庾力维， 何敬开

(1.广东电网有限责任公司东莞供电局，广东 东莞 523000；2.广州依莱科电力科技有限公司，广东 广州 510630)

0 引 言

目前，电网规划日益精细，饱和空间负荷预测[1]是电网中长期规划的基础。常用的饱和空间负荷预测方法主要为负荷密度法，基于城市规划进行预测。城市规划一般把工业划分为一类、二类和三类工业等，划分标准主要根据其对环境污染的影响，与负荷密度和负荷特性等并无直接关系。实际上工业细分行业[2]众多，不同行业负荷密度相差很远。因此，有必要专门针对工业进行更细致的行业划分和取值。

传统负荷密度法的负荷密度主要参考规范取值，但规范中的取值范围跨度很大，需要从中选取更具体的取值。为避免过分受到主观取值影响，实际工作中往往结合部分用户负荷密度调研。但此类调研实际上也只是少量的抽样调查，难以反映普遍情况。因此，有必要通过大数据[3]分析，为负荷密度取值提供更充足的依据。

传统负荷密度法的同时率取值往往是经验值，受主观因素影响较大。且同时率受行业类别影响非常大，同一区域内的地块[4]若为同一行业，其同时率往往较高，反之若行业差别较大，尤其是工商业与居民负荷，其同时率往往较低。规划片区众多，每个片区内部地块的行业分布各有不同，大大增加了同时率准确取值的难度。因此，本文提出先通过大数据分析确定行业内部同时率，再通过行业间的负荷曲线[5]叠加计算区域负荷。……