ICS29.020CCSF21團體標準Technicalspecificationforprovincialandsubstationloadcollaborativepredictionofnewpower江蘇省電工技術學會2T/JES001—2025 2規(guī)范性引用文件 3術語和定義 4總體要求 35負荷關鍵構成要素 35.1省級負荷要素 45.2市級負荷要素 45.3縣級負荷要素 45.4變電站級負荷要素 46數據采集及處理 46.1數據采集 46.2數據處理 57負荷特性分析 57.1負荷曲線還原 57.1負荷特性分析 57.2氣象因素分析 58省市縣變電站負荷協(xié)同預測 59負荷預測結果評估 6 7 8T/JES001—2025本文件按照GB/T1.1-2020《標準化工作導則第1部分：標準化文件的結構和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內容可能涉及專利。本文件的發(fā)布機構不承擔識別專利的責任。本文件由江蘇省電工技術學會提出并歸口。本文件起草單位：國網江蘇省電力有限公司經濟技術研究院、國網江蘇省電力有限公司、南京東博智慧能源研究院有限公司、東南大學本文件主要起草人：史靜、陳泉、謝珍建、談健、張文嘉、李琥、葛毅、諸德律、李冰潔、李澤森、胡曉燕、王志浩、劉柏良、黃成、劉國靜、張敏、陳琛、牛文娟、蔡暉、吳垠、薛貴元、彭竹弈、孫文濤、許偲軒、王琳媛、鄭宇超、湯奕、戴劍豐、韓青青、張翼飛、姜震韜、韓蕾。1T/JES001—2025新型電力系統(tǒng)省市縣變電站負荷協(xié)同預測技術規(guī)范本標準規(guī)定了新型電力系統(tǒng)省市縣變電站負荷協(xié)同預測的基本技術要求。本標準適用于電網企業(yè)、市場經營主體開展新型電力系統(tǒng)負荷協(xié)同預測。2規(guī)范性引用文件以下文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T15148-2024電力負荷管理系統(tǒng)技術規(guī)范GB/T19964GB/T30149GB/T31464光伏發(fā)電站接入電力系統(tǒng)技術規(guī)定電網通用模型描述規(guī)范電網運行準則GB/T33590.1-2017智能電網調度控制系統(tǒng)技術規(guī)范第1部分：總體架構GB/T33590.2-2017智能電網調度控制系統(tǒng)技術規(guī)范第2部分：術語GB/T33602-2017電力系統(tǒng)通用服務協(xié)議DL/T1170電力調度工作流程描述規(guī)范DL/T1711-2017電網短期和超短期負荷預測技術規(guī)范DL/T5003電力系統(tǒng)調度自動化設計規(guī)程DL/T516電力調度自動化系統(tǒng)運行管理規(guī)程QX/T244-2014太陽能光伏發(fā)電功率短期預報方法國家發(fā)展和改革委員會令（第14號）電力監(jiān)控系統(tǒng)安全防護規(guī)定3術語和定義下列術語和定義適用于本文件。3.1電力負荷powerload電力用戶的負荷設備在某一時刻向電力系統(tǒng)取用或向電力系統(tǒng)發(fā)出的電功率總和。3.2系統(tǒng)負荷systemload某時刻系統(tǒng)發(fā)、受電力的代數和。3.3歷史負荷historicalload電力系統(tǒng)在過去時間點的負荷值記錄。3.42T/JES001—2025全時序負荷fulltimeseriesload負荷隨時間變化的完整數據序列，反映電力系統(tǒng)在不同時間尺度上的負荷特性，時間尺度可以是分鐘級、小時級、日級、周級、月級、年級等，一般以小時級為主。3.5凈負荷曲線netloadcurve用電負荷減去風、光出力后的值所繪的負荷曲線。3.6負荷關鍵構成要素keycomponentsofload影響電力負荷的關鍵因素，與電力負荷值存在直接或間接的線性、非線性關系。3.7預測算法forecastalgorithm用某種數學模型來描述預測對象發(fā)展變化規(guī)律的方法，稱為預測算法。3.8綜合預測模型comprehensivepredictionmodel對多種單一算法預測結果進行組合優(yōu)化的預測方法。3.9負荷層級loadhierarchy基于電力調度的省級、地市級、區(qū)縣級電力負荷。3.10最大/最小負荷maximum/minimumload在統(tǒng)計時間內，每15min/1h時刻點對應負荷的最大值、最小值。3.11典型日typicaldays夏季對應的最大負荷日為夏季典型日，冬季對應的最大負荷日為冬季典型日。3.12最大負荷預測maximumloadforecasting預測包括夏季典型日的最大負荷、冬季典型日的最大負荷、全年的最大負荷。3.13峰谷差peak-valleyload在統(tǒng)計時間內，最高負荷與最低負荷的差值。3.14平均負荷averageload在統(tǒng)計時間內，每15min/1h時刻點對應負荷的平均值。3.15負荷率loadrate3T/JES001—2025在統(tǒng)計時間內，平均負荷與最高負荷的比值。3.16負荷類型kindofloads負荷類型包括：商業(yè)負荷、工業(yè)負荷、居民負荷、農業(yè)負荷等。3.17正常日normaldays一般工作日、休息日（周六、周日但不包括節(jié)假日。3.18節(jié)假日festivalsandholidays國家法定的重大節(jié)日或假日，包括農歷節(jié)假日（春節(jié)、清明節(jié)、端午節(jié)、中秋節(jié)）和公歷節(jié)假日（國慶、元旦、五一節(jié)）以及預測地區(qū)傳統(tǒng)民俗節(jié)日、特殊社會事件日等。3.19相似日similardays歷史樣本負荷日中與被預測日在星期類型、環(huán)境、氣象、農歷節(jié)氣、節(jié)假日等方面相似度較高的若干歷史負荷日。3.20光伏電站grid-connectedphotovoltaic(PV)powerstation將太陽輻射能直接轉換成電能并接入到電網的發(fā)電系統(tǒng)，一般包含光伏陣列、逆變器、變壓器以及相關的系統(tǒng)平衡部件等。3.21分布式光伏distributedphotovoltaic利用分散式太陽能資源，裝機規(guī)模較小、布置在用戶附近的發(fā)電系統(tǒng)，一般接入低于35kV電壓等級的配電網中。3.22數值天氣預報numericalweatherprediction根據大氣實際情況，在一定的初值和邊值條件下，通過數值方法求解描寫天氣演變過程中的大氣運動方程組，預測未來一定時段的大氣運動狀態(tài)和天氣現象的方法，通過數值的形式給出不同氣象要素的預報值。4總體要求4.1省市縣變電站負荷協(xié)同預測的范圍根據負荷層級及業(yè)務需求選擇，包括：省級負荷、地市級負荷、區(qū)縣級負荷、變電站級負荷。4.2省市縣變電站負荷協(xié)同預測工作應包括：負荷關鍵構成要素分析、數據采集及處理、負荷特性分析、負荷預測、預測結果評估等步驟進行。5負荷關鍵構成要素負荷關鍵構成要素應明確省市縣變電站負荷協(xié)同預測的負荷層級，再明確該層級負荷的構成4T/JES001—2025要素。5.1省級負荷要素省級負荷要素包括：本省內所有地級市負荷、省級產業(yè)結構、風光及其它新能源出力。5.2市級負荷要素市級負荷要素包括：本市內所有區(qū)及縣的負荷、市級產業(yè)結構、風光及其它新能源出力。5.3縣級負荷要素縣級負荷要求：縣級產業(yè)結構、風光及其它新能源出力。5.4變電站級負荷要素5.4.1220kV變電站負荷要素包括：負荷類型、變電站的容載比和負載率、變電站線路結構（下屬110kV變電站、110kV出線）、新能源出力。5.4.2110kV變電站負荷要素包括：負荷類型、變電站的容載比和負載率、變電站線路結構（下屬35kV變電站、10kV出線）、新能源出力。6數據采集及處理6.1數據采集6.1.1省市縣變電站負荷協(xié)同預測所需數據應包括：歷史負荷數據、氣象數據、新能源出力數據、產業(yè)結構數據、GDP數據、大用戶數據等。6.1.2負荷數據要求負荷數據為電網調度系統(tǒng)的省級、地市級、區(qū)縣級歷史負荷數據，應包括歷史負荷數據、歷史負荷管理數據、負荷損失數據、用戶數據、電源數據等，數據可采用小時級或15分鐘級的數據格式。負荷數據宜通過終端或調度自動化系統(tǒng)自動采集，采集數據應滿足GB/T33604-2017的要求，并可通過手動方式補充錄入。用戶負荷數據通過新型電力負荷管理、調度自動化等系統(tǒng)采集，可根據實際情況采用直采、擬合等方式獲取，應包括來自電力用戶的、對用戶用電負荷有較大影響的用戶生成計劃數據。6.1.3氣象數據要求氣象數據宜包括天氣類型、氣溫、濕度、氣壓、降水量、地表水平輻射、地面風速、風向等，數據應采用小時級或15分鐘級的數據格式。氣象數據來自氣象部門，包括歷史氣象數據和數值氣象預報數據。6.1.4新能源出力數據要求新能源出力數據包括風電、光伏、生物質能等新能源發(fā)電的出力數據。風電出力數據應包括風電場的歷史出力數據，同時應包括風電場的并網裝機容量、接入位置及接入的負荷層級。光伏出力數據應包括光伏電站、分布式光伏的歷史出力數據，同時應包括光伏電站/分布式光伏的并網裝機容量、接入位置及接入的負荷層級。新能源出力數據宜通過終端或調度自動化系統(tǒng)自動采集，采集數據應滿足GB/T33604-2017的要求，并可通過手動方式補充錄入。6.1.5負荷數據、氣象數據、新能源出力數據應與負荷預測范圍、時間尺度相匹配。6.1.6其他要求居民戶用分布式光伏等未納入調度管轄的其余電源，宜通過相應的負荷管理系統(tǒng)或終5T/JES001—2025端采集，若無采集設備，宜采用聚合、擬合、等值等方式獲取。電源數據通過調度自動化系統(tǒng)采集，包括電源歷史出力數據，以及發(fā)電能力、出力預測等數據。6.2數據處理對空數據點、零數據點、連續(xù)恒定值、異常階躍值等數據進行辨識，宜采用相似日曲線比對法辨識不良數據，宜采用線性插值法和指數平滑法修正不良數據。經過修正的數據應以特殊標志做區(qū)分。具體參照附錄A。省級、地市級、區(qū)縣級的負荷數據應通過負荷層級關系由上至下或從下而上的校驗。7負荷特性分析7.1負荷曲線還原省市縣變電站負荷協(xié)同預測應在時序調度負荷的基礎上，疊加分布式光伏出力數據（220kV變電站層面需疊加110kV及以下小電源的出力數據得到全網口徑負荷；若有需要，可在全網口徑負荷曲線基礎上剔除省內風光電源出力得到凈負荷曲線，再根據負荷類型依次分解凈負荷的構成要素。凈負荷計算方法見附錄B。7.2負荷特性分析7.2.1負荷特性分析的時空范圍可根據業(yè)務需要選擇，應分析綜合負荷特性、凈負荷特性。7.2.2負荷特性分析應包括：a)基本特征分析。基本特征包括：最大負荷、最小負荷、平均負荷、負荷率、峰谷差等。b)典型日特性分析。典型日包括：夏季和冬季的最大負荷日。c)趨勢變化特性分析。結合負荷自然增長率，對負荷進行數據分解與分析，量化評估不同層級（省級、地市級、區(qū)縣級）在年內不同時段負荷發(fā)展的變化特性?？尚纬韶摵梢?guī)律性上限與下限，用于評估負荷預測的范圍。d)類型日特性分析。針對工作日、節(jié)假日等不同類型日，考慮重大社會活動、重要社會事件開展負荷特性分析，可采用相似日曲線比對法等方法。7.2.3新型電力系統(tǒng)下，宜針對性分析凈負荷特性。7.2.4對于省級、地市級、區(qū)縣級負荷、變電站負荷之間的關聯關系，宜開展回歸性分析。7.3氣象因素分析7.3.1氣象因素的影響體現在：（1）對用戶用電行為的影響；（2）對新能源發(fā)電的影響。7.3.2基于氣象數據，分析高溫、寒潮等氣象情況對用電負荷變化的影響，可采用分段線性擬合、相似日曲線比對等方法，具體參照附錄A。7.3.3基于新能源數據（風電、光伏電站/分布式光伏）和氣象數據，分析負荷的變化趨勢，可開展相關性分析、回歸性分析等。可從數學上建立負荷、新能源出力與氣象的關系模型，作為負荷預測的輸入條件。8省市縣變電站負荷協(xié)同預測8.1省市縣變電站負荷協(xié)同預測基于歷史負荷數據分析的規(guī)律和模型，應針對新能源出力數據、凈負荷曲線各構成要素分別預測。6T/JES001—20258.2省市縣變電站負荷協(xié)同預測應考慮的關鍵點有：（1）從規(guī)劃的角度考慮社會經濟發(fā)展情況下，每一類型負荷的自然增長趨勢；（2）未來新能源的發(fā)展計劃、政策支持等引起的其接入容量的增長；（3）氣象因素對新能源發(fā)電的影響，如極寒極熱天氣、不同時空位置對新能源發(fā)電的影響；（4）各級負荷預測結果的同時率、最大負荷利用小時數等應符合該地區(qū)的發(fā)展規(guī)律。8.3省市縣變電站負荷協(xié)同預測可根據市場運營、生產組織等業(yè)務需要開展；預測范圍包括省級負荷預測、地市級負荷預測、區(qū)縣級負荷預測、變電站級負荷預測等；預測時間尺度包括預測時間分辨率、預測時長。8.4省市縣變電站負荷協(xié)同預測應預測不同類型日的負荷情況，包括：正常日、節(jié)假日、典型日。8.5應充分考慮近大遠小原則，即負荷未來變化趨勢，即負荷未來變化趨勢更多取決于歷史時段中近期負荷的發(fā)展規(guī)律，與歷史遠期負荷發(fā)展趨勢相關性較弱。8.6省市縣變電站負荷協(xié)同預測應基于相關歷史數據及其關系，建立負荷預測模型，可針對不同負荷類型、不同負荷層級、不同類型日、不同時間階段分別建立模型，也可根據業(yè)務需求建立負荷綜合預測模型。8.7省市縣變電站負荷協(xié)同預測算法應根據負荷預測模型、負荷特性、預測精度需求、季節(jié)、氣象等情況綜合考慮進行選擇，預測算法可包括最小二乘法、線性回歸、倍比平滑法、模糊聚類法、時間序列算法、線性外推法、頻域分量法、人工智能算法、專家系統(tǒng)法等，可選擇一種或多種算法組合預測。8.8當發(fā)生影響負荷的變化情況時，應及時調整負荷預測模型和預測算法。8.9負荷預測分為初始預測、預測修正兩個環(huán)節(jié)。初始預測通過負荷預測模型進行預測，預測修正考慮相關影響因素（專家經驗、社會因素、氣象因素、新能源發(fā)電因素、年自然增長率）修正初始預測結果。8.10應重視專家知識的積累，通過調整預測模型參數來干預預測過程或直接修正負荷預測結果。8.11對于社會因素、氣象因素相似日期的負荷預測，宜考慮結合相似日、疊加歷年自然增長率進行負荷預測修正。8.12應重視數據資料的收集，包括但不限于地區(qū)經濟社會發(fā)展及影響負荷發(fā)展的重大政策、大用戶業(yè)擴報裝等。9負荷預測結果評估9.1預測結果評估應考慮數值天氣預報偏差、算法模型、設備老化等客觀條件限制。9.2預測結果評估指標應包括評估時刻負荷預測偏差率、日（月）平均負荷預測準確率、日最大（?。┴摵深A測準確率、月平均日最大（?。┴摵深A測準確率等，具體的計算方法見附錄B。9.3省市縣變電站負荷協(xié)同預測結果評估應結合最大負荷利用小時數校驗預測合理性，具體的計算方法見附錄B。7T/JES001—2025（資料性）數據處理、分析和負荷預測方法省市縣變電站負荷協(xié)同預測過程中，涉及數據處理、分析及負荷預測等環(huán)節(jié)，有關推薦方法見表A.1。表A.1數據處理、分析和負荷預測方法序號類別方法1負荷歷史數據處理不良數據辨識法特征曲線法相似日曲線比對法線性插值法指數平滑法2氣象與負荷關聯性皮爾遜相關系數法3氣象與光伏關聯性皮爾遜相關系數法最小二乘法分段線性擬合相似日曲線比對人工神經網絡法4負荷層級關系最小二乘法5負荷預測點對點法倍比平滑法重疊曲線法模式識別法頻域分量法線性外推法相似度外推法相關因素匹配法人工神經網絡法模糊聚類法專家系統(tǒng)法逐點增長率法8T/JES001—2025（資料性）預測結果評估指標計算方法B.1評估時刻負荷預測偏差率評估時刻負荷預測偏差率Ei的計算方法見式（1）。（1）式中：Ei——時刻i的負荷預測偏差率，單位為百分比（%Li,f——時刻i的負荷預測值，單位為兆瓦（MWLi——時刻i的負荷實際值，單位為兆瓦（MW）。B.2日平均負荷預測準確率日平均負荷預測準確率Ad的計算方法見式（2）和（3）。Ad=(1-RMSE)×100%（2）（3）式中：Ad——日平均負荷預測準確率，單位為百分比（%RMSE——日負荷預測偏差率均方根；Ei——時刻i的負荷預測偏差率，單位為百分比（%n——日負荷實際考核點數。B.3月平均日負荷預測準確率（4）式中：9T/JES001—2025Am——月平均日負荷預測準確率，單位為百分比（%Ad,i——該月某日i的日平均負荷預測準確率，單位為百分比（%m——月度天數。B.4日最大（小）負荷預測準確率日最大、最小負荷預測準確率Ah、Ah的計算方法見式（5）和（6）。（7）（8）Ah——日最大負荷預測準確率，單位為百分比（%Lh,f——日最大負荷預測值，單位為兆瓦（MWLh——日最