CN112634077A - 中长期电力供需形势分析方法 - Google Patents
中长期电力供需形势分析方法 Download PDFInfo
- Publication number
- CN112634077A CN112634077A CN202011507743.XA CN202011507743A CN112634077A CN 112634077 A CN112634077 A CN 112634077A CN 202011507743 A CN202011507743 A CN 202011507743A CN 112634077 A CN112634077 A CN 112634077A
- Authority
- CN
- China
- Prior art keywords
- power
- prediction
- power supply
- load
- term
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 147
- 238000011161 development Methods 0.000 claims abstract description 30
- 230000007774 longterm Effects 0.000 claims abstract description 20
- 238000009434 installation Methods 0.000 claims abstract description 9
- 238000010248 power generation Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 42
- 238000013213 extrapolation Methods 0.000 claims description 41
- 238000009499 grossing Methods 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 26
- 230000001419 dependent effect Effects 0.000 claims description 22
- 238000000611 regression analysis Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001932 seasonal effect Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 26
- 238000012417 linear regression Methods 0.000 description 15
- 230000009466 transformation Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 241000124879 Grus leucogeranus Species 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力分析技术领域，涉及一种中长期电力供需形势分析方法，其包括以下步骤：一、中长期电力需求形势分析：结合经济发展形势对电力需求总量进行预测，同时对最大负荷、年内负荷特性进行预测；二、中长期电力供给形势分析：分析各项发电资源总量和分布情况，结合电源计划装机进度对电力供给总量进行分析，同时分析电源的出力特性；三、结合中长期电力需求形势分析结果和中长期电力供给形势分析结果，通过电力电量平衡条件对中长期的电力供需形势进行总体分析。本发明能够较佳地分析中长期电力供需形势，促进电力工作的稳定性。
Description
技术领域
本发明涉及电力分析技术领域，具体地说，涉及一种中长期电力供需形势分析方法。
背景技术
我国的经济水平得到了显著增长，在此环境情况下，电力事业获得了极大的发展，其中电力运行的稳定性和高效的运行质量在经济发展中起到了重要的作用。在保证电力运行稳定性的过程当中，不仅需要保证当前电力运行的稳定性，还需要对未来的电力运行进行分析，因此，研究中长期电力供需形势分析对电力运行的稳定性具有重要意义，但是目前的分析方法不够完整，不够准确，没有系统性，难以满足要求。
发明内容
本发明的内容是提供一种中长期电力供需形势分析方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的一种中长期电力供需形势分析方法，其包括以下步骤：
一、中长期电力需求形势分析：结合经济发展形势对电力需求总量进行预测，同时对最大负荷、年内负荷特性进行预测；
二、中长期电力供给形势分析：分析各项发电资源总量和分布情况，结合电源计划装机进度对电力供给总量进行分析，同时分析电源的出力特性；
三、结合中长期电力需求形势分析结果和中长期电力供给形势分析结果，通过电力电量平衡条件对中长期的电力供需形势进行总体分析。
作为优选，电力需求总量的预测方法为：
a、通过弹性系数法、负荷密度法、产值单耗法、趋势外推法和回归分析法分别预测电力需求总量；
b、通过比对，根据实际情况优选出最佳方案作为电力需求预测的结果。
作为优选，弹性系数法是利用电力发展与国民经济发展的相关关系来预测电力需求量，通过预测和分析预测期内国民经济发展速度和电力弹性系数，从而预测电力需求量；其表达形式为：
Dn＝D0(1+aG)n；
式中：D0为预测基础年电力需求量；e为预测期内的电力弹性系数；G为预测期内国民经济年平均增长速度；n为预测期年数；Pc为电力消费年均增长速度； Nc为国民经济平均增长速度。
作为优选，负荷密度法是从某地区人口或土地面积的平均耗电量出发作出预测，计算公式为：
A＝sd；
式中：A为某地区的年(月)用电量；s为该地区的人口数；d为平均每人的用电量，称为用电密度；预测时，首先预测出未来时期的人口数量
和人均用电量
得出年用电量的预测值。
作为优选，产值单耗法是根据第一、第二、第三产业每单位产值创造的经济价值，根据所预测的经济指标推算出年用电量需求，加上居民生活年用电量，构成全社会年用电量；预测时，通过对过去的产值单位耗电量(单耗)进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划的指标进行预测；
记第i年第j产业的产值单耗为Qi(j)，第i年的人均生活用电量为Ki，当第 j产业(j＝1,2,3)在第i年的产值为Gi(j)时，则该产业在第i年的用电量为：
Ei(j)＝Gi(j)Qi(j)；
同理，当第i年的总人口预测值为Pi时，城乡居民生活用电量为：
Ei＝PiKi。
作为优选，趋势外推法以时间为自变量，年用电量为因变量，根据历史数据选用一定的数学模型来表达时间与电量的变化趋势，趋势外推法可以是水平趋势外推法、线性趋势外推法、多项式曲线趋势外推法或增长曲线外推法；
A、水平趋势外推：
假定负荷变化的历史数据为(x1,x2,…,xT)，趋势外推求出的负荷预测值序列为
a、全平均法：
式中：t为时间期数；λt为前t个序列的平均值；
b、一次滑动平均法：
式中：N为跨度，其值越大则滑动平均的平滑作用越大；Mt为前t个序列的滑动平均值；t为时间序号；
c、一次指数平均法：
式中：α∈(0,1)，初值s0＝x1；St为前t项的一次指数平均值；t为时间序号；
B、线性趋势外推：
a、二次滑动平均法：
二次滑动平均即对一次滑动平均序列再做一次滑动平均，取跨度为N，二次滑动平均预测模型为：
式中：Mt (1)为第t期的一次移动平均值；Mt (2)为第t期的二次移动平均值； N为跨越期；
为截距，即第t期现象的基础水平；
为斜率，即第t期现象的单位时间变化量；l为向未来预测的期数；
b、二次指数平滑法：
二次指数平滑即在一次指数平滑的基础上再次进行指数平滑后得到的外推结果，预测公式为：
式中：St (1)为t期的一次指数平滑值；α为平滑系数；St (2)为t其的二次指数平滑值；
为参数；l为预测超前期数；
C、多项式趋势外推：
电力负荷预测中用二次多项式趋势的三次指数平滑等进行预测，预测公式为：
式中：
为t-1期的三次指数平滑值；
为t期的二次指数平滑值；
为t期的一次指数平滑值；α为平滑系数；
为参数；l为预测超前期数；
D、增长曲线趋势外推法：
下年度或季度、月度电量呈递增的变化规律，可采用趋势增长模型预测；
a、指数曲线模型：
xt＝aabt(a>0,b>0)；
式中：a,b为参数；
两边同时区对数，利用变量替换得到：
b、修正指数曲线模型：
c、罗吉斯曲线模型：
d、龚柏兹曲线模型：
其中：k、a、b都为曲线待定参数。
作为优选，回归分析法是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量在预测变化结果的预测方法。
作为优选，最大负荷预测的方法与电力需求总量的预测方法有一定重合，其中的趋势外推法和回归分析法可用于最大负荷预测中，最大负荷预测的间接方法还可以是利用小时数法或分类负荷叠加法；
1)利用小时数法：
2)年负荷率法：
3)分类负荷叠加法：
将总负荷分解为各类(或各行业)负荷，分别预测各类(或各行业)负荷的年负荷率，从而得出各类(或各行业)的最大负荷，在考虑同时率的基础上进行叠加，或者将最大负荷分解为变化相对稳定的基本负荷和随季节变化较明显的季节性负荷，分别进行预测，然后进行叠加，得出总的年最大负荷。
本发明能够较佳地对中长期的电力供需形势进行分析，保证电力运行的稳定性，促进经济发展。
附图说明
图1为实施例1中一种中长期电力供需形势分析方法的流程图。
具体实施方式
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例1
如图1所示，为实施例1中一种中长期电力供需形势分析方法，其包括以下步骤：
一、中长期电力需求形势分析：结合经济发展形势对电力需求总量进行预测，同时为了兼顾电力供需过程的形势，对最大负荷、年内负荷特性进行预测；
二、中长期电力供给形势分析：分析各项发电资源总量和分布情况，结合电源计划装机进度对电力供给总量进行分析，同时分析电源的出力特性；
三、结合中长期电力需求形势分析结果和中长期电力供给形势分析结果，通过电力电量平衡条件对中长期的电力供需形势进行总体分析。
由于中长期的电力供需形势受到中长期的经济发展环境、经济结构调整和重点行业发展状况等因素的影响，因此，采用本实施例的方法能够全面把握上述因素。
电力需求总量的预测方法为：
a、通过弹性系数法、负荷密度法、产值单耗法、趋势外推法和回归分析法分别预测电力需求总量；
b、通过上述方法的比对，根据实际情况优选出最佳方案作为电力需求预测的结果。
弹性系数法是利用电力发展与国民经济发展的相关关系来预测电力需求量，通过预测和分析预测期内国民经济发展速度和电力弹性系数，从而预测电力需求量；其表达形式为：
Dn＝D0(1+aG)n；
式中：D0为预测基础年电力需求量；e为预测期内的电力弹性系数；G为预测期内国民经济年平均增长速度；n为预测期年数；Pc为电力消费年均增长速度； Nc为国民经济平均增长速度。
国民经济年平均增长速度可以用工业年平均增长率、工农业生产总值年平均增长率、国民生产总值年平均增长率或国内生产总值年平均增长率来表示。目前一般用国内生产总值GDP年平均增长率来表示。
电力弹性系数法的优势在于方便、简单、易于计算。缺点在于人为主观因素较大，需要做大量的调研工作对经济发展进行准确的预测。
负荷密度法是从某地区人口或土地面积的平均耗电量出发作出预测，计算公式为：
A＝sd；
式中：A为某地区的年(月)用电量；s为该地区的人口数；d为平均每人的用电量，称为用电密度；预测时，首先预测出未来时期的人口数量
和人均用电量
得出年用电量的预测值。
产值单耗法是根据第一、第二、第三产业每单位产值创造的经济价值，根据所预测的经济指标推算出年用电量需求，加上居民生活年用电量，构成全社会年用电量；预测时，通过对过去的产值单位耗电量(单耗)进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划的指标进行预测；
若记第i年第j产业的产值单耗为Qi(j)，第i年的人均生活用电量为Ki，当已知第j产业(j＝1,2,3)在第i年的产值为Gi(j)时，则该产业在第i年的用电量为：
Ei(j)＝Gi(j)Qi(j)；
同理，当已知第i年的总人口预测值为Pi时，城乡居民生活用电量为：
Ei＝PiKi。
为了保证负荷预测的准确性，应对三大产业的产值及城乡总人口作出较为精确的预测。预测时，可依据城市的社会经济发展总体规划目标，利用规划期各年分的工农业产值指标和主要工业产量规划指标，通过对过去国名经济各部门在各种产品生产过程中的单位产品耗电量，亿元产值耗电量统计，根据产业结构调整，找出一定的规律，得出各种产品和产值的综合单耗数据。
趋势外推法以时间为自变量，年用电量为因变量，根据历史数据选用一定的数学模型来表达时间与电量的变化趋势，趋势外推法又称为趋势延伸法，它是根据预测变量的历史时间序列揭示出的变动趋势外推将来，以确定预测值的一种预测方法。趋势外推法通常用于预测对象的发展规律是呈渐进式的变化，而不是跳跃式的变化，并且能够找到一个合适函数曲线反映预测对象变化趋势的情况。实际预测中最常采用的是一些比较简单的函数模型。趋势外推法可以是水平趋势外推法、线性趋势外推法、多项式曲线趋势外推法或增长曲线外推法；
A、水平趋势外推：
假定负荷变化的历史数据为(x1,x2,…,xT)，趋势外推求出的负荷预测值序列为
a、全平均法：
式中：t为时间期数；λt为前t个序列的平均值；
b、一次滑动平均法：基于“近大远小”的预测原则，在建模过程中可对数据加以不同的权重，以强化近期数据的作用，而弱化远期数据的影响，从而提高预测的精度。预测模型为：
式中：N为跨度，其值越大则滑动平均的平滑作用越大；Mt为前t个序列的滑动平均值；t为时间序号；
c、一次指数平均法：
式中：α∈(0,1)，初值s0＝x1；St为前t项的一次指数平均值；t为时间序号；
B、线性趋势外推：
a、二次滑动平均法：
二次滑动平均即对一次滑动平均序列再做一次滑动平均，取跨度为N，二次滑动平均预测模型为：
式中：Mt (1)为第t期的一次移动平均值；Mt (2)为第t期的二次移动平均值； N为跨越期；
为截距，即第t期现象的基础水平；
为斜率，即第t期现象的单位时间变化量；l为向未来预测的期数；
b、二次指数平滑法：
二次指数平滑即在一次指数平滑的基础上再次进行指数平滑后得到的外推结果，预测公式为：
式中：St (1)为t期的一次指数平滑值；α为平滑系数；St (2)为t其的二次指数平滑值；
为参数；l为预测超前期数；
C、多项式趋势外推：
电力负荷预测中用二次多项式趋势的三次指数平滑等进行预测，预测公式为：
式中：
为t-1期的三次指数平滑值；
为t期的二次指数平滑值；
为t期的一次指数平滑值；α为平滑系数；
为参数；l为预测超前期数；
D、增长曲线趋势外推法：
下年度或季度、月度电量呈递增的变化规律，可采用趋势增长模型预测；
a、指数曲线模型：
xt＝aabt(a>0,b>0)；
式中：a,b为参数；
两边同时区对数，利用变量替换得到：
b、修正指数曲线模型：
c、罗吉斯曲线模型：
d、龚柏兹曲线模型：
其中：k、a、b都为曲线待定参数。
上述模型中参数的确定常利用最小二乘或拟合法(三点法、三和法)等来确定待定的参数，当极限k可确定，采用最小二乘法，不确定则采用三和法或三点法。
回归分析法是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量在预测变化结果的预测方法。
回归分析法是通过发现某些对所预测结果有重要影响的因素进行分析，找到因变量和自变量之间的因果关系，从而推测预测对象随自变量而发生变化的数值。因此回归分析预测法又称因果分析法。该方法根据自变量的个数可分为一元回归分析和多元回归分析，根据自变量和因变量的相关关系的不同可分为线性线性回归预测和非线性回归预测。
a相关关系分析
变量间的相关关系有多种类型，确定变量间的相关关系的类型一般可通过绘制相关图直观的看出，可大致判断变量是否相关，正相关还是负相关，线性相关还是非线性相关。变量间线性相关的密切程度通常可以通过计算相关系数来衡量，相关系数的计算公式为：
其中：X为自变量的值；
为自变量X的均值；Y为因变量的值；
为因变量的均值。
b回归预测模型
①.一元线性回归模型
假设自变量x与因变量y的关系为：
y＝a+bx+ε；
其中：ε为随机误差，也称为随机干扰，它服从正态分布N(0，σ2)，a，b 及σ2都是不依赖于x的未知数。x与y的这种关系成为一元线性回归模型，对固定的x，y～N(a+bx,σ2)，即随机变量y的数学期望为：
Ey＝a+bx；
由此可得y关于x的线性回归方程：
其中：
为参数a、b的估计值。参数的估计方法为最小二乘法。
最小二乘法的基本原理是使历史数据到拟合直线上的离差平方和最小，从而求得模型参数的方法。其目标函数为：
以该式对各参数求偏导并令之为零即可求解可得模型的参数估计值。
模型的检验方法有假设的显著性检验、相关系数检验、可决系数检验等方法。
可决系数R2反映了回归直线对样本点(xi,yi)的解释表达能力，其计算公式为：
其中：TSS为总变差；RSS为残差平方和；ESS为回归离差平方和。对于一元线性回归，可决系数与相关系数等价。
②多元线性回归模型
因变量y与x1、x2、x3…等n个线性无关的可控变量的关系为：
同一元线性回归得到y关于x1、x2、x3…的线性回归方程：
其中：x1、x2、x3…为自变量；
为因变量预测值；
为待定估计参数，参数估计方法为最小二乘法。假设：
则由最小二乘法可得：
③非线性回归预测模型
非线性回归预测模型一般研究能通过适当的变量代换转化为线性回归模型问题。
多项式回归模型
其中：x为自变量；
为因变量预测值；a、b1、b2…为待定参数。通过对高阶自变量进行xi＝xi的变换可转化为线性回归模型求解。
双曲线回归模型
其中：x为自变量；
为因变量预测值；a、b为待定参数。通过对高阶自变量进行x`＝1/x的变换可转化为线性回归模型求解。
对数曲线回归模型
其中：x为自变量；
为因变量预测值；a、b为待定参数。通过对高阶自变量进行x`＝lnx的变换可转化为线性回归模型求解。
三角函数曲线回归模型
其中：x为自变量；
为因变量预测值；a、b为待定参数。通过对高阶自变量进行x`＝sinx的变换可转化为线性回归模型求解。
指数曲线回归模型
其中：x为自变量；
为因变量预测值；a、b为待定参数。通过对模型两边同时取对数的变换可转化为线性回归模型求解。
幂函数曲线回归模型
其中：x为自变量；
为因变量预测值；a、b为待定参数。通过对模型两边同时取对数的变换可转化为线性回归模型求解。
最大负荷预测的方法与电力需求总量的预测方法有一定重合，其中的趋势外推法和回归分析法可用于最大负荷预测中，最大负荷预测的间接方法还可以是利用小时数法或分类负荷叠加法；
1)利用小时数法：
2)年负荷率法：
3)分类负荷叠加法：
将总负荷分解为各类(或各行业)负荷，分别预测各类(或各行业)负荷的年负荷率，从而得出各类(或各行业)的最大负荷，在考虑同时率的基础上进行叠加，或者将最大负荷分解为变化相对稳定的基本负荷和随季节变化较明显的季节性负荷，分别进行预测，然后进行叠加，得出总的年最大负荷。
本实施例能够较佳地对中长期的电力供需形势进行分析，保证电力运行的稳定性，促进经济发展。
应用
(1)电力需求总量预测情况
综合上述方法的预测结果及四川能源规划，如表1所示。预计2020年四川用电量达到2500亿千瓦时，2025年用电量达到3070亿kW·h，2030年用电量达到3700亿kW·h。
表1四川2020-2030年全社会电量预测值
单位：亿千瓦时
(2)最大负荷预测
综合各种方法的预测结果，预计2020年四川的用电负荷达到4720万kW， 2025年和2030年用电负荷分别达到5900万kW、7200万kW，如表2所示。
表2四川2020-2030年最大负荷预测值
单位：亿千瓦时
(3)负荷特性分析
根据历史数据，四川电网全年用电负荷明显受气候变化而表现出一定的规律性，统调负荷呈现夏季8月份和冬季12月份双高峰特征。具体情况是：1月气温较低，办公、宾馆、餐饮和居民取暖较大，负荷保持较高水平；2～5月气温回暖，气候均在一个相对舒适的范围内，工业用电、城乡居民生活用电、农业灌溉等用电负荷也基本维持相对稳定，用电负荷处在全年相对较低的水平。 6～9月气温攀升，夏季炎热潮湿，空调等降温设备大量开启，降温负荷增加，经测算，持续高温天气下降温负荷可高达最大负荷的1/3；同时，夏季农作物需水量较大，农业排灌负荷增加。10-11月气温回落，城乡居民生活用电、农业灌溉等用电负荷逐渐有所回落；12月气温持续降低，气候湿冷，空调等取暖温设备大量开启；加上各生产企业年末赶工，造成了四川电网负荷的上升，形成了全年第二高峰。
随着产业结构调整和居民生活水平不断提高，第三产业用电比重上升，夏季降温、冬季取暖负荷不断增加，四川电网季不均衡系数ρ总体呈下降趋势，预测2020-2030年四川电网全年季不均衡系数ρ基本维持在0.80～0.85之间。同时，其月不均衡系数σ为0.83-0.88之间。预测2020-2030年四川电网仍基本维持夏季(约8月份)和冬季12月份双高峰特征，夏季高峰负荷大于冬季负荷，年负荷曲线最小值出现在春季的4月份左右。根据上述特点，预测2020年、 2025年和2030年四川电网的年负荷曲线如表3所示。
表3四川电网年负荷特性预测
注：ρ为全年季不均衡系数
(4)电源装机进度分析
根据四川省资源禀赋和现阶段各电源开发现状，结合四川省总体经济发展趋势，预测四川省2020-2030年电源装机进度如表4所示。2020年，四川电源装机将达到10713万kW，其中：水电装机容量为7983万kW，煤电、气电及生物质垃圾发电装机容量为1880万kW，风电装机600万kW，光伏装机250万 kW。2025年，四川电源装机将达到14869万kW，其中：水电装机容量为11509 万kW，煤电、气电及生物质垃圾发电装机容量为1860万kW，风电装机1000万kW，光伏装机500万kW。2030年，四川电源装机将达到17059万kW，其中：水电装机容量为13035万kW，煤电、气电及生物质垃圾发电装机容量为 1874万kW，风电装机1400万kW，光伏装机750万kW。
表4四川省2020-2030年电源装机进度表
单位：万kW
考虑水电的开发条件、前期工作进展和建设周期等，对水电开发时序进行新的优化，得到新的电源开发进度如表5所示。预计2020年四川电源装机达到 10713万kW，其中水电装机容量为7983万kW；2025年四川电源装机将达到 14869万kW，其中水电装机容量为11509万kW；2030年，四川电源装机将达到17059万kW，其中水电装机容量为13035万kW。
表5四川省2020-2030年电源装机进度优化表
单位：万kW
(5)发电出力特性分析
2020年枯水年全川丰水期平均出力为5290万kW，枯水期平均出力2639 万kW，水期平均出力较丰水期平均出力小2651万kW，丰枯出力比为2.0，装机与枯水期平均出力比3.05，年利用小时数4093h。2016－2020期间，白鹤滩、两河口、双江口等调节性能较好的电站投产后，全川水电年出力特性得到大幅提升。2025年枯水年全川丰水期平均出力为6407万kW，枯水期平均出力4910 万kW，枯水期平均出力较丰水期平均出力小1497万kW，丰枯出力比为1.30，装机与枯水期平均出力比2.63，年利用小时数3766h。2030年枯水年全川丰水期平均出力为6908万kW，枯水期平均出力5263万kW，枯水期平均出力较丰水期平均出力小1645万kW，丰枯出力比为1.31，装机与枯水期平均出力比2.69，年利用小时数3687h。
风电出力冬季较大、夏季较小，晚上较大、白天较小，攀枝花风电出力特性略好于其他片区，利用小时数略高于2000小时。
通过梳理光伏电站出力数据，并与国内青海、甘肃等地进行对比，发现具有较为明显的共同规律，秋季出力最好、夏季出力最差，全年利用小时数约1500 小时。
(6)电力电量供需平衡分析
1)边界条件
电力需求。采用推荐负荷水平进行平衡计算预计四川省2020、2025和2030 年的全社会年需电量分别为2500亿kW·h、3070亿kW·h和3700亿kW·h，最大负荷分别为4720万kW、5900万kW和7200万kW。
跨省外送通道。根据四川电力发展规划及中长期目标网架研究等，2020年前将建成盐源—江西±800kV特高压直流工程，2021-2025期间新增金沙江上游外送1000万kW，白鹤滩电站外送1600万kW，2025年外送能力达到6640万 kW。
水电留存及协议送电。考虑锦屏、官地、向家坝、溪洛渡、二滩、白鹤滩等水电站留川电量及协议送电，及四川协议丰水期输送重庆电量9亿kW·h，输送华东电量16.5亿kW·h，枯平期不送。
2)平衡原则
A.采用平水年水文数据进行电力电量平衡计算。根据四川负荷特性和电源结构及供需平衡特点，丰枯代表月分别为8月和12月。
B.丰水期按通道充分利用和富余电量外送，枯平期按保障火电保安出力和省内用电后富余部分外送。
C.备用容量按最高负荷的10％考虑；检修按相关规程安排。
3)电力电量平衡分析
对2020年、2025年和2030年电力电量平衡进行计算，计算结果如表6所示。
表6 2020-2030年四川电力电量平衡表
单位：万kW、亿千瓦时
对电量平衡计算结果进行分析，2020年丰枯期代表月分别有约270万kW 和140万kW的电力富余，全年富余电量约189亿kW·h(若盐源直流全功率运行，则富余44亿kW·h)。在各外送直流最大功率送出的情况下，2025年丰期代表月电力基本平衡，枯期代表越有250万千瓦电力富余，全年基本无富余电量。 2030年丰枯期代表月约有540万kW和70万kW电力缺额，全年富余电量基本无富余电量。详见表7。
表7省内电力供需一览表
单位：亿kW·h
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (8)
1.中长期电力供需形势分析方法，其特征在于：包括以下步骤：
一、中长期电力需求形势分析：结合经济发展形势对电力需求总量进行预测，同时对最大负荷、年内负荷特性进行预测；
二、中长期电力供给形势分析：分析各项发电资源总量和分布情况，结合电源计划装机进度对电力供给总量进行分析，同时分析电源的出力特性；
三、结合中长期电力需求形势分析结果和中长期电力供给形势分析结果，通过电力电量平衡条件对中长期的电力供需形势进行总体分析。
2.根据权利要求1所述的中长期电力供需形势分析方法，其特征在于：电力需求总量的预测方法为：
a、通过弹性系数法、负荷密度法、产值单耗法、趋势外推法和回归分析法分别预测电力需求总量；
b、通过比对，根据实际情况优选出最佳方案作为电力需求预测的结果。
3.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：弹性系数法是利用电力发展与国民经济发展的相关关系来预测电力需求量，通过预测和分析预测期内国民经济发展速度和电力弹性系数，从而预测电力需求量；其表达形式为：
Dn＝D0(1+eG)n；
式中：D0为预测基础年电力需求量；e为预测期内的电力弹性系数；G为预测期内国民经济年平均增长速度；n为预测期年数；Pc为电力消费年均增长速度；Nc为国民经济平均增长速度。
4.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：负荷密度法是从某地区人口或土地面积的平均耗电量出发作出预测，计算公式为：
A＝sd；
式中：A为某地区的年(月)用电量；s为该地区的人口数；d为平均每人的用电量，称为用电密度；预测时，首先预测出未来时期的人口数量
和人均用电量
得出年用电量的预测值。
5.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：产值单耗法是根据第一、第二、第三产业每单位产值创造的经济价值，根据所预测的经济指标推算出年用电量需求，加上居民生活年用电量，构成全社会年用电量；预测时，通过对过去的产值单位耗电量(单耗)进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划的指标进行预测；
记第i年第j产业的产值单耗为Qi(j)，第i年的人均生活用电量为Ki，当第j产业(j＝1,2,3)在第i年的产值为Gi(j)时，则该产业在第i年的用电量为：
Ei(j)＝Gi(j)Qi(j)；
同理，当第i年的总人口预测值为Pi时，城乡居民生活用电量为：
Ei＝PiKi。
6.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：趋势外推法以时间为自变量，年用电量为因变量，根据历史数据选用一定的数学模型来表达时间与电量的变化趋势，趋势外推法可以是水平趋势外推法、线性趋势外推法、多项式曲线趋势外推法或增长曲线外推法；
A、水平趋势外推：
假定负荷变化的历史数据为{x1,x2,…,xT}，趋势外推求出的负荷预测值序列为
a、全平均法：
式中：t为时间期数；λt为前t个序列的平均值；
b、一次滑动平均法：
式中：N为跨度，其值越大则滑动平均的平滑作用越大；Mt为前t个序列的滑动平均值；t为时间序号；
c、一次指数平均法：
式中：α∈(0,1)，初值s0＝x1；St为前t项的一次指数平均值；t为时间序号；
B、线性趋势外推：
a、二次滑动平均法：
二次滑动平均即对一次滑动平均序列再做一次滑动平均，取跨度为N，二次滑动平均预测模型为：
式中：Mt (1)为第t期的一次移动平均值；Mt (2)为第t期的二次移动平均值；N为跨越期；
为截距，即第t期现象的基础水平；
为斜率，即第t期现象的单位时间变化量；l为向未来预测的期数；
b、二次指数平滑法：
二次指数平滑即在一次指数平滑的基础上再次进行指数平滑后得到的外推结果，预测公式为：
式中：St (1)为t期的一次指数平滑值；α为平滑系数；St (2)为t其的二次指数平滑值；
为参数；l为预测超前期数；
C、多项式趋势外推：
电力负荷预测中用二次多项式趋势的三次指数平滑等进行预测，预测公式为：
式中：
为t-1期的三次指数平滑值；
为t期的二次指数平滑值；
为t期的一次指数平滑值；α为平滑系数；
为参数；l为预测超前期数；
D、增长曲线趋势外推法：
下年度或季度、月度电量呈递增的变化规律，可采用趋势增长模型预测；
a、指数曲线模型：
xt＝aebt(a>0,b>0)；
式中：a,b为参数；
两边同时区对数，利用变量替换得到：
b、修正指数曲线模型：
c、罗吉斯曲线模型：
d、龚柏兹曲线模型：
其中：k、a、b都为曲线待定参数。
7.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：回归分析法是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量在预测变化结果的预测方法。
8.根据权利要求2所述的中长期电力供需形势分析方法，其特征在于：最大负荷预测的方法与电力需求总量的预测方法有一定重合，其中的趋势外推法和回归分析法可用于最大负荷预测中，最大负荷预测的间接方法还可以是利用小时数法或分类负荷叠加法；
1)利用小时数法：
2)年负荷率法：
3)分类负荷叠加法：
将总负荷分解为各类(或各行业)负荷，分别预测各类(或各行业)负荷的年负荷率，从而得出各类(或各行业)的最大负荷，在考虑同时率的基础上进行叠加，或者将最大负荷分解为变化相对稳定的基本负荷和随季节变化较明显的季节性负荷，分别进行预测，然后进行叠加，得出总的年最大负荷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011507743.XA CN112634077A (zh) | 2020-12-18 | 2020-12-18 | 中长期电力供需形势分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011507743.XA CN112634077A (zh) | 2020-12-18 | 2020-12-18 | 中长期电力供需形势分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112634077A true CN112634077A (zh) | 2021-04-09 |
Family
ID=75317641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011507743.XA Pending CN112634077A (zh) | 2020-12-18 | 2020-12-18 | 中长期电力供需形势分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634077A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780660A (zh) * | 2021-09-13 | 2021-12-10 | 广东电网有限责任公司 | 一种居民用电量预测方法、系统及存储介质 |
| CN114050575A (zh) * | 2022-01-12 | 2022-02-15 | 四川大学 | 分布式电站宽频谐波不稳定分析方法、装置、设备及介质 |
| CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
| CN117543723A (zh) * | 2024-01-09 | 2024-02-09 | 深圳市泰士特科技股份有限公司 | 基于电力供需数据的大型发电机运行策略确定方法及系统 |
| CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204926084U (zh) * | 2015-09-17 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 整合多数据资源的电力供需分析系统 |
| CN105389645A (zh) * | 2015-10-16 | 2016-03-09 | 中国南方电网有限责任公司电网技术研究中心 | 基于电力、电量和调峰平衡的供需平衡分析方法及系统 |
| CN108717585A (zh) * | 2018-05-14 | 2018-10-30 | 国网福建省电力有限公司 | 一种远期电力需求预测方法 |
| CN109523057A (zh) * | 2018-10-18 | 2019-03-26 | 国网山东省电力公司经济技术研究院 | 一种考虑经济转型背景的区域电网电力负荷预测方法 |
| KR20190109773A (ko) * | 2018-02-28 | 2019-09-27 | 동국대학교 산학협력단 | 지역별 특성에 기초한 전력 수요 예측 장치 및 방법 |
-
2020
- 2020-12-18 CN CN202011507743.XA patent/CN112634077A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204926084U (zh) * | 2015-09-17 | 2015-12-30 | 中国南方电网有限责任公司电网技术研究中心 | 整合多数据资源的电力供需分析系统 |
| CN105389645A (zh) * | 2015-10-16 | 2016-03-09 | 中国南方电网有限责任公司电网技术研究中心 | 基于电力、电量和调峰平衡的供需平衡分析方法及系统 |
| KR20190109773A (ko) * | 2018-02-28 | 2019-09-27 | 동국대학교 산학협력단 | 지역별 특성에 기초한 전력 수요 예측 장치 및 방법 |
| CN108717585A (zh) * | 2018-05-14 | 2018-10-30 | 国网福建省电力有限公司 | 一种远期电力需求预测方法 |
| CN109523057A (zh) * | 2018-10-18 | 2019-03-26 | 国网山东省电力公司经济技术研究院 | 一种考虑经济转型背景的区域电网电力负荷预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 匙跃军: ""曲阳地区中长期电力负荷预测研究"", 《中国优秀硕士学位论文全文数据库（工程科技II辑）》, pages 1 - 5 * |
| 唐文杰 等: ""基于最小误差估计的综合时间序列预测法及其应用"", 《四川电力技术》, vol. 29, no. 3, pages 1 - 1 * |
| 黄巧: ""四川省电力需求预测"", 《中国优秀硕士学位论文全文数据库（经济与管理科学辑）》, pages 5 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780660A (zh) * | 2021-09-13 | 2021-12-10 | 广东电网有限责任公司 | 一种居民用电量预测方法、系统及存储介质 |
| CN113780660B (zh) * | 2021-09-13 | 2024-02-13 | 广东电网有限责任公司 | 一种居民用电量预测方法、系统及存储介质 |
| CN114050575A (zh) * | 2022-01-12 | 2022-02-15 | 四川大学 | 分布式电站宽频谐波不稳定分析方法、装置、设备及介质 |
| CN114050575B (zh) * | 2022-01-12 | 2022-03-25 | 四川大学 | 分布式电站宽频谐波不稳定分析方法、装置、设备及介质 |
| CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
| CN117543723A (zh) * | 2024-01-09 | 2024-02-09 | 深圳市泰士特科技股份有限公司 | 基于电力供需数据的大型发电机运行策略确定方法及系统 |
| CN117543723B (zh) * | 2024-01-09 | 2024-03-29 | 深圳市泰士特科技股份有限公司 | 基于电力供需数据的大型发电机运行策略确定方法及系统 |
| CN117639113A (zh) * | 2024-01-25 | 2024-03-01 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
| CN117639113B (zh) * | 2024-01-25 | 2024-04-05 | 湖北世纪森源电力工程有限公司 | 智慧微电网智能电力分配方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112634077A (zh) | 中长期电力供需形势分析方法 | |
| CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
| CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
| Wang et al. | Study on operation optimization of decentralized integrated energy system in northern rural areas based on multi-objective | |
| CN111030189A (zh) | 一种风电和光伏消纳预测预警方法 | |
| CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
| Tan et al. | Room thermal load prediction based on analytic hierarchy process and back-propagation neural networks | |
| Wang et al. | A review of load forecasting of the distributed energy system | |
| CN107769268A (zh) | 一种含小水电的地调范围日前预测省供负荷方法 | |
| Wang et al. | Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units | |
| CN110717838B (zh) | 一种梯级电站多目标调度评价体系指标构建及等级划分方法 | |
| CN117081144A (zh) | 一种梯级水电对新能源连续多日极端波动的补偿调节方法 | |
| Falkoni et al. | Linear correlation and regression between the meteorological data and the electricity demand of the Dubrovnik region in a short-term scale | |
| CN113864854B (zh) | 一种蓄热式电采暖参与风电消纳的多目标优化方法及系统 | |
| Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
| CN104331748A (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 | |
| Ma et al. | Research on Accurate Prediction of Operating Energy Consumption of Green Buildings Based on Improved Machine Learning | |
| CN114037272A (zh) | 一种区域综合能源系统的能效评估方法 | |
| Li et al. | Electricity consumption forecast of hunan province using combined model based on multivariate linear regression and BP neural network | |
| Xiao et al. | Short-term optimized operation of Multi-energy power system based on complementary characteristics of power sources | |
| CN109274124A (zh) | 基于场景马尔科夫法的风电就地消纳能力预测方法 | |
| CN117371816A (zh) | 基于复杂度理论的梯级水电站群调度效益对标评价方法 | |
| CN111798044B (zh) | 基于改进最小叉熵的ries运行规划仿真方法 | |
| Zou et al. | Research on public building energy consumption prediction method based on hybrid analysis of dynamic and static data | |
| CN109242340B (zh) | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information |
Address after: No.7 Tianyun Road, high tech Zone, Chengdu, Sichuan 610000 Applicant after: Guoneng Daduhe Big Data Service Co.,Ltd. Applicant after: SICHUAN University Address before: No.7 Tianyun Road, high tech Zone, Chengdu, Sichuan 610000 Applicant before: Sichuan Dahui Big Data Service Co.,Ltd. Applicant before: SICHUAN University |
|
| CB02 | Change of applicant information | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |