Page 134 - 《中国电力》2026年第3期

2026 年 第 59 卷

纲。在年周期性（季节性）方面，四季负荷特征 轴主导分离：负荷呈现显著双极分布，蓝色簇集
存在明显区别，通过 PCA 降维后的三维特征空间 中 于 PC1 负 半 轴 （ –1 000~0） ， 红 色 簇 占 据 正 半
（ PC1、 PC2、 PC3） 如 图 4 所 示 。 春 季 负 荷 PC1 轴 （ 0~1 000） ， 反 映 春 季 存 在 两 种 对 立 用 电 模

式：负半轴对应过渡期低负荷（如供暖结束后的
PCA特征空间分布
4.0
基础用电），正半轴表征气温波动触发的间歇性
3.5
150 高峰（如早晚温差导致的采暖/制冷切换）。PC3
100
3.0 轴压缩（–150~150），各类簇在 PC3 方向重叠度
50
PC3 0 2.5 高，说明高阶特征变异小，印证春季负荷受单一
−50
−100 2.0 主导因素（温度）驱动，可以考虑建立双模式预
−150 测模型，重点监控 正半轴突变（气候异常预
100 1.5 PC1
0 500 1 000 警）。秋季负荷特征 PC2 轴最大分化，黄色簇沿
−100 0
−500
PC2 −200 −1 000 PC1 1.0 PC2 广泛分布，揭示秋季负荷次要特征多样性，
a) 春季
农业收获期（高 PC2 值：烘干设备间歇启停）和
PCA特征空间分布
4.0 温差过渡（低 PC2 值：供暖/制冷混合态），PC1-
3.5 PC2 平面呈“核心-外围”结构，深蓝色簇居中，
200
150 深红色簇边缘分散，体现基荷与可变负荷共存，
3.0
100
PC3 50 2.5 可以考虑在 PC2 高值区部署柔性资源（如储能），
0 平抑农业负荷冲击。
−50 2.0
−100 夏季负荷特征 PC1/PC2 高度聚集（–100~100）：
100 1.5
0 500 1 000 蓝色簇占 90% 以上空间，反映空调负荷绝对主导
−100 0
PC2 −500 1.0 轴异常发散（–100~100），少
−200 −1 000 PC1 的模式单一性，PC3
b) 夏季
量红色点在 PC3 = –100 附近区域成簇，对应持续
PCA特征空间分布
4.0 高温事件（多日极端温度累积效应）和工业避峰
行为（人为负荷转移），可以考虑强化 PC3 方向
3.5
200
150 监测，红色簇数量可量化极端气候风险。冬季负
3.0
100
PC3 50 2.5 荷特征 PC1 轴集中分布（–500~500），蓝色簇密
0 集于 PC1 中段，显示冬季存在稳定核心负荷模式
−50 2.0
−100 （持续供暖需求），PC2 轴极度压缩（–50~50），
100
0 1 000 1.5 所有簇在 PC2 方向收缩，表明次要特征高度一致，
500
−100 0
−500
PC2 −200 −1 000 PC1 1.0 与冬季供暖设备持续运行的特性吻合，可以考虑
c) 秋季
优化热电机组调度策略，PC3 异常点可作为寒潮
PCA特征空间分布
4.0 响应指标。
通过 PCA 降维与聚类分析，变电站四季负荷
3.5
150
特征呈现显著差异如表 2 所示，其中春季表现为
100
3.0
PC3 50 双极分布（PC1 负区与正区对立），对应过渡期
0 2.5 多模式负荷；夏季和冬季呈现高度集中的单峰分
−50
2.0 布，分别反映空调与供暖负荷的主导性；秋季则
−100
100
50 1 000 1.5 显示“核心-外围”结构，PC2 轴离散度最大，印
0 500
−50 0
−500
PC2 −100 −1 000 PC1 1.0 证农业用电与温差的混合影响。
d) 冬季 聚类结果进一步揭示了负荷形态的季节性规
图 4 四季 PCA 特征空间 律：夏季以高早高峰、低波动率为特征，冬季则
Fig. 4 Four-season PCA feature space 呈晚高峰主导的“单峰型”曲线，春秋季则介于
130