用电量预测
电力市场分析与预测
电力市场分析与预测 一、电力市场分析与预测的概述 （一）定义 要给电力市场分析与预测一个定义，首先要搞清什么是“电力市场”：广义的讲，电力市场是采用法律、经济等手段，本着公平竞争、自愿互利的原则，对电力系统中的发电、输电、供电、客户等主体协调运行的管理机制和执行系统的总和，它包括市场主体（电力生产商、电力供应商、消费者等）、市场客体（电力商品）、市场载体（电力网络）、商品价格、市场运行规则、市场监管者六个方面。狭义的讲，今天要讲的电力市场分析与预测中的“电力市场”主要是电力销售市场（包括量、价、费）、电力供应市场以及供需平衡关系。 电力市场分析与预测是供电企业为了实现经营目标，进行电力市场营销、规划、生产和销售决策，运用先进的技术手段和方法，采用一定的程序，有组织、有计划的收集电力市场信息。在调研的基础上、对调研信息及数据进行科学分析，对经营环境及电力需求的变化特点进行预测，为改进经营管理，实行正确决策提供依据。供电企业能否有效的把握市场变化趋势，选择新的目标市场，这是搞好营销活动的核心和关键。 （二）作用 （一）掌握社会各行业的各类用电基本情况，分析用电结构及各类用电升降幅度的变化规律，为国家制定有关用电政策提供依据。（如为国家制定电价政策，制定宏观调控政策（行业用电量反映行业发展情况）等） （二）改善电力企业经营管理，促进企业制定合理生产计划和有关经济技术指标，调整经营策略，改进电网发展规划，提高企业经营效益。（如对售电量、电价进行动态分析，揭示行业用电潜力，用户用电特点，区域发展态势，经营经营效益，为企业经营决策人员提供决策依据。售电量已成为国民经济发展的晴雨表，“十五以来”经济增长速度保持较快水平，用电增长也较快，九十年代末，受亚洲金融危机影响，国民经济发展减慢，电量增长减缓甚至下降） （三）可以促进客户中分利用电价的经济杠杆作用。如更合理安排生产，减少高峰用电，适时投切无功补偿设备，减少电费开支，降低生产成本。（对执行峰谷电价的用户，可以建议避峰生产，对负荷低的用户，减少变压器容量，可以节约基本电费）。 （三）特点 （一）时效性。应根据形势变化及时提交分析报告，以便领导决策。 （二）准确性。分析中的数据和事例力求正确真实。
基于配用电大数据的用电行业分类和用电量需求预测建模分析
基于配用电大数据的用电行业分类和用电量需求预测建模分析智能电网的核心技术与应用是电力能量流与信息通信技术的深度结合。随着信息技术高速发展,建设成本大幅降低,导致电网公司数据库内的电力基础数据爆炸性增长,这些数据蕴含着巨大价值,目前,国内外均通过大数据挖掘技术开展了不同程度的智能配用电领域数据研究,期望为建设经济、可靠的智能电网提供支撑。基于配用电大数据的用电行业分类和用电量需求预测建模分析,主要是通过挖掘与分析地区电力客户的用电模式掌控用电群体构成及其用电特性,识别影响用电量的关键因素,对不同行业的用电量进行预测,从而实现客户的精细化管理,提供优质的用电服务。对用电行业进行准确分类是实现客户用电模式识别的重要基础。 但是由于对各种影响因素的敏感度不同,导致业务范围相同的企业用电模式也可能不同,所以传统的行业分类方法不能有效地区分不同的用电模式。第二章中通过大数据挖掘方式对东莞地2008年至2015年的各行业用电量数据进行分析,筛选出用电量占比较高30个用电行业,然后采取K均值方法进行聚类分析,依据两个标准对关键用电行业进行选择:第一,该类行业的用电量在全社会总用电量中所占的比例较大;第二,该类行业的用电量波动对全社会总用电量波动的影响较大。最后得到用电量占比最高的10个主要行业,这些行业的用电量达到全社会用电量的80%左右。第三章中通过分类别分尺度寻找预测精度较高、拟合优度较高的预测模型。 在对比预测模型的拟合、预测结果的基础上进行筛选,发现不同模型对不同时间段的预测效果,例如受季节性波动影响比较明显的数据不能在灰色系统模型上进行拟合;而样本总量不足和较差质量的数据会导致神经网络模型不能达到满意的精度,所以在进行行业用电量月数据的预算时采用Box-Jenkins模型(ARIMA)就比较合适,而对于年度用电数据或经济类型数据中误差和波动点往往不是行业用电本身的特性造成的,所以对年度数据的预测使用灰色系统模型误差较小。最后尝试了加入相关经济变量,通过将经济变量代入模型可以看出随着与用电相关的经济变量的逐渐加入,预测精度可以得到显著提高。
用电量及变压器容量的估算
民用建筑供电系统设计常见问题探讨（一） 用电量及变压器容量的估算 庞传贵李维时(中国建筑设计研究院) 摘要本文简要阐述了各类民用建筑的负荷估算及变压器容量的确定，并介绍了负荷计算的部分作法 关键词用电指标、变压器容量负荷率、负荷计算、三相平衡 1、民用建筑的负荷： 民用建筑的用电指标，尤其是负荷计算中需要系数的大小，一直是一个意见很不一致，没有完全解决好的问题，主要是因为民用建筑的情况非常繁杂，不同的地区，不同的单位，不同的设备，不同的使用情况，不同的工程规模，不同的建设投资标准等等，使每平方米建筑面积的用电量有较大的差异，很难给出一个大家均可使用的标准。工程设计者，往往宁大勿小，使已建成的许多工程的变压器容量选择偏大，多数在很低的负荷率下运行。1984年在建设部设计局的支持下，由建设部建筑设计院，北京市建筑设计院、上海市华东建筑设计院、西北建筑设计院、西南建筑设计院等单位组成的民用建筑用电负荷调查组，在北京、上海、西安等地对各类宾馆饭店进行了大量的调查研究和蹲点实测，发现有很大的分散性，历时一年多也只获得了阶段性成果。由于国家经济的迅速发展和人们对民用建筑用电量的认识的较大差别，目前意见仍难统一。我们参照“全国民用建筑工程设计技术措施”中的“表 2.5.2-1各类建筑物的用电指标”，修改补充成为表1，供工程设计者在方案或初步设计阶段，作为估算变压器安装容量的参考。 表1 各类建筑物的用电指标 注：①当空调冷水机组采用直燃机时的用电指标一般比采用电动压缩机制冷时的用电指标降低25～35VA/m2。表中所列用电指标的上限值是按空调采用电动压缩机制冷时的数值。 上表中数值不是施工图设计时某个房间的负荷指标，对某个房间的负荷，应按其实际安装的用电设备的需要设计。还要注意“表1”中的每平方米瓦数可折算为伏安数，即将瓦数除以功率因数0.9(补偿后)，再除以变压器的负载率0.65~0.85，这样使每平方米建筑面积的伏安数为瓦数的约1.5倍左右,此伏安数可作为确定变压器容量的依据。这个指标有人认为偏高，有人认为偏低，实际上该表中的数值已有一个可根据实际情况选用的范围，以适应不同情况的要求。且在折算到变压器的安装容量时，变压器的负载率又有一个范围作为调节，认为表中指标偏高者，可取其低限；认为指标偏低者，可取其高限。对于目前多数用户的变压器负荷率过低的现象，希望今后能得到改善。在本杂志2003年第一期上，
中长期电力负荷预测方法的简述及分析
中长期电力负荷预测方法的简述及分析 【摘要】介绍负荷预测的概念及所依据的原理，简述了目前常用的中长期电力负荷预测方法及分析了存在的问题，对一些新的现代负荷预测方法作了归纳说明。【关键词】负荷预测预测方法发展动态1.引言在一定的规划期内，电力系统的负荷水平决定了其发展的规模与速度。因此，中长期电力负荷预测的结果在一定程度上决定了未来规划期内电力系统的发展。当前电力市场正在逐步由卖方市场转向买方市场，过去的以产定销将变成以销定产，生产计划和基建计划的安排都对中长期电力负荷预测提出了更高的要求。本文在介绍电力负荷预测的概念和原理的基础上，把中长期电力负荷预测方法及现在使用的情况和发展趋势作一个简单的叙述和分析。2.负荷预测的概念和原理负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然环境和社会影响的条件下，研究或利用一套能系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定某特定时刻的负荷数值。负荷预测根据规划目标年限分类，可分为长期预测(指未来10年到20年的负荷预测)、中期预测(指未来5到10年的负荷预测)和近期预测(指5年内的预测)。负荷预测工作是根据电力负荷的发展规律，预计或判断其未来发展趋势和状况的活动。这项活动基于以下的基本原理：(1)可知性原理作为预测的对象，负荷的发展规律、未来的发展趋势和状况是可以为人们所知道的。人们不但可以认识它的过去和现在，而且可以通过总结它的过去和现在而推测其未来。(2)可能性原理事物的发展变化是内因和外因共同作用下的结果。内因的变化及外因作用力大小不同，会使事物的发展变化有多种可能性。所以对某一具体指标的预测往往是按照其发展变化的多样性，进行多方案预测。(3)连续性原理又称惯性原理，是指预测对象的发展是一个连续的过程。其未来发展是这个过程的连续。它强调了预测对象总是从过去发展到现在，再从现在发展到将来。它认为事物发展变化过程中会将某些原有的特征保存下来，延续下去，电力系统的发展变化同样存在惯性，这种惯性是我们进行负荷预测的主要依据。(4)相似性原理在很多情况下，作为预测对象的一个事物，其现在发展过程和发展状况可能与过去另一事物过去一定阶段的发展过程和发展状况相类似，人们可以根据后一事物的已知发展过程和状况，来预测所预测对象的未来发展过程和状况，这就是相似性原理。目前，预测技术中使用的类推法和历史类比法就是基于这个原理的预测方法。(5)反馈性原理反馈就是利用输出返回输入端，再调节输出结果。预测的反馈性原理实际上是为了不断提高预测的准确性而进行的反馈调节。当预测结果和经过一段实践得到的实际值存在差距，可利用这个差距对预测模型进行调节，提高预测的准确性。反馈性预测的实质就将预测的理论值和实际要求相结合，在实践中检验，然后进行修改、调整，使预测质量进一步提高。(6)系统性原理这个原理认为预测对象是一个完整的系统，它本身有内在的系统，它与外界的联系又形成了它的外界系统。这些系统总和构成一个完整的总系统，预测对象的未来发展是系统整体的动态发展，也是整个系统的动态发展和它的各个组成部分和影响因素之间相互作用和相互影响密切相关的。系统性原理还强调系统整体最佳，只有系统整体最佳的预测，才是高质量的预测，才能为决策者提供最佳的预测方案。3.目前常用的中长期电力负荷预测方法及分析在目前的中长期电力负荷预测工作中，比较常用和普遍的有如下几种方法：(1)分产业产值单耗法单耗法即单位产品耗电法，是通过某一单位产品的平均单位产品用电量以及该产品的产量，得到生产这种总产品的总用电量，单耗法需要做大量细致的调查统计工作，但在实际工作中很难对所有产品较准确地求出其单耗，而且工作量太大。(2)电力弹性系数法电力弹性系数是电量平均增长率与国内生产总值之间的比值，该方法旨在分析电力弹性系数有单位国内生产总值电耗之间的关系，根据国内生产总值增长速度结合电力弹性系数得到规划期末的总用电量，同单耗法一样，电力弹性系数法需要做大量细致的统计工作。(3)分区负荷密度法负荷密度预测法是从地区土地面积(或建筑面积)的平均耗电量出发作预测，预测时，先预测出未来某时期的土地面积(或建筑面积)和单位面积用电密度，再乘以面积得到用电量预测值，分区负荷预测法首先根据近年来的发展情况、经济发展目标以及电力规划目标将待预测区域划分成多个功能区，然后
各种建筑综合用电指标估算表
各种建筑综合用电指标估算表（W/m2）
注：1、除S、U类按用地面积计，其余均按建筑面积计，且计入了空调用电。无空调用电可扣减40%- 50%. 2、计算负荷时，应分类计入需用系数和计入总同期系数。 3、住宅也可按户计算，普通3?4kW/户、中级5?6kW/户、高级和别墅7?10kW/户。 电梯能耗预测模型（参见GB10058-2009附录） 这是一个简单的模型，但对于较为复杂的情况或有专用模型的情况不适用, 能耗。其结果可以用于整个建筑物的能量评估。 E elevator = （K1 XK2 XK3 XH X F XP）/（V X3600）+ E standby 式中： E elevator --- 电梯在一天内使用的能量，kWh/天； 驱动系统系数，K1 = 1.6 （交流驱动系统）可以用来预测电梯运行时的 K1
K1 = 1.0 （ WVF 驱动系统） K1 = 0.6 （带能量反馈的 VVVF驱动系统）; K2 ------------ 平均运行距离系数，2层 K2 = 1.0 , 单梯或两台且超过2层K2 = 0.5 , 3台及以上 K2 = 0.3 ; K3 ------------ 轿内平均载荷系数，K3 = 0.35 ; H ------- 最大运行距离，m ; F ------- 天启动次数，一般在300到1000之间； P ------- 电梯的额定功率， P = P1 XP0 , kW; P1 ――与平衡系数相关的系数， 平衡系数50 %时P1 = 1.0 平衡系数40 %时P1 = 0.8 平衡系数30 %时P1 = 0.6 P0 = （0.5x 额定载重量 x 额定速度 x gn）/（1000xnsxngxnm）此处：ns ---- 悬挂效率，默认值 ns = 0.85 ; ng ---- 传动效率，蜗轮蜗杆 ng = 0.75 ; 无齿轮ng = 1.0 ; nm —电动机效率，默认值对于AC nm = 0.75 对于 VVVF nm = 0.85 ; gn ---- 9.81 m/s2 V ------- 电梯的速度，m/s ;
短期电量预测的应用实例
短期电量预测的应用实例 摘要：本文根据电力负荷预测的原理，用excel表格为分析工具，对单台变压器的短期电量预测进行了新的尝试。 关键词：负荷预测短期负荷预测电量预测人工智能网络0.引言 电力负荷预测是根据电力负荷、经济、社会、气象等的历史数据，当前及未来天气信息，预测未来电力负荷的过程。负荷预测是电力系统运行管理的关键组成部分。电力负荷及用电量因天气、社会活动的变化，具有很大的波动性和季节性；对电力负荷作出正确的预测，是电力系统制订扩容、运行、检修等计划的基础。为了电力系统运行的有效性和运行效率，我们需要准确地预测系统负荷；如果系统负荷预测过高，系统发电容量偏大导致运行成本过高；相反，如果系统负荷预测偏低，将会影响到系统的可靠性和安全性。 1.负荷预测的主要分类： 1.1按照预测指标分类: 电力负荷预测可分为电量预测和电力预测。电量预测包括社会用电量、网供电量、行业电量、区域电量等，电力预测包括最大负荷、最小负荷、负荷率、负荷曲线等。 1.2 按照预测时间的长短分类，负荷预测可分为以下三类： 1.2.1长期负荷预测：3～5年甚至更长时间段内的负荷预测，用于电力公司规划管理； 1.2.2中期负荷预测：月至年的负荷预测，用于燃料供应和机组维
护的计划，功率共享协调； 1.2.3短期负荷预测：指日负荷预测和周负荷预测，用于经济运行计划，机组发电系统管理，安全分析，短期维护等； 1.2.4超短期负荷预测：是指未来1h以内的负荷预测，用于预防性控制和紧急处理。 2.短期负荷预测的常用方法： 随着科学方法的创新和计算机技术发展营造的实时环境及电力营销机制的发展，二十世纪九十年代中期以来，短期负荷预测在电力文献中是很常见的。尽管许多方法经过了测试并证明了实用性，目前还没有一种通用方法，主要是因为特定情况下的环境和负荷需求对适用模型的选择有着重大影响。 2.1时间序列分析法： 时间序列分析模型由美国学者george box和英国统计学家gwilym jenkins在1968年提出，被认为是最经典、最系统的预测方法，是短期负荷预测的常用方法。 2.1.1自回归——移动平均模型（arma，autoregressive moving average）： 自回归模型（ar，autoregressive）负荷的现在值是用过去值加权值的有限线性组合及一个干扰量来表示的；移动平均模型假设干扰的影响只表现在有限的几个连续时间间隔内，自回归——移动平均模型既包含了自回归部分，又包含了移动平均部分。 2.1.2累积式自回归——移动平均模型（arima，autoregressive
各类民用建筑的用电容量
厦门市各类民用建筑 用电量及变压器容量的估算指标 调 研 报 告
厦门市工程咨询中心2009年10月13日
目录 前言： (1) 一、各类民用建筑的用电指标研究 (1) 二、负荷计算说明及变配电设备的配置原则 (5)
前言： 在近几年的财政投资项目概（概）算评审过程中，经常碰到因永久用电的不确定导致的超估算、超概算现象，分析其中原因主要有以下两点： 1、前期方案设计和初步设计中该部分内容深度不够或者没考虑这部分内容。有的宁大勿小，增加投资，造成目前多数用户的变压器负荷率过低的现象。 2、前期的方案设计没有跟供电部门协调，实际进线方案的变更导致投资变化。 跟该部分投资有关的内容主要是变配电的容量和进线方案。为了更好地开展政府投资项目的评审工作，我们对变配电的容量指标进行了调查研究，形成一个可行的估算指标，供我们内部评审时参考。 一、各类民用建筑的用电指标研究 民用建筑的用电指标，尤其是负荷计算中需要系数的大小，一直是一个意见很不一致、没有完全解决好的问题。主要是因为民用建筑的情况非常繁杂，诸如不同的地区、不同的单位、不同的设备、不同的使用情况、不同的工程规模、不同的建设投资标准等等，使每平方米建筑面积的用电量有较大的差异，很难给出一个大家均可使用的标准。有的工程设计者，往往宁大勿小，使已建成的许多工程的变压器容量选择偏大，多数在很低的负荷率下运行。1984年在建设部设计局的支持下，由建设部建筑设计院，北京市建筑设计院、华东建筑设计院、中国建筑西北设计院、中国建筑西南设计院等单位组成的民用建筑用电负荷调查组，在北京、上海、西安等地对各类宾馆饭店进行了大量的调查研究和蹲点实测，发现有很大的分散性，历时一年多也只获得了阶段性成果。由于国
电力市场电量分析及预测研究
电力市场电量分析及预测研究 近些年，供电企业根据居民用电量数据的统计中发现，每年的用电量呈递增趋势，随着供电需求量不断增加，供电企业也迎来巨大的挑战，为了保证居民的正常用电，促进供电企业的发展，必须做好电力市场电量的分析和预测工作，这样才能为供电企业的发展做出正确的决策。 标签：电力市场；电量分析；电量预测 前言 在电力不断改革之下，电力能源的使用也向着市场化的方向发展，在电力市场中对电力能源使用的分析与预测也成为当今供电企业的重点工作，而且是直接与供电企业业扩报装工程项目开展有着直接的联系，通过对未来用电量的合理预测，一旦发现用电量达不到供电的需求，及时采取业扩项目，对保证供电企业供电可靠性有着重要的作用。对此，文章主要从电力市场电量分析及预测进行分析。 1 电力市场电量分析预测的重要性 随着社会经济的不断发展，人们在日常生活、生产以及工作中的用电量也在不断的增加，电力市场也在不断的壮大，但是，在这种好的发展趋势下，供电企业也应对自身的发展进行定位[1]。供电企业通过电量的分析和预测来了解社会用电的需求，主要是应用对历史数据的分析、用电客户用电情况分析等，综合所有因素找到发展规律，在保证社会用电的同时提高企业的发展。如果供电企业缺乏对电力市场电量的分析预测，或是分析数据过程中出现差错等，都会造成供电企业在做发展决策时受到影响，因此说，电量的分析预测是肩负着供电企业可靠发展的关键所在，对电力企业实施项目投资、生产经营管理等有着重大的意义。 2 电量分析预测的基本原则 供电企业在对电力市场的用电量进行分析和预测的过程中，应遵循着制度化原则、科学化原则等进行分析，这样才能提高电量分析的可靠性、准确性，才能准确的对未来用电量的情况做出可靠的预测[2]。（1）基础原则是电量分析预测的最基本原则，供电企业在发展中做出的重要决策都需要一些可靠的数据作为参考，而这些数据则是在电量预测过程中得到的，保证电量预测基础数据的准确性、可靠性。（2）制度化原则，顾名思义是要制定电量分析预测的制度，在对电力市场电量进行分析预测的过程中，为了保证分析数据的可靠性，制定合理的制度，要深入用电地区进行实际调查，同时要掌握各行各业的用电情况，并针对用电量采取制度的划分原则，必须要求工作人员严格按照规章制度来进行电量的预测分析，这样才能进一步保证电量分析预测的可靠性。（3）科学化原则，电量预测分析工作具有较强的科学性，不仅要对历史用电量的情况进行分析，同时还要从社会发展、经济需求、电力供求等多方面进行考虑，这样才能确定电量的走势，才能根据电力市场电量走势的情况，来推算供电企业未来的发展道路。
电力负荷预测
第一章电力负荷、预测简述 第一节负荷预测概念和原理 一、负荷预测概念 负荷可指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率。也可以说，负荷是指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用户来说，用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗的功率之和。 1．负荷按物理性能划分 负荷按物理性能分为有功负荷和无功负荷。 （1）有功负荷：是把电能转换为其它能量，并在用电设备中真实消耗掉的能量，计算单位为kW（千瓦）。 （2）无功负荷：在电能输送和转换过程中，需建立磁场（变压器、电动机等）而消耗的功率。仅完成 k。 电磁能量的相互转换，并不做功，在这个意义上称为“无功”，计算单位是var 2．负荷按电能的划分 负荷按电能的产、供、销生产过程分为发电负荷、供电负荷和用电负荷。 （1）发电负荷：指某一时刻电网或发电厂的实际发电出力的总和，计算单位为kW。 （2）供电负荷：指供电地区内各发电厂发电负荷之和，减去发电及供热的厂用电负荷，加上从供电地区外输入的负荷，再减去向供电地区外输出的负荷，计算单位为kW。 （3）用电负荷：指地区供电负荷减去线路和变压器中的损耗后的负荷，计算单位为kW。 3．负荷按时间的划分负荷按时间分为年、月、日、时、分负荷。 4．售电量及用电量 （1）售电量：是指电力企业售给用户（包括趸售户）的电量及供给本企业非电力生产（如修配厂用电）、基本建设、大修理和非生产部门（如食堂、宿舍）等所使用的电量。 （2）用电量：是指电网（或电力企业）的售电量与自备电厂自发、自用电和其售给附近用户的电量之和。 5．电量的划分 电量可分为有功电量和无功电量。 （1）有功电量：是指有功负荷与时间的乘积。有功电量可由电能表读出，也可由有功负荷的平均值乘以时间得出，有功电量的计算单位是kW h?。 （2）无功电量：是指无功负荷与时间的乘积。无功电量可由无功电能表读出，也可由无功负荷的平均 k h?。 值乘以时间得出，无功电量的计算单位是var 6．负荷预测 在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值，称为负荷预测。 二、影响负荷预测作用大小的因素 负荷预测作用的大小，要看由于使用了预测结果所产生的收益，是否超出了所支出的费用，以及超出多少。影响预测作用大小的因素是多方面的，主要有以下几项。
各种建筑综合用电指标估算表
各种建筑综合用电指标估算表
————————————————————————————————作者：————————————————————————————————日期:
各种建筑综合用电指标估算表（ W/ｍ2) 用地分类建筑分类 用电指标需用 系数备注 低中高 居住用地 Ｒ一类:高级住宅、别 墅 607080 0.3５～0.5 装设全空调、电热、电灶等 家电,家庭全电气化二类:中级住宅506070 客厅、卧室均装空调，家电 较多，家庭基本电气化三类:普通住宅304050 部分房间有空调,有主要家 电的一般家庭 公共设施 用地 C 行政、办公506５800.７～０.8 党政、企事业机关办公楼和 一般写字楼 商业、金融、 服务业 60~７０８0~１00 １2０~1５ 0．8～0.９ 商业、金融业、服务业、旅 馆业、高级市场、高级写字 楼 文化、娱乐50７０１0０0.7～0．８ 新闻、出版、文艺、影剧院、 广播、电视楼、书展、娱乐 设施等体育３0５０8０0.6～0.7体育场、馆和体育训练基地医疗卫生506５8００.5~0.6５ 医疗、卫生、保健、康复中 心、急救中心、防疫站等科教4５６５800.8～０.9 高校、中专、技校、科研机 构、科技园、勘测设计机构文物古迹2０３0４０0.6~0.７ 其他公共建筑１0２0300．６～0.7 宗教活动场所和社会福利院 等 用地分 类建筑分类 用电指标需用 系数 备注 低中高 工业用地Ｍ一类工业304０5００.3~0.4 无干扰、无污染的 高科技工业如电 子、制衣和工艺制 品等 二类工业４０5０６00．３～0.45 有一定干扰和污染 的工业如食品、医 药、纺织及标准厂 房等
某地城市居民生活用电量的预测
摘要 近些年来，随着人民生活水平的不断提高，消费观念的转变，城市居民生活用电量增涨迅速。居民生活用电量在社会总电量中的比重逐年上升，因此分析城市居民生活用电量的增长规律和趋势，作为城市居民生活用电量的预测工作，对提高经济和社会效益，推动中国经济稳定高速发展有着重要的作用。因此，借此机会，运用预测与决策的知识对城市居民生活用电量进行研究分析。通过对安徽省淮南市1994年至2009年的数据应用SPSS建立二元回归模型，进行模型分析并对安徽省淮南市2010年的居民用电做出预测。 关键字：城市居民生活用电预测
1前言 电力是一种洁净、高效、安全、优质的能源。电力渗透到国民经济所有领域，与人民生活、经济社会发展息息相关。电力消费量是衡量一个国家现代化程度和人民生活水平的一个重要的指标。近些年，随着改革开放的不断深入，淮南市经济发展迅速、居民收入增加、人民生活水平不断提高，再加上人口快速增长，在全社会用电总量逐年上升的同时，城市居民生活用电也大幅度上升。城市居民生活用电水平是衡量城市生活现代化程度的重要指标之一，人均居民生活用电量水平的高低，主要受城市的地理位置、人口规模、经济发展水平、居民收入、居民家庭生活消费结构及家用电器的拥有量、气候条件、生活习惯、居民生活用电量占城市总用电量的比重、电能供应政策及电源条件等诸多因素的制约。调查资料表明，改革开放以来，随着城市经济的迅速发展，我国普通居民家庭经济收入得到提高，生活消费结构发生了改变，使得居民家庭生活用电量也出现了迅速增加的趋势。 随着中国经济的高速发展，城市居民对电力的需求也在不断增加。从2005年起电力需求飞速增长，引起全国电力供应紧张。在电力供应紧张的背后充分说明了对电力市场的预测出现了偏差，这对中国很多地区的经济和社会全面发展带来了负面影响。对中国城市未来电力需求进行了预测分析，保持电网运行的安全可靠，推动中国经济稳定高速发展有着重要的作用。 2 SPSS 回归分析的模型建立 2.1变量的选择 变量的选择在回归分析模型的建立过程是一个非常重要的问题。而居民生活用电量受诸多因素的影响，如家庭收入、价格、替代能源、家用电器拥有量、家庭人口数、居住面积、生活习惯、气候等因素对电量的影响。变量的选择应从全面性、重点性、可量化性及可控制性的原则出发。因此，回归模型中应保留对因变量影响最显著的变异，即变量的个数和质量要求是少而精。 本文选择了某地城镇居民人均收入X 1（元）和城镇居民人均居住面积X 2（平方米）这两个因素作为自变量建立回归分析模型，建立模型的数据如表2-1所示。
电力负荷预测方法浅析
电力负荷预测方法浅析 发表时间：2017-11-01T12:06:24.003Z 来源：《电力设备》2017年第16期作者：李俊辉 [导读] 摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。 （广东电网有限责任公司东莞供电局计划发展部广东东莞 523122） 摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。 关键词：负荷预测；建立；模型；构成 1 电力负荷预测综述 负荷预测的前提是充分考虑关键系统参数、自然环境、社会政策和增容决策等条件，探索出一套能够科学处理过往数据、有效预测未来数据的数学算法，并保证预测结果只在小范围内波动，确定某些特殊时刻的负荷值。根据预测期限，负荷预测分为超短期预测、短期预测、中期预测和长期预测。 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负荷预测和周负荷预测，分别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电力负荷的需要，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电力负荷预测方法综述 传统的电力负荷测试的方法有很多，应用起来比较复杂，相关的技术人员应该根据实际的需要，结合该技术的局限性和优质特性进行综合的考量，最终选择合适的方法，下面对各种常用的方法，进行简单的阐述。 3.1电力弹性预测法 电力弹性系数是电量平均增长率与国内生产总值之间的比值。电力弹性系数法的优点是能较好地把握电力负荷增长的趋势及范围，但是由于近年来产业结构的调整，使得弹性系数意义在淡化，相关的数据出现较大的波动现象，所以该种方法更适合于中长期负荷预测，短期的符合预测数据部可靠。 3.2灰色预测法 该种预测方法是上个世纪我国的首创测试法。自从研发以来，取得了良好的实践应用效果。灰色系统把一切随机过程看作是在一定范围内变化的、与时间有关的灰色过程。灰色预测技术的优点是要求数据少，不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验等。缺点是当数据的离散程度越大，预测精度越差，不适合电力系统的长期若干年的预测。 3.3模糊预测法 该方法基于模糊理论，先行分析过往的工作经验、历史数据，以一种规则的形式呈现出来，并抽象出可在计算机上运行的机读代码，进而展开各种计算工作。模糊预测法能够很明确地描述专家意图，对电力系统中不规则现象进行描述，很适用于中长期电力负荷预测；但模糊预测法学习能力差，极易受到人工干扰。模糊理论应用于电力负荷预测时，有三种常见数学模型，即：指数平滑过渡法、线性回归法、聚类预测法，三种数学模型各有千秋，它们的预测精度都很高，相比传统算法测量误差也小得多。有研究表明，基于最佳聚类F选优法的改进型模糊聚类电力负荷预测算法，在计算年度用电量时，预测结果很准确。有部门基于该算法对增城地区2005年和2010年的年度用电量进行预测，结果与实际测量相差不大。神经网络与模糊逻辑算法组合使用，相比单一神经网络算法，充分利用了神经网络强大的学习功能，又洗去了模糊逻辑主观经验方面的劣势，考虑了温度变化和节假期对系统负荷的影响，能够提高负荷预测结果准确度，特别是对周末和节假期负荷预测很有效。也有学者通过RBF试图寻找负荷变化的一般规律，结合模糊理论计算负荷尖峰值和低估值，一定程度上解决了负荷影响因素不明确的问题。该方法充分利用了神经网络和模糊推理理论在处理不确定参数方面的独到之处，很好地改善了预测精度。 3.4数据挖掘 顾名思义，数据挖掘就是从浩如烟海的数据中挖掘出隐含信息，并尽力将其表述为直观易懂的形式。在处理大数据、剔除冗余信息方面优势很大。决策树、神经网络、关联规则、聚类分析、统计学模糊集、粗糙集在各领域的数据挖掘工作中得到了重要应用。有人根据数据挖掘过程中时间序列的相似性原理，研究电力负荷预测方法，获得了很好的应用效果。基于最优区间划分和单调递减阈值函数聚类法，结合KOHONEN网绘制负荷变化曲线，修正死区数据。也有学者利用数据挖掘技术的结果作为向量机训练样本，减少了数据处理规模，提高了预测速度和运算精度。 3.5 电网负荷预测新技术 趋势外推预测技术。电力的使用情况具有随机性和不确定性的特点，但电力负荷也有着明显的变化。根据不同行业用电量负荷的发展规律，制定相应的策略，结合趋势外推的预测技术对电网负荷进行预测，可以得到比较好的效果。趋势外推预测技术是根据现有的信息进行归纳总结，从事物的共性方面进行探讨和延伸，来得到预测的结果。趋势外推预测方法包括有线性趋势预测、二次曲线趋势预测、多项式趋势预测、累计趋势预测、对数趋势预测等。使用趋势外推方法进行预测处理，只需要运用历史数据就可以，不需要专业的方法，操作方便简捷，易于实现。然而如果电网负荷在变动的情况下使用外推技术进行预测，会出现较大的误差，对电网负荷预测的准确性带来影
施工现场临时用电计算(方式)
施工现场临时用电计算 一、计算用电总量 方法一： P=1.05～1.10（k1∑P1/Cosφ+k2∑P2+ k3∑P3+ k4∑P4）公式中：P——供电设备总需要容量（K V A）（相当于有功功率Pjs） P1——电动机额定功率（KW） P2——电焊机额定功率（KW） P3——室内照明容量（KW） P4——室外照明容量（KW） Cosφ——电动机平均功率因数（最高为0.75～0.78，一般为0.65～0.75） 方法二： ①各用电设备组的计算负荷： 有功功率：P js1＝Kx×ΣPe 无功功率：Q js1＝P js1×tgφ 视在功率：S js1＝(P2 js1 + Q2 js1)1/2 ＝P js1/COSφ
＝Kx×ΣPe /COSφ 公式中：Pjs1--用电设备组的有功计算负荷（kw） Qjs1--用电设备组的无功计算负荷（kvar） Sjs1--用电设备组的视在计算负荷（kVA） Kx--用电设备组的需要系数 Pe--换算到Jc（铭牌暂载率）时的设备容量 ②总的负荷计算： P js＝Kx×ΣP js1 Q js＝P js×tgφ S js＝(P2 js + Q2 js)1/2 公式中：Pjs--各用电设备组的有功计算负荷的总和（kw） Qjs--各用电设备组的无功计算负荷的总和（kvar） Sjs--各用电设备组的视在计算负荷的总和（KVA） Kx--用电设备组的最大负荷不会同时出现的需要系数 二、选择变压器 方法一： W=K×P/COSφ 公式中：W——变压器的容量（KW） P——变压器服务范围内的总用电量（KW） K——功率损失系数，取1.05~1.1 Cosφ——功率因数，一般为0.75 根据计算所得容量，从变压器产品目录中选择。 方法二： Sn≥Sjs（一般为1.15~1.25Sjs）公式中：Sn --变压器容量（KW） Sjs--各用电设备组的视在计算负荷的总和（KVA）
用电量需求与GDP协调发展预测分析
用电量需求与GDP协调发展预测分析 【摘要】用电量数据是一个均质的实物量，其统计的准确性和可信度高，用电量的科学预测对行业管理部门合理规划、制定各项工作有着重要意义，可以用来衡量一个地区一定时期内的经济社会发展状况。广安市近年来各项经济指标得到较大提升，本文结合广安发展实际，通过建立GM（1，1）预测模型，对广安市全社会用电量和GDP走势进行科学预测，分析了未来三年全市经济社会发展趋势，预测结果接近真实值，能为实际的经济数据预测工作提供有力参考。 【关键词】用电量国内生产总值GM（1，1）模型预测 一、预测背景 1、用电量需求和GDP预测的意义 众所周知，电力行业作为国民经济发展的重要基础产业，为国民经济中各个行业的发展提供能源供给和动力支持。电力需求取决于国民经济的发展，电力需求的发展变化与经济发展情况密切相关，两者之间存在一定的正相关性，电力发展与经济发展必须相协调。随着我国市场经济的不断完善和供电紧张局面的改善，电力需求会越来越依赖国民经济的相关变量如GDP、市场价格等。因此，用电量、GDP的分析和预测研究对电力部门以及相关经济部门的工作具有极其重要的意义。 电力需求预测是电网规划设计与建设的基础，其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。同时，准确预测电力需求将有利于电力企业合理安排生产计划，提高经济效益，有助于协调供电与社会需求之间的平衡关系。为了实现广安“十二五”规划纲要提出的经济社会发展目标，以“发展经济，电力先行”为指导原则，以GDP增长速度为依据，准确把握电力与经济之间的关系，进行合理的经济分析，对提高电力需求和GDP增长预测的精度具有重要作用。 2、预测模型与数据 本文研究指标为全社会用电量、国内生产总值（以下简称GDP）。全社会用电量是反映电力需求的一个重要指标，它是指第一、二、三产业等所有用电领域的电能消耗总量，包括工业用电、农业用电、商业用电、居民用电、公共设施用电以及其他用电等。GDP，是国民经济核算的核心指标，也是衡量一个国家或地区经济状况和发展水平的重要指标，它是指在一定时期内一个国家或地区的经济中所生产出的全部最终产品和劳务的价值。随着广安经济社会的快速发展，全社会用电需求量、GDP均在逐年增加，在一定时期内将呈现出一定的增长趋势。 本文所用数据以广安市2003—2011年的用电量、GDP数据为标本。数据的选取主要考虑研究对象的特点以及样本数据的可信度。数据来源于广安市统计年
中长期电力负荷预测
中长期电力负荷预测 随着我国电力行业的飞速发展，电力负荷预测技术已成为电力系统的一个重要研究领域。中长期电力负荷预测的结果在一定程度上决定未来规划期内电力系统的发展方向，因此，高精度的预测技术对电力系统的发展有着重要意义。 摘要介绍了等维灰度递补GM(1，1)的建模原理，采用山东省2000-2007年的用电需求负荷建立等维灰度递补GM(1，1)预测模型，预测山东省2008年和2009年的用电负荷，与实际用电负荷进行对比，验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。 关键词灰色预测,电力负荷GM(1，1),等维灰度递补 目前使用的电力负荷预测技术有趋势外推、回归模型、灰色等。其中，灰色预测技术以其较小的样本量，较高的预测精度被广泛应用于短、中、长期的电力负荷预测中。模型的局限性是当数据离散程度越大，即数据灰度越大时预测精度越差;且不适合预测长期后推若干年的预测。本文将GM(1，1)模型和等维灰度递补方法改进的GM(1，1)模型分别用于电力负荷预测，对比结果后发现改进的灰色GM(1，1)模型能提高中长期电力负荷预测的精度。 1 GM(1，1)建模 由于电力负荷系统存在很多不确定因素影响负荷的变化(即灰色系统)，使得负荷变化表现的似乎无规律，灰色理论将看似无规律的历史数据经累加生成后与原来数值相比具有明显的指数增长规律，而微分方
程解的形式为指数增长，利用微分方程拟合生成后呈指数增长规律的数据列，进而进行负荷预测，最后经累减还原生成实际负荷预测值。GM(1，1)模型具体的建模过程如下。 记往年的用电负荷原始数据为：，一次累加生成数列(1-AGO)为：，其中，(k=1，2，，n)。由于序列具有指数增长 规律，所以，一般认为序列满足以指数增长形式为通解的一阶线性微分方程：。 由于采集得到的负荷数据是各个时点的离散数据，而指数方程应为连续型。一般将离散形式的微分项用表示，取k和k+1时刻负荷的平均值，即：。 经变化和写为矩阵形式求解得到： (1) 一次累减还原(1-IAGO)得离散形式为： (2) 公式(1)、(2)即为GM(1，1)模型的时间响应函数模型。其中，当k=0，1，，n-1时，是原始数据序列的拟合值，当k=n时，是原始数据序列的预测值。由于灰色CM(1，1)模型中用到的一阶微分方程的解是指数形式，所以GM(1，1)模型适用于具有较强指数规律的负荷预测，其要求数据必须是等距、相邻、无跳跃性的，且以最新的数据为参考点，最早的数据可有可无，但最新的数据必须加如，由此使得灰色GM(1，1)模型的应用受到限制。 2 等维灰度递补GM(1，1)模型 等维灰度递补GM(1，1)模型的本质是将每一个新得到的预测数据
用电量需求模型分析
用电量需求模型分析 摘要：主成分回归法是采用多元统计中的主成分分析方法，是对高维变量系统进行最佳综合与简化，同时也客观地确定各个指标的权重，避免主观随意性，将多元问题综合成几个单一指标形式，是一种较好的建模方法。运用主成分分析法，提取影响用电需求的主要变量，建立用电量需求预测模型,并进行了实证运用。 关键词：主成分回归法；用电量；预测模型 Abstract: Using the principal component analysis method of multivariate statistic analysis, the Principal Component Regression (PCR) method optimally summarizes and simplifies the multivariable system, and objectively determines the weight of every index, avoiding subjectivity. The PCR method, which is good for modeling, was used to select the main variables affecting power demand, and to establish models for power demand forecasting. The application of the models is also introduced. Key words: Principal Component Regression (PCR) method; power consuming amount; forecasting model.
电力系统中长期负荷预测方法的研究
电力系统中长期负荷预测方法的研究与程序设计 摘要：本文在探讨了电力系统负荷的组成、特点，并分析比较了常用的预测方法优缺点的基础之上，采用了灰色预测法与回归法相结合的方法建立了中长期负荷预测模型，把负荷预测工作分为两部分:即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。充分利用了灰色预测的要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点以及回归法能够考虑到负荷所受的多种因素，模型参数估计技术比较成熟，预测过程简单。 关键词：中长期负荷预测 灰色预测 回归法 1.引言 负荷预测是指在充分考虑一些重要的系统运行特性，增容政策，自然条件和社会影响的条件下，研究或利用一套能系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定某特定时刻的负荷值。负荷预测是一种被动型预测，受到不确定因素影响较大。电力系统中长期负荷预测指未来5年以上负荷的预测 [1]。 2.电力系统中长期负荷预测的基本方法 2.1回归分析法 回归分析法就是通过对观察数据的统计分析和处理，寻找负荷与影响因素之间的因果关系，建立回归模型进行预测的方法。其特点是：将影响预测对象的因素分解，在考察各个因素的变动中，估计预测对象未来的数量状态。 2.1.1 线性回归分析法 如果预测对象只有一个，并且与相关因素之间呈线性关系，那么可采用单 变量线性回归分析法，一般即称为线性回归分析法[2]。 线性回归分析法假定负荷Y 与多个独立相关因素j X （j=1,2,…,k ）之间存在线性关系，若有n 个实际观测值（样本数据），因变量Y 的每一个观察值与其相应的诸独立变量j X （j=1,2,…,k ）的线性关系可表达为： 01122i i i k ki i Y b b X b X b X e =+++++ i =1，2，…，n （2.1） 式中，0b 和j b （j=1,2,…,k ）分别为回归常数和回归系数，i e 为回归余项，也称为残差项，这里假定回归余项线性独立，且服从正态分布。 实际预测时，残差项i e 是无法预测的，因而预测是通过（2.1）式中的主体部分完成的，即： ^ i Y =0b +1122i i k ki b X b X b X +++ (2.2)