登录注册
请使用微信扫一扫
关注公众号完成登录
电力负荷分析是电力系统规划、运行和管理中不可或缺的一环,能够为电力系统高效、可靠和可持续运行提供关键信息。2023年4月25日,国家发改委向国家电网公司、南方电网公司、内蒙古电力公司下发《关于进一步加强用电监测分析工作的函》,要求加强重点行业用电监测分析,加强对夏季降温负荷、冬季采暖负荷等重要负荷监测分析。因此,如何分析负荷波动变化原因,实现负荷变化量化归因是一个具有实践应用价值的工作。
来源:《中国电力》2024年第8期
引文:邱敏, 周颖, 赵伟博, 等. 基于特征构建的区域电力负荷增长归因及量化分析方法[J]. 中国电力, 2024, 57(8): 190-205.
《中国电力》2024年第8期刊发了邱敏等撰写的《基于特征构建的区域电力负荷增长归因及量化分析方法》一文。文章基于区域级电力电量数据,从特征构建的角度,提出了一种区域电力负荷增长归因及量化分析方法。首先,利用鱼骨图定性分析影响电力负荷增长的各种因素,确定负荷增长归因及量化分析方法的研究思路;其次,从数据驱动的角度,构建能够表征气象因素、经济因素和特殊事件的相关指标;然后,对负荷进行分解,提取气象负荷、自然经济负荷、业扩负荷、随机负荷,利用不同负荷增长对总负荷增长的贡献率来定量表征其对负荷增长的影响程度;最后,基于上述电力负荷增长归因及量化分析方法构建负荷增长分析模型,并利用西北某2省的电力营销数据进行算例分析,验证该分析模型的有效性。
摘要
电力负荷由于受到气温、经济、特殊事件等多种因素及多因素耦合影响,增长成因量化分析困难。同时,目前对于电力负荷研究多集中于预测方面,对负荷增长原因分析较少。通过研究电力负荷数据特征构建方法,提出一种电力负荷增长归因分析方法。首先,构建气象相关性指标、基于经济发展的自然负荷增长指标、基于电力电量修正的产业结构变化指标以及事件趋势一致性评价指标;在此基础上,分别提取气象负荷、自然经济负荷、业扩负荷、随机负荷,利用贡献率量化各因素对负荷增长的影响程度。最后,利用西北某2省的电力电量数据进行验证,结果显示所提方法能够很好地量化负荷增长的原因。
01
负荷增长归因及量化分析研究思路
电力负荷一般可分为受气象影响的气象负荷、受社会经济发展的基础负荷和受休息日或特殊事件影响的随机负荷,即
式中:L为总用电负荷;Lm为受气象因素影响的季节性波动负荷,主要指夏季由空调等降温设备产生的降温负荷和冬季的电采暖负荷;Lt为基础负荷,受社会经济发展等因素影响,也称为趋势负荷、经济负荷;A为受休息日或特殊事件影响的随机负荷。气温因素、经济因素与特殊事件对总负荷变化影响如图1所示。
图1 总负荷变化影响因素
Fig.1 Influencing factors of total load change
在图1中,气温主要考虑最高温度、最低温度与平均温度。经济因素主要考虑产业结构调整、三次产业的增加值与人均消费支出,后两者均可在政府官网中查询,特殊事件主要考虑疫情、重要节假日以及常见的周末休息等。
本文提出了负荷增长的量化分析方法,基于气象负荷、基础负荷和随机负荷,分别构建相应的数据指标,定量表征气温、经济、特殊事件3种因素对于负荷变化的影响程度。该负荷增长量化分析研究思路如图2所示。基于负荷增长原因定性分析,从数据驱动的角度,构建能够表征这些影响因素的数据指标,主要包括气象相关性指标、基于经济发展的自然负荷增长指标、基于电力电量修正的产业结构变化指标、事件趋势一致性评价指标;基于这些指标对总负荷进行分解后,利用分负荷对总负荷的贡献率来定量表征其对负荷增长的影响程度。
图2 基于特征构建的负荷增长量化分析研究思路
Fig.2 Research frame for quantitative analysis of load growth based on feature construction
02
基于特征构建的负荷增长量化分析
基于上述负荷增长归因及量化分析方法的研究思路,构建负荷增长量化分析模型。该模型量化分析气象、经济、特殊事件3种因素对负荷增长的影响,通过贡献率指标反映每种因素的影响程度。
由式(1)可知,负荷增长变化量可表示为
图3 负荷增长量化分析模型架构
Fig.3 Architecture of load growth quantitative analysis model
2.1 负荷增长特征构建
2.1.1 特征构建
特征构建需要从原始数据中人为地构建新的特征,这需要大量时间去研究真实的数据样本,思考负荷增长这一问题在电力大数据中的潜在形式,并将其更好地应用于负荷增长分析模型中。通过洞察和分析,对原始电力大数据进行精细特征构建,提取一系列具有物理意义的相关特征指标,辅助负荷增长分析模型获得更好的效果。
2.1.2 气象相关性指标
气象因素主要包括气温、湿度、降雨量等,一般可通过相关性分析来确定气象因素与负荷的相关性,从而排除相关性较小的因素,简化分析过程。常用的相关性方法为皮尔逊相关系数法,通过计算变量直接的皮尔逊相关系数大小,从而确定变量之间的相关性强弱。皮尔逊相关系数r为
式中:Xi为变量1第i个样本数据;为变量1的样本平均值;Yi为变量2第i个样本数据;
为变量2的样本平均值;n为样本数据个数。
考虑到各气象因素在不同时间存在着不同特性,具有一定的时域特性,对负荷影响程度会发生改变。如在7、8月份高温天气下,空调等降温设备的大量使用会增加电力系统的负荷峰值;在1、2月份寒冷天气下,电采暖等采暖设备的使用量巨大,同样会对电力负荷产生影响;而4、5月份天气凉爽,降温、采暖设备使用率低,对负荷影响小。因此,本文以月为单位,将分析时段隔开,分别计算每段时间内负荷与各气象因素的相关性指标,从而分析各气象因素时域特性对负荷的影响。
2.1.3 基于经济发展的自然负荷增长指标
经济因素是影响电力负荷的另一个重要因素,主要包括国家经济、工业、交通、商业、农业等领域的发展状况以及居民生活水平、用电需求等方面,其对于电力负荷的影响主要体现在基础负荷中。同时,业扩报装作为经济因素的重要体现,在负荷分析中不可忽略,这里将基础负荷分解为自然经济负荷和业扩负荷,分别研究二者对于负荷变化的影响。
自然经济负荷主要指除去业扩报装影响外,受到经济发展影响的负荷,其增长相对稳定。产业增加值和人均消费支出分别作为反映产业发展情况和生活水平的指标,能够在一定程度上反映电力电量的需求情况,因而可使用这些指标去拟合自然经济负荷的变化趋势。本文提出了一种基于经济发展的自然经济负荷变化趋势分析方法,利用产业增加值和人均消费支出推导而来的增长指标对自然经济负荷的增长情况进行表征。基于经济发展的自然负荷增长指标a为
式中:k1、k2、k3、k4分别为第一产业、第二产业、第三产业、城乡居民的用电量占比;W1、W2、W3分别为第一、二、三产业分析期当季产业增加值;分别为第一、二、三产业基准期季度产业增加值;y为分析期人均消费支出;为基准期人均消费支出。
需要注意的是,当用于分析仅相差1个季度时段时(如2季度与1季度),人均消费支出取人均消费支出季度值;当用于分析相差2个及以上季度的时段时(如3季度和1季度),人均消费支出取人均消费支出累计值。
2.1.4 基于电力电量修正的产业结构变化指标
产业结构是指农业、工业和服务业在一国经济结构中所占的比重,也是体现发展中国家和发达国家之间经济发展差距的一个重要指标,合理的产业结构是后发国家赶超先发国家,加快经济发展的必然要求。改革开放之初,中国东部地区依靠自身地理优势,凭借着特殊的政策优势,积极承接发达国家产业转移,产业结构逐步优化,经济得到迅速发展。但由于缺少承接产业转移经验,这种粗放式的承接产业转移导致东部沿海地区出现产业过度聚焦和环境污染问题。相对于东部沿海地区,中国中西部地区有着资源与劳动力的比较成本优势,随着中西部地区基础设施完善,中西部地区逐渐成为承接产业转移的首选地区。因此,在分析区域尤其是中西部地区的电力负荷变化时,需要考虑产业转移带来的产业结构变化影响。
传统的产业结构变化指标为Moore指标,可用于反映产业结构变化快慢,其计算式为
式中:Mt为t期Moore产业结构变化值;Wi,t为t期第i产业所占比重。
在传统产业结构变化Moore指标的基础上,本文提出一种基于电力电量修正的产业结构变化指标。将式(4)中经济数据替换为产业负荷数据,考虑到负荷数据是瞬时值而经济数据是累积值,进一步引入电量进行修正,对负荷与电量分别给予权值,避免瞬时负荷数据引起较大误差。基于电力电量修正的产业结构变化指标为
式中:为t期Moore产业结构变化指数;α为电量系数;β为负荷系数,α和β取值受对负荷和电量关注程度的影响,取值范围为0~1,可结合实际应用场景由专家经验确定;
为t期Moore电量结构变化指数;
为t期Moore负荷结构变化指数。
计算式为
式中:为t期(基准期)第i产业电量所占比重;
为t+1期(分析期)第i产业电量所占比重。
计算方法与
一致,相应数据改为负荷数据即可。
该指标与传统的Moore指标类似,均是以向量空间中夹角为基础,将2个时期内2组向量间的夹角作为表示产业结构变化程度的指标。因此,在表征产业结构变化程度时,须对进行反余弦变换以得到夹角值。
定义产业之间变化的Moore夹角θ为
该Moore夹角越大,说明产业结构变化速率越大。
2.1.5 事件趋势一致性评价指标
对于一些特殊事件,如疫情、重大活动(如奥运会等)、重要节假日(如国庆、春节等)以及常见的周末休息等事件,对于负荷变化的影响往往不可忽略。这些事件往往是抽象的,难以进行量化,因此其是否对负荷变化产生影响常常是通过专家经验进行判断,存在很大的误差。本文提出一种事件趋势一致性评价指标,用来分析事件与负荷变化的相关程度,具体方法如下。
以自然日为单位,构建2个时间序列A、B,并进行标幺化处理,即当第i个自然日为事件发生日时Ai置1,否则置0;当第i个自然日总负荷增长时Bi置1,降低时置0。利用式(2)中的皮尔逊相关系数r计算A、B数据之间的相关性,r越大,说明该事件对负荷变化的影响越大。事件趋势一致性评价指标g为
i的取值视特殊事件持续时间设定,g的取值范围为[?1,1]。参考皮尔逊相关系数的性质,衡量该事件对负荷变化的影响程度时有:0<|g|<0.4为低度线性相关;0.4?|g|<0.7为显著线性相关;0.7?|g|<1为高度线性相关。
2.2 基于特征构建的负荷分解
对负荷增长特征进行构建后,参照图2对总负荷按照影响因素进行分解,为定量分析不同影响因素对负荷增长的影响程度作数据准备。
2.2.1 基于气象相关性指标的气象负荷提取
气象负荷主要指夏季的空调降温负荷和冬季的电采暖负荷,该部分负荷常常难以直接计算,一般采用基准负荷比较法进行估算。
通常情况下春季和秋季不存在气象负荷或者气象负荷很小,因此可选取春季或秋季气象因素与负荷相关性低的日期为典型工作日,认定为该地区春季无降温负荷或秋季无采暖负荷的典型工作日,对典型工作日同一行业同一时刻的负荷数据进行平均,得到相应行业相应时刻下春季工作日基线负荷P1为
式中:Pi,2为第i天工作日的负荷;N为总天数。
同理,休息日基线负荷采用休息日的负荷进行计算即可,并通过分析期的实际负荷减去基线负荷即可得到对应的气象负荷Lm为
式中:L为总负荷;P为对应的工作日基线负荷或休息日基线负荷。
2.2.2 基于自然负荷增长指标的基础负荷
基础负荷可分为受经济发展影响的自然经济负荷和业扩报装所引起的新增负荷2部分。
自然经济负荷P2可根据基于经济发展的自然负荷增长指标a得到,即
式中:P3为上一季度平均负荷。
业扩报装所产生的业扩负荷为已知数据,无须进行计算。
2.2.3 随机负荷
随机负荷主要指受休息日或特殊事件影响的负荷,该部分负荷通常被作为随机误差项进行处理。然而,实际上该部分负荷在重要节假日、疫情、极端天气等特殊事件的影响下,有时数值并非很小,因此在进行负荷分析时需要考虑该部分负荷。但由于该部分负荷具有随机性,需要通过计算发生事件时的总负荷与事件发生前的总负荷的差值进行估算,即
式中:A为事件引起的随机负荷变化值;L1为事件发生前的负荷;L2为发生该事件时的负荷。
2.3 量化归因
贡献率可用于表征在负荷增长过程中,各项分负荷的变化程度,从而体现出各类影响因素对于负荷增长的作用程度。该指标的核心思想为分量变化值/总变化值,可通过该指标的大小反映出气象、经济和特殊事件对于负荷增长的影响程度。在对总负荷完成分解之后,根据所得气象负荷、自然经济负荷、业扩负荷和随机负荷的变化值可得到对应的贡献率,从而定量分析气象、经济、特殊事件对于负荷增长的影响,对负荷增长进行量化归因。各类负荷的贡献率计算方法如下。
1)气象负荷贡献率η1为
式中:L为气象负荷增加值;L为总负荷增加值。
2)自然经济负荷贡献率η2为
式中:P2为自然经济负荷增加值。
3)业扩负荷贡献率η3为
式中:P4为业扩负荷增加值。
4)随机负荷贡献率η4为
03
算例分析
3.1 数据说明
本文采用西北区域1、区域2实际收集的负荷数据和气象数据,对所提方法进行验证。其中,算例1分析时长为1个季度,用于验证本文所提方法在较短时段内的适用性。该算例负荷数据主要包括2022年区域1、区域2全年负荷数据;气象数据主要包括负荷数据相对应的日最高温度、最低温度、平均温度、平均风速等。考虑到气象负荷主要集中在夏季和冬季,而冬季往往存在跨年问题,因此选取4~7月初作为分析区间,以7月最大负荷发生时刻负荷增长归因为目标展开分析。算例2分析时长为3年,用于验证本文所提方法在较长时段内的适用性。该算例负荷数据主要包括2020年至2023年7月区域1负荷数据,气象数据维度与算例1相同,以2023年7月最大负荷发生时刻的负荷增长归因为目标展开分析。结合实际数据对本文构建的负荷增长特征指标进行算例分析,基于这些指标对总负荷进行分解后,利用贡献率明确各因素对负荷增长的影响程度。
3.2 算例1
3.2.1 基于气象相关性指标的气象负荷计算
不同月份气象因素与负荷的相关性存在较大差异,这里通过计算最高温度、最低温度、平均温度、平均风速4个气象因素与负荷的相关性,分析相关性的时域特性,从而确定气象负荷的基线负荷选取日期,并计算气象负荷数值。具体流程如图4所示。
图4 基于气象相关性指标的气象负荷分析流程
Fig.4 Flow chart of meteorological load analysis based on meteorological correlation index
1)区域1气象负荷计算。区域1最大用电负荷与4个因素的相关性如表1所示。
表1 2022年区域1气象因素与最大用电负荷相关性
Table 1 Correlation between meteorological factors and maximum electricity load in area 1 in 2022
根据表1,风速与负荷之间相关性弱,可忽略;温度与负荷相关性存在明显时域特性。7月和8月相关性较其他月份更加显著,表明这2个月气象负荷数值大,对总负荷作用显著。3月和4月气象相关系数均偏低,表明这2个月气象负荷数值小。根据2.2.1节,结合季节因素,选择4月作为基线负荷选取日期。
根据式(9)可得,2022年区域1工作日全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图5所示。
图5 2022年区域1工作日基线负荷曲线
Fig.5 Baseline load curves of working days in area 1 in 2022
2022年区域1休息日全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图6所示。
图6 2022年区域1休息日基线负荷曲线
Fig.6 Baseline load curves of holidays in area 1 in 2022
4月份区域1最大负荷时刻为2022-04-02 T19:45,7月份最大负荷时刻为2022-07-09 T16:45,负荷增长万kW,根据式(10)与图6可得2022-07-09 T16:45时的气象负荷增长Lm为820.52万kW。
2)区域2气象负荷计算。区域2最大用电负荷与4个气象因素的相关性如表2所示。
表2 2022年区域2气象因素与最大用电负荷相关性
Table 2 Correlation between meteorological factors and maximum electricity load in area 2 in 2022
根据表2,区域2风速与负荷之间的相关性同样较弱,可忽略;温度与负荷相关性存在明显的时域特性。3、4、6、7、10和11月等跨季节月份相关性较其他月份更加显著,表明区域2负荷受气象因素影响较强。其中,5月气象相关系数均偏低,表明该月气象负荷数值小。根据2.2.1节,结合季节因素,选择5月作为基线负荷选取日期。
根据式(9)可得,2022年区域2工作日全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图7所示。
图7 2022年区域2工作日基线负荷曲线
Fig.7 Baseline load curves of working days in area 2 in 2022
2022年休息日区域2全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图8所示。
图8 2022年区域2休息日基线负荷曲线
Fig.8 Baseline load curves of holidays in area 2 in 2022
4月份区域2最大负荷时刻为2022-04-01 T20:15,7月份最大负荷时刻为2022-07-01 T16:15,负荷增长610.33万kW,根据式(10)与图7可得2022-07-01 T16:15时的气象负荷增长Lm为504.76万kW。
3.2.2 自然经济负荷增长分析
基于省政府及国家统计局公布的经济指标数据,分别计算区域1和区域2的自然经济负荷增长指标,并提取总负荷增长量中的自然经济负荷增长分量。
由于分析区间为4月至7月初,可看作2022年1季度与2季度。2.1.3节中式(3)所用数据如表3所示。
表3 2022年区域1与区域2第1、2季度三次产业的产业增加值与人均消费支出情况
Table 3 Industrial added value and per capita consumption expenditure of the third industry in the first and second quarters of area 1 and area 2 in 2022
1)区域1自然经济负荷增长量。区域1第一产业用电量占比为0.36%,第二产业用电量占比为63.03%,第三产业用电量占比为22.10%,城乡居民用电占比为14.51%,可得自然增长指标a为7.75%。因此,区域1自然经济负荷增长量可由式(11)推导得1804.17×7.75%=139.91万kW。
2)区域2自然经济负荷增长量。区域2第一产业用电量占比为2.36%,第二产业用电量占比为52.06%,第三产业用电量占比为30.43%,城乡居民用电占比为15.15%,可得自然增长指标a为7.86%。因此,区域2自然经济负荷增长量可由式(11)推导得1317.47×7.86%=103.59万kW。
3.2.3 产业结构变化分析
考虑到产业结构变化一般时间较长,这里将分析时段选为2022年1月至2022年7月初。以式(5)中α和β均取0.5为例,实际运用时可根据对负荷和电量的重视程度给予合适权重。
1)区域1产业结构变化分析。根据2.1.4节,区域1产业结构变化值夹角θ如图9所示。可以看出,区域1产业结构夹角值在2左右波动,但在5月份产业结构出现明显变化,产业结构变化值接近6。
图9 区域1产业结构变化值夹角变化趋势
Fig.9 The change trend of the included angle of industrial structure change value in region 1
结合实际数据,区域1各产业的变化情况如图10所示。5月份该区域第二产业最大负荷占比下降近7%,引起产业结构发生变化。
图10 2022年1—7月区域1负荷与电量占比变化情况
Fig.10 Changes in the proportion of load and electricity in area 1 from January to July 2022
2)区域2产业结构变化分析。根据2.1.4节,区域2产业结构变化值夹角θ如图11所示。可以看出,区域2产业结构夹角值在2左右波动,但在3月份和6月份产业结构出现明显变化。
图11 区域2产业结构变化值夹角变化趋势
Fig.11 The change trend of the included angle of industrial structure change value in area 2
结合实际数据,区域2各产业的变化情况如图12所示。3月该区域第二产业最大负荷占比上升近4%,6月该区域第二产业电量占比下降近7%,引起产业结构发生变化。
图12 2022年1—7月区域2负荷与电量占比变化情况
Fig.12 Changes in the proportion of load and electricity in area 2 from January to July 2022
由区域1和区域2产业结构变化情况分析可以验证,本文提出的产业结构变化指标能够从电量和负荷2方面对产业结构变化进行刻画,指标对产业结构变化的敏感性较高。
3.2.4 事件趋势一致性评价分析
分析期与基准期均位于疫情期间,且无重大活动或极端天气发生,这里仅考虑休息日的影响。通过式(8)获取表征事件发生和负荷变化的2个时间序列A、B后,计算序列A与序列B的相关系数结果如表4所示。
表4 休息日与日负荷增长g值
Table 4 The correlation value g between holidays and daily load growth
根据表4,区域1用电负荷与休息日相关系数绝对值普遍低于0.4,相关性较弱。但在2月和6月相关系数绝对值大于0.4,呈现出显著相关性。同样地,区域2用电负荷与休息日相关系数绝对值普遍低于0.4,相关性较弱,但在1月、3月、6月度冬/度夏期间相关性系数相较于其他月份同样偏高。结合经验分析,一般2月份采暖负荷逐渐减少,6月降温负荷逐渐增长,表明休息日对于气象负荷存在一定影响。
3.2.5 负荷增长量化归因
1)区域1负荷增长量化归因。根据3.2节可知,区域1在所选取的分析区段内最大负荷发生在7月9日,增长量L=1028.31万kW,气象负荷增长L=820.52万kW,自然经济负荷增长量139.91万kW。对于业扩负荷,7月与4月区域1业扩负荷差值
22.59万kW。考虑休息日的影响,由于7月9日为周六,根据式(12)可得休息日引起的负荷增长A=50.34万kW。因此,计算基于贡献率的区域1负荷增长量化归因情况如表5所示。
表5 基于贡献率的区域1负荷增长量化归因情况
Table 5 Quantitative attribution of load growth in area 1 based on contribution rate
2)区域2负荷增长量化归因。根据3.2节可知,区域2在所选取的分析区段内最大负荷发生在7月1日,增长量L=610.33万kW,气象负荷增长L=504.76万kW,自然经济负荷增长量103.59万kW。对于业扩负荷,7月与4月区域2业扩负荷差值
7.77万kW。考虑休息日的影响,7月1日为周五,无休息日影响,即A=0。因此,计算基于贡献率的区域2负荷增长量化归因情况如表6所示。
表6 基于贡献率的区域2负荷增长量化归因情况
Table 6 Quantitative attribution of load growth in area 2 based on contribution rate
虽然各类负荷贡献率之和与理论值100%有所不同,但其差值在可接受范围之内,该问题主要由于各类负荷解耦不充分,仍存在一定交叉,如业扩报装产生的负荷与气象负荷、自然经济负荷均可能存在重叠部分,自然经济负荷与气象负荷也可能存在重叠部分等。
在表5和表6中,区域1和区域2负荷增长的主要原因均是气象负荷增长显著,即气象因素是引起区域1和区域2负荷增长的主要因素。由于分析区段位于夏季,天气炎热,空调等气象负荷增长显著,该分析结论符合客观事实,从而验证了本文所提负荷增长分析模型的有效性。
3.3 算例2
3.3.1 气象负荷变化分析
不同于算例1,算例2分析周期延伸至3年,从长期负荷分析角度对本文方法进行验证。本算例分析目标为2020年7月区域1最大负荷(即2020-07-09 T16:15)至2023年7月最大负荷(即2023-07-12 T13:15)增长量化归因。所选时期均位于夏季,故须分别计算2个时期的气象负荷。
1)2020年区域1气象负荷计算。2020年区域1负荷与气象因素相关性情况如表7所示。
表7 2020年区域1气象因素与最大用电负荷相关性
Table 7 Correlation between meteorological factors and maximum electricity load in area 1 in 2020
根据表7,2020年5月区域1各气象指标与负荷相关系数均偏低,表明该月气象负荷数值小。根据2.2.1节,结合季节因素,可选择5月作为基线负荷选取日期。
根据式(9)可得,2020年区域1工作日全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图13所示。
图13 2020年区域1工作日基线负荷曲线
Fig.13 Baseline load curves of working days in area 1 in 2020
2020年休息日区域1全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图14所示。
图14 2020年区域1休息日基线负荷曲线
Fig.14 Baseline load curves of holidays in area 1 in 2020
2020年7月区域1最大负荷时刻为7月9日16:15,根据式(10)与图13可得7月9日16:15气象负荷Lm=556.12万kW。
2)2023年区域1气象负荷计算。2023年区域1负荷与气象因素相关性情况如表8所示。
表8 2023年区域1气象因素与最大用电负荷相关性
Table 8 Correlation between meteorological factors and maximum electricity load in area 1 in 2023
根据表8,2023年4月区域1各气象指标与负荷相关系数均偏低,表明该月气象负荷数值小。根据2.2.1节,结合季节因素,可选择4月作为基线负荷选取日期。
根据式(9)可得,2023年区域1工作日全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图15所示。
图15 2023年区域1工作日基线负荷曲线
Fig.15 Baseline load curves of working days in area 1 in 2023
2023年休息日区域1全社会用电负荷、第一产业、第二产业、第三产业以及居民用电基线负荷如图16所示。
图16 2023年区域1休息日基线负荷曲线
Fig.16 Baseline load curves of holidays in area 1 in 2023
2023年7月区域1最大负荷时刻为7月12日13:15,根据式(10)与图14可得7月9日16:15气象负荷Lm=万kW。因此,气象负荷增长L为万kW。
3.3.2 自然经济负荷变化分析
算例2经济数据获取途径与算例1相同。由于分析区间为2020年7月初至2023年7月初,可看作2020年2季度与2023年2季度。2.1.3节中式(3)所用数据如表9所示。
表9 2020年与2023年区域1第2季度三次产业的产业增加值与人均消费支出情况
Table 9 Industrial added value and per capita consumption expenditure of the third industries in the second quarters of area 1 in 2020 and 2023
区域1第一产业用电量占比为0.86%,第二产业用电量占比为56.50%,第三产业用电量占比为20.08%,城乡居民用电占比为22.56%,可得自然增长指标a为28.16%。因此,区域1自然经济负荷增长量可由式(11)推导得1480.68×28.16%=417.03万。
3.3.3 长周期产业结构变化分析
由于算例2选取时间较长,这里以季度为组分析产业结构变化,式(5)中α和β均取0.5为例。
根据2.1.4节,区域1产业结构变化值夹角θ如图17所示。可以看出,区域1产业结构夹角值在2020年4季度至2021年1季度明显上升,在2021年2季度至3季度显著下降,而后逐渐趋于稳定。
图17 区域1产业结构变化值夹角季度变化趋势
Fig.17 The quarterly change trend of the included angle of the industrial structure change value in the area 1
结合实际数据,区域1各产业的变化情况如图18所示,2020年4季度至2021年1季度该区域第三产业用电量占比下降超过5%,2021年2季度至2021年3季度该区域第三产业最大负荷占比下降近14%,引起产业结构发生变化。
图18 2020年7月至2023年7月区域1负荷与电量占比变化情况
Fig.18 Changes in the proportion of load and electricity in area 1 from July 2020 to July 2023
3.3.4 长周期事件趋势一致性评价分析
分析期与基准期跨度较大,且无重大活动或极端天气发生,这里考虑以季度为组分析休息日的影响。通过式(8)获取表征事件发生和负荷变化的2个时间序列A、B后,计算序列A与序列B的相关系数结果如表10所示。
表10 2020年第3季度至2023年第2季度区域1休息日与日负荷增长g值
Table 10 The correlation value g between holidays and daily load growth from the second quarter of 2020 to the second quarter of 2023
根据表10,区域1用电负荷与休息日相关系数绝对值普遍低于0.4,相关性较弱。但在2020年3季度和2023年2季度相关系数明显高于其他季度,推测可能是由于其他季度新冠疫情防控力度较这2个季度更为强力所导致。
3.3.5 负荷增长量化归因分析
根据3.2节可知,区域1在所选取的分析区段最大负荷增长量L=1441.58万kW,气象负荷增长L=1004.41万kW,自然经济负荷增长量417.03万kW。对于业扩负荷,由于数据限制,未获取该分析时段内业扩数据,暂取零处理,即
0。考虑休息日的影响,由于2020年7月9日和2023年7月12日均为工作日,无休息日影响,即A=0。因此,计算基于贡献率的区域1负荷增长量化归因情况如表11所示。
表11 2020年7月至2023年7月区域1负荷变化量化归因
Table 11 Quantitative attribution of load changes in area 1 from July 2020 to July 2023
虽然各类负荷贡献率之和与理论值100%有所不同,但其差值在可接受范围之内。其中,算例1由于各类负荷解耦不充分,仍存在一定交叉,故各类负荷贡献率之和超过100%;算例2则是受限于数据原因,未考虑业扩影响,故各类负荷贡献率之和低于100%。
04
结论
本文提出了一种基于电力数据特征构建的电力负荷增长归因及量化分析方法,利用鱼骨图定性分析影响电力负荷的各种因素,结合实际采集的电力电量数据,构建了能够表征气象因素、经济因素和特殊事件的相关指标。通过对总负荷进行分解,提取气象负荷、自然经济负荷、业扩负荷、随机负荷,利用不同负荷增长对总负荷增长的贡献率,定量表征其对负荷增长的影响程度,得出如下结论。
1)该负荷增长特征构建方法能够精细化表征气象因素、经济因素和特殊事件对负荷变化产生的影响。
2)从自然经济增长的角度,提出了一种基于经济发展的自然负荷增长指标,利用产业增加值和人均消费支出对自然经济负荷的增长情况进行表征。
3)考虑产业结构对负荷的影响,提出了一种基于电力电量修正的产业结构变化指标,从不同产业电力电量所占比重的角度分析产业结构变化。
4)考虑到特殊事件对负荷的影响,通过构建事件趋势一致性评价指标来表征事件和负荷波动的关联关系。
5)利用西北2个区域的电力电量数据分别进行了较短周期和长周期算例验证。本文的分析思路和方法也适应于其他区域的负荷增长成因分析。
本文提出的负荷增长量化归因分析方法对于气象负荷以及随机负荷均采用了估算方法,后续可进一步探究更为精准的计算方法。同时,对于业扩报装产生的负荷与基础负荷、气象负荷、随机负荷解耦并不充分,仍存在部分重叠,因此对于该部分的负荷解耦,确保其能够被有效量化是后续研究需要解决的问题。此外,在不同时间尺度上各影响因素的权重如何分配也是后续研究的重点。
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
导读:近日,欧洲遭遇近年来最严重的大停电,情况如何?应对进展?究竟为何?本文先作初步分析和探讨。(来源:叶春能源作者:叶春)北京时间2025年4月28日18:33(欧洲中部夏令时12:33),西班牙与葡萄牙突发全国性停电,并迅速蔓延至法国南部、比利时及安道尔,影响人口超5000万。此次停电导致交通瘫
在全球能源转型的大背景下,可再生能源的大规模接入给电力系统带来了诸多挑战。储能作为一种能够实现电能时间维度转移的关键技术,对于提升电力系统的灵活性、稳定性和韧性具有重要意义。同时,随着电力市场改革的不断推进,储能参与电力市场交易成为其实现商业化运营的重要途径。因此,深入研究储能参
一、2024年黑龙江省年度电网总发电量2024年黑龙江省全口径发电量1330.68万千瓦时,同比增长2.77%,其中水电发电量47.48万千瓦时,同比增长6.43%,其中火电发电量882.92万千瓦时,同比下降2.27%,风电发电量312.81万千瓦时,同比增长16.11%,光伏发电量87.47万千瓦时,同比增长12.97%。二、2024年黑龙江
4月29日,协鑫能科发布2024年度报告及2025年一季度报告。2024年度,协鑫能科实现营业收入97.96亿元,归母净利润4.89亿元。其中,扣非归母净利润2.94亿元,较上年上升190.83%。在行业同质化内卷严重的大背景下,协鑫能科取得骄人业绩,得益于持续优化资产结构,深入推进“双轮驱动”战略。2025年首季,
北极星售电网获悉,近日,四川省经济和信息化厅发布关于省第十四届人民代表大会第四次会议第14040784号建议答复意见的函。文件明确,积极支持巴中建设源网荷储一体化绿色供电园区,并帮助协调电网企业做好供电提供兜底保障和系统备用服务。详情如下:关于省第十四届人民代表大会第四次会议第14040784号
4月11日,四川省经济和信息化厅发布关于省第十四届人民代表大会第四次会议第14040784号建议答复意见的函,文件指出,《四川省光伏风电资源开发管理办法》(川发改能源规〔2023〕512号)要求,按照“成熟一个、开发一个”的原则推进风光项目建设,地方对具备开发条件的风光资源编制拟开发项目的初步实施
春光正盛的四月,采用的正泰电源2.5MW/5MWh液冷储能系统的义乌某厂区一期储能电站完成调试、顺利并网,容量15MW/30MWh。与源网侧储能的应用侧重不同,工商业储能的核心功能聚焦于满足工商业用户自身的电力用能需求。一方面,它能助力工商业用户实现光伏发电的自发自用比例最大化,提升清洁能源的本地消
市场研究机构伍德麦肯兹(WoodMackenzie)最新预测显示,美国将在未来十年新增502GW(DC)光伏装机容量,年均新增规模将在2025-2035年间维持在41-50GW之间。该数据基于2024年创纪录的50GW新增光伏装机容量,并在2025年3月与美国太阳能产业协会(SEIA)联合发布的报告基础上作出更新。若预期成真,2030年美
引言在数字经济时代,算力是支撑国民经济发展的新质生产力,也是全球竞争的新焦点。2024年发布的《中国综合算力指数》报告显示,廊坊、张家口的算力指数分别居全国第一、第二。而张家口作为“东数西算”工程京津冀国家算力枢纽节点,已建成投运国家重点数据中心项目37个,服务器超172万台,算力规模达
4月22日,特斯拉发布2025年度财报,这也被称为是有史以来“最差”成绩单。季度总营收193.35亿元、同比下降9%,而净利润则仅有4.2亿元、同比下降七成,这也是近五年来首次降至个位数,还不及2021年一季度的水平,与此同时运营利润率也降至2.1%的历史最低。而且特斯拉还在本次财报中披露,因采用了新的加
上文中我们对于微电网的终端设备所需要具备的“四遥”和“四可”等概念进行了分析。而这些终端设备是通过怎样的形式来构成微电网的,就涉及到相应的组网方式了。一次电气设备的组网在前,二次通信设备的组网在后。这些都是微电网或者虚拟电厂相关从业者需要了解的,今天我们先谈谈有关电气组网方面的事
《电力辅助服务市场基本规则》出台全国统一电力市场落下“关键一子”作为全国统一电力市场“1+N”规则体系的关键“一子”,《电力辅助服务市场基本规则》(以下简称《规则》)日前出台,标志电力中长期、现货、辅助服务三大主要交易品种的规则顶层设计基本建立,也标志着我国电力市场改革迈出系统性突
《电力辅助服务市场基本规则》(下文简称《规则》)的出台,标志着我国电力体制改革迈出了重要一步。随着新能源占比不断提高,电力系统对调频、备用等资源的需求大幅增加,需要通过市场化手段优化资源配置,提升电网调节能力,确保电力供应的安全与高效。《规则》的实施不仅有助于完善全国统一电力市场
5月份各地代理购电价格表已发布,一起来看看有哪些变化。(来源:微信公众号“黄师傅说电”)山西辅助服务自2022年11月起,山西在公布代理购电价格表的同时会随附一张自动发电控制(AGC)辅助服务补偿费用价格表。此举延续至2025年5月,该部分补偿费用现已在系统运行费中的辅助服务费中体现。在电力现
供给、消费、技术、制度、国际合作全方位支持民营企业参与新能源建设水电水利规划设计总院新能源院院长辛颂旭今年年初,习近平总书记在民营企业座谈会上发表重要讲话,明确提出“促进民营经济健康发展、高质量发展”。随后,各相关部委和地方政府积极行动,加快完善鼓励、支持、引导民营经济健康、高质
支持能源领域民营经济高质量发展促进经济社会全面绿色低碳转型北京大学能源研究院高级分析师吴迪副院长杨雷4月28日,《国家能源局关于促进能源领域民营经济发展若干举措的通知》(下称《通知》)公开发布,旨在深入贯彻落实习近平总书记在民营企业座谈会上的重要讲话精神,支持能源领域民营企业加快高
4月29日,国家发展改革委、国家能源局联合印发的《电力辅助服务市场基本规则》(以下简称《基本规则》)正式发布。《基本规则》的制定旨在加快推进全国统一电力市场建设,规范电力辅助服务市场运营管理,维护市场运营主体合法权益。电力辅助服务是指为维持电力系统安全稳定运行,保证电能质量,除正常
4月29日,国电南瑞发布2024年年报。公司全年实现营业收入574.17亿元,较上年同期增长11.15%,实现归属于上市公司股东的净利润76.10亿元,较上年同期增长6.06%,基本每股收益0.95元。报告提到,报告期内抢抓特高压、抽水蓄能发展机遇,中标甘肃-浙江等特高压、辽宁大雅河等抽水蓄能工程。新一代调控中标
4月24日,华东能源监管局组织研究长三角省市间抽蓄容量互济交易有关工作,部分地方政府价格主管部门、电力企业相关负责同志参与。与会人员围绕长三角省市间抽蓄容量互济交易工作,就调峰保供、交易周期、价格机制以及政策衔接等方面展开深入探讨交流。下一步,华东能源监管局将整合各方建议,制定科学可
天津电力积极拓展绿电交易规模。一季度,天津电力市场累计交易绿电达146亿千瓦时,较2024年增长100%。同时,天津市绿电供应占比显著提升,新能源发电装机容量达1121.5万千瓦,占全市发电装机总容量的37.8%。此外,天津分别与甘肃、山西等省份达成多年期省间绿电交易,累计成交绿电电量达264.27亿千瓦时
北极星售电网获悉,4月29日,国家发改委、国家能源局联合印发《电力辅助服务市场基本规则》(以下简称《规则》),与《电力中长期交易基本规则》《电力现货市场基本规则(试行)》共同构筑全国统一电力市场三个主要交易品种,标志着三大交易品种的规则顶层设计基本建立。通知提到,电力现货市场连续运
在全球能源转型的浪潮中,储能技术作为新型电力系统的“核心引擎”,正经历从“规模扩张”到“价值重塑”的关键跨越。尤其伴随数字化和人工智能等新兴产业发展,工商业储能正在迎来新的增长机遇。据新能安评估,中国工商业储能潜在市场空间超500GWh,但开发渗透率却不足3%。如何让储能“保值”,成为全
近期,多座储能电站获最新进展,北极星储能网特将2025年4月27日-2025年4月30日期间发布的储能项目动态整理如下:65MW/100MWh!广东韶关市浈江区首个电网侧独立储能站开工4月25日上午,广东韶关浈江独立储能项目开工奠基仪式在国粤(韶关)电力有限公司举行。该项目由广东电网能源投资有限公司与国粤(
4月28日,国网涡阳县供电公司皖美共产党员服务队深入田间地头开展春耕用电安全检查,全力支持农民春耕生产。连日来,由于持续的春季高温少雨,皖北地区出现中度旱情。水肥充足是保障小麦丰产丰收的关键因素。为保障涡阳县185万亩小麦灌溉用电需求,国网涡阳县供电公司结合辖区内农业生产实际,科学制定
4月30日,四川省甘孜州巴塘水电站500千伏送出工程、成都金融城220千伏输变电工程正式投运,标志着四川电网(2025年)2项迎峰度夏重点工程顺利建成。“十四五”以来,随着成渝地区双城经济圈建设加快推进,社会用电需求持续提升,预计2025年夏季,四川最大用电负荷需求将突破7000万千瓦。为此,国网四川省
河北省秦皇岛市山海关区孟姜镇北营子村房屋白墙灰瓦,道路干净宽阔。村北就是角山长城。游客纷纷慕名而来,登长城、参观村史馆、品农家饭、采摘大樱桃。4月25日,冀北秦皇岛供电公司孟姜镇供电所所长孟令楠和员工徐东泽、曹洪利来到北营子村,检查为该村供电的配电变压器,并义务为民宿、餐馆等用电量
为深入贯彻落实习近平生态文明思想,积极推动光伏发电与生态修复协同发展,加快构建云南新型能源体系,云南能源监管办聚焦新能源开发堵点难点问题,持续强化监管力度,护航云南以光伏为主的新能源高质量发展。近日,云南首个尾矿库光伏电站—背阴山尾矿库分布式光伏发电项目顺利投产,打造“光伏+生态
4月28日上午,宝钢股份湛江钢铁——华润电力分散式风电场项目顺利开工,挖机轰鸣声与海浪声交织,海滨工地上“钢铁蓝”与“生态绿”交融的画卷缓缓铺开。湛江钢铁与华润电力合作建成国内首个工业园区大型分散式风电项目,首次在钢铁厂区应用抗台风海上风机,实现“就地发电、就地使用”的新模式。通过
4月25日,四川成渝中线资阳永清牵引站220千伏外部供电工程核准获批。一、依据年度电网项目核准计划,为满足成渝中线资阳永清牵引站用电需求,同意建设成渝中线资阳永清牵引站220千伏外部供电工程。项目单位为国网四川省电力公司。二、项目建设地点为资阳市安岳县。三、项目建设主要内容(一)扩建广惠2
“感谢你们专门上门来解释我们这个月电费电量异常的问题。”4月29日讷河市克山农场客户因为新增了一台空调,感觉本月的用电量异常,网格员收到信息后,带着客户每月电费清单到客户家中面对面解答异常情况。为精准分析客户用电诉求,提升办电便利度,优化办电体验,讷河市供电公司以全面推进网格化服务
广东电网公司数据显示,今年第一季度,广东省全社会用电量1870.66亿千瓦时,同比增长2.99%。其中:广东“三新”行业用电量同比增长32.9%,新质生产力带动作用持续显现。每10台有4台“广东造”典型工业机器人制造企业用电量同比增长近10%据广东省工业和信息化厅统计,2024年,广东省工业机器人产量占全
导读:近日,欧洲遭遇近年来最严重的大停电,情况如何?应对进展?究竟为何?本文先作初步分析和探讨。(来源:叶春能源作者:叶春)北京时间2025年4月28日18:33(欧洲中部夏令时12:33),西班牙与葡萄牙突发全国性停电,并迅速蔓延至法国南部、比利时及安道尔,影响人口超5000万。此次停电导致交通瘫
在国家“双碳”战略稳步推进的大背景下,西电东送南通道正面临着前所未有的转型挑战。这条连接云南、贵州、广西与广东的能源主动脉,其电力供需格局正在遭受新的挑战:受到区域经济发展及产业结构升级的推动,西电东送南通道供受两端地区电力需求迅猛增长,2024年广东省发用电差额飙升至2165.7亿千瓦时
请使用微信扫一扫
关注公众号完成登录
姓名: | |
性别: | |
出生日期: | |
邮箱: | |
所在地区: | |
行业类别: | |
工作经验: | |
学历: | |
公司名称: | |
任职岗位: |
我们将会第一时间为您推送相关内容!