电力负荷特性篇1

关键词：电力系统，电压失稳，稳定性

Abstract:thispaperanalyzesthemountainousareaoftheoldcity'sdrainagepresentsituation,proposedthemountainsdrainagesystem,theproblemsofthemountainousareaisproposedtosolvetheseproblemsinthereconstructionoftheoldcitydrainageengineeringprinciplesandmainform,andthedrainagesystemanddrainagesystemsuggestionintheformofalayout.

Keywords:mountainoldcity;Drainageengineeringmodification;Drainagesystem

中图分类号：TM715文献标识码：A文章编号：

引言

电力系统是一个具有高度非线性的复杂系统，随着电力工业发展和商业化运营，电网规模不断扩大，对电力系统稳定性要求也越来越高。在现代大型电力系统中，电压不稳定、电压崩溃事故已成为电力系统丧失稳定性的一个重要方面。因此，对电压稳定性问题进行深入研究，仍然是电力系统工作者面临的一项重要任务。

一、电压崩溃主要原因分析

近年来，随着电力工业的发展，电力系统规模日益扩大，逐步进入高电压、大机组、大电网时代，同时伴随电力改革和电力市场的实践，长线路、重负荷及无功储备不足的特征逐渐突出，系统的电压安全裕度倾向于越来越小，使电力系统常常运行在稳定的边界。目前系统运行操作人员并不能准确掌握系统的电压安全状态。所以事故发生时，缺乏足够的安全信息来采取相应的措施，导致了事故的扩大。

从国内外一些大的电力系统事故的分析来看，发生电压崩溃的一个主要原因就是无法预计负荷增长或事故发生后可能导致的电)t.不稳定/崩溃的程度和范围，难以拟定预防和校正的具体措施。此外，电力系统还具有许多[&1有特性，如:(I)系统的运行结构调整频繁，运行工况不断变化;(2)负荷波动，谐波干扰以及随机扰动难以估计;(3)规模庞大，维数高，控制分散性强，完整的运行信息难以获取:(4)存在饱和、死区、限幅等强非线性因素;(5)时变性强，对控制速度要求很高。这些特性使建立电力系统的精确模型变得极为困难，而且即使建立了较精确的数学模型，其结构也过于复杂，难以实现快速有效的实时控制。因此，实时在线评估电力系统电压安全、预测电压崩溃是十分重要的。

二、负荷模型的结构分析

1、静态负荷模型

静态负荷模型主要适用于潮流计算和以潮流计算为基础的稳态分析中。在电力系统动态分析中，一般适用于计算结果对负荷模型不太敏感的负荷点。

（1）指数负荷模型

通常一个指数函数在电压变化范围比较大的情况下仍能较好地描述许多负荷的静态特性。忽略频率变化对负荷有功、无功功率变化的影响，在一定的电压变化范围下，其指数函数模型可表示为：

式中，P0、Q0、V0分别为扰动前稳态情况下负荷所吸收的有功、无功功率和节点电压，指数和的值取决于负荷的类型。

（2）多项式负荷模型

这是将功率与电压幅值关系表达为多项式方程形式的静态负荷模型，不计频率变化时通常有如下形式：

式中：

这种模型实际上相当于认为负荷由三部分组成。系数A、B、C分别表示恒定阻抗(Z)、恒定电流(I)和恒定功率(P)部分在节点总负荷，!，所占的比例。因此这种负荷模型也称为负荷的ZIP模型。

2、动态负荷模型

为了描述负荷的动态特性，低阶的传递函数或电动机模型被用来描述负荷特性。动态负荷模型进一步分为机理式和非机理式，合理的机理式模型可以反映负荷动态过程的物理本质，而非机理式模型在确定参数方面则比较简单。

（1）机理式模型

机理式模型就是从负荷的物理特性出发建立的系统模型。电振稳定分析中最常用的机理式模型是感应电动机模型。感应电动机在电力系统负荷(尤其是工业负荷)中占有较大比重，对电力系统运行与控制具有相当大的影响，在不少电力系统计算软件包中均包含感应电动机模型，其动态特性主要表现为:(1)故障后功率在短时间内恢复;(2)功率因数低，无功需求大:(3)电压低于一定的极限时，吸收的无功功率急剧增加，易于失速停转。鉴于以上原因，感应电动机负荷模型的建立在电仄稳定动态分析中显得非常重要。

根据不同的应用领域和分析计算目的，己提出了多种感应电动机模型，比较详细的是五阶电磁暂态模型，其中考虑了定子绕组、转子绕组的电磁暂态特性以及转子的机械动态特性。当忽略定子绕组的电磁暂态特性时，则得到三阶的机电暂态模型。如果进一步忽略转子绕组的电磁暂态特性，就获得一阶的机械暂态模型。一般来说，感应电动机定子绕组的暂态过程比转子绕组的暂态过程要快得多，且更快十电力系统暂态过程。所以，就感应电机对电力系统的影响而言，是否计及定子的暂态过程影响不大，采用三阶模型就能很好地反映感应电动机的动态性能，因此可将综合负荷等值为一个感应电动机和静态负荷的并联，模型结构如图1所示。

图1感应电动机动态负荷模型结构

3、非机理式模型

当负荷群中动态元件类型不止一种，或者虽然类型一单一但特性相差较大时，就难以用一个简单.的机理式模型去描述。为了克服机理式模型结构复杂及参数估计困难的缺点，人们开始研究负荷的非机理动态模型。

非机理式模型也称作输入/输出模型(1/0模型)。将需要研究的负荷群看作为一个“系统丫，其输入变量是负荷母线电压U及母线频率f，输出变量是负荷群吸收的总的有功功率P和无功功率Q。当输入变量U，f变化时，输出变量P，Q也随之而变化，输入/输出模型是一组能够描述系统输入/输出特性的数学方程。如图2所示：

图2负荷群系统示意图

结论

电力系统电压稳定问题的研究有着十分重大的社会经济意义。尽管电压稳定问题及其相关现象十分复杂，在过去二十年间，人们己经在电压失稳机理以及负荷模型建立、分析手段上取得了很多重要研究成果。随着系统规模的不断发展，新型控制设备的不断投入运行以及电力市场化的不断深入，人们需要更为准确的电压稳定性指标以及实用判据，需要将电压安全评估与控制不断推向在线应用。

电力负荷特性篇2

关键词：电力负荷、负荷预测、预测方法、

中图分类号：F407文献标识码：A

1电力负荷的构成与特点

电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。

城市民用负荷主要是城市居民的家用电器，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。

商业负荷，主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。

工业负荷是指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等)，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。

农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别，所以对提高电网负荷率有好处。

从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。

电力负荷的特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。

2负荷预测的内容与分类

电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等，还必须预测负荷及电量。负荷曲线的预测可为研究电力系统的峰值、抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。

负荷预测根据目的的不同可以分为超短期、短期、中期和长期：①超短期负荷预测是指未来1h以内的负荷预测，在安全监视状态下，需要5～10s或1～5min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。②短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。③中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。④长期负荷预测是指未来3～5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。

3负荷预测的基本过程

负荷预测工作的关键在于收集大量的历史数据，建立科学有效的预测模型，采用有效的算法，以历史数据为基础，进行大量试验性研究，总结经验，不断修正模型和算法，以真正反映负荷变化规律。其基本过程如下。

3.1调查和选择历史负荷数据资料

多方面调查收集资料，包括电力企业内部资料和外部资料，从众多的资料中挑选出有用的一小部分，即把资料浓缩到最小量。挑选资料时的标准要直接、可靠并且是最新的资料。如果资料的收集和选择得不好，会直接影响负荷预测的质量。

3.2历史资料的整理

一般来说，由于预测的质量不会超过所用资料的质量，所以要对所收集的与负荷有关的统计资料进行审核和必要的加工整理，来保证资料的质量，从而为保证预测质量打下基础，即要注意资料的完整无缺，数字准确无误，反映的都是正常状态下的水平，资料中没有异常的"分离项"，还要注意资料的补缺，并对不可靠的资料加以核实调整。

3.3对负荷数据的预处理

在经过初步整理之后，还要对所用资料进行数据分析预处理，即对历史资料中的异常值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。

数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。

3.4建立负荷预测模型

负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时，就需要改换模型，必要时，还可同时采用几种数学模型进行运算，以便对比、选择。

在选择适当的预测技术后，建立负荷预测数学模型，进行预测工作。由于从已掌握的发展变化规律，并不能代表将来的变化规律，所以要对影响预测对象的新因素进行分析，对预测模型进行恰当的修正后确定预测值。

4电力负荷预测方法简介

电力负荷预测分为经典预测方法和现代预测方法。

4.1经典预测方法

4.1.1指数平滑法

该方法是常用的预测方法之一，指数平滑法的基本思想是加权平均，选取一组时间上有序的历史数据，x1、x2、x3……xt，一次指数平滑预测的迭代公式为：式中lt+1―t+1时刻的负荷值

n―所有数据记录的个数

对越近期的数据加权越大，这反映了近期数据对未来负荷影响更大这一实际情况，同时能通过平滑作用消除序列中的随机波动。

4.1.2趋势外推法

就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。

4.1.3时间序列法

时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。

时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(ar)、动平均(ma)、自回归-动平均(arma)、累计式自回归-动平均(arima)、传递函数(tf)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。

4.1.4回归分析法

回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测。

4.2现代负荷预测方法

20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。

4.2.1灰色数学理论

灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测。

4.2.2专家系统方法

专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。

4.2.3神经网络理论

神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。

4.2.4模糊负荷预测

模糊负荷预测是近几年比较热门的研究方向。

模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。

下面介绍模糊预测的一些基本方法。

(1)表格查寻法：

表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入--输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。

这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。

(2)基于神经网络集成的高木-关野模糊预测算法：

它是利用神经网络来求得条件部输入变量的联合隶属函数。结论部的函数f(x)也可以用神经网络来表示。神经网络均采用前向型的bp网络。

(3)改进的模糊神经网络模型的算法：

模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，hopfield神经网络)赋予模糊输入信号和模糊权。

对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。

(4)反向传播学习算法：

模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播bp学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。

5结束语

随着电力市场的发展，负荷预测的重要性日益显现，并且对负荷预测精度的要求越来越高。传统的预测方法比较成熟，预测结果具有一定的参考价值，但要进一步提高预测精度，就需要对传统方法进行一些改进，同时随着现代科学技术的不断进步，理论研究的逐步深入，以灰色理论、专家系统理论、模糊数学等为代表的新兴交叉学科理论的出现，也为负荷预测的飞速发展提供了坚实的理论依据和数学基础。相信负荷预测的理论会越来越成熟，预测的精度越来越高。

电力负荷特性篇3

关键词：负荷预测；地区电网；“六步”工作法

作者简介：黄加一（1984-），男，土家族，湖北恩施人，重庆市电力公司南岸供电局，工程师。

中图分类号：TM7文献标识码：A文章编号：1007-0079（2013）14-0213-02

负荷预测按照时间长短可分为中长期负荷预测和短期负荷预测。中长期负荷预测是指对未来一年或几年的电网负荷情况进行预测，主要用于电网规划。短期负荷预测是指对未来一个月或更短时段的电网负荷情况进行预测，主要用于校核电网运行方式，优化检修计划。[1，2]“日前负荷预测”属于短期负荷预测范畴，是指对次日96点负荷值进行预测。纳入2012年重庆市电力公司运行管理指标体系的是“日前负荷预测合格率”。它是对各供电局日前负荷预测好坏程度的衡量指标。

一、重庆地区电网负荷特性

电网负荷特性是负荷预测工作的基础，只有分析透彻电网负荷特性才能更加全面地了解负荷预测工作。重庆地区电网负荷特性可概况为“一小、一大、一广”。“一小”是指重庆地区电网负荷基数小。2012年重庆市直属十个供电局中统调最高负荷超过200万千瓦仅市区局一家，江北局和长寿局超过150万千瓦，其余供电局均在100万千瓦附近或以下。这与沿海发达地区电网负荷基数相差甚远。“一大”是指重庆地区夏季时期降温负荷大。在夏季时节地区电网负荷受到天气变化的影响巨大。极端的温度突变会导致负荷在短时间内变化幅度达50%左右。“一广”是指重庆地区电网管辖面积广。各地区电网管辖面积跨多个行政区，各行政区负荷密度不同，影响因素各异。

二、重庆地区负荷预测水平现状

由于重庆地区电网负荷特性，目前各供电局负荷预测合格率水平不高，负荷预测工作存在诸多难点。一是地区电网负荷基数小直接影响负荷预测准确率低。从往年统计数据得知全年累计负荷预测准确率高于95%就算是好成绩。而负荷基数大的地区电网负荷预测准确率一般都超过98%。二是夏季时节，特别是7月份重庆天气变化剧烈，7月负荷预测准确率很低。从往年统计数据得知各供电局7月累计负荷预测准确率在75%～92%，直接拉低全年累计负荷预测准确率。三是重庆地区电网管辖面积大，负荷分布不均，影响负荷预测因素多样化，下属供电公司负荷预测准确率高低直接影响地区电网负荷预测准确率。

三、负荷预测“六步”工作法

针对重庆地区电网负荷预测工作中的诸多难点，南岸局从实践中创新负荷预测“六步”工作法，分别从划分全天时区、量化停电负荷、评估天气预报、分析假日特性、层层递进总结、每日自我评价六步来阐明。

1.“一步”细化全天时区——化整为零，各个击破

根据重庆地区电网负荷基数小、日负荷曲线变化大的特点，将日负荷曲线划分为凌晨、早高峰、下午、晚高峰四个时段预测。此方法有利于根据各时段不同的影响因素采用不同的预测思路提高负荷预测准确率。一般情况下，凌晨时段负荷与前一天的负荷水平关联性强，且基本不受停电负荷影响。早高峰时段受早上天气情况和停电负荷影响。下午时段是早高峰时段的延续，受下午天气情况和停电负荷恢复时间早晚的影响。晚高峰时段负荷受晚间温度的影响，且基本不受停电负荷影响。抓住各时段负荷特性和影响因素就能更好地理解、掌握负荷预测工作的核心和本质。

“细化全天时区”的根本目的在于让负荷预测人员放弃将日负荷曲线作为一个整体来预测的思路。而是将其切分，针对每个切分区域分析、消化、吃透，最终达到化整为零、各个击破的目的。

2.“二步”量化停电负荷——细致记录，标准量化

重庆地区电网管辖110kV及以下电网设备，大部分馈线停电将直接影响负荷预测曲线的准确性。在天气较为平稳的春秋两季，停电负荷是影响负荷曲线的最大因素。做好停电负荷量化工作是负荷预测中基础且重要的一步。除此之外，对于影响负荷曲线走势的大型工业用户和发电厂，要积极与其建立负荷计划用电和发电报送制度，提前预估此部分负荷的走势情况。与下级县调建立良好的沟通渠道，要求县调执行明确、统一的停电负荷量化标准，每日及时上报停电负荷量。

考虑到因重大事件、设备故障、历史数据错误等原因均会造成负荷曲线走势异常，需要将这些突发事件细致记录，用于数据库的基础资料存档。[3]作为今后负荷预测的重要参照。

3.“三步”评估天气预报——敏感天气，关联负荷

夏冬两季的天气变化趋势是影响负荷曲线走势的最大因素。尤其是迎峰度夏期间停电负荷量少，温度成为影响负荷走势的主导力量。温度剧烈变化直接导致负荷剧烈变化。为了提高负荷预测准确率，希望获取准确的天气预报。[4]然而天气预报的准确率不尽理想，对此在负荷预测时设置天气预报评估环节。根据近几日天气预报和实际天气的偏差程度来评估次日天气预报的准确程度和可信概率，结合电网负荷和地区实时天气情况主动确定次日天气。

“评估天气预报”的主要作用：一是不盲目被动地接受天气预报，积极主动地了解管辖多个行政区内的天气动向，从而提高对辖区内天气变化的灵敏度和经验值。二是在评估过程中加深对负荷与天气关联的认知水平。温度的变化有可能是跳变的，但负荷的变化是连续性的，要有针对性地抓住对负荷有较大影响的天气变化规律。

4.“四步”分析假日特性——定性定量，分析特性

节假日期间特殊的负荷曲线走势是负荷预测工作中的另一难点。全年7个国家法定节假日是对负荷预测准确率的7次冲击。针对这7次冲击，南岸局制定的各节假日负荷特性分析报告成为提升负荷预测准确率的一大法宝。

节假日负荷预测时间跨度不仅仅是法定放假日，实质上属于节假日范畴的负荷曲线应该为节假日前后两周（春节应为前后四周）。其特性均与平常工作日有很大不同。结合假日特点了解掌握商业、工业、居民等用户放假和上班规律。

由于节假日期间负荷曲线的特殊性，预测时的参考曲线是相当有限的，因此分析报告中对负荷的定性分析是关键环节。通过对历年节假日期间最大、最小负荷值变化、同比日负荷曲线、历年天气变化趋势等多视角对节假日负荷预测曲线进行定性分析。[5]在定量分析中除了类比往年同期的负荷曲线外，近期一个月的周末曲线可作为定量的参考曲线加以利用。

5.“五步”总结层层递进——日周月年，积累经验

负荷预测总结是对电网负荷特性及负荷预测工作总结成文的综合性文字。对于提高负荷预测准确率是最为关键的一步。[6]总结深入程度直接决定着负荷预测人员对电网负荷特性的掌握程度和负荷预测准确率的高低程度。

南岸局按照负荷周而复始的特性规律把负荷预测总结分为每日总结、每周总结、每月总结及全年总结，并增加专题总结（例如迎峰度夏总结、迎峰度冬总结）五个层次。每层总结根据不同侧重点制订个性化框架。五层总结层层递进，建立基础扎实的负荷分析数据材料作为日后负荷预测的重要参考数据库，同时也是经验积累的必经过程。

6.“六步”每日自我评价——跟进反馈，调整提高

负荷预测工作大多时候是一个人在战斗。一年365天每日都必须坚守在工作岗位上，有时难免会疲倦，会消极，会不自信。“每日自我评价”是最好的强心剂。

要主动跟踪每日负荷预测准确率变化曲线，及时发现近期准确率的异常情况，努力控制在工作中出现的消极情绪。对每日负荷预测情况进行自我评价，及时调整工作心态。消除负荷预测过程中主观因素所带来的不利影响。

四、实施效果

2011年10月以来，南岸局坚持执行负荷预测“六步”工作法，负荷预测准确率有很大的提升。2012年“日前负荷预测合格率”在市公司同业对标中排名第一。此外“地区电网负荷预测‘六步’工作法”入选2012年重庆市电力公司典型经验库。

五、结束语

实践证明，地区电网负荷预测不宜依靠某一固定法则或者算法，必须掌握影响负荷曲线的各类因素，逐步总结出本地区电网负荷特性，综合运用各种分析研究方法，并调整好工作心态，才能做好负荷预测工作，提高负荷预测准确率，更好地为调度运行精益化管理服务。

参考文献：

[1]曾庆敏.负荷预测准确率影响因素的分析[J].江西电力职业技术学院学报，2008，21（3）：27-28.

[2]吴敏敏.县市级电力负荷预测方法初探[J].浙江电力，2002，21（4）：66-68.

[3]庄丽端.提高短期负荷预测准确率的探讨[J].福建电力与电工，2001，21（2）：59-60.

[4]毛梅君.地区电力负荷预测浅谈[J].浙江电力，2003，22（14）：30-34.

电力负荷特性篇4

关键词：用电特征；供电区划

引言：随着用户对供电可靠性要求日益高涨现代电力系统的规划、建设、运行、管理也越来越规范，越来月走向成熟，而对电力企业而言，不论是电网企业还是发电企业，在关注年度投资总规模的同时，对于投资效益的要求也越来越高。投资效益，说到底就是如何提高电力系统的设备利用率。从宏观而言，要提高设备利用率，就是要延长最大负荷利用小时数，也就是要电力用户多用电，而电力系统是供应企业，需求侧的问题，看似难以从供应侧解决，即使有需求侧管理，也是从政策、价格等层面间接的激励用户，希望从一定层面解决需求侧问题，但是很难从系统的角度主动的解决问题。然而，当我们把视野缩小到变电站供电区这一级别，就会发现，原来电力系统可以通过系统的资源配置，深入的用户了解等手段主动的提高最大利用小时数，从而主动的解决需求侧问题。

1.技术上，负荷特性分析包含以下几个方面的分析：

1.1电力负荷特性分析包括负荷的内在变化规律分析和外在影响因素的分析。其中内在规律分析主要是指电力负荷年、月、日周期性变化规律分析；外在影响因素主要包括气象条件、经济发展、节假日负荷变化、以及电价政策等。

1.2负荷特性分析以研究负荷的发展规律为目的，是负荷预测的必要准备工作，也是掌握一个地区用电情况的必要手段。负荷特性分析方法主要有统计分析、分行业负荷分析以及相关性分析。

基于上述的分析方面，1989年颁布的《电力工业生产统计指标解释》中列出了以下主要的研究指标：

1）（典型日）最大（小）负荷：记录的某一典型日所有负荷中，数值最大（小）的一个。计量间隔通常可以为瞬时、15分钟、半小时或1小时，典型日一般选最大负荷日或最大峰谷差日，也可根据各地情况选不同季节的某一代表日。

2）日平均负荷：日电量除以24小时得到日平均负荷。

3）日负荷率：日平均负荷除以日最大负荷，用来反映一日内负荷变化平稳程度，负荷变化越小，则日负荷率越高。

4）日最小负荷率：日最小负荷除以日最大负荷，反映一日内负荷变化的幅度。

5）日峰谷差率：日峰谷差与日最大负荷的比值。与日最小负荷率一样，也反映一日内负荷变化的幅度。

6）月负荷率：指月平均负荷与本月内最大负荷日的平均负荷的比值，用来反映一个月内负荷平稳程度。

7）年平均月负荷率：一年内各月平均负荷之和与各月最大负荷日平均负荷之和的比值。

8）季不均衡系数：指全年各月最大负荷的平均与年最大负荷的比值。季不均衡系数表示一年内月最大负荷变化的不均衡性。

9）最大负荷利用小时数：为年用电量与年最大负荷的比值。

10）年负荷率：指年平均负荷（全年平均日电量除以24）与年最大负荷的比值，也等于最大负荷利用小时数与全年小时数（8760）的比值。

11）日负荷曲线：通常采用一天中以15分钟（半小时、1小时）为间隔的负荷变化形成的日负荷曲线。日负荷曲线也可以用标幺值表示。前者直观地反映了负荷值的变化，后者更清楚地反映不同时段负荷的相对关系。

12）年负荷曲线：按时间顺序以每月最大负荷绘制成的负荷曲线，用以描述各月最大负荷在年内的变化情况。

作为基础性研究涉及的主要研究指标，关注到了电力负荷的方方面面，但仅就供电区划分而言，典型建筑负荷特性，以及负荷特性曲线重叠后的叠加曲线是本文重点讨论的内容。通过收集数据，并进行数据处理，可以得到深圳市某些具有典型用地性质的建筑（群）的用电负荷特性曲线。该曲线按照每单位时间及对应的建筑用电负荷数值绘制。各类典型建筑（群）的负荷特性曲线如下图：

（图一）二类居住用地典型日负荷曲线（图二）办公用地典型日负荷曲线（图三）商业用地典型日负荷曲线（图四）教育设施典型日负荷曲线

上述曲线均为负荷标么值、时间曲线，负荷标么值基数为典型建筑典型日最大负荷。从上述曲线可以看出，列出的这四类典型建筑的负荷曲线存在互补性，通过曲线的叠加，可以实现负荷曲线的平滑化。下图即为上述四类曲线叠加之后的结果。

（图五）各类曲线叠加图

从叠加结果来看，曲线特性较为理想，最大负荷从10点开始持续到22点。曲线的平滑化，意味着最大负荷利用小时数的增加，意味着设备利用率的提高，对于变电站供电区范围内的电网意义重大。

基于上述分析，本文提出变电站的供电区、配网接入的布置原则及优化原则，也即：

（1）应明确供电范围内各类用地的用地属性以及其负荷特性。

（2）将不同种类的用地的负荷特性进行叠加，形成不同的叠加方案。

（3）从叠加方案中找到最大负荷利用小时数最大的方案作为供电区。

不同供电区之间进行不同种类的用地的负荷特性进行叠加，从而完成供电区之间的用户切换，实现负荷利用的最大化。

电力负荷特性篇5

【关键词】运行方式；母线负荷预测；应用

电力系统要安稳的运行，必须有合理的电网结构。它是平稳运行的基础，这是一个规划设计问题。电网结构是电力系统安全稳定运行的物质基础，如果电网结构不健全或不合理必会造成安全事故的发生。对电网运行方式进行预测，对电力系统的平稳运行意义重大。电网运行方式预测的主要环节是母线负荷预测，了解预测系统的负荷情况，需对每一条母线带负荷的情况进行预测。

1母线负荷分析

较小的供电区域由变电站的主变压器供给，其终端负荷的综合即母线负荷。多个不同的母线负荷的综合即电力系统的系统负荷。综合不是简单的集中，既有相互关联的部分，又有结构和特性上的差异。母线负荷又分为城乡居民用电负荷、工业负荷、商业负荷、农业负荷、办公负荷等。城市居民家中的家用电器即城市居民用电负荷。人们生活水平的提高，居民的用电负荷越来越大，并受季节的影响。工业受季节的影响较小，商业用电负荷受季节影响和天气变化的影响较大，用电负荷随着人们生活质量的提高，用电负荷也随之增大。农业用电负荷因我国地理环境的不同，各地用电情况有很大差异，个别区域因自然原因会造成用电负荷剧增，同时也会受到农作物种类、耕作习惯的影响。总之，在用电构成中，农业用电相对比例较小；办公与与商业用电负荷，受天气影响较大，其他负荷对预测影响较小。

1.1母线负荷特点分析

指标数据进行量化后，其结果有助于对负荷的变化进行分析，能够正确估计用电负荷的变化趋势，在负荷预测中起到关键作用。母线负荷与系统负荷具有周期性，有近大远小的特性。母线负荷的变化比系统负荷的变化大，有负荷转移的情况。母线负荷预测中，不仅要考虑以前负荷的变化情况，还要考虑天气、各种大型工业、检修等因素的影响，因此预测难度相对增加。

1.2系统负荷的预测

1.2.1线性外推预测法

电力用电负荷即使有不确定性，但也有规律可循。运用趋势外推预测方法对用电力行业用电负荷的情况进行分析，就能取得较为满意的结果。这种方法使用的数据较少，但会引起较大的误差。有线性、对数、二次曲线、多项式、季节型与累计等预测都是外推法的种类。

1.2.2回归分析预测法

当地的经济、政治、气候对电力用电负荷的影响有一定的关系，不能用确定的数据进行表述，通过大量的统计数据并进行处理，才能了解其关系与规律。这种通过对数据的统计分析与处理，分析负荷与影响因素之间的因果关系，进行回归预测的方法即回归预测法。它能够分解影响因素之间的各种对象，对各个因素的变动进行估计，预测以后的数量动态。对于中短期预测较适用，且准确度较高。但很难统计规划水平年的工农业总产值；只能预测综合用电负荷的发展情况，不能预测预测供电区域的负荷发展情况及电网建设规划。

1.2.3时间序列预测法

时间序列分析能够利用时间综合对影响负荷的各种因素数据进行综合，达到预测目的，对整个预测中的随机性建立实际序列的模型并进行预测。这种预测方法能利用电力负荷变动的惯性特征与时间的延续性，对以往数据进行分析，用模型残差预测区间的大小。

1.2.4神经网络预测方法

电力系统通过人工神经网络技术进行短期预测，不仅能模仿人脑的智能进行处理数据，并能够适应非结构性及非准确性规律，但这种预测不能科学确定网络结构。研究其短期负荷预测，使其具有通用性，是当前的方向。

1.2.5灰色预测与优选预测方法分析

灰色预测对不确定因素的系统进行预测，在数据少的情况下寻找出规律，对负荷数据要求小、不受分布规律及变化趋势的限制，易于运算与检测，但预测精度较低对电力系统的长期预测不利。优选组合预测对多种单一预测的信息考虑较全面，预测效果较好，然而不能将以后的有作用的因素包含其中，预测精度差。

1.3母线用电负荷模型

包括：树状常数负荷模型；负荷区域不一致的模型；负荷类型不一致的模型；混合负荷模型。

1.4预测方法的的实现及修正

1.4.1处理数据的分析

数据因电力系统的停电可能会出现不良数据，会对预测的精准度造成影响，因此需对资料数据进行适当的预处理，使数据平稳进而提高预测的精准度。方法有：不良数据的水平处理、不良数据的垂直处理、缺失数据的修补。

1.4.2实现负荷预测的分析

对系统负荷进行预测后，结合母线分配系数进行母线负荷预测。根据预测时间的不同可以分为长、中、短及超长期负荷预测。按照一定的时间间隔对采样记录进行有序组合，这是一个时间序列。预测目标的观测数据构成的序列表现为平稳的随机序列。可以描述电力负荷的统计规律性，确立负荷预测的数学表达式后，进行预测以后的负荷。

1.4.3修正母线负荷预测结果的分析

母线负荷受到的影响因素有很多，都可能导致母线负荷发生变化，与实际中的母线负荷有一定的差异，因此应对预测值进行修正，得到更为合理的母线负荷预测值。通过负荷功率对负荷端电压或系统频率的变化进行修正。

2电力系统运行方式预测的意义

电力系统要实现安全、优质、节省成本的运行，应对发电、输电及配电的运行方案进行周密计划。通过电力系统的运行方式预测能够提前了解以后电网的运行状态，提前解决电力系统运行出现的问题，减少安全隐患，从最大程度上减少电力系统受到影响。

3电力系统运行方式的应用

甘肃电网安全预警系统，实现了母线负荷的自动预测与发电计划的制定。将预测结果与电网网架结构进行了自动拟合，实现了电力系统运行方式的自动预测。能够提前知道电网运行的状态，降低了安全事故对电力系统的影响。电力调度人员根据电网实际的运行情况，干预或调整预测出的运行方式，对系统中的薄弱环节及时做出调整措施，实现电网的顺利运行。

4结语

通过电力系统对运行方式的预测，使运行人员很好的了解电网未来的运行状况，及时发现电网运行中可能出现的问题并及时修正，避免电网安全事故的发生，这对于提高电网的安全稳定的运行具有重要意义。

参考文献：

[1]王勇.电力系统运行可靠性分析与评价理论研究.山东大学，2012.04.25.

电力负荷特性篇6

关键词：热电冷联产负荷模拟计算写字楼负荷预测模型

1.前言

在热电冷联产系统的方案设计中，热电冷负荷的模拟计算是热电冷联产系统优化设计的基础，负荷计算结果的准确性对联产系统优化设计的成败起着至为关键的作用。然而，在建筑的规划阶段，一般只能确定该建筑最基本的信息：如使用功能和相应面积等，它反映的只是该建筑类型的共性。如何从这些基本信息来模拟不同建筑类型的热电冷负荷呢？

目前，在热电冷联产系统方案设计中，热电冷负荷计算常采用建筑物的设计负荷来进行，即根据每平方米的设计热负荷、冷负荷与电负荷来计算建筑物的总热电冷负荷。楼宇热电冷联产系统机组的选取，常采取以电基本负荷定机组容量、电力并网不上网的设计原则，经济性的评价也采取规定运行小时数的方法来进行。这种传统的设计方法可以初步确定机组的容量，但由于设计负荷不能反映出不同建筑类型负荷的逐时变化特点，不能反映热电冷负荷间的相互作用与联系，方案也就难以在分时电价模式下进行模拟，也就不能给出各个不同时段机组具体的运行策略，不能对系统进行全年逐时的技术经济模拟分析[1-2]，因而，基于传统设计负荷方法的联产方案，也就难以做到真正的优化设计。

本文在对不同建筑类型负荷的基本构成及变化特点进行分析的基础上，提出利用“负荷因子”来反映不同建筑类型负荷的逐时变化特点，进而得出了负荷模拟计算的基本原理；并以写字楼为例，提出了写字楼的负荷预测模型，

2.负荷模拟计算原理

在建筑的规划阶段，一般只能确定该建筑最基本的信息，如建筑的使用功能和相应面积等，每种建筑类型负荷的基本构成及变化特点是不一样的。负荷的构成及大小由建筑的使用功能、建筑级别等决定，它反映了设计负荷的概念；而负荷的逐时变化特点主要由建筑的使用功能、作息模式等因素决定，它主要反映了不同建筑类型之间差别。因而，对同种类型建筑来说，负荷的逐时变化特点可以利用一个反映该建筑类型属性的无因次因子来表述，在这里，我们把这无因次因子称为“负荷因子”，它反映的是负荷的逐时变化信息，是一个介于0～1之间逐时变化的无纲量数。各不同建筑类型的“负荷因子”，是在对该建筑类型的负荷变化机理进行分析的基础上，模拟计算而获得的。在不知道建筑更深入信息的情况下，其可根据该建筑类型的典型设置条件来相应求取。

2.1冷热负荷的计算

建筑的冷热负荷主要包括：围护结构传热负荷、新风负荷、人员设备负荷等，这三种负荷基本上各占总负荷的三分之一左右。围护结构传热负荷主要与建筑的围护结构及地理位置有关，而对于同地同种类型同档次的建筑而言，围护结构一般相差不大。新风负荷主要与人员的作息时间及密度等相关，人员设备负荷的大小主要与建筑类型及作息时间有关。当建筑类型确定时，人员设备及新风负荷的相对逐时变化信息就可基本确定了。因而，冷热负荷逐时的变化信息主要与建筑类型有关，即“负荷因子”主要由建筑类型来决定。

另外，由于同种类型建筑的级别和服务对象的差别，其冷热负荷相对大小也会相差较大，因而，可将每种类型建筑的冷热负荷分高、中、低三个等级来处理。这样就可通过设计负荷或在调研分析的基础上，确定不同等级负荷的相对大小，结合“负荷因子”的概念，就可最终确定规划阶段不同建筑类型的逐时冷热负荷，其建模计算流程如图1

2.2电负荷的模拟计算

电力负荷主要由不同建筑功能房间内各种用电设备所造成。电力负荷的大小及逐时变化

特征与建筑物内各种用电设备的安装功率、设备的耗电使用性能及作息时间直接相关。

根据常见的用电设备，电力负荷主要由如下几种类型构成：

（1）照明：包括各种功能房间照明（如办公室、客房、商店等）、楼梯过道照明、立面照明、安全和疏散诱导照明等；其安装功率主要取决于建筑类型和房间功能，不同的建筑类型和房间功能有不同的照明安装功率指标；而各设备耗电使用性能主要与使用的照明设备性能相关，作息时间由功能房间所决定；

（2）空调：包括冷冻泵、冷却泵、冷却塔、采暖泵、风机盘管、空调箱、新风机组等；不同空调形式的电耗特点也不相同；

（3）动力运输：主要指电梯，如客梯、货梯、消防电梯、观景电梯、自动扶梯等。电梯功耗受到楼层高度、上下电梯人数、运行时间等因素的影响。

（4）常用电器：主要指各功能房间内所使用的电器设备；如办公室内的电脑、打印机等，电器设备种类及其安装功率可由房间功能决定，对应不同的功能房间，各设备种类及相应的安装功率不同。

（5）其它：包括各种生活水泵、消防、排烟、安全监控、损耗等；

通过上述对各用电构成的分析，可以发现：建筑类型或房间功能决定影响着其用电设备的种类、相应设备的安装功率及作息时间等，因而，也可利用“负荷因子”的概念，反映不同建筑类型电负荷的逐时变化特点，电负荷的相对大小可由建筑负荷的构成、各用电设备类型的典型耗电性能等来确定。电力负荷预测模型的计算流程如图2。

逐时电负荷的计算公式如下：

（1）

其中，为逐时总电负荷，n代表各建筑类型中各功能房间类型，j为各功能类型房间内所分担的设备类型，如照明、空调、电梯、电脑等，为各功能区面积比，，为各设备投入使用系数，它主要反映各时刻设备投入的相对量，为各设备的实际功耗性能。为与的乘积，它反映的是各设备逐时耗电系数，为“负荷因子”，为负荷设计指标。

图1冷热负荷计算模型流程图

图2电力负荷计算模型流程图

3.写字楼热电冷负荷计算模型

根据以上计算原理，在对北京典型中高层（7层～20层）写字楼进行大量的实地调研分析的基础上，可得出应用于写字楼热电冷负荷预测的计算模型，下节为某典型写字楼热电冷负荷计算模型的设置条件。

3.1典型设置条件

3.1.1各功能区面积比

对于典型的写字楼而言，功能房间除了办公间外，还应有一些保证办公正常运转的辅助房间，如冷站、机房、职工餐厅、卫生间、楼道及大厅等，另外，由于停车场有地上地下之分，故将其单独列出，其不作为写字楼的辅助功能区。各功能区的对应面积比如表1

表1写字楼各功能区对应面积比建筑分区

办公区

公共区

辅助功能区

总计

房间功能

办公间

过道＋电/楼梯间

卫生间

冷站＋地下室

大厅＋门厅

职工餐厅

空调机房

面积比

73%

8%

2%

5%

5%

5%

2%

100%

另外，对人员密度而言，办公区可取为0.1人/m2，辅助功能区可取为0.03人/m2

3.1.2各时段人数相对百分比

由于写字楼具有较强的作息规律，根据调研结果，典型写字楼的作息时间可设置如表2

表2各时段人数相对百分比

各时段人数相对百分比

时间段

22:00-6:00

7:00

8:00-17:00

18:00-19:00

20:00-21:00

工作日

0%

10%

100%

30%

10%

节假日

0%

0%

25%

10%

0%

3.1.3各用电设备额定功率指标

(1)照明根据建筑照明标准及实地调查结果，写字楼各功能区照明安装功率指标见表2；

(2)办公设备办公间电脑安装功率取为25W/m2，打印机、复印机等可取为5W/m2；

(3)电梯对于建筑层数在7～20间的写字楼，根据调研结果，其单位面积电梯安装功率基本满足y=12.1-0.27×n其中n为楼层数，y为电梯安装功率(W/m2)，现取中间值8*W/m2；

(4)空调根据理论计算及调查结果，可得出各种空调设备的输送系数范围，其中冷站部分各设备的输送系数见表4；

(5)其它设备其他用电主要包括各种生活水泵用电、安全监控、地下车场照明及送排气用电等；由于生活水泵主要是满足人员的用水要求，根据这类生活水泵的性能特点及人均日用水的标准，可以确定各种生活水泵消耗每单位电功供水所能满足的人数。安全监控、地下车场照明及送排气用电等可根据调研结果概算。

表3写字楼各功能区照明安装功率指标房间功能

办公间

冷站＋地下室

大厅＋门厅

内部餐厅

过道＋电/楼梯间

卫生间

一般照明

非常照明

单位面积功率(W/m2)

20

10

15

20

10

5

15

表4冷站部分各设备的输送系数冷站部分各设备

冷却水泵

二次泵系统

一次泵系统

冷却塔

冷冻水一次泵

冷冻水二次泵

冷冻水泵

输送系数范围

35~45

35~45

32~42

30~45

150~200

缺省输送系数

38

38

34

32

160

3.2冷热负荷计算模型

根据上述设置参数，利用DeST对典型的写字楼进行冷热负荷计算，得到写字楼全年的冷热负荷逐时变化无因次因子，即负荷因子，如图3、图4。根据负荷因子及写字楼的典型设计负荷，就可以计算写字楼的冷热负荷。

图3(中高档)写字楼冷负荷“负荷因子”

图4(中高档)写字楼热负荷“负荷因子”

3.3电负荷计算模型

3.3.1耗电系数

耗电系数是用电设备逐时电耗与其额定功率的比值，它集中反映了各用电设备的实际耗电性能、同时使用系数等因素。正由于写字楼作息的规律性，导致了多种用电设备的耗电系数一般也只呈现工作日与节假日的差别，因而在下列部分用电设备的耗电系数图中，也只列出工作日、节假日的逐时耗电系数，其中前24小时为工作日，后24小时为节假日。

由于冷冻泵、冷却泵、冷却塔、采暖泵、风机盘管等空调相关设备的电耗与冷热负荷有关，因而这部分用电设备的耗电系数不能简单的采用上述工作日、节假日的区别来进行描述，其需根据冷热负荷及设备的性能来进行计算。当给定典型写字楼的冷热负荷时，就可得出空调相关设备全年逐时的耗电系数。

图5办公间照明设备耗电系数

图6办公间办公设备耗电系数

图7办公间风机盘管耗电系数

图8公共区电梯耗电系数

3.3.2电负荷计算模型

在求得各用电设备的额定选型功率和耗电系数后，就可以根据公式（1）得出写字楼建筑电负荷的逐时电力负荷。图9～图12即为不同空调系统中高档写字楼的电负荷的“负荷因子”及该设置条件下写字楼的单位面积电负荷。

图9电“负荷因子”(风机盘管＋新风)

图10电负荷“负荷因子”(全空气系统)

图11写字楼单位面积电负荷(风机盘管＋新风)

图12写字楼单位面积电负荷(全空气系统)

4.应用实例

为对负荷模型的准确性进行检验，利用北京某一具有代表性的中高档写字楼实际调研数据与负荷预测值进行比较。由于该写字楼冷热负荷尚无实测数据，在此只对电负荷模型进行校验。在应用负荷模型时，考虑了该楼的一些实际情况，对电负荷模型进行了充实修正。如图13~16所示，在全年逐时模拟的大多数时段内，逐时电力负荷预测值的大小及变化趋势与实际值几乎一致，该预测结果已可满足设计要求。另外，从电力负荷延时曲线的比较中，还可以看出：对于腰谷段电力负荷，负荷构成较为稳定，模型预测值与实际测量值非常吻合，而对于尖峰段电力负荷，由于制冷耗电不定因素的增多，预测难度加大，因而，尚有必要对冷热负荷到电力负荷的转变关系进行更深入的研究。

图13北京某写字楼2002年实际耗电曲线

图14北京某写字楼2002年计算耗电曲线

图1512月20日-12月21日实测值与模拟值比较

图162002年实测与预测电负荷延时曲线比较

5.小结

本章主要分析讨论了热电冷联产系统中负荷的预测模型研究，提出了利用“负荷因子”来反映不同建筑类型的逐时负荷变化特征，进而提出了针对不同建筑类型的特征分别构建热电冷负荷计算模型的建模思路。并以写字楼为例，建立了热电冷负荷预测模型，并对其电力负荷模型进行了初步的验证，实测值与预测值吻合较好，其可用于写字楼联产系统中负荷的模拟预测，为热电冷联产系统的优化设计奠定了基础。

参考文献