[科普中国]-日负荷曲线

日负荷曲线的种类

日负荷曲线的种类很多。按发供用电环节分，有发电日负荷曲线、供电日负荷曲线和用电日负荷曲线；按季节分，有冬季日负荷曲线和夏季日负荷曲线;按用电行业分类分，有第一产业(农业)日负荷曲线、第二产业(工业、建筑业)日负荷曲线、第三产业(商业、宾馆、饭店、交通运输等)日负荷曲线和居民生活日负荷曲线，其中工业还可进一步分为冶金、化工、建材、机 械、食品、纺织、电子等行业.按有功与无功分，有日 有功负荷曲线和日无功负荷曲线2。另外，还有反映一日 内负荷水平与电盆之间关系的日电量累积曲线。 不同地区、不同季节在工作日、周休日或节日的日 负荷曲线各不相同。在实际应用中，一般采用有代表性 的典型季节的典型日负荷曲线，包括典型日负荷曲线和典型日持续负荷曲线。 根据典型日负荷曲线可以得出典型日最大(最小) 负荷和平均负荷。典型日最大(最小)负荷为每日24 个整点负荷中的最大(最小)值。典型日平均负荷为每日24个整点负荷的平均值。典型日负荷曲线中小于日最小负荷的部分称为基荷，大于日平均负荷的部分称为峰荷，基荷和峰荷之间的部分称为腰荷。

日负荷曲线的作用日负荷曲线是构成周(月)负荷曲线的基础3。其主要作用是:①电力系统调度部门用于安排发电计划。调度部门每日要编制出版次日的负荷曲线，以便据此安 排各电厂发电出力计划。②电力系统计划部门用于进 行电力系统的电力电量平衡和确定运行方式(如调峰 容量、调压和无功补偿方式等)以及进行安全分析。③ 电t泉积曲线用于电力系统电量平衡及在各种发电厂 和发电机组间进行电量分配。在确定电力系统中水电站的工作容量时，电盆累积曲线有重要意义。

影响日负荷曲线的因素影响日用电负荷曲线的因素很多，其中负荷结构对总体日负荷曲线的影响最大，另外需求侧管理措施对其也有一定影响.影响各行业日负荷曲线的因素各 不相同:农业主要受季节、雨水、排灌设备容量比重等 因素影响;工业主要受经营状况、生产班制、生产工艺、 大型设备运行方式、季节等因家影响;商业主要受季节 变化、气温变化、节假日、空调拥有率等因素影响;宾 馆饭店主要受旅游季节分布、空调拥有率等因素影响; 居民生活主要受季节变化、气温变化、收人水平、空调、 电炊拥有率等因素影响。

反映日负荷曲线特性的指标反映日负荷曲线特性的指标主要有日负荷率、日 最小负荷率、日峰谷差和日峰谷差率。日负荷率为日平均负荷与日最大负荷之比的百分数，日最小负荷率为日最小负荷与日最大负荷之比的百分数，日峰谷差为日最大负荷与日最小负荷之差，日峰谷差率为日峰谷 差与日最大负荷之比的百分数。 连续性用电的行业，如冶金工业(电解铝、铁合金 等)、石油工业、化学工业等，一日内负荷变化较小，日 负荷率较高，一般可达90%左右，日最小负荷率与日 负荷率较为接近。第三产业和居民生活用电由于受作息时间的影响，日负荷率和日最小负荷率均较小。农业 用电由于受季节影响，一年内变化较大，排灌季节日负荷率较高，而非排灌季节日负荷率很低。 中国1996年以前由于存在大量拉闸限电现象，日负荷曲线较为平坦，日负荷率较高。随着电力供需矛盾的缓解以及第三产业、居民生活用电比重的不断增加， 日负荷率呈现下降趋势。加强需求侧管理，可以扭转这种下降趋势，甚至可以提高日负荷率。

日负荷曲线预测方法对下一日24小时电力负荷的预报。它是电力系统调度赖以安排日调度计划，决定开停机计划、经济分配负荷及安排旋转备用容量的基础。日负荷曲线预测的精确性直接影响电力系统运行的经济效益。日负荷曲线的变化是有规律的，例如同年同月中各日曲线形状接近，不同年份相同月份的典型日负荷曲线形状相似日负荷率V}口最小负荷率U等特征参数可以反映曲线的特点与形状，并且均与社会用电结构、各部门分用电制有着密切的关系例如系统中第二产业比重大，则VU值较高，反之则VU值低根据这一特点，并考虑到我国力部门对历史资料的积累情况，本文提出了一种新的日负荷曲线预测方法该方法将预测过程分解为两步，第1步基于用电结构分析进行特征参数预测，第2步以特征参数及基准负荷曲线为依据进行曲线预测。本文据此建立了物理意义明确、表达方式简捷的数学模型，并针对问题的特点，提出了快速有效的算法该方法已应用于东北电网负荷预测软件，取得了良好的效果.

电力系统负荷曲线的变化规律表现为一个非平稳的随机过程。如果以 1小时为间隔对它进行离散化的测量，则可得到一个随机的时间序列。由于人们的生产及生活安排等社会因素及自然季节性的影响，使负荷曲线的变化呈现出一定的周期性。从不同的时间观察，可认为负荷曲线的变化具有一天、一周、一月以至一年的变化周期。日负荷曲线的预测应充分利用这种变化周期性的特点。
日负荷曲线的预测方法主要有多重相关算法、时间序列法和谐波分解法。但这几种方法都没有计及气象条件的影响，而负荷与气象条件有密切的关系。更精确的负荷预测必须考虑气象因素，建立气象负荷模型或根据气象条件对负荷模型进行必要的修正，从而获得比较切合实际的日负荷曲线预测4。

多重相关算法 从负荷样本数据（即负荷曲线的历史数据）找出电力系统负荷在各个周期的相关性，构造多个预测模型，一般为一阶线性模型。由各个模型得到的预测值及其方差再进行最优组合，得到一个加权平均值。根据线性估计理论,权重应与各自的方差成反比,加权平均值的方差的倒数等于各个方差倒数之和。节假日则需特殊考虑，舍去相应的一个模型的预测值。

时间序列法 把负荷的样本数据按时间顺序组成序列。根据此序列的自相关函数和偏自相关函数的截尾性能来建立自回归模型、滑动平均模型或自回归滑动平均模型。在预测方法上可采用条件期望预测、平衡线性最小方差预测或新息法自适应预测等。

谐波分解法利用负荷曲线变化的周期性，用谐波分析的方法求出预测值。

基准日负荷曲线的确定
在以往的电力系统规划中，通常仅由人工编制各水平年的冬、夏季典型日负荷曲线但随着1995年5月1日起我国实行五天工作制，体息日数目增多，且其特征与正常工作日差别较大，因此对它的分析已经不能忽视本文按每月一条典型工作日和体息日曲线加以研究，并可以单独考虑元旦、春节、五一、十一等典型节假日。各月代表日的选取应排除拉闸限电、事故等不正常因素的影响，尽量接近实际情%}'也可以对历史上各年该月的典型曲线作综合分析比较，例如进行加权综合(近期的曲线应占较大的权重)，确定该月的代表曲线各典型日数据采取如下分析方法
令T= 24(表示时段数)，设待分析日的负荷数据为li (i= 1 2…、T)，当天最大负荷为l0以l0对1,进行标么化，得当日负荷曲线di;(i= 1 2…、T)，则成立如下关系式5:

当日的特征参数计算如下: