北京郊區電網冬季典型日“煤改電”負荷特性分析

郝 朝 張浩然 張曉崎 孫振坤 孟一鳴

北京郊區電網冬季典型日“煤改電”負荷特性分析

郝 朝 張浩然 張曉崎 孫振坤 孟一鳴

（國網北京市電力公司懷柔供電公司，北京 101400）

“煤改電”負荷在北京冬季電網負荷中的占比越來越大，負荷增長幅度遠超預期值，給地區電網調度、搶修、服務等各項工作帶來較大壓力。為深入分析“煤改電”負荷特性，本文基于“煤改電”智能服務平臺，通過研究北京某郊區電網總負荷與氣溫相關性、“煤改電”線路及用戶用電特性，總結出該區冬季電網負荷用電規律，為地區電網負荷預測及安全可靠運行、統籌農村電網規劃、提高優質服務質量提供參考依據。

煤改電；冬季電網負荷特性；負荷預測；優質服務

0 引言

隨著我國工業化、城鎮化的深入推進，能源消耗持續增加，由此造成的環境污染、溫室氣體排放問題日趨嚴重。2020年9月，我國在第75屆聯合國大會上提出，中國的二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。實施“煤改電”工程、研究“煤改電”工程影響下的電網負荷特性，對減少碳排放、實現碳中和具有重要意義。

“煤改電”工程是北京市實施空氣污染治理工作、落實首都清潔空氣計劃的一項重要政治工程和民生工程[1-3]。根據北京市的總體部署，某郊區所有具備條件的農村地區共完成147個村、5.21萬戶“煤改電”改造，實現冬季采暖無煤化。

2016年“煤改電”工程實施以來，該區冬季電網負荷發生大幅且不均衡增長、峰谷差值增大等深刻變化，于2017年冬季最大負荷達到42.68萬kW，首次超過夏季最大負荷39.87萬kW。此后，該區電網冬季負荷節節攀升，不斷刷新該區電網負荷歷史新高。2020年冬季由于受多次極端“寒潮”天氣影響，該地區冬季（2021年1月7日）電網最大瞬時負荷達到59.21萬kW，同比2019年冬季（2019年12月31日）最大負荷47.78萬kW增長23.92%（其中采暖負荷占比約59.64%），負荷增長幅度遠超預期值，給地區電網調度、搶修、服務等各項工作帶來較大壓力，可以說“煤改電”負荷已成為影響該區冬季電網負荷的主要因素[4-5]。文獻[1]通過研究大興區農村煤改電臺區負荷特性，提出優化的供電服務策略；文獻[2]通過研究順義區農村煤改電臺區負荷特點，對煤改電臺區運行管控措施進行了分析說明；兩篇文獻均未對地區總負荷規律進行研究。文獻[3]通過三種方案研究清潔供暖對遼寧負荷特性的影響，發現需求側管理手段可有序控制最大負荷；文獻[4]開展“煤改電”實施后農網的電力需求分析及負荷特性對比，并對農村電力需求的適應能力進行分析；兩篇文獻未考慮“煤改電”工程對居民負荷特性的影響。文獻[6]利用優化符號聚合近似（symbolic aggregate approximation, SAX）和帶權負荷指標的相似性傳播（affinity propagation, AP）聚類算法對負荷曲線進行聚類，采用熵權法對負荷特性進行賦權，基于聚類結果分析用戶用電行為，但在進行特征提取時，無法同時考慮數據的實用性和冗余性。文獻[7]采用Hadoop架構提出基于模式匹配的電力負荷預測方法，并采用MapReduce計算框架進行負荷計算與分析，對某市電網全年負荷進行驗證。

綜上所述，目前尚缺乏對“煤改電”負荷特性的全面系統性認識和分析。本文基于“煤改電”智能服務平臺，從“網—線—點”負荷多角度出發，對地區“煤改電”系統、線路、用戶負荷特性進行深度挖掘和分析，獲得具有實用性的結論，為地區電網負荷預測及安全可靠運行、統籌農村電網規劃、提高優質服務質量提供參考[8-10]。

1 “煤改電”智能服務平臺

“煤改電”智能服務平臺整合物聯網基礎設施，對電網設備、“煤改電”用戶、環境監測、數據中心、5G通信等模塊進行融合化建設，由數據層、應用層和展現層構成，如圖1所示。為深化“煤改電”數據融合，同時打造綠色能源運行中心，“煤改電”智能服務平臺以“煤改電”智能服務為基礎保障、以物聯網和大數據技術為技術保障、以優化業務流程規范為制度保障、以“煤改電”實時監控平臺發布服務工單和運維提升為監督保障，解決“煤改電”管理中的電網安全、投訴和運維問題。

圖1 “煤改電”智能服務平臺系統架構

數據層：“煤改電”智能服務平臺電網側接入電網調度自動化系統、配電自動化系統、電能量采集系統運行數據；用戶側接入配電臺區精益化管理系統、綜合能源管控系統；同時物聯網智能終端接入電采暖設備監測、氣溫環境、用戶負荷等數據，在應用層實現了實時監測和大數據分析。

應用層：該層為平臺功能應用模塊，可實現“煤改電”負荷的運行監測、智能調控、地圖展示、工程概況、用戶管理、設備管理、能效分析、負荷預測等功能[11-12]。

展現層：該層為用戶交互業務界面，用戶可通過PC端或者大屏端直接訪問、操作“煤改電”智能服務平臺，實現“煤改電”負荷的監視控制及展示匯報等功能。

“煤改電”智能服務平臺對內應用于監測、輔助決策、分析研判、展示匯報等業務，對外為本區域“煤改電”用戶、數據業務用戶及政府等其他市場主體提供多元化、互動化、定制化的服務，實現綠色、低碳采暖可視化。

2 地區系統負荷分析

2.1 最大日負荷曲線特點

城鄉居民生活用電可分為照明電器負荷和家用電器負荷。照明電器主要是白熾燈和日光燈，家用電器主要有電磁爐、空調、電冰箱、電視機、電暖氣等[13-14]?！懊焊碾姟惫こ虒嵤┖?，農村采暖電器如儲能式電暖器、空氣源熱泵系統被大量應用，成為農村地區主要采暖方式和耗能電器[15]。

隨著“煤改電”工程實施及地區經濟結構調整，北京該郊區負荷及供電量呈穩步增長趨勢。用電量中，第一產業占2.76%，第二產業占35.05%，第三產業占34.01%，城鄉居民生活用電占28.18%。而北京市發改委為推進冬季“煤改電”節能減排，“煤改電”自采暖居民峰谷電價的谷段時間在20:00至次日08:00執行較低的居民電價。該區電網2019年和2020年冬季最大日負荷曲線如圖2所示。冬季電網最大負荷從20:00開始出現明顯陡增，并在20:00至21:00之間出現最大值，負荷增長時間段與北京政府政策20:00開始執行“煤改電”谷段電價時段正好吻合。這是由于部分儲能式“煤改電”用戶會在20:00左右同時自動開啟電采暖設備，同時率較高導致地區電網負荷攀升明顯。在08:00至09:00之間同樣有一個負荷高峰，則是由于大量工商業開啟用電設備導致。

圖2 2019年和2020年冬季最大日負荷曲線

2.2 最大負荷發生規律

通過“煤改電”智能服務平臺從歷史數據庫中選取2019年冬季（2019年12月4日至2020年1月3日）和2020年冬季（2020年12月11日至2021年1月10日）最大負荷日附近31天的日最低氣溫及相應日最大負荷分別進行對比，同時以最大負荷日（2019年12月31日和2021年1月7日）為基準點進行一一對應，如圖3和圖4所示。

圖3 2019年與2020年日最低氣溫對比

圖4 2019年與2020年日最大負荷對比

通過綜合對比圖3和圖4發現，2020年冬季最低氣溫（-22℃）發生在2021年1月6日，最大負荷（59.21萬kW）發生在2021年1月7日。而2019年冬季最低氣溫（-17℃）發生在2019年12月30日，最大負荷（47.78萬kW）發生在2019年12月31日。2019年和2020年氣溫最低日的次日，該區電網日最大負荷達到最大值。隨著最低氣溫的升高，電網日最大負荷逐漸變小，說明日最低氣溫與該區電網負荷呈現明顯相關性。

同時，最大負荷變化率較最低氣溫表現出一定的遲滯性。在所選取樣本數據中，盡管2020年日最低氣溫曾短暫出現高于2019年最低氣溫的情況，但由于受居民采暖設備特性影響，2020年日最大負荷仍略高于2019年，日最大負荷曲線呈柔性變化，未產生較大突變。

3 線路負荷分析

為研究影響冬季負荷增長的主要因素，通過“煤改電”智能服務平臺，隨機查詢“煤改電”線路（A路、B路）和非“煤改電”線路（C路）電流曲線。選取典型日2021年1月7日（2020年冬季最大負荷日）、2019年12月31日（2019年冬季最大負荷日）及普通日2021年1月14日的電流曲線進行分析對比，如圖5～圖7所示。A、B、C路典型日電流最大值分別見表1～表3。

船舶領域受多種因素的影響[14]，在對船舶領域進行研究時，可將同種類型(如船長相同、航速相同等)的船舶歸為一類作為目標船，選取該特定類型的船舶作為樣本進行研究，為簡化模型和便于計算，將船舶看作質點，以船舶中心位置代替船舶位置。某塊水域內在某段時間內某種特定類型的船舶航行軌跡為

綜合分析圖5、圖6和圖7中典型日電流曲線，“煤改電”線路（A路、B路）2020年冬季最大電流曲線（2021年1月7日）明顯高于2019年（2019年12月31日），且非“煤改電”線路（C路）的三條典型日電流曲線重合度較高。

通過計算，A路、B路、C路2020年冬季最大電流較2019年冬季分別增長28.64%、15.66%、 4.2%。

圖5 A路（平原）典型日電流曲線

表1 A路（平原）典型日電流最大值

圖6 B路（山區）典型日電流曲線

表2 B路（山區）典型日電流最大值

圖7 C路（非“煤改電”）典型日電流曲線

表3 C路（非“煤改電”）典型日電流最大值

可以看出，A路、B路冬季“煤改電”線路負荷較C路非“煤改電”線路增長率更高，“煤改電”線路負荷是冬季電網負荷的主要增長點，且最大負荷常發生在20:00之后（谷段電價時段），與地區電網最大負荷發生時間接近，說明“煤改電”線路負荷是影響冬季電網最大負荷的關鍵因素。由于平原地區工業、服務業負荷較多，人口規模較大，因此平原“煤改電”線路負荷較山區“煤改電”線路增長更高。

4 “煤改電”用戶負荷分析

為進一步分析“煤改電”用戶用電潛力，通過“煤改電”智能服務平臺，隨機選取北京該區A村（平原）20個“煤改電”用戶和B村（山區）12個“煤改電”用戶用電量作為分析樣本，同樣選取典型日2021年1月7日（2020年冬季最大負荷日）、2019年12月31日（2019年冬季最大負荷日）作為典型日進行分析。A村（平原）、B村（山區）“煤改電”用戶用電量分別如圖8和圖9所示。

圖8 A村（平原）“煤改電”用戶用電量

通過統計圖8、圖9中“煤改電”用戶用電量在不同增長率區間所占的比例，得到A、B村“煤改電”用戶用電量增長率統計圖分別如圖10和圖11所示。可以看出B村（山區）“煤改電”用戶用電量增長率主要集中在20%～30%、40%～50%的區間，而A村（平原）“煤改電”用戶用電量增長率則主要集中在20%～30%區間。B村（山區）“煤改電”用戶用電量增長率超過20%的占比達到75%，而A村（平原）“煤改電”用戶用電量增長率超過20%的占比為65%。由于山區地勢較高，人口規模較小，產業結構單一，山區冬季溫度相對于平原更低，因此山區“煤改電”用戶負荷較平原地區增長率高，對電網設備的考驗也更大，冬季大負荷期間應該受到供電公司運維人員更多重視。

圖9 B村（山區）“煤改電”用戶用電量

圖10 A村（平原）“煤改電”用戶用電量增長率統計圖

圖11 B村（山區）“煤改電”用戶用電量增長率統計圖

5 結論

2020年，受新冠疫情及經濟下行沖擊影響，該區電網最大負荷及用電量一度呈現負增長，但在電價激勵政策及地區產業結構調整等因素影響下，最終仍能保持增長態勢。并且受冬季連續極端“寒潮”天氣影響，負荷增長幅度遠超預期值，“煤改電”線路設備重過載情況較為嚴重，該區電網經受了前所未有的考驗。本文基于“煤改電”智能服務平臺，從“網—線—點”負荷多角度出發，通過對該區電網負荷、“煤改電”線路電流及“煤改電”用戶用電量開展分析研究，得出以下結論：

針對此特征，采取需求側管理手段，在滿足用戶供暖需求的前提下，合理調整峰谷電價時段，可以有效控制最大負荷幅值及其出現的時間，更加高效利用電網資源。同時供電公司應細化職責分工，落實差異化運維巡視措施，監控人員和現場運維人員應在夜間20:00左右加強負荷監視及重過載設備的巡視工作。

2）日最低氣溫與該區電網負荷呈現明顯相關性，且氣溫最低日的次日，電網最大負荷達到最大值。

由于負荷曲線的柔性變化，在冬季最低氣溫的次日，監控人員和現場運維人員應繼續加強對負荷和設備負載率的監視和運維工作，同時做好線路運行方式調整措施。

3）“煤改電”線路負荷是影響冬季電網最大負荷的關鍵因素，而大負荷期間山區“煤改電”用戶的用電需求較平原地區更加旺盛。

在開展配電網規劃及建設時，應重視山區農村電網的升級改造，在工程項目開展和檢修計劃安排過程中，應加強關注“煤改電”負荷特性對電網建設和運行帶來的影響，不斷提升農村地區“煤改電”線路安全穩定運行水平。

后續研究中將繼續加大樣本采集和分析，增強研究方法嚴謹性及結論說服力，為電網安全穩定運行提供重要指導。

[1] 李樂, 辛江. 北京農村“煤改電”用戶負荷分析及供電策略[J]. 中國電力企業管理, 2017(4): 56-58.

[2] 賈凱. 北京農村“煤改電”臺區運行管控[J]. 電網建設, 2020(10): 9-10.

[3] 劉興龍, 劉罡, 張娜, 等. 北方地區清潔供暖對電網負荷特性影響分析[J]. 電氣技術, 2019, 20(2): 57-63.

[4] 劉艷茹, 楊衛紅, 王基, 等. 煤改電工程實施前后農網負荷特性分析[J]. 電氣技術, 2017, 18(4): 110-115.

[5] 郭艷飛. 基于統計學的煤改電臺區負荷特性研究[J].節能, 2019, 38(2): 44-46.

[6] 李春燕, 蔡文悅, 趙溶生. 基于優化SAX和帶權負荷特性指標的AP聚類用戶用電行為分析[J]. 電工技術學報, 2019, 34(增刊1): 368-377.

[7] 吳潤澤, 包正睿, 王文韜, 等. Hadoop架構下基于模式匹配的短期電力負荷預測方法[J]. 電工技術學報, 2018, 33(7): 1542-1551.

[8] 趙永良, 易武, 謝開貴. 固原電網負荷特性分析[J]. 電網技術, 2007, 31(2): 230-232.

[9] 張洵亞, 張巧玲. 陜南農村地區典型民居夏季室內熱環境分析研究[J]. 電網與清潔能源, 2020, 36(12): 92-96.

[10] 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): 117-124.

[11] 林順富, 胡飛, 郝朝, 等. 基于數據挖掘的樓宇電力能耗分析模型研究[J]. 電測與儀表, 2018, 55(20): 52-58.

[12] 王義軍, 李殿文, 高超, 等. 基于改進的PSO-SVM的短期電力負荷預測[J]. 電測與儀表, 2015, 52(3): 22-25.

[13] 馬瑞, 周謝, 彭舟, 等. 考慮氣溫因素的負荷特性統計指標關聯特征數據挖掘[J]. 中國電機工程學報, 2015, 35(1): 43-51.

[14] 陳偉, 樂麗琴, 崔凱, 等. 典型用戶負荷特性及用電特點分析[J]. 能源技術經濟, 2011, 23(9): 44-49.

[15] 徐璐, 王洪濤, 許葉林, 等. 煤改電工程的負荷接入模式優化分析及經濟效益評估[J]. 電力經濟, 2019, 47(6): 40-46.

Analysis on load characteristics of “coal to electricity” in typical days of Beijing suburban power grid in winter

HAO Chao ZHANG Haoran ZHANG Xiaoqi SUN Zhenkun MENG Yiming

(Huairou Power Supply Company of State Grid Beijing Electric Power Company, Beijing 101400)

The load of “coal to electricity” is becoming more and more important in Beijing’s winter power grid, and the load growth rate is far beyond the expected value, which brings great pressure to the regional power grid dispatching, emergency repair, service and other work. In order to deeply analyze the load characteristics of “coal to electricity”, based on the “coal to electricity” intelligent service platform, this paper studies the correlation between the total load and temperature, the power consumption characteristics of “coal to electricity” lines and users in a district of Beijing, and summarizes the power consumption law of winter power grid load in this district, which also provides an important reference for regional power grid load forecasting and safe and reliable operation, overall planning of rural power grid, and improving the quality of service.

coal to electricity; load characteristics of power grid in winter; load forecasting; good service

國網北京市電力公司科技創新項目（52021419004X）

2021-03-22

2021-04-25

郝 朝（1990—），男，河北省邯鄲市人，碩士，工程師，主要從事電力調度自動化及智能電網用戶側研究工作。