# 用电负荷预测实战从全国负荷15.57亿千瓦四创新高看温度敏感负荷建模8月7日全国用电负荷今年第四次创出新高达到15.57亿千瓦比去年最高峰高出4900万千瓦有25个省区市用电负荷创出新极值央视新闻联播8月8日报道。此前一天北京电网最大负荷达到2939.9万千瓦刷新2024年创下的历史纪录其中空调等降温负荷增长明显、占比近一半。为什么气温一升、负荷就爆电网调度员凭什么提前预判明天负荷多少、该安排多少发电机组答案就藏在温度敏感负荷建模里——这也是国赛预测类赛题最经典的考法之一。今天咱们把这个模型从头到尾做一遍。## 一、高温与负荷一场看得见的联动先看数据怎么说的。国家能源局数据显示截至8月6日今年入夏以来最大用电负荷已累计11天超过2025年最大值负荷峰值最高达15.53亿千瓦8月3日辽宁电网最大用电负荷冲至4775万千瓦为入夏以来第五次创历史新高8月6日北京电网2939.9万千瓦的纪录里空调等降温负荷占了近一半。把这一串数字连起来看规律非常明显**全国负荷峰值一次次被刷新几乎都和高温天气同频共振**。原因不复杂——夏天用电分两块一块是工厂、写字楼、居民家里雷打不动的刚需用电另一块是空调、风扇这些降温用电气温越高、开得越猛。后一块就是温度敏感负荷它是夏天负荷创新高的主要推手。对电网来说负荷预测错了会怎样预测高了多开机组、多烧燃料白白浪费钱预测低了机组来不及启动就可能拉闸限电。所以负荷预测不是锦上添花是**保供电的刚需**。国赛里考负荷预测本质考的就是你会不会把气温这个关键变量用起来。## 二、负荷拆解别把复杂问题当一坨预测的第一步不是建模是拆解。总负荷可以拆成三块| 负荷类型 | 定义 | 特点 | 举例 || --- | --- | --- | --- || 基准负荷 | 与天气关系不大的基本用电 | 平稳、有周期性 | 照明、电机、办公设备 || 温度敏感负荷 | 随气温变化的用电 | 高温时猛增是波动主源 | 空调、电扇、冷藏设备 || 特殊负荷 | 偶发的大块用电 | 突发、难预测 | 大型活动、故障抢修 |拆完就明白预测的难点全在温度敏感负荷这一块。基准负荷用历史同期的平均值就能估个大概特殊负荷靠经验剔除而温度敏感负荷必须建立气温与负荷的数量关系——这就是回归分析登场的时机。这里要强调一个建模思维**先拆解、后建模**。很多同学拿到负荷数据直接一个模型套到底结果误差大得离谱。把问题拆成基准温度敏感特殊三块分别处理再合起来效果立刻不一样。这在国赛里叫结构化的建模思路是阅卷老师非常认可的。## 三、温度敏感负荷建模回归怎么用回归建模的思路一句话**把温度当作解释变量自变量把负荷当作被解释变量因变量找到两者之间的函数关系。** 用中文把逻辑讲清楚第一步选变量。自变量用哪个温度有日均温、最高温、最低温、体感温度好几个候选通常最高温或日均温跟负荷的关系最明显。注意很多题目还会给出湿球温度等效温度本质都是想把闷热程度量化得更准。第二步定形式。气温和负荷不是简单的直线关系气温35度时每升高1度负荷猛涨气温25度时升高1度负荷几乎不动。这种高温段斜率陡、低温段斜率缓的特征叫**分段线性**或者**非线性**。简单的做法是设一个临界温度比如28度超过临界值才计入降温负荷复杂的做法是加平方项、指数项甚至引入累积高温效应——连续三天40度和第一天40度对负荷的影响显然不一样。第三步拟合与检验。用历史数据把回归方程的参数估出来看拟合优度解释了多少比例的负荷波动、看每个变量的显著性、看残差有没有规律。这三步做完一个温度每升1度、负荷涨多少的数量关系就拿到手了。## 四、算例一个星期的气温与负荷数据光讲道理不如动手算。假设某市7月中旬连续10天的最高气温与日最大负荷数据如下| 日期 | 最高气温度 | 日最大负荷万千瓦 || --- | --- | --- || 7月10日 | 31 | 1520 || 7月11日 | 33 | 1680 || 7月12日 | 34 | 1810 || 7月13日 | 36 | 2050 || 7月14日 | 38 | 2260 || 7月15日 | 39 | 2380 || 7月16日 | 37 | 2120 || 7月17日 | 35 | 1900 || 7月18日 | 32 | 1590 || 7月19日 | 34 | 1760 |把数据在纸上点一下就能看出气温从31度升到39度负荷从1520万千瓦涨到2380万千瓦几乎是一条向右上方爬升的曲线。用分段回归处理设定临界温度28度只对超过28度的部分建模即降温负荷负荷-基准负荷得到的结果大致是这样的| 回归参数 | 数值 | 含义 || --- | --- | --- || 基准负荷截距 | 约900万千瓦 | 28度以下的基本用电水平 || 温度弹性系数 | 约170万千瓦/度 | 气温每升1度负荷约增170万千瓦 || 拟合优度 | 0.95以上 | 气温解释了95%以上的负荷变化 |看这个弹性系数170万千瓦/度是什么概念意味着气温从34度升到37度三天之内负荷要涨500万千瓦左右——这刚好解释了我们开头看到的现象为什么一个省区市接一个省区市地创新高因为高温就是这么一天天叠出来的。## 五、弹性系数温度每升1度负荷涨多少弹性系数是这个模型里最值钱的产品。它的含义非常直观**温度每变化1度负荷变化多少万千瓦。** 调度员拿到它天气预报说明天最高气温40度心里马上有数——比今天39度多一个数负荷大概还要再加170万千瓦该提前多启动一台备用机组了。弹性系数不是固定不变的做深入分析时还可以这样玩第一分时段算弹性——白天和夜里的弹性不同因为夜里工厂停了、空调还在开第二分地区算弹性——南方城市空调普及率高弹性系数往往比北方大第三算边际递减——气温超过42度后空调开到顶了弹性反而变小。这些扩展分析在国赛里都是现成的加分点因为它们说明你**理解模型的机理**而不只是会跑程序。## 六、情景预测与误差评估模型建完最后一步是用。预测分两种玩法**情景预测**假设天气预报给出三种情景——明日最高气温36度正常、38度偏热、40度极端把三个温度分别代入回归方程就得到三个负荷预测值。这种情景-结果对照表在报告里写出来特别直观也是国赛里最讨喜的呈现方式。**误差评估**用历史数据做回测——把前9天的数据建模预测第10天再跟第10天的真实值比。常用的误差指标有三个绝对误差、相对误差百分比、平均绝对百分比误差。一个合格的负荷预测相对误差应该控制在百分之几的量级。如果回测误差大就回头调模型是不是漏了累积高温效应是不是该加湿度变量**建模-回测-修正**这个循环跑两轮模型就成熟了。## 七、国赛负荷预测题的通用套路不管题目是预测电网负荷预测用水量还是预测景区游客量只要背后有高温驱动的影子套路都是这五步**第一步拆解。** 把总量拆成基准部分和敏感部分分别处理。这是所有预测题的灵魂。**第二步找驱动变量。** 气温、湿度、节假日、星期几把这些会动的因素列全再看哪几个真正有解释力。**第三步建模。** 敏感部分用回归线性的、分段的、非线性的都行基准部分用趋势加周期。关键是把为什么要这么建讲明白。**第四步情景预测。** 给出未来几天驱动变量的情景假设代入模型出预测值做成表格。**第五步回测验证。** 用历史数据检验误差说明模型可用性再谈改进方向。## 国赛启示回看这一周的新闻8月7日全国负荷15.57亿千瓦第四次刷新纪录25个省区市创新极值北京2939.9万千瓦的历史纪录里空调降温负荷占近一半——每一个数字背后都是温度这个变量在起作用。预测的本质就是**把凭感觉变成凭关系**找到温度与负荷之间的数量关系弹性系数一算明天的负荷就有了依据。国赛里凡是某某指标创新高的新闻背后几乎都藏着一个预测建模题。记住今天这套拆解、找变量、回归、情景预测、回测验证这就是迎峰度夏给我们的建模方法论。资料来源央视新闻联播8月8日全国用电负荷创新高报道、国家能源局数据截至8月6日、央视新闻8月6日北京电网负荷报道、辽宁电网消息8月3日。