四川電網主力調頻調峰電站負荷特性分析

寇 力 夯，陳 在 妮 ，陳 仕 軍 ，朱 陽

(1.國家能源投資集團有限公司，北京 10038；2.國家能源大渡河流域生產指揮中心，四川 成都 610041；3.四川大學水利水電學院，四川 成都 610044)

1 概 述

瀑布溝電站是一座以發電為主，兼有防洪、攔沙等綜合效益的特大型水利水電樞紐工程。同時，也是四川電網第一大調頻調峰電站，對電網安全穩定運行具有舉足輕重的作用。廖峰等[1]結合歷史負荷和氣象數據等相關資料分析了區域負荷特性和影響負荷變化的主要因素?；舫绍奫2]采用灰色關聯度分析方法對影響負荷特性變化的因素進行了定量分析。李培強等[3]基于模糊聚類方法解決了負荷建模中變電站特性分類處理的復雜性與主觀性。國內外學者運用統計學方法對區域用電負荷特性分析進行了大量的探索[4-8]，但對電站負荷特性，特別是調峰調頻電站負荷特性研究較少。為了深入分析瀑布溝電站負荷變化特性，筆者采用譜分析方法進行負荷數據的周期性分析；通過日電量、96點負荷的自相關系數計算，分析其負荷數據相關性；采用曲線成分識別方法，識別出負荷數據的整體趨勢、局部趨勢和跳躍成分。由此，全面、系統地分析了瀑布溝的負荷特性，挖掘瀑布溝電站負荷變化規律，其研究結果對發電計劃編制有一定的指導意義。

2 負荷數據的周期性

2.1 譜分析原理

譜分析技術從頻率域上分析負荷曲線的內部結構，可以用來判斷負荷曲線是否具有周期成分[9]。其中顯著的諧波即為周期成分，對應頻率的倒數為顯著周期。使用譜分析技術可分析頻率域上負荷曲線的內部結構和有關性質。在此，使用方差線譜進行分析。

設負荷序列Xt(t=1,2,…，n)，由Fourier級數易得：

(1)

式中Aj為第j個諧波的傅氏系數(振幅)。由式(1)可知，所有諧波振幅平方的一半之和等于該負荷序列Xt的方差σ2，通過諧波振幅隨頻率的變化過程可以揭示頻率的強弱。方差線譜可以清楚地表明一個給定的負荷序列，包含了哪些頻率的諧波分量及各分量的方差所占的比重，進而通過假設檢驗識別出顯著周期成分，構造無量綱統計量。

(2)

作為檢驗第j個諧波是否顯著的度量指標，Fj服從自由度為(2，n-3)的F分布，根據各項的顯著水平α，由F分布得Fα，當Fj>Fα時,第j個諧波顯著，反之則不顯著。

2.2 分析結果

對瀑布溝電站2017年1月1日至2019年12月31日的日電量數據進行方差線譜分析，樣本容量為1 095個，方差線譜的主要周期特征數據見表1。

表1 瀑布溝電站日電量數據譜分析主要結果統計表

由表1可知，頻率為3(相應的周期為365 d)的統計量F值最大，為622.714，其次為頻率6和5(周期為約6個月和7個月)對應的統計量F值14.335和10.2。綜上所述，瀑布溝電站日電量數據的顯著周期為1年，其他周期性不明顯。

對于96點負荷，將瀑布溝電站從2017年1月1日到2019年12月31日的96點負荷數據按照時間順序組成一列向量并進行方差線譜分析，樣本容量為105 120個(1 095×96)，96點負荷方差線譜的周期特征數據見表2。

表2 瀑布溝電站96點實際負荷數據譜分析主要結果統計表

由表2可知，對于96點負荷而言，頻率為3(對應周期為365 d)的統計量F值是最大的，為31 050.510 1，其次為頻率1 095和6(周期分別為1 d和6個月)對應的統計量F值1 694.434 8和953.396 6，年周期的方差線譜統計量F值遠遠大于其他頻率的統計量F值。綜上所述，瀑布溝電站96點實際負荷的顯著周期為1年，其他周期性不明顯。

3 負荷數據的相關性

3.1 相關系數

根據公式

(3)

式中k=0,1,2,…，m為滯時或數據編號差值。

當ρk(k=1，2， …，m)的絕對值越大，說明相應兩個序列的內部線性相依程度越強，反之越弱。相關系數的值為[-1，1]，取1表示兩個向量之間完全正相關，取-1表示兩個向量之間完全負相關。從理論上講，ρk(k=1，2， …，m)=0時，序列是獨立的。

3.2 分析結果

對2017年到2019年的3個年度日電量數據進行相關系數的計算，分析各年度之間的相關關系，相關系數計算結果見表3。

表3 瀑布溝電站各年度日電量相關系數統計表

由表3可知，3個年份的日電量數據之間的相關系數均小于0.7，可見，年日電量序列間的相關性不高。

為進一步分析相關性規律，筆者將2017～2019年的96點負荷按年分為三個向量，每個年度為一個列向量，求三個向量之間的相關關系，計算結果見表4。

表4 瀑布溝電站各年度96點實際負荷相關系數統計表

由表4可知，相比各年份日電量數據之間的相關性，96點實際負荷的相關性則更差，3個年份之間的相關性均不足0.6。

4 采用曲線成分識別方法

4.1 整體趨勢

根據2017年到2019年的日電量數據曲線(圖1)，可以初步看到日電量曲線具有比較明顯的趨勢性和周期性，存在明顯的整體上升區間和整體下降區間，且上升區間和下降區間交替出現。

圖1 瀑布溝電站日電量數據曲線圖

2017年到2019年的主要數據特征統計見表5。由表可見，在最大日電量方面，三個年度變化幅度不大，相鄰年之間的變幅不超過0.5%。在平均值方面，2018年相比2017年，平均日電量增加4.2%，2019年相比2018年增大2.1%，整體呈現一定的增長趨勢，但是趨勢不大。

表5 瀑布溝電站日電量數據主要特征統計表 (單位 :萬kWh)

進一步對日完成電量數據(2017～2019年)進行Kendall秩次相關檢驗，取顯著水平α=5%，查表得Uα/2 = 1.96。|U|>Uα/2,故統計區間的日負電量曲線具有一定的趨勢成分，與上面的分析一致。

4.2 局部趨勢

為更好地分析日電量的趨勢性規律，使用7點滑動平均法對原始日完成電量進行處理(圖2)。7點滑動平均負荷曲線每一個點的電量數據代表該點所在日期及前后各3 d的平均日完成電量，可以看到前面分析的趨勢性規律更加明顯。每年在枯水期末期(4月中旬)出現日電量(7日平均)的年度最小值。但是，在平水期迅速增大，并在豐水期初期達到較高的電量水平(2017年在平水期的5月中旬即達到了較高水平的日電量)，隨后在第二個平水期(11月)到來時開始出現急劇下降趨勢。

由圖2可見，三年7點滑動曲線的最小值均發生在4月中下旬，即枯水期末期，而日電量的最大值均出現在7到8月的豐水期，具體統計情況見表6。

表6 瀑布溝電站日電量最小值和最大值日期分布表

4.3 跳躍成分識別

跳躍是指一個數據序列從一種狀態過渡到另一種狀態表現出來的急劇變化形式。跳躍通常表現在均值、方差、自相關系數等統計特性上，一般多表現為均值的跳躍。跳躍成分的識別和檢驗分兩步：第一步先識別突變點，第二步對突變點進行跳躍成分顯著性識別。

利用Mann-kendall法用于突變點的識別，Mann-kendall法識別突變點理論意義最明顯。以一致性為前提，要求序列隨機獨立且同分布。突變點識別出之后，使用游程檢驗法對突變點的跳躍成分顯著性進行檢驗。根據Mann-kendall法計算2017年到2018年的日電量數據曲線的統計量UF和UD，并作圖找到UF和UD兩條曲線的交叉點。在圖中，6個交叉點分別在93～94、146～147、469～470、626～627、949～950、1002～1003(圖3)。

圖2 瀑布溝電站日電量7點滑動平均曲線圖

圖3 瀑布溝電站日完成電量曲線跳躍成分識別圖

對于以上6個交叉點，分別計算交叉點前后各20個數據的游程數，計算結果見表7。

表7 瀑布溝電站跳躍點位置識別表

在顯著水平為0.025的條件下，前后數據量均為20時游程數的臨界值為14，當樣本的游程數超過14時，接受原假設，則表明突變點前后的數據來自同一總體，即該交叉點不是突變點。反之，當樣本的游程數小于等于14時，拒絕原假設，則該交叉點為突變點。因此，除第一個交叉點外，其他5個點的游程數均超過了14，即除第一個交叉點外，其他5個點均不是突變點。

圖4是第一個交叉點前后各60 d的日電量曲線，可見日電量在第93 d(2017年4月3日)前后的60 d 表現出不同的電量水平，突變點之后的負荷相比之前有明顯增加，前60 d的平均日電量為1 937.1萬kWh，后60 d平均日電量為2 403.8萬kWh，提高了24%。

5 結 語

圖4 瀑布溝電站第一個交叉點前后負荷數據情況圖

通過譜分析、相關分析和曲線成分識別，針對瀑布溝歷史負荷特性進行分析后得出：瀑布溝電站年周期較為顯著。日電量和96點負荷數據之間的相關性不明顯，日電量曲線具有比較明顯的趨勢性和周期性，存在明顯的整體上升區間和整體下降區間，且上升區間和下降區間交替出現。整體趨勢性規律明顯，每年在枯水期末期(4月中旬)出現日電量(7日平均)的年度最小值。但是，在平水期迅速增大，并在豐水期初期達到較高的電量水平，隨后在第二個平水期(11月)到來時開始出現急劇下降趨勢。日電量在4月上旬發生突變，突變點之后的負荷相比之前有明顯增加。分析結果對瀑布溝電站的安全經濟運行和發電計劃編制有一定的指導意義。