李詠梅

（廣西電網(wǎng)有限責(zé)任公司南寧供電局 廣西壯族自治區(qū)南寧市 530029）

夏季空調(diào)用電等降溫負(fù)荷的快速增長(zhǎng)，已成為電網(wǎng)統(tǒng)調(diào)負(fù)荷屢創(chuàng)新高和造成電力供應(yīng)偏緊的重要原因。精確統(tǒng)計(jì)分析夏季氣溫對(duì)統(tǒng)調(diào)負(fù)荷的影響，可為電量供應(yīng)需求分析預(yù)測(cè)和制定迎峰渡夏措施提供科學(xué)依據(jù)。現(xiàn)有技術(shù)方案一般應(yīng)用的方法有最大負(fù)荷比較法、基準(zhǔn)負(fù)荷比較法、最大溫差法、設(shè)備容量和空調(diào)數(shù)量推算法等。傳統(tǒng)的分析方法利用年最大負(fù)荷日負(fù)荷曲線減去春秋兩季平均后的最大負(fù)荷日負(fù)荷曲線從而得到空調(diào)負(fù)荷曲線。然而夏季空調(diào)負(fù)荷的分析應(yīng)當(dāng)要在本年夏季前就應(yīng)著手進(jìn)行，以便用于指導(dǎo)本年度迎峰度夏工作的開展。而如果采用傳統(tǒng)最大負(fù)荷比較法進(jìn)行分析，就需要等到本年秋季過完得到本年秋季負(fù)荷數(shù)據(jù)后方能進(jìn)行本年度夏季空調(diào)負(fù)荷的分析，而此時(shí)夏季已過，再對(duì)夏季空調(diào)負(fù)荷進(jìn)行事后分析其指導(dǎo)意義必然大打折扣，即傳統(tǒng)最大負(fù)荷比較法具有滯后性。且現(xiàn)在對(duì)空調(diào)負(fù)荷的預(yù)測(cè)方法中，沒有考慮要將負(fù)荷都換算在統(tǒng)一的溫度基準(zhǔn)面上，而溫度對(duì)空調(diào)負(fù)荷有著舉足輕重的影響，沒有經(jīng)過溫度修正的空調(diào)負(fù)荷預(yù)測(cè)，勢(shì)必產(chǎn)生較大的誤差。本文著重分析2017-2020年近4年廣西空調(diào)負(fù)荷發(fā)展情況，構(gòu)建了最優(yōu)最高溫度-最大負(fù)荷模型進(jìn)行了夏季空調(diào)負(fù)荷的氣溫靈敏性分析，并提出一種改進(jìn)的最大負(fù)荷比較法用于分析當(dāng)季夏季空調(diào)負(fù)荷，開展了2021年夏季最大空調(diào)負(fù)荷預(yù)測(cè)曲線及空調(diào)容量分析。

1 廣西夏季空調(diào)負(fù)荷的氣溫靈敏性分析

1.1 負(fù)荷-溫度的相關(guān)性分析

通過收集，得到了2021年5月1日至6月4日的最大負(fù)荷數(shù)據(jù)和溫度數(shù)據(jù)。

1.1.1 數(shù)據(jù)預(yù)處理

為保證分析的嚴(yán)謹(jǐn)與準(zhǔn)確性，首先需對(duì)于獲取的負(fù)荷數(shù)據(jù)和溫度數(shù)據(jù)序列進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)數(shù)據(jù)集合進(jìn)行如下幾個(gè)方面的操作：

（1）過濾存在負(fù)值的數(shù)據(jù)。顯而易見，本文研究所及的正常數(shù)據(jù)集中不會(huì)有負(fù)數(shù)值的出現(xiàn)。

（2）針對(duì)缺失的數(shù)據(jù)，總所周知對(duì)數(shù)據(jù)的采集不可避免地會(huì)產(chǎn)生填報(bào)錯(cuò)誤、數(shù)據(jù)不可用、傳輸偏差等問題。不管是出于何因素，只要存在空白數(shù)據(jù)項(xiàng)，就會(huì)對(duì)后續(xù)數(shù)據(jù)分析研究造成影響。因此，在分析開始前，需要對(duì)缺失的數(shù)據(jù)進(jìn)行妥當(dāng)處理。獲得完整數(shù)據(jù)集的途徑主要有兩種：刪除缺失數(shù)據(jù)或補(bǔ)全缺失數(shù)據(jù)。在處理有數(shù)據(jù)缺失的數(shù)據(jù)集時(shí)，最簡(jiǎn)單易行的方式就是刪除缺失的數(shù)據(jù)單元，但如果所有的缺失數(shù)據(jù)都采用該方法勢(shì)必會(huì)對(duì)接下來的數(shù)據(jù)研究分析產(chǎn)生較大的偏差。另一種是數(shù)據(jù)補(bǔ)全，填補(bǔ)的目的并不是預(yù)測(cè)單個(gè)缺失數(shù)據(jù)值，而是預(yù)測(cè)缺失的數(shù)據(jù)所服從的數(shù)據(jù)分布規(guī)律。通過插補(bǔ)的方式可有效補(bǔ)全缺失的空白數(shù)據(jù)，將原有缺失數(shù)據(jù)集近似還原為一個(gè)完整的數(shù)據(jù)集，極大降低了由于數(shù)據(jù)丟失造成的研究偏差。本文根據(jù)數(shù)據(jù)的缺失度，采取不同的處理措施：將缺失比例≥15%定義為缺失嚴(yán)重，對(duì)此類型數(shù)據(jù)可直接進(jìn)行剔除棄用，而對(duì)缺失量<15%的數(shù)據(jù)，可借助線性插值的方法對(duì)數(shù)據(jù)進(jìn)行補(bǔ)全。

（3）針對(duì)突變數(shù)據(jù)，目前的研究中處理并判別突變誤差有多種方法和準(zhǔn)則，如3σ準(zhǔn)則、Romanowski準(zhǔn)則、Dixon準(zhǔn)則、Grubbs準(zhǔn)則等，其中3σ準(zhǔn)則是常用的統(tǒng)計(jì)判斷準(zhǔn)則。

本文基于3σ的原則對(duì)突變數(shù)據(jù)進(jìn)行辨識(shí)和處理。3σ準(zhǔn)則又名拉依達(dá)準(zhǔn)則，其基于一個(gè)假設(shè)，即一組檢測(cè)數(shù)據(jù)只包含隨機(jī)誤差，對(duì)數(shù)據(jù)集進(jìn)行計(jì)算可得到其標(biāo)準(zhǔn)差，接著按一定的概率確定個(gè)區(qū)間，認(rèn)為但凡超過此區(qū)間的誤差，就不再屬于隨機(jī)誤差而應(yīng)歸類于突變誤差，而此類突變的數(shù)據(jù)則均應(yīng)予以剔除。3σ準(zhǔn)則的數(shù)據(jù)處理原理及操作方法主要適用于正態(tài)分布或接近正態(tài)分布的樣本數(shù)據(jù)，且以測(cè)量次數(shù)足夠大為前提，當(dāng)數(shù)據(jù)測(cè)量的次數(shù)低于10次時(shí)用3σ準(zhǔn)則剔除突變誤差其可靠性將變差，此時(shí)可改用其他準(zhǔn)則。

式中，

s——標(biāo)準(zhǔn)偏差（%）；

n——總測(cè)量次數(shù)，一版n值不應(yīng)小于20-30個(gè)；

i——各次測(cè)量，1≤i≤n。

總的來說，需要計(jì)算出每組數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，然后篩選出那些與均值的偏差大小超過標(biāo)準(zhǔn)差3倍的數(shù)據(jù)點(diǎn)，將這些數(shù)據(jù)定義為突變數(shù)據(jù)并進(jìn)行刪除處理。

1.1.2 相關(guān)性系數(shù)

在研究分析工作中，常常需要針對(duì)關(guān)注的研究對(duì)象，收集大量相關(guān)影響因素，從而對(duì)其進(jìn)行觀測(cè)和分析。收集越多的影響因素就越方便全方面的對(duì)事物進(jìn)行細(xì)致的研究，對(duì)深層次的規(guī)律進(jìn)行探尋。但隨著樣本影響因素?cái)?shù)量的增多，需要分析處理的數(shù)據(jù)量也是直線上升的，在進(jìn)行樣本聚類、回歸等數(shù)據(jù)分析的過程中，樣本的數(shù)據(jù)維度過大，無疑會(huì)使得問題的研究變得愈加復(fù)雜。

因此，經(jīng)過前一步的數(shù)據(jù)預(yù)處理后得到符合要求的數(shù)據(jù)集后，進(jìn)下來進(jìn)一步采用皮爾遜相關(guān)系數(shù)法分析該日期范圍內(nèi)日最大負(fù)荷與日最高溫度、最低溫度和平均溫度的相關(guān)性。皮爾遜相關(guān)系數(shù)方法也稱為積差相關(guān)（或積矩相關(guān)）分析法，于20世紀(jì)被英國(guó)數(shù)據(jù)分析專家皮爾遜提出的一種計(jì)算線性相關(guān)的數(shù)據(jù)分析方法，其優(yōu)勢(shì)勝在原理清晰明了，且不受兩個(gè)變量所處的位置以及尺度變化的影響，步驟簡(jiǎn)單易行，容易程序化執(zhí)行，在眾多數(shù)據(jù)分析軟件或編程語(yǔ)言中均有成熟模塊和算法程序可以利用。

皮爾遜相關(guān)系數(shù)分析方法其本質(zhì)上屬于一種用于分析線性相關(guān)性系數(shù)的方法，使用時(shí)還需要注意滿足以下幾個(gè)條件：

（1）兩變量均應(yīng)為測(cè)量而得到的連續(xù)變量。

（2）兩變量均呈現(xiàn)正態(tài)分布，或近似正態(tài)的單峰對(duì)稱分布的總體數(shù)據(jù)集。

（3）變量必須為相互匹配成對(duì)的數(shù)據(jù)。

（4）兩個(gè)變量間應(yīng)大體為線性關(guān)系。

皮爾遜相關(guān)系數(shù)的算法步驟可概括如下：

（1）對(duì)數(shù)據(jù)集進(jìn)行標(biāo)幺化。一般地，現(xiàn)實(shí)的研究中各因素其物理含義、數(shù)據(jù)量綱以及數(shù)量級(jí)是有所迥異的，不好對(duì)有名值進(jìn)行直接的分析計(jì)算，一般都要進(jìn)行無量綱化，可采用目前應(yīng)用比較廣泛的區(qū)間值化變換的方法進(jìn)行數(shù)據(jù)的標(biāo)幺化處理：

或

（2）計(jì)算總體均值：

（3）計(jì)算總體協(xié)方差：

（4）則皮爾遜相關(guān)性系數(shù)為：

式中，σ為標(biāo)準(zhǔn)差：

相關(guān)系數(shù)的絕對(duì)值越大，則x于y的相關(guān)性就越強(qiáng)，即x對(duì)y的評(píng)價(jià)結(jié)果就越優(yōu)，反之則越劣?？赏ㄟ^如表1所示的相關(guān)性判據(jù)判斷變量間的相關(guān)強(qiáng)度，通常情況下低于0.6的因素可被排除在后續(xù)數(shù)據(jù)集的研究分析之外。

表1：皮爾遜相關(guān)性系數(shù)判定表

根據(jù)收集得到的負(fù)荷以及氣象數(shù)據(jù)，結(jié)合上述數(shù)據(jù)處理與皮爾遜相關(guān)性系數(shù)的計(jì)算方法，可得到最大負(fù)荷與最高溫度、最低溫度以及平均溫度的相關(guān)性系數(shù)分析結(jié)果如表2所示。

表2：最大負(fù)荷與溫度的相關(guān)系數(shù)

由計(jì)算結(jié)果分析可知，最大負(fù)荷與最高溫度的相關(guān)性最大，因此可采用最大負(fù)荷與最高溫度進(jìn)行數(shù)據(jù)擬合建模。

1.2 最大負(fù)荷-最高溫度建模

在理論研究及實(shí)際應(yīng)用領(lǐng)域中，人們時(shí)常需要在分析一組數(shù)據(jù)集的基礎(chǔ)上，來求取自變量和應(yīng)變量之間的數(shù)學(xué)表達(dá)函數(shù)關(guān)系式，以便于對(duì)這一現(xiàn)象規(guī)律的數(shù)學(xué)描述或更進(jìn)一步的研究分析利用。這類問題在實(shí)質(zhì)就是由測(cè)得的點(diǎn)去求曲線的擬合。所謂曲線擬合是指設(shè)法尋找一條光滑的曲線，它能最吻合地描述所研究的數(shù)據(jù)集。在進(jìn)行擬合曲線時(shí)，并非要求擬合的曲線必需要經(jīng)過數(shù)據(jù)集中的每一個(gè)數(shù)據(jù)點(diǎn)，其核心思想是使曲線能夠反映這些離散數(shù)據(jù)點(diǎn)的變化趨勢(shì)，使擬合出的曲線與數(shù)據(jù)點(diǎn)的誤差最小。

當(dāng)前期就對(duì)研究對(duì)象的內(nèi)在特性及與各因素間的相互關(guān)系有比較清晰的掌握時(shí)，可采用機(jī)理分析的方法直接先建立描述y=f(x)的數(shù)學(xué)函數(shù)模型，然后再使用擬合曲線的方式定好模型中的相關(guān)參數(shù)即可。然而如果出于客觀事物其內(nèi)部規(guī)律的復(fù)雜性以及研究人員對(duì)研究對(duì)象掌握程度的限制，無法直接建立其合乎機(jī)理規(guī)律的數(shù)學(xué)函數(shù)表達(dá)時(shí)，就只能先對(duì)數(shù)據(jù)集(x,y)進(jìn)行分析，繪制它們的散點(diǎn)分布圖，先預(yù)估y=f(x)的可能形式，并通過仿真和誤差分析，不斷對(duì)比和計(jì)算分析，最后才能得出擬合數(shù)據(jù)較好的數(shù)學(xué)模型表達(dá)式。

本文通過對(duì)數(shù)據(jù)集特性以及數(shù)據(jù)散點(diǎn)圖分布情況的充分分析，確定了使用二次函數(shù)來將該日期范圍內(nèi)最大負(fù)荷與最高溫度進(jìn)行擬合模型，得到了不同溫度條件下的最大負(fù)荷擬合值。根據(jù)是否剔除偏離較大數(shù)據(jù)和是否剔除節(jié)假日數(shù)據(jù)，在曲線擬合仿真下得到了如下四種情形的擬合數(shù)學(xué)函數(shù)模型：

模型一：對(duì)所有數(shù)據(jù)集進(jìn)行擬合

所得擬合函數(shù)及其圖型曲線如圖1所示。

圖1：正常數(shù)據(jù)的最高溫度與最大負(fù)荷擬合圖

模型二：剔除偏離較大數(shù)據(jù)后進(jìn)行的擬合

所得擬合函數(shù)及其圖型曲線如圖2所示。

圖2：剔除偏離較大數(shù)據(jù)的最高溫度與最大負(fù)荷擬合圖

模型三：剔除節(jié)假日后進(jìn)行的擬合

所得擬合函數(shù)及其圖型曲線如圖3所示。

圖3：剔除節(jié)假日數(shù)據(jù)的最高溫度與最大負(fù)荷擬合圖

模型四：同時(shí)剔除節(jié)假日和偏離較大的數(shù)據(jù)后的擬合

所得擬合函數(shù)及其圖型曲線如圖4所示。

圖4：剔除節(jié)假日和偏離較大數(shù)據(jù)的最高溫度與最大負(fù)荷擬合圖

1.3 擬合模型精度分析

一個(gè)變量（自變量）對(duì)另一個(gè)變量（因變量）擬合精度的研究分析，主要是期望提高自變量準(zhǔn)確快捷地描述因變量。由于擬合函數(shù)與實(shí)際數(shù)據(jù)間必然會(huì)存在著一定的偏差，即預(yù)測(cè)誤差，可采用相對(duì)誤差e來衡量四種情況下的預(yù)測(cè)結(jié)果準(zhǔn)確度，該方法簡(jiǎn)便易行，適用于各類預(yù)測(cè)分析的結(jié)果評(píng)估。

把5月1日-6月4日的實(shí)際溫度分別代入以上四個(gè)模型，將預(yù)測(cè)最大負(fù)荷與實(shí)際最大負(fù)荷進(jìn)行比對(duì)計(jì)算各自的相對(duì)誤差，可分別得到四個(gè)模型的描述精度如表3所示。

表3：各擬合模型精度分析

由模型精度分析可知，模型四的平均相對(duì)誤差為1.71%，平均準(zhǔn)確度達(dá)到了98.29%，為平均精度最高的一個(gè)模型。因此，預(yù)測(cè)夏季工作日最大負(fù)荷隨氣溫變化的趨勢(shì)，可采用模型四進(jìn)行研究分析。

1.4 夏季空調(diào)負(fù)荷氣溫敏感性分析

氣溫靈敏度是電力指標(biāo)隨氣象指標(biāo)變化規(guī)律的量化分析結(jié)果，即電力指標(biāo)數(shù)據(jù)隨氣象指標(biāo)數(shù)據(jù)變化的曲線的斜率。根據(jù)以上分析，采用模型四對(duì)2021年夏季工作日最大負(fù)荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表4所示。

表4：最大負(fù)荷預(yù)測(cè)結(jié)果

以上預(yù)測(cè)結(jié)果由模型四的函數(shù)曲線向外延伸實(shí)現(xiàn)，得到了不同溫度區(qū)間范圍內(nèi)，最大負(fù)荷的變化區(qū)間。分析表3即可得到氣溫每升高1℃夏季負(fù)荷的變化量（亦為夏季空調(diào)負(fù)荷的變化量），即夏季空調(diào)負(fù)荷氣溫靈敏性如表5所示。

表5：每升高1℃空調(diào)負(fù)荷變化

2 基于改進(jìn)最大負(fù)荷比較法的夏季空調(diào)負(fù)荷分析

由于直接得到空調(diào)負(fù)荷的實(shí)測(cè)數(shù)據(jù)較為困難，而且夏季電網(wǎng)負(fù)荷的變化不僅與空調(diào)負(fù)荷有關(guān)，還需要綜合考慮其他因素，一般采用最大負(fù)荷比較法對(duì)空調(diào)負(fù)荷進(jìn)行推算，傳統(tǒng)最大負(fù)荷比較法利用年最大負(fù)荷日負(fù)荷曲線減去春秋兩季平均后的最大負(fù)荷日負(fù)荷曲線從而得到空調(diào)負(fù)荷曲線。

夏季空調(diào)負(fù)荷的分析應(yīng)當(dāng)要在本年夏季就著手進(jìn)行，用于指導(dǎo)本年度迎峰度夏工作的開展。而如果采用傳統(tǒng)最大負(fù)荷比較法進(jìn)行分析，就需要等到本年秋季過完得到本年秋季負(fù)荷數(shù)據(jù)后方能進(jìn)行本年度夏季空調(diào)負(fù)荷的分析，而此時(shí)夏季已過，再對(duì)夏季空調(diào)負(fù)荷進(jìn)行事后分析其指導(dǎo)意義必然大打折扣，即傳統(tǒng)最大負(fù)荷比較法具有滯后性。

因此本文提出一種基于改進(jìn)最大負(fù)荷比較法的夏季空調(diào)負(fù)荷分析方法，因3月（春季）、11月（秋季）氣溫適宜基本沒有降溫負(fù)荷，因此選擇3月和11月中最大負(fù)荷日的日負(fù)荷曲線平均值作為基準(zhǔn)負(fù)荷曲線。選擇6月至8月（夏季）最大負(fù)荷日的日負(fù)荷曲線與所得到的基準(zhǔn)負(fù)荷曲線相比較，得到歷年最大空調(diào)負(fù)荷曲線。使用上述夏季空調(diào)負(fù)荷氣溫靈敏性分析結(jié)果對(duì)求得的歷年最大空調(diào)負(fù)荷進(jìn)行基于氣溫靈敏性的溫度修正，統(tǒng)一修正為同一氣溫（如36℃）下的負(fù)荷值，具體可借助表5中的氣溫靈敏性數(shù)據(jù)對(duì)負(fù)荷進(jìn)行溫度的修正，即當(dāng)前研究日的溫度與36℃相差多少，就分別加上或減去相應(yīng)溫度值對(duì)應(yīng)的負(fù)荷變化量。然后通過曲線擬合的方式預(yù)測(cè)得到本年度11月份最大日負(fù)荷數(shù)據(jù)，進(jìn)而可以得到本年度夏季最大空調(diào)負(fù)荷預(yù)測(cè)曲線。圖5為2017年至2020年夏季最大空調(diào)負(fù)荷曲線及2021年夏季最大空調(diào)負(fù)荷預(yù)測(cè)曲線。

圖5：2017年至2020年夏季最大空調(diào)負(fù)荷曲線及2021年夏季最大空調(diào)負(fù)荷預(yù)測(cè)曲線

進(jìn)而分析得到歷年空調(diào)負(fù)荷及其發(fā)展趨勢(shì)，如表6所示。

表6：2017年至2021年空調(diào)負(fù)荷及發(fā)展趨勢(shì)

3 結(jié)論

隨著電力供需面臨新的形勢(shì),各級(jí)電力企業(yè)圍繞如何以電網(wǎng)安全、可靠、經(jīng)濟(jì)、優(yōu)質(zhì)運(yùn)行為工作立足點(diǎn)，借助數(shù)據(jù)統(tǒng)計(jì)學(xué)的相關(guān)技術(shù)方法,對(duì)電網(wǎng)多維信息數(shù)據(jù)（比如：負(fù)荷、電量、氣象等等）進(jìn)行深入地挖掘，建立相對(duì)精準(zhǔn)的數(shù)學(xué)模型描述，開展好電力負(fù)荷預(yù)測(cè)分析以及電網(wǎng)的發(fā)用電平衡工作，對(duì)合理安排年度電網(wǎng)運(yùn)行方式、準(zhǔn)確分析負(fù)荷的發(fā)展規(guī)律、科學(xué)決策電網(wǎng)的規(guī)劃建設(shè)以及提高電網(wǎng)投資準(zhǔn)確度等具有舉足輕重的現(xiàn)實(shí)研究意義。本文基于廣西2017-2020年用電負(fù)荷數(shù)據(jù)構(gòu)建最優(yōu)最高溫度-最大負(fù)荷模型，分析了夏季空調(diào)負(fù)荷的氣溫敏感性，并提出一種改進(jìn)的最大負(fù)載比較法來分析并預(yù)測(cè)夏季最大空調(diào)負(fù)荷，得出以下結(jié)論：

（1）2017年～2021年空調(diào)負(fù)荷容量和增速均呈現(xiàn)逐年增加的趨勢(shì)。其中，2020年增速最快，主要因?yàn)?020年居民居家時(shí)間增多，導(dǎo)致空調(diào)負(fù)荷急劇增加。而截至目前，2021年進(jìn)入夏季以來陰雨天氣較多，平抑了部分空調(diào)負(fù)荷的增長(zhǎng)。

（2）2017年～2019年空調(diào)負(fù)荷增值率均小于最大負(fù)荷增值率，反映了2017～2019年廣西工業(yè)負(fù)荷增長(zhǎng)勢(shì)頭較好。2020年空調(diào)負(fù)荷增值率高于最大負(fù)荷增值率，主要原因在于工業(yè)負(fù)荷增速放緩。2021年空調(diào)負(fù)荷增值率高于最大負(fù)荷增值率，原因分析為今年高溫氣候提前，刺激了空調(diào)負(fù)荷的迅速增長(zhǎng)。

（3）廣西2017年～2021年空調(diào)負(fù)荷占比呈增長(zhǎng)趨勢(shì)，2021年為31.55%。而在發(fā)達(dá)城市的夏季電力高峰期中，空調(diào)負(fù)荷占比大于40%，其中北京、上海、廣州等特大城市，夏季空調(diào)負(fù)荷占比接近50%，反映了廣西空調(diào)負(fù)荷仍具備較大的增長(zhǎng)潛力。

（4）夏季氣溫與空調(diào)負(fù)荷呈正相關(guān)性，空調(diào)負(fù)荷隨著氣溫上升而上升，其中，33℃～36℃為空調(diào)負(fù)荷敏感區(qū)間，氣溫每上升1℃，空調(diào)負(fù)荷上升大約55.11萬千瓦～81.88萬千瓦。

基于以上的研究分析，建議一方面繼續(xù)加大氣溫對(duì)電力供需影響的相關(guān)研究深度，構(gòu)建綜合考慮經(jīng)濟(jì)、氣象、地理、人文等更多維因素下的空調(diào)負(fù)荷精細(xì)化分析預(yù)測(cè)模型，提高電力供需規(guī)劃的準(zhǔn)確性。另一方面空調(diào)負(fù)荷作為優(yōu)質(zhì)的負(fù)荷側(cè)柔性資源，短時(shí)間的調(diào)節(jié)不會(huì)影響用戶的使用體驗(yàn)，建議加強(qiáng)引導(dǎo)用戶側(cè)資源參與電網(wǎng)需求響應(yīng)調(diào)控，緩解供需緊張局勢(shì)，以最小的投資實(shí)現(xiàn)電力系統(tǒng)資源的最大化利用。