【正文】 用電增速同比下降 %。各種不確定因素與地區(qū)電力負荷間聯(lián)系的不準確性和預測難度是導致地區(qū)符合預測產生誤差的主要原因。從企業(yè)生產的角度出發(fā)，推薦采用工人輪休制度，錯開用電高峰，這樣既有利于生產又對電網穩(wěn)定性起到了幫助。該委員會的主要職能是對各地區(qū)電力負荷做定期調查 ,并作特性分析 ,然后預測該地區(qū)將來對電力的需求。 20xx 年，我國國電公司就在全國范圍內多個地區(qū)進行了電網負荷特性調研及分析預測，并對分析結果和主要電網詳細負荷特性指標、地區(qū)電網負荷特性曲線進行了總結，為發(fā)電公司的合理經營與良性發(fā)展提供了參考依據 [6]。 （ 2）趨勢外推法 電網負荷趨勢外推法就是根據該地區(qū)已有的歷史數據，通過分析歷史數據的變化趨勢，通過外推的方法得到該地區(qū)未來的電網負荷發(fā)展趨勢。首先將被選中的時間序列假設成為某一隨即程序出現的，然后通過初始數據建立模型來描述這一過程。 BP 神經網絡分析信息是在完成利用培訓樣本從進入到輸出的在拓補結構上，并不須要明確表明的映射，僅在所選擇的網絡延展結構，通過了解算法來變換每個神經元的連接權數和閾值，最低的誤差信息。 在實際負荷預測，許多估測摸型專家系統(tǒng)收集的決策和評價政策所造成的 突然事件負載波動。這主要是由于難以確定空調負荷曲線， 而行業(yè)負荷曲線還可以 由行業(yè)大中用戶主要的負載曲線來推求，因此根據本行業(yè)做出定量分析和負荷曲線得到方便。然后結合實際，通過對我國東部某城市電網空調負荷的計算分析，研究該地區(qū)隨著空調數量的增加將會對該地區(qū)城市電網電壓穩(wěn)定性造成怎樣的危害，提醒有關部門要予以關注，提前采取有效措施，避免危險情況的發(fā)生 [19]。 （ 4）結合 A地區(qū)溫度、空調量增長、空調負荷三者的關系，對 A地區(qū)電網進行分析，給出建議 。通過該地區(qū)負荷的特性數值，定量地說明負載特點，對電網負荷的工作情況反響良好。測量時間 間斷可以是 短 時， 以 10 分鐘為單位或者以半小時來計算。 （ 6）月 負荷率：電網月平均負荷除以該月內最大負荷曰平均負荷的壁紙，反映該月負荷的平穩(wěn)程度。 電網負荷特性分析 年負荷特性分析 （ 1）用電量和最大負荷 表 21 A 地區(qū) 20xx 年 20xx 年用電情況 年份 用電量（億千瓦時） 增長率（ %） 最大負荷（萬千瓦） 增長率（ %） 最大負荷利用小時數（ h） 增長率（ %） 20xx — — 5995 — 20xx 5597 % 20xx 5319 % 20xx 5500 % 20xx 5883 % 20xx~20xx 年， 伴隨國家經濟的騰飛， A 地區(qū)的 經濟也在迅速壯大，地區(qū)電網 負荷 的 太陽能輔助抽水蓄能發(fā)電技術的 研究 增長十分明顯。 （ 2）年負荷曲線 0204060801001201401601月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月月份負荷（萬KW）20xx年20xx年20xx年20xx年20xx年 圖 21 A 地區(qū) 20xx 20xx年的年負荷特性曲線 通過分析圖 21，我們可以看出。曲線從 11 月起開始緩慢上升，因為此時該地區(qū)進入冬季，氣溫開始變低，由空調取暖所 產生的取暖負荷隨之緩慢攀升。 20xx 年 A 地區(qū)的季不均衡指數也比較 低的主要原因是由于全球的金融危機。 太陽能輔助抽水蓄能發(fā)電技術的 研究 75808590951001 2 3 4 5 6 7 8 9 10 11 12月份負荷率%圖 22 A地區(qū) 20xx年月平均日負荷率 （ 2）月峰谷差 0501001502002503003504004501 2 3 4 5 6 7 8 9 10 11 12月份負荷/MW 圖 23 A 地區(qū) 20xx 年不同月份最大峰谷差的變化 由圖 可見， A 地區(qū)全年各月份最大峰谷差變化曲線呈現明顯的，“兩谷三峰”的形態(tài)，其中冬夏兩季的最大峰谷差遠遠大于春秋兩季。 從圖 24 中，可以看出負荷曲線的變化特點可以描述為“兩峰一谷一平”，分別是午高峰、晚高峰、午間曲線開始變平緩而清晨則是日負荷曲線的低谷。而在南方地區(qū)，在夜晚休息時，對取暖的需求較小，因此午夜時的負荷水平較低，可以從 11： 00pm~7： 00am 段的 太陽能輔助抽水蓄能發(fā)電技術的 研究 曲線看出。在該地 區(qū)社會用電、行業(yè)用電和居民用電三項用電中，該地區(qū)行業(yè)用電占了全社會用電的主要部分，但是行業(yè)用電所占的比重有下降的趨勢。而該地區(qū)第三產業(yè)用電量正在逐年增長，證明該地區(qū)第三產業(yè)發(fā)展良好，用電量保持著上升趨勢。該地年份 輕工業(yè) 重工業(yè) 建筑業(yè) 采礦業(yè) 制造業(yè) 其他 20xx 48369 17695 343307 74573 313 20xx 46228 11837 466821 88618 3337 20xx 41978 9936 490168 81268 1500 20xx 41747 10839 529704 85459 20xx 20xx 26409 11968 614243 103303 1547 太陽能輔助抽水蓄能發(fā)電技術的 研究 區(qū)采礦業(yè)的消電量需求一直維持在 10000萬 kwh，占第二產業(yè)全年用電量的 %~2%左右，說明該地區(qū) 的采礦業(yè)發(fā)展已趨近穩(wěn)定，用電變化不大。月負荷特點的分析從該地區(qū)的負荷率、 峰谷差這兩個反面切入對該地區(qū)進行了分析。 負荷計算 為了調查據居民空調的設置情況，選取了 A地區(qū)市內一棟普通多層住宅 樓（ 30戶）和A地區(qū)下屬鄉(xiāng)鎮(zhèn)的 30戶的空調使用情況進行了調查，調查結果見表 34。每百戶農村居民空調匹數為 141匹，即耗電功率約為106575W。每年的 8月是 A地區(qū)空調負荷最大的月份，但是每年的 6月份正值該地區(qū)早稻收割時期，農具產生的負荷較大，會影響研究的精度。為了盡量地減小對該地區(qū)電網負荷影響的干擾因素，決定采用了最大負荷發(fā)對計算修正。所以為了消除照明符合對研究的干擾，不能選取 18：00~21:00這一時段作研究。按照之前的研究，需要注意從 8月到 9月這段時間內該地區(qū)電網用戶增加所產生的負荷自然增長。 本章小結 本章主要內容就是計算 A地區(qū)的空調負荷，主要從兩方面進行了考慮，一方面就是從空調數量著手，估計總的空調負荷；另一方面就是通過最大負荷比較法計算出空調負荷。而最大負荷比較法的思路是首先找到一年中沒有空調負荷的時間段作為基礎符合，再找到夏季空調負荷使用最大的時期，在排除了休息日、節(jié)假日和自然增長等因素的影響后，兩者相減得到了空調負荷。 20xx 年 8月中，工作日有 22天， 22： 30~23：30出現的最大負荷是 。所以要計算的空調負荷，就是該年 8月份這一時段的最大負荷減去基礎負荷月份在這一時段的負荷值。第二步，選擇不同時間電網的最大負荷作為標準。 太陽能輔助抽水蓄能發(fā)電技術的 研究 0204060801001201401月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月月份負荷（萬KW）20xx年20xx年20xx年20xx年20xx年 圖 31 各個月工作日的最大負荷分布曲線（單位：萬 KW） 選擇基礎 符合時，為達到排除冬季取暖產生的空調負荷因素，該年的 11月到次年 3月不予選擇。 （ 2） 計算 20xx年空調功率 由表 33可知， 20xx年的戶均空調數為 ，由 20xx年 ~20xx年空調平均增長率推出20xx年的戶均空調數約為 。從表 34可以看出城鎮(zhèn)居民和農村居民對于空調功率的選擇較為近似，對功率較低的空調需求量較大，城鎮(zhèn)居民平均每戶的空調量為 ，農村居民平均每戶的空調量為 。最后按照產業(yè)的劃分對該地區(qū)的電力消費現狀做了較為詳細的介紹，方便了后面的研究。 表 28 A地區(qū) 20xx年 20xx年第三產業(yè)用電特點（單位：萬 kWh） 年份 交通運輸、倉儲和郵政業(yè) 信息傳輸、計算機服務和軟件業(yè) 商業(yè)、住宿和餐飲業(yè) 金融、房地產、商務及居民服務業(yè) 公共事業(yè)及管理組織 20xx年 12421 573 9010 4370 11655 20xx年 11872 4965 9066 2709 13621 20xx年 11767 4862 10170 3117 14399 20xx年 11104 2195 12243 4121 21062 20xx年 12728 5538 17847 7229 20955 從表 28中可以發(fā)現，該地區(qū)信息傳輸、計算機負荷和軟件業(yè)在第三產業(yè)中的用電量最小，另外幾部分的用電量都比較大。并且從 20xx年起，該地區(qū)每年農業(yè)用電量都穩(wěn)定在 3400萬 kWh左右。在表中 20xx年和 20xx年 A地區(qū)的用電增長速度明顯放緩，這主要是由于這兩年全球經融危機的影響對國內用電也造成了明顯的影響。因此一般在每天下午的 5 點左右就陸續(xù)會有照明用電的產生，負荷在這個時候開始有小幅度的增長，晚高峰一般出現在 18： 00 左右，是由于累積的照明負荷和用餐高峰時間的用電量的疊加產生的。我們經過研究該地區(qū)許多天的夏季日負荷曲線變化，發(fā)現該地區(qū)日最大的出現在每天的 22:30~23:30。而年度最小鋒谷差為 ，產生在了 5月份。但是伴著國家刺激經濟的政策實行，經濟的逐漸復蘇，該地區(qū)的季不均衡指數又回到了之前的值附近。 （ 3）季不均衡指數 表格 22 A 地區(qū) 20xx20xx 年季不均衡指數 年份 20xx 20xx 20xx 20xx 20xx 季不均衡系數 季不均衡指數通常用來反映某地區(qū)全年月最大負荷變化是否均衡。從 20xx 年的荷曲線可以看出，這一年的電網增加情況明顯放緩，曲線線形與其他幾年相比總體較平穩(wěn)，這主要是由于 A 地區(qū)受到了金融危機的影響，各行業(yè)的用電量都有所減 少。該地區(qū)最大電網供應負荷量的增長驚人，由 20xx 年的 萬千瓦飛升至 20xx年 萬千瓦，年平均增長率高達 %。 （ 8）季不均衡指數：電網一年內各個月份的最大負荷均值除以年極負荷。 （ 2）曰平均負荷：用電量和二十四得到的曰平均負載之比。分行業(yè)分析電網負荷的方法主要有點是在于能夠從全局上把握該地區(qū)電網的負荷特性。因此本章提出的本文主要研究內 容：從家用空調數量的增長角度著手，研究其對電網負荷變化的影響。首先找出粗槽極負荷變化和氣象變化的之間規(guī)律，找出影響電網負荷的主要氣象原因。 周暉等人從電力企業(yè)做市場開發(fā)的角度出發(fā)，分析了北京地區(qū)在 199820xx 年夏季負荷變化，并且深入分析了溫度變化與其的關系。短變負荷在負荷估計的時期，專家?guī)熘械闹R是難以概括，因此電網專家估測系統(tǒng)通常 太陽能輔助抽水蓄能發(fā)電技術的 研究 只適合對地區(qū)負荷做中估測。并且具有強大的內存容量，線性關聯(lián)能力和較強的自我學習功能，可實現精確優(yōu)化功能，缺點是該網絡構造的設計主要開發(fā)者的經驗的制約，容易產生過擬合和局域最小值，神經收斂速度慢和振動的影響。電網的時間序 列法與方法（ 1）類似，比較適合中期預測。即以時問和時問序列關系建立出曲線趨勢模型，并將曲線延伸。但大部分關于負荷特性的研究都是從網、省區(qū)域性的電網進行研究，在理論 上的研究較多，從影響因素各個層面上的量化分析較少。作為曰本電力負荷分析與預估的有關委員會，其在研究指標準的選取和方法上有許多我國可以向之學習和參考之處。常說的電力系統(tǒng)負荷特性一般而言分為兩類： （ 1）負載電壓特性或頻率特性。因此，做好家用空調量增長對地區(qū)電網負荷變化影響的研究有以下意義： 對電力系統(tǒng)有利。 由 20xx 年和 20xx 年氣溫變化引起用電量的變化我們可以看出，空調使用所產生的負荷對電網負荷的影響有多大，一邊是由炎熱造成的當季用電量同比增長 另一方是因為涼夏對全年社會用 電增速產生下降超過 1 個百分點的影響。用電增速在第四個季明顯放緩，回落至 %，盡管如此仍然高于前兩年第四季的增速。與往年同期的 天相比，該年高溫炎熱天氣多出整整一倍以上，并且七地平均最高氣溫達到 攝氏度，為同期歷史最高值。因此，在氣象因素中，氣溫變化又是其中最為影響電網負荷變化的一環(huán)。電網負荷；空調