第二章 电力系统基础：组成、负荷特性与影响因素

各位同学，欢迎来到第二章。这一章咱们聊聊电力系统本身。说实话，很多做负荷预测的同行，算法玩得飞起，但连电力系统长什么样都说不清楚。这不行。你想想看，连预测对象的基本盘都不了解，预测结果能靠谱吗？

我个人习惯，在讲任何算法之前，先把物理世界摸透。这一章就是干这个的。

2.1 电力系统的组成：电从哪来到哪去

电力系统，说白了就是三个环节：发电、输电、配电。再加上一个用电，就是完整的链条。

• 发电侧：火电、水电、核电、风电、光伏。每种电源的出力特性完全不同。比如光伏，中午出力最大，晚上为零。这直接影响负荷预测的难度。
• 输电侧：高压线路把电从发电厂送到负荷中心。我遇到过一个问题：某地区负荷预测值总是偏低，后来发现是有一条500kV线路检修，导致潮流转移，负荷分布变了。嗯，这个坑我踩过。
• 配电侧：把电压降下来，送到千家万户。配电网的负荷波动最大，也最难预测。
• 用电侧：工业、商业、居民。不同类型的用户，负荷曲线天差地别。

下面这张图，是我自己画的电力系统能量流示意图。你看一眼就明白了。

2.2 负荷特性分析：三条曲线看懂用电规律

做负荷预测，必须跟三条曲线打交道：日负荷曲线、周负荷曲线、年负荷曲线。我当年刚入行时，师傅让我先画一个月的日负荷曲线，画完就什么都懂了。

2.2.1 日负荷曲线

一天24小时的负荷变化。典型的日负荷曲线有三个峰：

• 早峰：8:00-11:00，工厂开工、办公楼上班
• 午峰：14:00-17:00，空调、生产持续
• 晚峰：18:00-21:00，居民用电高峰

为什么会有低谷？凌晨2:00-5:00，大部分人都在睡觉，工厂也停了。这时候负荷只有高峰期的40%-60%。

2.2.2 周负荷曲线

一周七天的负荷变化。工作日和周末差异很大。

星期	负荷特点	典型负荷率
周一	负荷爬坡，工厂陆续开工	95%
周二至周四	稳定高负荷	100%
周五	下午开始下降	97%
周六	商业负荷为主，工业下降	75%
周日	居民负荷为主，整体最低	65%

我曾经犯过一个错误：直接用工作日的模型预测周末，结果偏差超过20%。后来才意识到，周末的负荷曲线形状跟工作日完全不同，必须单独建模。

2.2.3 年负荷曲线

一年12个月的负荷变化。这个跟气候强相关。

• 夏季：空调负荷猛增，南方地区尤其明显。我记得在广东做项目时，7月份负荷是3月份的1.8倍。
• 冬季：北方地区采暖负荷上升，南方则相对平稳。
• 春秋：负荷最低，被称为「过渡季」。

2.3 影响负荷的关键因素

负荷不是随机波动的。它受三个核心因素驱动：气象、经济、节假日。我把它叫做「铁三角」。

2.3.1 气象因素

这是影响短期负荷最直接的因素。具体来说：

• 温度：每升高1℃，空调负荷增加2%-5%。我做过一个统计，当温度超过30℃时，负荷对温度的敏感度会翻倍。
• 湿度：闷热天气让人体感更热，空调开得更猛。
• 光照：阴天影响光伏出力，间接影响净负荷。
• 风速：影响风电出力，也影响体感温度。

这里有个坑：很多人只把温度作为特征，忽略了湿度。其实在南方，湿度对负荷的影响甚至超过温度。我曾经在梅雨季节做过测试，同样的温度，湿度从60%升到90%，负荷增加了8%。

2.3.2 经济因素

中长期负荷预测必须考虑经济。GDP增速、产业结构调整、电价政策，都会改变负荷趋势。

举个例子：某地区大力发展数据中心产业，结果三年内负荷翻了一番。如果只看历史数据做预测，根本跟不上这种变化。所以，做年度预测时，我习惯把经济指标作为外生变量引入模型。

2.3.3 节假日因素

节假日对负荷的影响非常显著。春节、国庆、中秋，每个节假日的负荷模式都不一样。

• 春节：工厂停工，城市负荷骤降。但农村地区负荷反而上升（返乡过年）。
• 国庆：商业负荷增加，工业负荷下降。
• 中秋：晚上负荷有短暂高峰（赏月、聚餐）。

2.4 本章小结

这一章我们聊了电力系统的组成、三条负荷曲线、以及影响负荷的三大因素。说白了，负荷预测的本质就是：理解物理规律 + 抓住关键特征 + 选择合适的算法。

下一章，我们会正式进入数据预处理环节。但在此之前，我建议你把本章的内容消化透。尤其是日负荷曲线的形状，最好能亲手画一遍。相信我，这对你理解后面的算法会有很大帮助。