网站地图 | Tags | 热门标准 | 最新标准 | 订阅

T/JES 001-2025 新型电力系统省市县变电站负荷协同预测技术规范

  • 名  称:T/JES 001-2025 新型电力系统省市县变电站负荷协同预测技术规范 - 下载地址2
  • 类  别:团体标准规范
  • 下载地址:[下载地址2]
  • 提 取 码
  • 浏览次数:3
下载帮助: 发表评论 加入收藏夹 错误报告目录
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表
新闻评论(共有 0 条评论)

资料介绍

以下是对《新型电力系统省市县变电站负荷协同预测技术规范》(T/JES 001-2025)核心内容的详细总结:


​1. 标准基本信息​

  • ​标准编号​​:T/JES 001-2025
  • ​名称​​:新型电力系统省市县变电站负荷协同预测技术规范
  • ​实施日期​​:2025年3月5日
  • ​发布机构​​:江苏省电工技术学会
  • ​适用范围​​:电网企业、市场经营主体开展省、市、县、变电站四级负荷协同预测。

​2. 核心框架与要求​

​(1)总体要求(第4章)​

  • 预测范围需覆盖​​省级、地市级、区县级、变电站级​​负荷层级。
  • 预测流程包括:负荷要素分析→数据采集处理→负荷特性分析→负荷预测→结果评估。

​(2)负荷关键构成要素(第5章)​

  • ​省级负荷​​:省内所有地市负荷、产业结构、风光等新能源出力。
  • ​市级负荷​​:市内所有区县负荷、产业结构、新能源出力。
  • ​县级负荷​​:县级产业结构、新能源出力。
  • ​变电站级负荷​​(分电压等级):
    • ​220kV站​​:负荷类型、容载比/负载率、线路结构(下属110kV站)、新能源出力。
    • ​110kV站​​:负荷类型、容载比/负载率、线路结构(下属35kV站/10kV出线)、新能源出力。

​3. 数据采集与处理(第6章)​

​(1)数据要求​

​数据类型​ ​内容​ ​采集要求​
​负荷数据​ 历史负荷(小时级/15分钟级)、负荷管理数据、用户数据、电源数据等 通过调度系统自动采集(GB/T 33604-2017),支持手动补充录入。
​气象数据​ 天气类型、温湿度、气压、降水量、风速风向等(小时级/15分钟级) 来自气象部门,含历史数据及数值天气预报。
​新能源出力数据​ 风电、光伏、生物质能等历史出力数据,装机容量、接入位置信息 调度系统自动采集,未并网电源(如户用光伏)需聚合/拟合获取。
​其他数据​ GDP、产业结构、大用户数据等 结合经济社会发展政策、用户报装数据等。

​(2)数据处理​

  • ​数据清洗​​:辨识空值、零值、恒定值、异常阶跃值,采用​​相似日曲线比对法​​检测不良数据。
  • ​修正方法​​:使用线性插值法、指数平滑法修正,修正后数据需特殊标记。
  • ​层级校验​​:省、市、县级负荷数据需通过层级关系(自上而下或自下而上)交叉校验一致性。

​4. 负荷特性分析(第7章)​

​(1)负荷曲线还原​

  • 在调度负荷基础上​​叠加分布式光伏出力​​(220kV站需叠加110kV及以下电源),得到​​全网口径负荷​​。
  • 可进一步剔除风光出力生成​​净负荷曲线​​(公式:L_i = L_i' - P_i)。

​(2)特性分析内容​

​分析类型​ ​关键指标​
​基本特征​ 最大/最小负荷、平均负荷、负荷率、峰谷差等。
​典型日特性​ 夏季/冬季最大负荷日、工作日/节假日负荷规律。
​趋势变化特性​ 结合自然增长率分解数据,量化不同层级负荷的年内变化规律。
​气象因素关联​ 高温/寒潮对用电行为及新能源发电的影响(采用分段线性拟合、皮尔逊相关系数法)。
​层级关联分析​ 省、市、县、变电站负荷间的回归关系。

​5. 负荷协同预测流程(第8章)​

​(1)预测关键点​

  • 考虑​​负荷自然增长趋势​​、​​新能源装机计划​​、​​气象影响​​(如极寒极热天气)。
  • 需验证各级负荷预测结果的​​同时率​​、​​最大负荷利用小时数​​(公式:T_{/text{max}} = A / P_{/text{max}})合理性。

​(2)预测方法​

  • ​模型构建​​:
    • 按负荷类型、层级、日期类型(正常日/节假日/典型日)分别建模。
    • 采用​​综合预测模型​​优化单一算法结果。
  • ​算法选择​​:
    • 最小二乘法、时间序列法、人工智能算法等26种(详见附录A)。
    • 遵循“​​近大远小​​”原则(近期负荷规律权重更高)。
  • ​预测修正​​:
    • ​初始预测​​:基于历史数据和模型输出。
    • ​修正因素​​:专家经验、社会事件(如节假日)、气象突变、新能源波动、年自然增长率。

​6. 预测结果评估(第9章)​

​(1)评估指标​

​指标​ ​计算公式​ ​说明​
评估时刻偏差率(E_i /frac{L_{i,f} - L_i}{L_i} /times 100/% 单点负荷预测偏差。
日平均准确率(A_d (1 - /sqrt{/frac{1}{n} /sum E_i^2}) /times 100/% 基于均方根误差(RMSE)。
日最大/最小负荷准确率(A_h, A_l (1 - /| /frac{L_{h,f} - L_h}{L_h} /| ) /times 100/% 关键峰值/谷值准确性。
月平均日最大负荷准确率(A_{m,h} /frac{1}{m} /sum A_{h,i} /times 100/% 月尺度峰值稳定性评估。

​(2)评估原则​

  • 需考虑数值天气预报偏差、模型局限性、设备老化等客观因素。
  • 通过​​最大负荷利用小时数​​校验预测结果与实际用电量的匹配度。

​7. 附录核心内容​

  • ​附录A​​:列出26种数据处理与预测算法(如皮尔逊相关系数法、人工神经网络法、专家系统法等)。
  • ​附录B​​:提供7类评估指标计算公式(如净负荷计算、最大负荷利用小时数等)。

​总结要点​

  1. ​层级协同​​:首次明确省、市、县、变电站四级负荷的要素差异与数据校验逻辑。
  2. ​净负荷核心​​:强调叠加/剔除新能源出力还原真实负荷曲线。
  3. ​气象深度耦合​​:量化分析气象对用电行为及新能源发电的双重影响。
  4. ​动态修正机制​​:结合专家知识、社会事件等多因素修正初始预测。
  5. ​评估体系完善​​:从单点偏差到月尺度稳定性构建多维指标。

此标准为新型电力系统下负荷预测提供了全链条技术框架,突出“数据-分析-预测-评估”闭环管理,尤其注重新能源渗透率提升带来的净负荷特性变化。

收藏本站 | 热门资料 | 联系我们 | 下载帮助 | 下载声明 | 信息反馈 | 网站地图