江蘇電網夏季空調負荷特性挖掘與溫度敏感性辨識

史 靜， 周 琪， 談 健，楊俊義， 李 琥， 朱 磊

(1. 國網江蘇省電力有限公司經濟技術研究院，江蘇 南京 210008；2. 國網江蘇省電力有限公司，江蘇 南京 210024)

0 引言

江蘇省經濟發達，最高調度負荷已超過1億千瓦，僅次于廣東省。江蘇最高負荷一般發生在夏季，夏季空調負荷特性對于負荷高峰、電網規劃、需求響應等工作有較大的影響。隨著經濟的進一步發展以及人們對舒適度要求的進一步提高，夏季負荷中空調負荷的占比日益加大[1]，因此對江蘇夏季空調負荷的研究至關重要。

文獻[2—5]分別研究了湖南、西北、廣東等地的負荷特性，對于負荷的構成及典型負荷日的負荷特性進行了分析。文獻[6—7]介紹了張家界、重慶的夏季負荷特性，不同地區的負荷結構差異較大，夏季空調負荷特性差別明顯。文獻[8—9]研究了江蘇夏季空調負荷，但是年代較遠，分別為2005年和2006年，隨著經濟的發展、產業結構的變化，負荷構成有較大變化。文獻[10]研究了江蘇省無錫市的負荷特性，文獻[11—12]研究了江蘇全省在春節期間的負荷特性。蘇南、蘇中、蘇北地區經濟發展水平不一，用電結構差異較大，某一地區的負荷特性難以代表全省的負荷特性，近年尚未有文獻對江蘇全省的夏季負荷特性進行研究。

本文以近年江蘇實際負荷數據為基礎，使用基準負荷比較法，選取春秋夏季典型周作為研究對象，對夏季空調負荷進行了深入研究，量化夏季空調負荷及電量，并分別對工作日及休息日的空調負荷進行與溫度的敏感性分析。最后給出了江蘇夏季空調負荷的研究結論，對于后續夏季負荷預測的進一步研究具有重要意義。

1 基準負荷比較法

基準負荷比較法的流程如圖1所示。

圖1 基準負荷比較法Fig.1 The process of basic load comparison

(1) 選擇春季和秋季的典型日；

(2) 設春季典型日負荷曲線(絕對值)為P1，設秋季典型日負荷曲線為P3，將春、秋季典型日負荷曲線取平均作為當年的基礎負荷曲線：

(1)

(3) 將P2曲線減去基礎負荷曲線，即為夏季降溫負荷曲線：

P=P2-PB

(2)

(4) 步驟(3)中的最大值即為最大降溫負荷；

(5) 對(3)中得到的每一天的降溫負荷曲線進行積分得到日空調電量，對所有日求和，得到夏季的空調電量。

2 降溫負荷及降溫電量的計算

2.1 典型日的選取

一般認為4月或10月溫度低于20 ℃的某天不含空調負荷，將其作為春季或秋季典型日，該方法選取到的典型日具有較大的隨機性，對降溫負荷及電量的分析帶來較大偏差。本文采用平均溫度作為溫度指標，定量研究其與日最大負荷和日電量的關系，從而為典型日的選取提供依據。

圖2、圖3中均呈現二次曲線的形狀，在曲線對稱軸左邊，日最大負荷與日電量為負相關關系；在對稱軸右邊，日最大負荷與日電量為正相關關系。二次擬合曲線的對稱軸處的溫度認為不含空調負荷。2015—2016年日最大負荷曲線對稱軸為13.6 ℃，日電量曲線對稱軸為13.0 ℃。通過散點圖及擬合曲線的對稱軸可知，溫度在14 ℃左右時可以認為沒有空調負荷。

圖2 2015—2016年日平均溫度與最高負荷散點圖Fig.2 The scatter plot of maximum load and average temperature in 2005 and 2006 year

圖3 2015—2016年日平均溫度與電量散點圖Fig.3 The scatter plot of daily power and average temperature in 2005 and 2006 year

為減少隨機性，增加分析的準確性，本文選擇日平均溫度為14 ℃左右的典型周負荷曲線的平均值作為典型日負荷曲線。以2016年為例，其春秋季典型周如表1所示。

表1 2016年典型周Tab.1 The typical weeks of 2016

2.2 降溫負荷及降溫電量的計算

據圖1的計算方法流程，計算出2011—2016年降溫負荷(電量)，如圖4、圖5所示。

圖4 2011—2016年降溫負荷Fig.4 The cooling load in 2011—2016

圖5 2011—2016降溫電量Fig.5 The cooling power in 2011—2016

2011—2016年，江蘇降溫負荷總量增長較快，年均增長率達到11.9%，高于最高負荷增長速度；降溫負荷占最高負荷比例基本在30%以上，除2013、2016年因極端酷熱天氣造成降溫負荷增長較快外，其余年份基本處于緩慢增長趨勢中。

江蘇降溫電量占全年電量比例基本在2.5%左右，受2016年的兩輪持續晴熱高溫天氣影響，降溫電量年均增長率為9.9%，高于全年電量增長率4.8%。

3 降溫負荷與溫度之間關系分析

3.1 工作日溫度敏感性分析

3.1.1 整體分析

對2016年6—8月降溫負荷與氣溫進行擬合，結果如圖6—8所示。從圖6—8可以看出，對于工作日，其降溫負荷與平均溫度、最高溫度、最低溫度的線性擬合關系如下。

圖6 工作日降溫負荷與平均溫度關系Fig.6 The relation of cooling load andaverage temperature

圖7 工作日降溫負荷與最高溫度關系Fig.7 The relation of cooling load and maximum temperature

圖8 6—8月工作日降溫負荷與最低溫度關系Fig.8 The relation of cooling load and lowest temperature of 6—8 month workday

降溫負荷與平均溫度關系：25～34 ℃之間，y=3 132.3x-59 170(MW)，即最低氣溫每升高1 ℃，降溫負荷增加3132 MW；

降溫負荷與最高溫度關系：25～39 ℃之間，y=2 640.4x-56 089(MW)，即最高氣溫每升高1 ℃，降溫負荷增加2640 MW；

由圖6—8降溫負荷與不同類型溫度的擬合圖中可以看出，降溫負荷與最高溫度、最低溫度的相關性僅為0.76、0.75，擬合度較低。而降溫負荷與平均溫度的相關性為0.87?？梢?，相對于最低氣溫與最高氣溫，平均氣溫對降溫負荷的影響程度更大。

3.1.2 分段擬合分析

為進一步明晰降溫負荷與溫度的關系，對2016年降溫負荷與平均溫度、最高溫度、最低溫度進行分段擬合分析，結果如下。

(1) 降溫負荷與平均溫度。不同溫度區間時，降溫負荷與平均溫度的擬合關系如表2所示。

表2 不同區間平均溫度與降溫負荷辨識系數Tab.2 The identification factor between the average temperature and the cooling load in different intervals

溫度在25～27 ℃時，溫度每上升1 ℃，最大負荷增加1926 MW；溫度在27～31 ℃時，溫度每上升1 ℃，最大負荷增加3939 MW；溫度在31～35 ℃時，溫度每上升1 ℃，最大負荷增加1669 MW。

(2) 降溫負荷與最高溫度。降溫負荷與最高溫度不具有較強的線性關系。連續高溫時，相同的溫度下用電量卻有較大的差別。本文中的分析結果與文獻[13—19]中關于夏季最高溫度對于最高負荷的影響一致，夏季持續高溫天氣造成的積溫效應，導致負荷出現一定程度的非常規增長。

(3) 降溫負荷與最低溫度。不同溫度區間時，降溫負荷與最低溫度的擬合關系如表3所示。

表3 分區間最低溫度與降溫負荷辨識系數Tab.3 The identification factor between the lowest temperature and the cooling load in different intervals

溫度在14～21 ℃時，溫度每上升1 ℃，最大負荷增加1086 MW；溫度在22～26 ℃時，溫度每上升1 ℃，最大負荷增加3063 MW；溫度在27～30 ℃時，溫度每上升1 ℃，最大負荷增加1877 MW。

3.2 節假日溫度敏感性分析

采用3.1中的方法，對2016年6—8月節假日降溫負荷與氣溫進行關聯分析，結果如圖9—11所示。

圖9 6—8月節假日降溫負荷與平均溫度關系Fig.9 The relation of cooling load and average temperature of 6—8 month holiday

圖10 6—8月節假日降溫負荷與最高溫度關系Fig.10 The relation of cooling load and highest temperature of 6—8 month holiday

圖11 6—8月節假日降溫負荷與最低溫度關系Fig.11 The relation of cooling load minimum temperature of 6—8 month holiday

降溫負荷與平均溫度關系：19～34 ℃之間，y=2 536.7x-55 650(MW)，即最低氣溫每升高1 ℃，降溫負荷增加2537 MW。

降溫負荷與最高溫度關系：25～38 ℃之間，y=2 325.8x-60 262(MW)，即最高氣溫每升高1 ℃，降溫負荷增加2326 MW。

降溫負荷與最低溫度關系：16～28 ℃之間，y=2713x-50 790(MW)，即最低氣溫每升高1 ℃，降溫負荷增加2710 MW?？梢姡鄬ζ骄鶜鉁嘏c最高氣溫，最低氣溫對降溫負荷的影響程度更大。

可見，相對平均氣溫與最高氣溫，降溫負荷受平均氣溫的影響更敏感。

4 結語

江蘇降溫負荷總量增長較快，高于最高負荷增長速度，降溫負荷占最高負荷比例基本在30%以上。隨著經濟社會的發展，人們對舒適度要求的提高，降溫負荷比例將進一步上升。

江蘇降溫電量占全年電量比例基本在2.5%左右，受2016年的兩輪持續晴熱高溫天氣影響，降溫電量年均增長率為9.9%，高于全年電量增長率4.8%。

通過降溫負荷與溫度的敏感性分析發現，相較于最高溫度、最低溫度，平均溫度對負荷的影響程度最大。

參考文獻：

[1] 張 賁，史沛然，蔣 超. 氣象因素對京津唐電網夏季負荷特性影響分析[J]. 電力自動化設備，2013，33(12)：140-144.

ZHANG Ben， SHI Peiran， JIANG chao. Impact of meteorological factors on summer load characteristics of Beijing-Tianjin-Tangshan power grid[J]. Power System Protection and Control， 2013，33(12)：140-144.

[2] 廖 峰，徐聰穎，姚建剛，等. 常德地區負荷特性及其影響因素分析[J]. 電網技術，2012，36(7)：117-125.

LIAO Feng， XU Congying， YAO Jiangang， et al. Load characteristics of Changde region and analysis on its influencing factors[J]. Power System Technology， 2012，36(7)：117-125.

[3] 魏 磊，張 琳，姜 寧，等. 西北地區電網負荷特性研究[J]. 電網與清潔能源，2010，26(7)：57-62.

WEI Lei， ZHANG Lin， JIANG Ning， et al. Analysis of load characteristics for Northwest China power grid[J]. Power System and Clean Energy， 2010，26(7)：57-62.

[4] 郇嘉嘉，左鄭敏. 廣東電網負荷特性典型日選取研究[J]. 電力科學與技術學報，2017，32(1)：164-170.

HUAN Jiajia， ZUO Zhengmin. Resaerch on typical day selection method of Guangdong power grid load characteristics[J]. Journal of Electric Power Science and Technology， 2017，32(1)：164-170.

[5] 賀 輝. “十二·五”期間湖南電力負荷特性分析及其相關建議[J]. 電力需求側管理，2017，19(3)：39-42.

HE Hui. Analysis on load characteristics of Hunan power grid in 12th five year plan and its suggestions[J]. Power Demand Side Management， 2017，19(3)：39-42.

[6] 熊龍珠，向 偉，秦月桃. 張家界地區電網夏季空調負荷特性分析[J]. 湖南電力，2016，36 (6)：64-68，71.

XIONG Longzhu， XIANG Wei， QIN Yuetao. Characteristics analysis of air-conditioning load about Zhangjiajie grid in summer[J]. Hunan Electric Power， 2016，36 (6)：64-68，71.

[7] 石 峰，吳 笛，李寶珠. 重慶市夏季空調負荷分析及有效調節空調負荷的措施建議[J]. 電力技術經濟，2008，20(1)：42-46.

SHI Feng， WU Di， LI Baozhu. Analysis of air-conditioning load in summer and suggestion for effective measures of air-conditioning load in Chongqing[J]. Hunan Electric Power， 2008，20(1)：42-46.

[8] 宋宏坤，唐國慶，盧 毅，等.江蘇省夏季空調負荷分析及需求側管理措施的削峰效果測算[J].電網技術，2006，30(17)：88-91.

SONG Hongkun， TANG Guoqing， LU Yi， et al. Analysis on summer air-conditioning loads composition in Jiangsu Province and estimation of peak load shifting effect by DSM measures[J]. Power System Technology， 2006，30(17)：88-91.

[9] 李志祥，仇新宇，翟晶晶，等. 江蘇省夏季空調負荷調查分析[J]. 華東電力，2005，33(11)：31-33.

LI Zhixiang， QIU Xinyu， ZHAI Jingjing， et al. Investigation on summer air conditioning loads of Jiangsu[J]. East China Electric Power， 2005，33(11)：31-33.

[10] 張春明. 無錫市電力負荷特性及DSM分析[D]. 南京：東南大學，2006.

ZHANG Chunming. Power load characteristics and DSM analysis in Wuxi[D]. Nanjing:Southeast University,2006.

[11] 楊俊義，周 琪，趙宏大，等. 春節假期對江蘇電網負荷及電量影響研究[J]. 電力需求側管理，2015，17(6)：19-22.

YANG Junyi， ZHOU Qi， ZHAO Hongda， et al. Affection study on load and electricity consumption of Jiangsu power grid during Spring Festival[J]. Power Demand Side Management， 2015，17(6)：19-22.

[12] 談 康. 江蘇電網負荷特性研究及有序用電管理措施探討[D]. 南京：東南大學，2015.

TAN Kang. Study on load characteristics of Jiangsu power network and the research on the management measures for the orderly use of electricity[D]. Nanjing： Southeast University，2015.

[13] 黎燦兵，楊 朋，劉 瑋，等. 短期負荷預測中考慮夏季氣溫累積效應的方法[J]. 電力系統自動化，2009，33(9)：96-99.

LI Canbing， YANG Peng， LIU Wei， et al. An analysis of accumulative effect of temperature in short-term load forecasting[J]. Automation of Electric Power System，2009，33(9)：96-99.

[14] 高賜威，李倩玉，蘇衛華，等. 短期負荷預測中考慮積溫效應的溫度修正模型研究[J]. 電工技術學報，2015，30(4)：242-248.

GAO Ciwei， LI Qianyu， SU Weihua， et al. Temperature correction model research considering temperature cumulative effect in short-term load forecasting[J]. Transactions of China Electrotechnical Society，2015，30(4)：242-248.

[15] 彭 堃,陳星鶯,李 斌,等. 氣象環境對電網負荷的影響因素分析[J]. 電力需求側管理,2016,18(1):8-13.

PENG Kun, CHEN Xingying, LI Bin, et al. Analysis of the impact factors of meteorological environment on power load. Power Demand Side Mangment, 2016,18(1):8-13.

[16] 賀 琛，王彥波，王云燁. 基于電力通信傳輸網大數據的溫度監測系統研究[J]. 浙江電力2016，35(7):65-68.

HE Chen，WANG Yanbo，WANG Yunye. Research on temperature monitoring system based on big data of power communication transmission system[J]. Zhejiang Electric Power，2016，35(7):65-68.

[17] 肖 偉，羅滇生，董 雪. 積溫效應分析及日最大負荷預測中的應用[J]. 微機計算機信息，2009，25(1-1)：262-264.

XIAO Wei， LUO Diansheng， DONG Xue. Analysis of accumulated temperature effect and application in forecasting[J]. Microcomputer Information， 2009，25(1-1)： 262-264.

[18] 方鴿飛，胡長洪，鄭奕輝，等. 考慮夏季氣象因素的短期負荷預測方法研究[J]. 電力系統保護與控制，2010，38(22)：100-104.

FANG Gefei， HU Changhong， ZHENG Yihui， et al. Study on the method of short-term load forecasting considering summer weather factors[J]. Power System Protection and Control， 2010， 38(22)： 100-104.

[19] 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.

ZHANG Wei. A distribution short-term load forecasting based on human comfort index[J]. Power System Protecting and Control，2013，41(9)：74-79.