總負荷構成進行解析，找出各氣象因子與負荷構成的對應關系，并通過歷史數據挖掘及分析，構建相應的模型，提出了對應的短期負荷預測方法。通過實際應用表明，基于負荷解析及分類氣象因子的負荷預測模型及預測方法具有較好的精度和可應用性。

負荷解析；氣象因子；短期負荷；預測

0 引言

短期負荷預測是針對未來一天到數天各時段的負荷情況進行研究和預測，準確的短期負荷預測是電網企業做好供用電平衡和電網穩定分析及安全運行的基礎。基于負荷預測的重要性，國內外學者對負荷預測作出了大量的分析研究，提出了許多負荷預測模型及預測方法。隨著經濟社會發展，負荷受氣象因子影響的比重不斷加大，特別是近年來發達城市地區，氣象敏感負荷占比日益增大[1-2]。

目前較多負荷預測模型及方法，完全基于歷史數據，雖然歷史數據本身包含了部分氣象因子，但是這種完全基于歷史數據的負荷預測方式較難達到精度要求。目前實際使用的預測方法多采用軟件預測加人工修正，人工修正對于氣象因子的處理往往過于簡單，未真正分析不同的氣象因子對負荷影響的成因。

以下分析了不同氣象因子對負荷的影響，發現短期負荷預測中不同氣象因子影響的是總負荷中一部分，根據這一情況，依據不同情況下的負荷特性，提取出不同的氣象敏感負荷構成，實現了分類氣象因子下的負荷解析，并建立了相應的模型，提出了對應的短期負荷預測方法。

1 負荷特性分析及負荷解析

以杭州地區負荷為研究對象，根據不同季節及氣象條件下的地區負荷及特性，分析了影響負荷變化的主要氣象因子，并提取不同季節及氣象條件下的氣象敏感負荷，實現負荷解析，為建立相應的氣象負荷模型及方法提供了先決條件。

杭州地區負荷為典型的發達城市區域負荷，氣象敏感負荷占比較大。春季（3—5月）、秋季（10—11月）負荷較為穩定，氣溫主要集中在10～28℃，基本無降溫及取暖負荷出現。負荷主要以穩定的基礎負荷為主，對氣溫變化敏感性不強，負荷波動幅度不大。負荷波動主要受天氣晴（云）/陰及降雨影響，其中天氣晴（云）/陰引起的負荷變動主要為照明負荷及光伏電站出力變化。而降雨的影響主要是兩方面，一方面降雨一般導致天氣陰沉，照明負荷出現（夜間降雨無此影響）及光伏電站出力變化；另一方面降雨導致小水電機組發電，影響總負荷。

夏季超過一定溫度，降溫負荷開始出現，降溫負荷的多少與溫度高低呈明顯的正相關性，溫度越高，降溫負荷越大，且當溫度達到一定程度，將會出現高溫累積效應，即使氣溫不再升高，負荷依然增加。此外，待地區降溫負荷完全釋放，即使氣溫增加或持續高溫，地區負荷增加不明顯或不再增加。夏季負荷氣象敏感因子除溫度外，降雨影響也較為明顯，此外濕度、風速也對負荷波動造成一定影響。

降雨的影響基本可歸結為影響溫度、小水電出力、光照三方面。濕度及風速的影響相對較小，主要表現在濕度較大（降雨引起的濕度增加除外），體感悶熱或濕冷，降溫或取暖負荷增加。風速的影響類似于濕度，主要影響人體感覺，從而影響降溫或取暖負荷。

根據上述負荷特性分析，一般可將日負荷解析為以下3個部分：基礎負荷、氣象敏感負荷、其他隨機波動負荷[3]。

其中L為正常日負荷，Lbasic為基礎負荷，是不受氣象等隨機因素影響的那一部分負荷，主要受經濟發展速度、外部環境變化等宏觀因素影響，在一定時間內變化不大，在短期負荷預測中基本保持不變。Lrandom為隨機性負荷分量，受短時的隨機事情影響，如短時的有序用電、錯避峰措施等，正常的日負荷曲線中，這部分負荷可以視作零，只在對影響負荷的偶發事件及條件出現時，該負荷分量才存在。Lweather為負荷的氣象分量，即氣象敏感負荷。

針對負荷預測影響最大的氣象敏感負荷進一步進行解析，認為氣溫、降雨、光照、濕度、風速為主要的氣象因子影響負荷波動，即氣象敏感負荷的變化主要由氣溫敏感負荷Lt、降雨敏感負荷Lr、光照敏感負荷Ls、濕度敏感負荷Lh及風速敏感負荷Lw波動引起。

2 分類氣象因子的敏感負荷模型

2.1 基于溫度的氣象敏感負荷模型

通過分析杭州地區2012—2013年日最高負荷與最高溫度、日平均溫度的關系，發現最高負荷與溫度呈現較強的相關性，以2013年3—12月正常工作日負荷（排除1—2月春節前后負荷數據）、天氣數據為樣本建立負荷與溫度變化曲線，如圖1所示。

圖1 負荷-溫度關系

圖中，T*=T/Tmax，L*=L/Lmax，T與L分別為溫度和負荷。

從上分析可知，10～28℃氣溫區間，氣溫對負荷波動無明顯影響，當氣溫高于28℃或低于10℃，負荷波動于氣溫呈現明顯的相關性。因此夏季基于溫度的氣象敏感負荷模型：

式中：ΔL為相對前一日同一時刻的溫度負荷改變量；ΔT為預測日與前一日同一時刻的溫度變化量；f（T）為負荷溫度系數。

由于不同溫度范圍內溫度變化對負荷的影響（負荷溫度系數）不同，從2012—2013年夏季溫度負荷數據關系，通過最小二乘法擬合可得到負荷-溫度系數f（T）的初步函數關系如下：

約束條件：對某一地區，在確定年份，其最大降溫負荷基本確定，當夏季降溫負荷完全釋放時，負荷不再增長。因此，式（2）與（3）的成立的約束條件為：

持續高溫天氣，當氣溫連續超過某一溫度，類似于氣象學定義天氣進入夏季需要溫度持續一周進入某一范圍，盡管相連幾天溫度變化不大，但負荷相比前一日仍不斷增加，對于這一現象，稱為高溫累積效應[3]。通過選取2013年夏季極端持續高溫天氣負荷及溫度情況為樣本，分析出杭州地區當氣溫連續超過33℃時，負荷增長體現出明顯的高溫累積效應，如表1所示。

表1 夏季負荷高溫累積效應

根據歷史樣本數據，得出累積高溫天氣的溫度負荷修正系數fn（T）：

式中：f（T）為常規負荷溫度系數；?為高溫累積系數，根據負荷數據取0.2；n為氣溫超過33℃的持續天數。

冬季負荷與溫度呈明顯的負相關性，建立氣溫與負荷關系模型的方法與夏季情況相近。

2.2 基于光照的氣象敏感負荷模型

傳統光照氣象因子對城市電網負荷的影響主要體現在照明負荷波動，當今隨著新能源的快速發展，光伏發電規模逐步增大，光照條件通過光伏電站出力影響區域網供負荷波動。以10—11月負荷情況為分析樣本，該時間段氣溫及氣象條件穩定，無降溫及取暖負荷，以天氣陰和晴朗氣象條件下負荷對比得出最大光照敏感負荷，同理提取出其他天氣情況下的光照負荷，并作歸一化處理如表2所示。

根據表2，得出基于光照的氣象敏感負荷模型：

式中：L1max為地區最大照明負荷；PSmax為地區光伏電站最大出力。

表2 光照負荷歸一化系數

2.3 基于降雨的氣象敏感負荷模型

降雨對負荷波動影響主要體現在3個方面：降雨影響氣溫、光照及小水電機組出力，降雨氣象條件下一般伴隨著溫度下降，從而引起負荷波動，這部分降雨敏感負荷按照氣溫敏感負荷進行分析，不再詳述。

一定時間持續的降雨（或是達到一定降雨量），區域小水電機組開機導致網供負荷降低。小水電出力情況主要從調度水電出力曲線可以獲得，例如暴雨情況下最大出力為Prmax、中雨情況下出力為Pa、小雨為Pb，陣雨為Pc，通過k3=P/Pmax得出雨量系數。此外考慮到降雨后，雨水匯集到河流，逐漸形成發電能力需要一段時間。因此，小水電出力不單是與當前降雨量有關，而是存在一定的累積效應,即與之前一段時間的降雨量有關。因此降雨對小水電出力影響具有一定的時間滯后性，不同地區滯后時間t0不同，其負荷模型為：

降雨引起光照條件變化，導致照明負荷及光伏電站出力的波動，這部分影響按照光照氣象敏感負荷模型分析。

2.4 基于濕度、風速等體感敏感負荷模型

濕度、風速對負荷的影響與氣溫存在一定的相關性，因此不少學者、文獻采取人體舒適度指標來衡量這三類氣象因子的綜合效果[4-5]。采用人體舒適度指標的好處，是能充分考慮各種氣象因子的關聯性對負荷預測的影響。但是這一指標無明確的標準，更無氣象指標，只能從分立的氣象指標建立關聯，在實際負荷預測中適應性不強。氣溫作為負荷波動的主要氣象因子，本身具有很明確的衡量及預測標準，而濕度、風速作為氣象因子，相對影響較小，雖然單獨分析忽略了部分關聯性，但能準確衡量氣溫影響，對濕度、風速的影響衡量也能達到精度要求。因此對溫度、濕度、風速采取單獨分析。

濕度對負荷的影響依據氣溫而定。夏季在氣溫超過28℃，杭州地區開始出現降溫負荷，在此氣溫范圍內，若空氣濕度過大，將會造成天氣悶熱，雖然溫度基本不變，但是降溫負荷增加。同理，冬季當氣溫低于10℃，杭州地區開始出現升溫負荷，在此氣溫范圍內，若空氣濕度過大，濕冷天氣將導致寒冷指數上升，取暖負荷增加。同時根據地區氣象情況分析，正常天氣情況下濕度不超過60%，此時濕度適中，人體不會感覺悶熱或是濕冷，該濕度范圍一般不會造成降溫或取暖負荷波動。當濕度為大于60%，小于80%時，人體會感覺悶熱或是濕冷，會導致降溫或取暖負荷明顯增加。當濕度超過80%時，一般為降雨天氣，按降雨對負荷的影響進行分析和處理。2013年9月杭州地區部分工作日不同濕度下的負荷變化見表3。

表3 不同濕度情況下負荷

根據表3氣象情況分析，13、16兩日濕度較大，為南方典型的“桑拿天”，受此影響，負荷較12，18，19日明顯上升，濕度敏感負荷系數取值見表4。

表4 濕度敏感負荷系數

對比大量負荷數據，取高濕度（75%以上）日期最大增長負荷Lhmax，對其他濕度情況下的濕度敏感負荷進行對比，作濕度歸一化處理，得出統一的濕度敏感負荷系數k4，則：

風速夏、冬兩季對降溫或取暖也造成一定影響，根據歷史數據分析，其影響值較小，主要是中等風速情況下會導致一定量的負荷波動。建議在氣溫超過28℃或低于10℃，中等及以上風速，采取固定值Lw（Lw<0）；此外對有風電機組的地區還應考慮風電出力的變化。

3 應用實例分析

3.1 短期負荷預測方法的應用

基于負荷解析與分類氣象因子的短期負荷預測方法，在實際的預測中以基礎負荷分量為基礎，通過分類氣象因子及其對應的負荷模型，獲得氣象負荷分量；或以相似日曲線為基礎（相似日一般選取同類型日或前一日），通過對比相似日的氣象信息，得出增加或減少的氣象負荷，從而預測日負荷曲線。采用杭州地區2013年不同季節和天氣條件下的負荷與氣象歷史數據作為訓練樣本，對該地區96個日網供點負荷進行預測。

在秋季陰天，取2013年9月5日（周四）為負荷預測日。預報氣象條件為：陰，最高氣溫28℃，平均相對濕度50%，無風；其前一日實際氣象條件：晴，最高氣溫29℃，平均相對濕度53%，微風。預測結果見圖2，預測結果平均誤差為1.15%，預測效果較好。

圖2 負荷預測應用實例（秋季）

在夏季高溫天，取2013年7月11日（周四）為負荷預測日。預報氣象條件為：晴、最高氣溫37℃（持續超過33℃3天），平均相對濕度55%，微風。其前一日實際氣象條件：晴、最高氣溫35℃，平均相對濕度50%，微風；預測結果見圖3；預測結果平均誤差為1.88%，預測效果較好。

3.2 不同預測方法對比分析

以2013年8月氣象數據和負荷情況為樣本，比較傳統相似日加人工修正預測方法（簡稱傳統方法）和基于負荷解析和分類氣象因子的短期負荷預測方法（簡稱新方法），在工作日情況下預測準確率如表5。

圖3 負荷預測應用實例（夏季）

表5 負荷預測準確率對比

從表5可以看出，基于負荷解析和分類氣象因子的短期負荷預測方法相比傳統的負荷預測方法，在對氣象信息的處理和預測精度上更為準確，提高了負荷預測準確率。不過在夏季高溫天氣午后雷雨等情況下，預測精度有待提高，主要是對降雨的準確時間及范圍缺乏精確的信息。

4 結語

通過不同季節及氣象條件下的負荷數據對比分析，解析出日負荷曲線中的基礎負荷分量、氣溫、降雨、光照等主要氣象敏感負荷分量，建立主要氣象因子模型，從而獲得一定氣象條件下預測日曲線，形成了基于負荷解析與分類氣象因子的短期負荷預測方法。該預測方法在實際負荷預測工作中效果較好，預測精度明顯提高。雖然建立的分類氣象因子模型是基于杭州地區負荷特性及氣象條件，分類氣象因子模型中相關參數對于不同地區及負荷特性會略有不同，但對負荷解析及分類氣象因子的處理思路不局限于某一地區，應具有較好的適用性。

[1]楊旭，劉自發，張建華，等.考慮氣候因素的城市電力負荷預測[J].現代電力，2008，23（3）∶28-32.

[2]康重慶，周安石，王鵬，等.短期負荷預測中實時氣象因素的影響分析及其處理策略[J].電網技術，2006，30（7）∶5-10.

[3]張斌，劉陽升，宋尖，等.考慮高溫累積效應的夏季日最大負荷預測[J].湖南電力，2008，32（4）∶5-9.

[4]張偉.基于人體舒適度指數的配電網短期負荷預測方法[J].電力系統保護與控制，2013，41（9）∶74-79.

[5]曹磊，祖蓓.夏季溫濕指數與氣象敏感電力負荷的研究[J].現代電力，2011，28（5）∶41-45.

（本文編輯：楊 勇）

Short-term Load Forecasting Based on Load Decomposition and Meteorological Factors

LIAO Pei1，SHANG Jiayi1，HE Jie2
(1.State Grid Hangzhou Power Supply Company，Hangzhou 310011，China; 2.State Grid Zhejiang Electric Power Company，Hangzhou 310007，China)

In order to improve forecast accuracy of short-term load，it is concluded by analyzing impact of meteorological factors on load that different meteorological factors have impact on loads with different natures. Therefore，the regional total load constitution is analyzed depending on the different meteorological factors to find the correspondence between meteorological factor and power load constitution；through historical date mining and analysis，the load model is built and the corresponding short-term load forecast method is established.The practical application shows that the load forecast model and forecast method based on load decomposition and meteorological factors are highly accurate and applicable.

load decomposition；meteorological factor；short-term load；forecast

TM715

A

1007-1881（2015）11-0033-05

2015-09-17

廖 培（1983），男，工程師，主要從事電網分析及負荷管理工作。