負荷曲線

反映一段時間內負荷隨時間而變化的規律用負荷曲線來描述；按負荷種類分，分有功功率負荷曲線和無功功率負荷曲線；按時間長短分，分為日負荷曲線和年負荷曲線；按計量地點分，分為個別用户、電力線路、變電所、發電廠乃至整個系統的負荷曲線；將上述三種特徵相組合，就確定了某一種特定的負荷曲線；電力系統有功功率日負荷曲線是制訂各發電廠負荷計劃的依據，這對掌握電力系統運行很有用。 ^[1] 

電錶採用大容量內卡（2M字節）保存負荷曲線，最多可以保存16184條負荷曲線記錄。每條負荷曲線可記錄6類數據，負荷曲線保存的時刻與電錶時鐘同步，保存數據的時刻是根據設置的6類數據記錄間隔與電錶的時鐘的關係確定的，保存數據的間隔最小為1分鐘。如設置的6類數據記錄間隔分別為T1、T2、T3、T4、T5、T6，電錶的當前時間為HH:MM，只要（60*HH+MM）能被T1、T2、T3、T4、T5、T6整除，就把6類數據全部保存。共可以保存16184*Tmin 分鐘的負荷曲線數據，Tmin=Min(T1、T2、T3、T4、T5、T6)，Min表示在這6個時間間隔中最小那一個。6類數據時間間隔均為30分鐘時，可存儲337天的負荷曲線數據。

負荷曲線的橫座標是時間，縱座標一般是有功功率，因此通常的負荷曲線是有功功率負荷曲線 （圖1上的曲線P）。然而負荷從電力系統中取用的不僅是有功功率，同時還取用無功功率。電力系統的調度不僅調度發電機的有功功率，有時還要調度發電機、同步調相機及電容器等的無功功率，因此還有一個無功功率的負荷曲線（圖1上的曲線Q）。

負荷曲線中的最大值稱為最大負荷(Pmax)，最小值稱為最小負荷(Pmin)。這兩個數據是分析電力系統負荷特性的重要數據。由負荷曲線也可以計算出用户消耗電能的多少。一天中負荷消耗的電量(千瓦小時)，即日負荷曲線P下面的這一塊麪積（圖1）。

一日（月、年）內的平均負荷與最大負荷之比稱為日（月、年）負荷係數。平均負荷是指某一時期（日、月、年）內的負荷功率的平均值。負荷係數是小於 1的數值。各類負荷的負荷係數也不相同。有色金屬冶煉、鋼鐵、化工、造紙等連續生產的產業，負荷係數均在90%以上,紡織、 機械製造等產業的負荷係數約為60%。 不同地區在不同季節負荷係數也有變動,約為70～80%。

在電力系統的設計、規劃中除了需要使用日負荷曲線外，還需要編制年最大負荷曲線和年持續負荷曲線。

年最大負荷曲線表示從年初到年末逐日(或旬或月)的電力系統綜合最大負荷的變化情況 （圖2）。可用它來安排全年的機組檢修計劃。如果一年四季中每季取一個典型的日負荷曲線，由年最大負荷曲線也可以計算出全年需要的電量。由預測的逐年的年最大負荷曲線可以有計劃地安排擴建或新建發電廠來滿足負荷增長的需要。 ^[2] 

年持續負荷曲線是以電力系統全年負荷的大小及其持續運行小時數的順序排列作出的曲線 （圖3）。曲線中的A1點反映了一年內負荷超過P1的累積時間共有t1小時。可用它來編制電力系統的發電計劃並進行可靠性計算。根據年持續負荷曲線也可以計算出全年負荷消耗的電量。

對下一日24小時電力負荷的預報。它是電力系統調度賴以安排日調度計劃，決定開停機計劃、經濟分配負荷及安排旋轉備用容量的基礎。日負荷曲線預測的精確性直接影響電力系統運行的經濟效益。日負荷曲線的變化是有規律的，例如同年同月中各日曲線形狀接近，不同年份相同月份的典型日負荷曲線形狀相似日負荷率V}口最小負荷率U等特徵參數可以反映曲線的特點與形狀，並且均與社會用電結構、各部門分用電制有着密切的關係例如系統中第二產業比重大，則VU值較高，反之則VU值低根據這一特點，並考慮到我國力部門對歷史資料的積累情況，本文提出了一種新的日負荷曲線預測方法該方法將預測過程分解為兩步，第1步基於用電結構分析進行特徵參數預測，第2步以特徵參數及基準負荷曲線為依據進行曲線預測。本文據此建立了物理意義明確、表達方式簡捷的數學模型，並針對問題的特點，提出了快速有效的算法該方法已應用於東北電網負荷預測軟件，取得了良好的效果。

電力系統負荷曲線的變化規律表現為一個非平穩的隨機過程。如果以 1小時為間隔對它進行離散化的測量，則可得到一個隨機的時間序列。由於人們的生產及生活安排等社會因素及自然季節性的影響，使負荷曲線的變化呈現出一定的週期性。從不同的時間觀察，可認為負荷曲線的變化具有一天、一週、一月以至一年的變化週期。日負荷曲線的預測應充分利用這種變化週期性的特點。

日負荷曲線的預測方法主要有多重相關算法、時間序列法和諧波分解法。但這幾種方法都沒有計及氣象條件的影響，而負荷與氣象條件有密切的關係。更精確的負荷預測必須考慮氣象因素，建立氣象負荷模型或根據氣象條件對負荷模型進行必要的修正，從而獲得比較切合實際的日負荷曲線預測。

從負荷樣本數據（即負荷曲線的歷史數據）找出電力系統負荷在各個週期的相關性，構造多個預測模型，一般為一階線性模型。由各個模型得到的預測值及其方差再進行最優組合，得到一個加權平均值。根據線性估計理論,權重應與各自的方差成反比，加權平均值的方差的倒數等於各個方差倒數之和。節假日則需特殊考慮，捨去相應的一個模型的預測值。 ^[3] 

把負荷的樣本數據按時間順序組成序列。根據此序列的自相關函數和偏自相關函數的截尾性能來建立自迴歸模型、滑動平均模型或自迴歸滑動平均模型。在預測方法上可採用條件期望預測、平衡線性最小方差預測或新息法自適應預測等。