城市电力规划负荷预测分析.pdf

《城市电力规划负荷预测分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2014年8月建材与装饰规划与设计城市电力规划负荷预测分析许姣（中机中联工程有限公司重庆400039）摘要：城市电力负荷预测的准确性在很大程度上决定了城市电网建设的合理性，进而影响城市经济的发展。本文主要对城市电力规划基础资料的收集以及电力负荷预测方法进行了分析，其后就实际案例做了探讨，为城市电力负荷预测开展提供指导。关键词：城市电力规划；基础资料；负荷预测中图分类号：TM715文献标识码：B文章编号：1673-0038（2014）35-0007-02引言学分析的数学模型，从而预测未来负荷。从数学的角度而言，该当前，随着我国社会经济的快速发展，城

2、市建设规模也在不方法使用的即为数理统计当中的回归分析法，通过对变量观测断地扩大，电网也随之加快了升级改造的步伐。其中，城市电力数据的统计分析，确定变量相互关系，最终实现预测目的。负荷的预测是一个重要的工作环节，其预测的准确与否直接影2.1.4灰色理论法响到城市电网建设质量以及城市的发展。因此，如何科学合理地该方法主要是对一定的幅值范围以及时区内变化的灰色量进行城市电力负荷预测是相关工作者必须要研究的重点问题。进行数据处理，从而找出相比于原始数据而言具有更强的变化规律的数据数列，从而建立一定的数学模型进行电力预测。1城市电力规划基础资料的收集2.1

3、.5指数平滑（线性模型）法对于城市的电力规划而言，其对于待规划城市的供电基础资该方法是一种时间序列分析方法，其拟合值或是预测值都是料的整理具有十分重要的意义，只有做好此工作，才能全面掌握对历史数据进行计算后求出的加权平均值，其中，近期数据的权待规划城市的供电现状，保证负荷预测的准确性。电力规划基础重较大，远期的权重较小，这也就使得对接近当前时间段的数据资料主要包括以下内容：拟合得比较精确。（1）近十年以来的待规划城市的电力需求历史资料的分析。2.1.6相关分析法（单元、多元线性回归模型）（2）近五年以来的待规划城市用电分类统计表，主要可以分该方法

4、的模型方程如下所示：为市政、商业、工业以及民用等。Y=a+bX+着（3）近五年以来的城市供（用）电量的统计表，主要涵盖了五式中：X———相关量；年以来城市每年供、用电量、线路的损耗情况以及最大负荷。Y———预测量；（4）待规划城市的电网电气主结线系统图。a、b———回归系数；（5）待规划城市的电网地理结线图，值得注意的是，应在城市着———随机误差。的现状地形图当中明确地标注上35kV以上变电站位置及其输单元线性回归法主要是依据相关量以及预测量的观测数据，电线路的电压等级和地理走向。将相关量和预测量作为已知数，去求出合理的回归系数a、b的（6）待规

5、划城市的供电部门对于电网发展规划的构思，以及值，求出回归方程。利用回归方程，将a、b作为已知数，依据相关未来一段时间内的负荷预测资料。量未来的变化计算出预测量的值。而多元回归和单元回归的区2电力负荷预测方法别则是在于a、b、x、y均为矩阵，即存在多个相关量。2.1总量负荷预测方法2.2空间电力负荷预测2.1.1比例系数增长法2.2.1功能小区的划分该方法主要是假设城市后期的电力增长率与前期相同，然后按照城市的总体规划，并结合负荷特性把城市划分为诸多个利用历史数据将比例系数求出，在按照该比例预测出未来的电功能小区。通常包括以下几种：纯工业区、纯商贸

6、区、普通居民、力发展。住宅区、高档居民住宅区、工业住区、商住区、仓储区、机关区、学2.1.2弹性系数法校区、娱乐区、绿地、公园等。每种功能小区对应不同的用地性质该方法主要是先求出过去的用电量以及国民生产总值的平划分，为了方便统计负荷，各功能小区可以参考中压配电变压器局增长率Ky、Kx，然后求出电力的弹性系数E=Ky/Kx，按照某种办的供电区域进行划分。法预测出未来m年弹性系数E忆和国民生产总值增长率Kx忆，则可2.2.2负荷密度指标的选择以求出电力需求的增长率Ey忆，最终能够根据比例系数增长预测利用空间负荷预测方法进行负荷预测，要确定每一类负荷的

7、法求得第m年用电量。用电负荷密度参考指标。值得注意的是，应对经过充分发展的同2.1.3回归模型预测法类型负荷的负荷密度情况进行详细的调查，从而确保负荷密度该方法主要是依据过去负荷历史资料，建立一个能够进行数指标可以准确地反应未来发展的情况。·7·规划与设计建材与装饰2014年8月2.2.3需用系数选择表2规划区域负荷密度、需用系数取值需用系数为经验值，现有的相关规范以及设计手册中对于居需用负荷指标需用用地性质用地代号容积率低方案中方案高方案系数住区需用系数的选取为0.35~0.4，对公用场所需用系数的选取为一类工业用地M11.42530350.5

8、0.6~0.8。二类工业用地M21.23035400.53城市电力负荷预测实例分析二类居住用地R222025300.33.1电力负荷预测