在编制地区电力(网)规划中，最大负荷的预测结果决定了电源、变电站的容量，决定了未来的投资规模，所以最大负荷预测是电力规划的基础，是电力规划科学性的前提。目前用电量与经济发展的关系研究已有众多研究成果，而最大负荷与电量的关系少有研究，反映二者关系的最大负荷利用小时数受哪些因素影响，如何寻找它们之间关系的规律性，是预测中的重点和难点。实际工作中发现，用电结构是最大负荷与电量关系的主要影响因素。下面以京津唐电网及其组成部分北京、天津、冀北相关数据为例进行论证。
京津唐地区经济发展与用电结构特征分析
北京、天津、冀北(包括唐山、廊坊、承德、秦皇岛、张家口五市)三地区的用电结构差异较大，源于三个地区经济发展阶段和特点不同，产业结构各有典型性。北京由于首都功能的特殊性，经济结构不断优化，2014年产业结构为0.75：21.31：77.95，人均GDP已达到10万元;天津具有先进的重工业和港口经济特点，2014年产业结构为1.28：49.39：49.32，第二产业比重已下降到50%以下，人均GDP10.4万元;冀北地区是重工业基地，工业以建材、板材等钢铁生产为主，近几年也加快了结构调整力度，2014年产业结构为11.53：51.55：36.93，第三产业比重仍然较低，人均GDP5.2万元。由于各自经济发展特点不同，各地区用电结构也不尽相同，冀北地区工业用电比重最高，2014年为81.7%，北京最低33.4%，天津已下降到69.6%。京津唐电网由这三地组成，综合了三地的特点。
用电结构对相关负荷特性指标的影响分析
反映最大负荷和用电量关系的负荷特性指标主要有最大负荷利用小时数(简称利用小时)、年负荷率、年持续负荷曲线等，通过分析这几项指标的变化趋势可以看出用电结构的影响。由于工业化发展阶段工业用电比重较大，因此以下均分析工业用电比重的变化对各项指标的影响。
对最大负荷利用小时的影响分析
年最大负荷利用小时是反映最大负荷与用电量关系的重要特性指标，其值等于年用电量与最大负荷的比值。
表1中看出，1990年北京、天津、冀北三地工业用电比重均在70%以上，天津比重最大，高达79%;1990~2000年，三地区工业用电比重均呈下降趋势，北京下降幅度最大;2000年以后，北京工业用电比重仍大幅度下降，天津、京津唐2000~2007年上升，以后缓慢下降;冀北2000~2010年大幅度上升，2010~2014年下降。到2014年，三地工业用电比重分别变化为33.4%、69.6%和81.7%，20多年来差异逐渐扩大，分别朝向不同经济特点发展变化。
表1中 1990年北京、天津、冀北三地中天津工业用电比重最大，则利用小时最大。2000年以后冀北工业用电比重逐渐上升为三地中最大，利用小时也一直保持最大。由于京津唐与北京、天津、冀北不是独立关系，电量为三地之和，最大负荷同时率小于1(三地区最大负荷不同时出现)，因此利用小时较各地区偏高，但也基本符合上述规律。由此可以看出，各地区最大负荷利用小时数与工业用电比重呈正相关。
2010～2014年时间段规律性不明显，表现为各地区工业用电比重均下降，但京津唐、北京利用小时2010年却低于2014年。北京2010年的利用小时较低是由于工业用电比重较小(38.05%)，第三产业和居民生活用电比重相对较大，对气温敏感度较高，当年北京最高气温达到40.6℃，最大负荷增速高于电量增速6个多百分点，而2014年又近似凉夏，出现了全年用电量正增长2%以上，最大负荷负增长(-0.8%)，导致利用小时高于2010年;而天津和冀北由于工业用电比重较大(71.65%、85.22%)，利用小时基本随着工业用电比重的变化而变化，对持续高温天气敏感性差一些。即对于工业用电比重较小的地区，在较短的时间段内(5年以内)，特别是在时间节点上出现异常情况，最大负荷与电量的相关性较弱，气候等因素的影响更强些，用电结构的影响弱于气候等其他因素的影响。
对相关负荷率的影响
最大负荷利用小时的变化趋势也可以通过负荷率的变化来反映。年最大负荷利用小时等于全年小时数与年负荷率的乘积，年负荷率等于年平均负荷与年最大负荷的比值，又等于年平均日负荷率、年平均月负荷率(月不均衡系数)和季负荷率(季不均衡系数)三者的乘积。
从表2可以看出，以上各项负荷率指标与工业用电比重也呈正相关，北京工业用电比重最小，各项负荷率指标和利用小时也最小，冀北工业用电比重最大，各项负荷率指标和利用小时最大，具有典型的工业负荷特征。
对年持续负荷曲线的影响
最大负荷与电量的关系还可以从年持续负荷曲线中反映出来，如图1、图2。图中用标么值分别显示了北京、天津、唐山地区2014年年持续负荷曲线和京津唐电网不同年份的年持续负荷曲线。图中纵坐标最大负荷是1，曲线下方的面积即为电量，也等于最大负荷利用小时数。
图1中显示，2014年冀北年持续负荷曲线最平坦，下方面积最大，即利用小时最大;北京曲线最陡峭，面积最小，利用小时最小。图1中还可以看出，北京和天津80%Pmax以上的高峰负荷持续时间远低于冀北，是由于北京、天津第三产业和居民生活用电比重合计分别为62.2%和26.8%，大于冀北(15.45%)，对气温的敏感度高于冀北;冀北年持续负荷曲线较为平坦，是由于工业中连续性生产的高耗能工业比重大于天津、北京。因此，图1中最大负荷利用小时数与工业用电比重也呈正相关。
图2是京津唐电网不同年份的年持续负荷曲线。从曲线形状可以看出，2007年曲线最平坦，下方面积最大，利用小时最大，对应工业用电比重最大(69.69%)，2000年曲线最陡峭，下方面积最小，利用小时最小，对应工业用电比重最小(64.94%)，即利用小时与工业用电比重呈正相关。
2010年和2014年，由于夏季分别出现持续高温和凉夏的异常气候(如前述)，用电结构对利用小时的影响转弱，2010年虽然工业用电比重大于2014年，但年持续负荷曲线较2014年凉夏时的负荷曲线陡峭，曲线下方面积较小，负荷利用小时小于2014年。因此对于时间跨度较小，期间又出现异常气候时，结构的影响弱于气候的影响。
综上所述，负荷利用小时与工业用电比重呈正相关;只有当时间跨度较小时(小于5年)，特别是期间出现异常气候等其他因素的干扰，用电结构的影响转弱。
用电结构对最大负荷与用电量相关性的影响分析
最大负荷与用电量的相关性分析
按照不同的时间段，分别从最大负荷和全社会用电量(简称电量)的绝对量及年均增速两种参数的相关性分析如下：
分别对京津唐、北京、天津、冀北最大负荷与电量绝对量的相关系数进行计算(分为1980～2014、2000～2010、2007～2017、2006～2010、2011～2014共5个时间段)，其结果基本符合时间跨度越长，相关系数越大，相关性越强的大概率事件，其中5年以上的相关系数多数在0.98以上，相关性较弱的是时间段较短的2010～2014年，最低也达到0.94以上;各地区中北京最大负荷与电量的相关系数略低，但也达到0.92以上。
各地区最大负荷与电量年均增速的相关系数计算结果(分别为10年、5年，3年、1年，采用滚动计算年均增速，样本数分别为17、22、22、24个)也基本符合时间跨度越长，相关性越高的规律，各地区除北京外10年跨度的年均增速相关系数达到0.97以上，5年跨度在0.92以上，3年跨度0.83以上， 1年的相关性相对较差;各地区中工业用电占比最大的冀北相关性最强，除1年度相关系数较低外(0.83)，其他时段均达到0.96以上，工业占比最低的北京相关系数最低，在0.83~0.60之间。
北京的最大负荷和电量的相关性较弱是由于北京工业用电比重越来越小，第三产业和居民生活用电比重逐渐上升，对气候的敏感度较高，因此相关性有所减弱。
从最大负荷与用电量的绝对量和年均增速的相关性比较可以看出，工业用电比重越大，时间跨度越长，最大负荷与用电量的相关性越强。
各参数之间相关性比较分析
表3将各地区最大负荷与电量年均增速、工业用电比重和利用小时等参数的历史数据分为四个时段进行比较。主要考虑时间长度在5年以上，并跨过2008年金融危机等异常事件的影响;2010年气候异常年份作为时间节点将有一定影响，列于表中在分析时可以发现其影响程度。
从表3中可以看出以下几方面：
一是京津唐、冀北地区第1、4时段，北京市4个时段、天津市第1、2、4时段，工业用电比重和利用小时均下降，最大负荷年均增速均高于电量增速;京津唐、冀北地区第2、3时段，工业用电比重和利用小时数均上升，最大负荷年均增速均低于电量增速。即工业用电比重与利用小时数变化呈正相关，二者下降(上升)时，最大负荷年均增速高于(低于)电量年均增速。
二是北京1、2时段工业用电比重和利用小时数均呈较大幅度下降，最大负荷年均增速高于电量增速的差值也较大;冀北地区第2、3时段，工业用电比重有较大幅度上升，最大负荷年均增速低于电量年均增速的差值也较大，即工业用电比重变化幅度较大时，利用小时变化也较大，最大负荷与用电量年均增速差值也较大。
以上分析中，由于时间跨度较大，期间出现多次统计口径的调整，导致有些时段对分析规律性产生一定的影响。
结语
在工业化发展阶段，年最大负荷与用电量存在较强的相关性，用电结构与最大负荷利用小时数呈正相关，二者下降(上升)时，最大负荷年均增速略高于(低于)用电量增速，工业用电比重变化幅度越大，利用小时变化幅度越大，最大负荷与用电量年均增速的差值越大。此结论可应用于中长期负荷预测中，当通过经济预测得到电量和用电结构的预测结果时，最大负荷也基本确定。
上述分析结论的前提条件是：电量和负荷口径应尽量对应，至少应保证一个时间段内口径不发生变化;异常气候只是偶发，地区气候没有发生根本性改变;电力供需没有发生持续紧张局面;需求侧管理常态化，且是循序渐进的;为避免一些偶然因素对最大负荷的影响，文中最大负荷均指整点负荷。
