重庆地区电力负荷特性及其影响因素分析

doi:10.11930/j.issn.1004-9649.2014.12.61.4

中国电力 ›› 2014, Vol. 47 ›› Issue (12): 61-65.DOI: 10.11930/j.issn.1004-9649.2014.12.61.4

重庆地区电力负荷特性及其影响因素分析

雷绍兰¹, 古亮¹, 杨佳¹, 刘欣宇²

1. 重庆理工大学电子信息学院,重庆 400054;
2. 重庆市电力公司,重庆 400014

收稿日期:2014-09-13 出版日期:2014-12-18 发布日期:2015-12-08
作者简介:雷绍兰（1971—）,女,四川广安人,博士,副教授,从事电力系统短期负荷预测技术和电力系统运行与控制等研究。E-mail: leishaolan@cqut.edu.cn
基金资助:
国家青年科学基金资助项目（51107155）

Analysis of Electric Power Load Characteristics and Its Influencing Factors in Chongqing Region

LEI Shao-lan¹, GU Liang¹, YANG Jia¹, LIU Xin-yu²

1. School of Electronic Information and Automation, Chongqing University of Technology, Chongqing 400054, China;
2. Chongqing Electric Power Corp., Chongqing 400014, China

Received:2014-09-13 Online:2014-12-18 Published:2015-12-08
Supported by:
This work is supported by National Science Fund for Distinguished Young Scholars (51107155)

摘要/Abstract

摘要： 研究电力负荷变化特性和规律对提高短期负荷预测精度具有重要意义。根据重庆地区近年来收集的历史负荷数据和气象数据等相关信息,分析了年最大和最小负荷及典型日负荷曲线的变化规律,研究了该地区的负荷特性与主要影响因素之间的相互关系,并针对重庆地域特点,分析了各主要影响因素对该地区负荷的影响程度和主要影响时段。研究结果表明,目前温度、降雨量和节假日对重庆地区电力负荷的影响较大,可为研究重庆地区电力短期负荷预测方法和分析未来智能电网的负荷特性提供理论依据。

关键词: 电力负荷, 气象因子, 相关性, 影响因素, 负荷特性

Abstract: It is very important to study the load variation characteristics for improving the short-term load forecasting accuracy. The variation characteristics of the annual maximum load, annual minimum load and typical daily load is analyzed in this paper based on the recent historical load data and meteorological data of Chongqing region. Besides, the interrelationship between the load characteristics and the major influencing factors is studied, and the influencing extent of the major factors on the region’s load and the main influencing time period are analyzed according to Chongqing’s geographic characteristics. The results show that the temperature, rainfall, holidays and festivals have a significant influence on the Chongqing region’s power load at present, which can provide a theoretical basis for studying the short-term load forecasting method and analyzing the smart grid load characteristics.

Key words: electric power load, meteorological factor, correlation, influencing factor, load characteristics

中图分类号:

TM715

雷绍兰, 古亮, 杨佳, 刘欣宇. 重庆地区电力负荷特性及其影响因素分析[J]. 中国电力, 2014, 47(12): 61-65.

LEI Shao-lan, GU Liang, YANG Jia, LIU Xin-yu. Analysis of Electric Power Load Characteristics and Its Influencing Factors in Chongqing Region[J]. Electric Power, 2014, 47(12): 61-65.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2014.12.61.4

https://www.electricpower.com.cn/CN/Y2014/V47/I12/61

参考文献

[1] 张钦.智能电网下需求响应热点问题探讨[J]. 中国电力,2013,46（6）：85-90.
ZHANG Qin. Exploration of hot issues on demand response in smart grids [J]. Electric Power, 2013, 46(6): 85-90.
[2] 柴熠,罗锐利,孙大帅. 智能电网用户端环境下短期负荷预测方法的研究[J]. 低压电器,2012,17（9）：8-12.
CAI Yi, LUO Rui-li, SUN Da-shuai. Study on short-term load forecast at smart grid user side environment[J]. Low Voltage Apparatus, 2012, 17(9): 8-12.
[3] 唐宝,董征. “十一五”期间南方电网负荷特性分析[J]. 中国电力,2012,45（10）：30-35.
TANG Bao, DONG Zheng. Analysis on load characteristics of china southern power grid in 11th five year plan[J]. Electric Power, 2012, 45(10): 30-35.
[4] 彭远芳,黄晓峰. 基于时差辨识原理分析气象累积效应对电力负荷的影响[J]. 中国电力,2009,42（8）：6-9.
PENG Yuan-fang, HUANG Xiao-feng. Analysis of cumulative effect of weather factors on electric load based on time difference identification [J]. Electric Power, 2009, 42(8): 6-9.
[5] 杜彦巍,林莉,牟道槐,等. 综合气象指数对电力负荷的影响分析[J]. 重庆大学学报：自然科学版,2006,29（12）：56-60.
DU Yan-wei, LIN Li, MU Dao-huai, et al . Analysis of the effect of compositive meteorology index on power load[J]. Journal of Chongqing University (Natural Science Edition), 2006, 29(12):56-60.
[6] 江宇飞,徐瑞林,罗欣,等. 基于多层次气象指标体系的电力负荷特性和负荷预测研究[J]. 电气应用,2011,30（17）：46-50.
JIANG Yu-fei, XU Rui-lin, LUO Xin, et al . Electrical load characteristics and load forecasting based on multilevel meteorology target [J]. Electrotechnical Application, 2011, 30(17): 46-50.
[7] 王启明,方静,王子琦,等. 周、月负荷预测的GS-ANN 综合模型[J]. 中国电力,2009,42（9）：44-48.
WANG Qi-ming, FANG Jing, WANG Zi-qi, et al . GS-ANN based integrated model for weekly and monthly load forecasting[J].Electric Power, 2009, 42(9): 44~48.

[1]	孙庆超, 李嘉靓, 江万里, 王若愚, 李植鹏, 胡亚荣, 朱健斌. 基于数据驱动时空网络的城市中长期电力负荷预测[J]. 中国电力, 2025, 58(3): 168-174.
[2]	陈仕龙, 吴涛, 郭成, 毕贵红, 钱永亮. 基于相关性分析的电网非同步监测数据场景谐波责任划分[J]. 中国电力, 2025, 58(1): 15-25.
[3]	刘抒睿, 李培强, 陈家煜, 郭雅诗. 基于VMD分解下的皮尔逊相关性分析及T-tFD的混合储能容量配置[J]. 中国电力, 2024, 57(7): 82-97.
[4]	吴军英, 路欣, 刘宏, 张彬, 柴守亮, 刘蕴春, 王佳楠. 基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测[J]. 中国电力, 2024, 57(6): 131-140.
[5]	康俊杰, 赵春阳, 周国鹏, 赵良. 基于熵权-德尔菲法的源网荷储多能互补项目布局评估方法[J]. 中国电力, 2024, 57(12): 120-131.
[6]	杨国山, 朱杰, 宋汶秦, 邱一苇, 周步祥. 基于伊藤过程的电制氢合成氨负荷随机最优控制[J]. 中国电力, 2023, 56(7): 66-77.
[7]	李文武, 石强, 李丹, 胡群勇, 唐芸, 梅锦超. 基于VMD和PSO-SVR的短期电力负荷多阶段优化预测[J]. 中国电力, 2022, 55(8): 171-177.
[8]	马宗彪, 许素安, 朱少斌, 王晶. 基于特征加权模糊聚类的电力负荷分类[J]. 中国电力, 2022, 55(6): 25-32.
[9]	刘青, 张莉莉, 李江涛, 张成龙, 谭显东, 张凯, 郭威. “十四五”期间中国电力需求增长趋势研判[J]. 中国电力, 2022, 55(1): 214-219.
[10]	苏晨博, 刘崇茹, 徐诗甜, 岳昊. 利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性[J]. 中国电力, 2021, 54(8): 182-189.
[11]	张林, 刘继春. 基于EEMD-SE和PSO-KELM的短期负荷区间预测方法[J]. 中国电力, 2021, 54(3): 132-140.
[12]	范海虹. 基于萤火虫算法的短期电力负荷预测方法[J]. 中国电力, 2021, 54(3): 141-148.
[13]	靳冰洁, 林勇, 罗澍忻, 韦斌, 周姝灿. 基于负荷特性聚类及Elastic Net分析的短期负荷预测方法[J]. 中国电力, 2020, 53(9): 221-228.
[14]	赵会茹, 赵一航, 郭森. 基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测[J]. 中国电力, 2020, 53(6): 48-55.
[15]	吴晓升, 江岳文. 基于去趋势互相关分析法的光照、温度和风速互相关性分析[J]. 中国电力, 2020, 53(6): 97-106,123.

重庆地区电力负荷特性及其影响因素分析

Analysis of Electric Power Load Characteristics and Its Influencing Factors in Chongqing Region

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

重庆地区电力负荷特性及其影响因素分析

Analysis of Electric Power Load Characteristics and Its Influencing Factors in Chongqing Region

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics