西部大开发第二个十年四川省电力需求预测

doi:10.11930/j.issn.1004-9649.2012.9.35.4

中国电力 ›› 2012, Vol. 45 ›› Issue (9): 35-39.DOI: 10.11930/j.issn.1004-9649.2012.9.35.4

西部大开发第二个十年四川省电力需求预测

丁剑¹, 艾明建², 吴安平¹

1. 西南电力设计院,四川成都 610021;
2. 四川省能源局,四川成都 610021

收稿日期:2012-02-16 出版日期:2012-09-18 发布日期:2016-02-29
作者简介:丁剑（1974-）,男,湖北麻城人,硕士,高级工程师,从事电力系统规划设计研究。

Electric Power Demand Forecast for Sichuan Province in the Second Decade of China′s Western Development Program

DING Jian¹, AI Ming-jian², WU An-ping¹

1. Southwest Electric Power Design Institute, Chengdu 610021, China;
2. Sichuan Energy Board, Chengdu 610021, China

Received:2012-02-16 Online:2012-09-18 Published:2016-02-29

摘要/Abstract

摘要： 四川作为西部欠发达省份,面临着加快经济发展速度和提高发展质量的双重任务。随着西部大开发进入第二个10年,预计四川省社会经济发展和需电量仍将保持较快的增长速度。采用相对产值单耗法,对四川“十二五”、“十三五”经济增长速度、产业比重和产值单耗等影响电量需求的主要因素进行分析,对2015、2020年四川省电力需求进行了测算,得出了具有参考价值的结论。

关键词: 负荷预测, 单耗法, 电力弹性系数, 地区生产总值, 产业比重

Abstract: As an underdeveloped province in the west, Sichuan is now confronted with the dual task of speeding up and improving the quality of economic development. Entering the 2nd decade of the China′s Western Development Program, the economic development and power demand of Sichuan province will maintain at a fairly high growth rate. Using the Relative Unit Consumption Method, the paper analyzes the major factors influencing the electrical loads such as the economic growth rate, the proportion of three industries and the energy consumption for unit GDP production. On this basis, Sichuan′s electric demands in 2015 and 2020 are forecasted and valuable conclusions are reached.

Key words: power load forecasting, unit consumption method, electric elasticity coefficient, gross domestic product(GDP), proportion of three industries

中图分类号:

TM715

丁剑, 艾明建, 吴安平. 西部大开发第二个十年四川省电力需求预测[J]. 中国电力, 2012, 45(9): 35-39.

DING Jian, AI Ming-jian, WU An-ping. Electric Power Demand Forecast for Sichuan Province in the Second Decade of China′s Western Development Program[J]. Electric Power, 2012, 45(9): 35-39.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2012.9.35.4

https://www.electricpower.com.cn/CN/Y2012/V45/I9/35

参考文献

[1] 吴安平.产业电力弹性系数的意义及其在负荷预测中的应用[J]. 中国电力,1998,31（12）：41-44．
WU An-ping. The significance of industrial power elasticity factor and its application on load forecast[J]. Electric Power,1998, 31（12）: 41-44．
[2] 吴安平.对我国未来电力需求的理性预测[N]. 中国电力报,2010-02-01（4）.
[3] 国家统计局.中国统计年鉴（2010年）[M]. 北京：中国统计出版社,2011.
[4] 国家统计局能源统计司,国家能源局综合司.中国能源统计年鉴（2010年）[M]. 北京：中国统计出版社,2011.
[5] 四川省统计局,国家统计局四川调查总队.四川统计年鉴（2010年）[M]. 北京：中国统计出版社,2011.
[6] 中共四川省委,四川省人民政府.关于加快水电支柱产业发展的意见[Z]. 川委发（2001）18号,2001-06-07.
[7] 四川省物价局.关于进一步明确四川电网优惠电价措施的补充通知[Z].[川价工（2001）39号],2001.
[8] 姜勇.电力系统中短期负荷预测方法简介[J].东北电力技术,2002(8): 49-52.
JIANG Yong. Brief introduction for medium & short term load forecasting method for power systems[J]. Northeast Electric Power Technology, 2002(8): 49-52.
[9] 康重庆,夏清,张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化,2004,28(17):1-11.
KANG Chong-qing, XIA Qing, ZHANG Bo-ming. Review of power system load forecasting and its development[J]. Automation of Electric Power Systems, 2004,28(17):1-11.
[10] 蔡夏,邢骏.电力系统负荷预测方法综述[J].信息化研究,2010,36(16):5-7,25.
CAI Xia, XING Jun. State of arts of load forecasting in power system[J]. Informatization Research, 2010,36(6):5-7,25.
[11] 中共四川省委.中国共产党四川省第九届委员会第四次全体会议公报[N]. 四川日报,2007-12-30（1）.
[12] 四川省能源局,四川省电力公司,西南电力设计院.四川电力需求研究报告[R]. 成都：西南电力设计院,2010.

[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]	王宇飞, 杜桐, 边伟国, 张钊, 刘慧婷, 杨丽君. 基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测[J]. 中国电力, 2024, 57(6): 121-130.
[3]	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.
[4]	陈中飞, 赵越, 蔡秋娜, 张乔榆, 王泽林, 戴晓娟, 陈雨果. 基于净负荷预测误差统计的电力系统爬坡能力充裕度评估[J]. 中国电力, 2024, 57(5): 50-60.
[5]	刘航, 申皓, 杨勇, 纪陵, 余洋. 基于高阶马尔可夫链的纯电重卡集群负荷预测[J]. 中国电力, 2024, 57(5): 61-69.
[6]	李丹, 贺帅, 颜伟, 胡越, 方泽仁, 梁云嫣. 考虑动态时间锚点和典型特征约束的年日均负荷曲线预测[J]. 中国电力, 2024, 57(11): 36-47.
[7]	周颖, 白雪峰, 王阳, 邱敏, 孙冲, 武亚杰, 李彬. 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J]. 中国电力, 2024, 57(1): 9-17.
[8]	唐旭辰, 潮铸, 段秦尉, 苏炳洪, 陈卉灿. 基于分层测量数据的高压变电站概率负荷预测方法[J]. 中国电力, 2023, 56(8): 143-150.
[9]	贾巍, 黄裕春. 基于小样本数据差分扩容的微电网负荷预测方法[J]. 中国电力, 2023, 56(8): 151-156,165.
[10]	彭生江, 杨德州, 孙传帅, 袁铁江, 刘永成. 基于氢负荷需求的氢能系统容量规划[J]. 中国电力, 2023, 56(7): 13-20,32.
[11]	杨喜行, 黄纯, 申亚涛, 胡念恩, 万子恒. 基于损失功率匹配的配电线路故障定位方法[J]. 中国电力, 2022, 55(8): 113-120.
[12]	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.
[13]	徐宇颂, 邹山花, 卢先领. 基于特征选择和组合模型的短期电力负荷预测[J]. 中国电力, 2022, 55(7): 121-127.
[14]	李丹, 张远航, 李黄强, 童华敏, 王凌云. 基于精准气象数据的地区电网短期负荷智能预测系统设计[J]. 中国电力, 2022, 55(7): 128-133.
[15]	郑豪丰, 杨国华, 康文军, 刘志远, 刘世涛, 伍弘, 张鸿皓. 基于多负荷特征和TCN-GRU神经网络的负荷预测[J]. 中国电力, 2022, 55(11): 142-148.

西部大开发第二个十年四川省电力需求预测

Electric Power Demand Forecast for Sichuan Province in the Second Decade of China′s Western Development Program

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

西部大开发第二个十年四川省电力需求预测

Electric Power Demand Forecast for Sichuan Province in the Second Decade of China′s Western Development Program

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