西安市居民用电量对气象因子的响应及预测

利用2010年2月1日至2013年8月31日西安市逐小时电力负荷资料及对应时段地面气象观测站数据,分析西安电力负荷的变化特征,研究气象敏感负荷与主要气象因子的关系。结果表明:电力负荷在不同时间尺度上呈现出不同变化特征,夏季和冬季是一年中电力负荷的高峰期;极端电力负荷出现在夏冬两季,其中夏季极端电力负荷出现频率占总数的74%;相比于其他气象因子,气温与气象敏感负荷的相关性最强,在5—9月呈正相关,10月至次年4月呈负相关,逐日气象负荷率随日平均气温的增加先逐渐减小,再逐渐增加,当日平均气温为17℃时,气象负荷率最小;日最高气温34℃为夏季引起西安市最大电力负荷增加的初始气温敏感值,36℃为强气温敏感值,38℃为极强气温敏感值,日最低气温-2℃为冬季引起西安市最大电力负荷增加的初始气温敏感值,-4℃为强气温敏感值,-7℃为极强气温敏感值。     

成都市气象要素对电力负荷的影响关系研究

根据四川省电力调度中心提供的成都市2000～2001两年逐时的电力负荷资料,运用相关分析和复相关分析等方法,研究了电力负荷的时间变化特征及与气温、湿度、风、云量的相关关系,得出冬夏两季电力负荷与这些气象要素尤其是气温有较好的相关关系;并通过提取气象电量的方法来建立电力负荷与气象要素初步的预报方程.     

气象条件对电力负荷的影响分析

利用河北省南电网提供的2000～2006年逐日最大电力负荷资料.分析了日最大电力负荷的变化规律.以石家庄市为例,采用相关分析方法,分年逐月分析了日最大电力负荷与对应6个气象因子的相关性,得出不同时段电力负荷的主要气象影响因子;分析了6～9月和11月受气温影响显著月电力负荷的1℃效应量、3～8月10 mm以上降水量对电力负荷的影响变化率;采用多元回归的方法分时间段建立了最大电力负荷的气象预测方程,加上逐年电力负荷变化趋势项即可做电力负荷预测预报.     

成都市气象要素对电力负荷的影响关系研究

根据四川省电力调度中心提供的成都市2000～2001两年逐时的电力负荷资料，运用相关分析和复相关分析等方法，研究了电力负荷的时间变化特征及与气温、湿度、风、云量的相关关系，得出冬夏两季电力负荷与这些气象要素尤其是气温有较好的相关关系；并通过提取气象电量的方法来建立电力负荷与气象要素初步的预报方程。     

冀北电网电力负荷特征与气温的关系

基于冀北电力公司提供的2013—2014年冀北电网逐日最大电力负荷资料,采用数理统计方法分析日最大电力负荷的变化规律及其与气温等气象因子的相关关系,并重点讨论其与气温的关系。结果表明:冀北地区最大电力负荷有2个高峰时段,分别为夏季7—8月、冬季11—12月;日最大电力负荷具有周变化特征,周五、周六、周日为周电力负荷高峰期,周六电力负荷最高,周二电力负荷最低;夏季高峰期,日最大电力负荷与日平均气温、日最高气温、日最低气温、日平均相对湿度、日闷热指数呈正相关,并且通过显著性检验,且当日最高气温高于26℃(或日平均气温高于20℃)时,日最高气温对日最大电力负荷的1℃效应量约为21.19×104k W。     

温度变化对南京城市电力负荷的影响

应用计量经济学中格兰杰因果关系检验方法,分析了温度变化对中国南京城市用电量和电力负荷的影响,认为南京日平均温度与日最大电力负荷、日用电量之间存在着较显著的相关性.气温变化对日最大电力负荷和日用电量具有不同的季节性和周期性影响,气温对用电量的短期影响最显著,对电力负荷的影响更具明显的季节性特征.通过不同月份电力负荷对气温变化敏感性的分析,进一步揭示了南京市气温变化与电力消费之间的季节变动特征,有利于气象与能源部门共同应对未来气候变化带来的城市能源问题.     

武汉市周年逐日电力指标对气温的非线性响应

为了建立电力因子与气象要素的关系,利用2005-2007年武汉市电网日电量、日最大负荷、日最小负荷及相应的气温资料,分析气温对各电力指标的影响,建立了各电力指标与气温的非线性统计模型,并与线性模型进行比较.结果表明,非线性模型比线性模型能更好地反映电力指标与气温的关系,日最大负荷、日电量、日最小负荷最不敏感的平均温度临界点分别是15～16℃、14～15℃、13～14℃,低于该温度时气温下降或高于该温度时气温上升,电力指标均呈非线性增加,与最不敏感的平均气温偏离越大,电力指标增加越快.     

华中电网日负荷与气象因子的关系

从华中电网4省1997年2月至2000年5月逐日的电力负荷资料中分离出随气象因子变化的气象负荷，分析了气象负荷和同期的气象资料的相关关系，重点研究了气象负荷随气温变化的规律，探讨了华中各省气象负荷与气温关系的异同。研究表明华中电网日负荷与日平均气温的相关关系明显，在日平均气温大于20℃时相关系数为正，小于20℃时为负，在气温为25－28℃时负荷对气温的变化最敏感。     

北京市夏季电力负荷逐日变率与气象因子关系

利用2006年1月—2010年9月北京市逐日整点电力负荷和逐日气象资料,采用数理统计方法定量分析了北京市夏季电力负荷逐日变率与主要气象因子的关系。结果表明:与最大电力负荷显著相关的气象因子为温度、风速和空气湿度,其中与日最低气温相关性最高 (相关系数为0.65,显著性水平为0.001),当日最低气温高于18℃(或日最高气温高于26℃) 时,其对日最大电力负荷的1℃效应量约为39.7×107W。相对于温度单个因子,同时反映温度和相对湿度综合作用的闷热指数与最大电力负荷的关系更为密切。     

克拉玛依电网电力负荷与气象条件关系的研究

从克拉玛依供电范围内电力负荷变化趋势、季节性负荷变化及气温对季节性负荷的影响等方面，系统地分析了该供电范围内1999年1月至2001年12月间电力负荷随气温变化的特征。通过分析研究表明，克拉玛依电网电力日负荷与气温的相关关系显著，并结合日常天气预报分时段建立了电力负荷预测方程，进而可为电力部门提供专业化的服务产品。     

天津电力负荷特性及其与气象因子的关系

利用天津近30年来的逐年电力负荷数据以及2002-2005年逐时电力负荷资料,分析了天津电力负荷的变化特征,研究了电力负荷与气象因子的关系.结果表明:近30年来,天津电力负荷的长期趋势基本受当地GDP的影响,气温等气象因子的作用不明显;在季节和日尺度上,气温的影响十分显著,7、8月气温每上升1℃,气象负荷将增加120MW左右;除气温的影响外,夏季、初秋相对湿度对电力负荷的影响非常显著,此外,4月、6月、7月和12月还得考虑风的影响;一般来说,夏季最高气温在30℃以上,平均相对湿度大于65％时,才可能出现极端电力负荷.     

综合气象因素对广西电力负荷的影响

针对电网负荷易受多种气象因素影响的特点,为综合衡量气象因素对广西电力负荷的影响,引入了气象学指数--有效温度,分析了4-10月气温、相对湿度、风及有效气温对电力负荷的影响.结果表明:气温与电力负荷呈显著的正相关关系,气温是影响电力负荷的主要因子;夏季以气温和风速、气温和相对湿度组合的变化对负荷的影响较大,风速从静风到有风时,负荷明显地减少,但当超过一定的温度时,风速越大负荷反而增加;6-9月,负荷随着气温和有效温度的升高呈线性增加;在春夏、夏秋季过渡季节,负荷并不完全随着气温的升高而增加,在气温不是太高的阶段,相对湿度增大时,负荷有下降的趋势,当超过一定的温度时,负荷随气温和有效温度的升高而增加.     

气象条件对乌—昌电网负荷的影响及预报模型研究

利用乌鲁木齐和昌吉地区2008—2011年夏半年(4—9月)逐日电力负荷、气象要素观测资料和T639、ECMWF模式输出产品,分析了乌-昌地区日用电负荷的年、季、月变化特征及其与对应区域的气温、降水量、相对湿度、风速等的相关关系,并以前3年的对应资料建立了基于气象条件的电力负荷预报模型,并以2011年的资料进行预报效果独立样本检验。结果表明:乌-昌地区夏半年的电力负荷呈非常明显的逐年增长趋势,月、日变化与当地工农业生产、居民生活规律密切相关;与气温呈显著地正相关关系,与降水量、相对湿度呈显著地负相关关系;应用逐步回归方法分时段建立的逐日电力负荷的气象条件预报模型有很好的预报效果。     

积温效应在电力日峰谷负荷中的应用及检验

从电力气象服务需求出发,利用2001—2010年5—9月河北省南电网逐日电力日峰负荷、日谷负荷与对应时间的气象资料,探讨晴热天气和闷热天气对电力日峰负荷、日谷负荷的影响特征。分析发现持续3 d以上的闷热天气相对晴热天气使电力日峰负荷、日谷负荷增长更显著;日最高气温32℃是引起河北省南电网日峰负荷增长的初始气温敏感点,35℃为强气温敏感点,38℃为极强气温敏感点,日最低气温25℃为引起日谷负荷增加的敏感气温临界点;建立了引入积温热累积效应的日峰负荷、日谷负荷多元回归气象预测模型,经2011—2013年应用检验,日峰负荷、日谷负荷预测平均相对误差分别为4.8%和3.5%,提高了预测准确率,对电力调度具有参考价值。     

武汉市电力负荷特征及其与气象因子的关系

利用武汉市2013—2018年逐15 min精细化电力负荷数据及武汉市日降水、气温等气象资料,统计分析电力负荷特征指标,探寻电力负荷的构成、变化规律及其与气象因子的关系。研究结果表明:(1)近年来武汉市电力负荷和日负荷峰谷差屡破新高,夏季高温持续时间和强度大小对空调负荷影响最为显著。电力负荷随季节变化呈现出明显的“双峰双谷”特征。(2)夏季电力负荷远高于其它三季,冬季次之。四季日变化特征总体呈现“昼高夜低”的分布。(3)工作日和双休日负荷明显高于节假日,工作日负荷略高于双休日,其中工作日的早高峰负荷最大,而双休日和节假日的晚高峰负荷最大。(4)气象因子对全社会用电量影响尤为重要。夏季气象敏感负荷与日平均气温的关系最密切,当平均气温高于初始敏感值和强敏感值时,电力负荷随气温上升增幅更加明显。(5)无论是否出现降水,夏季气象敏感负荷与日平均气温的关系都很密切。无降水天气,负荷与日平均气温相关性最高;有降水发生时,气象敏感负荷与日平均气温的相关性呈下降趋势,总体反映出降水影响气温、气温影响电力负荷的物理过程和机制。     

宜昌市电力负荷对气象因子的响应及气象预报模型的建立

利用2015-2017年宜昌市逐小时电力负荷资料及对应时段地面气象观测站数据,分析宜昌电力负荷的变化特征,研究气象敏感负荷与气象因子的关系,基于主要气象敏感因子通过逐步回归法建立宜昌电力负荷预报方法。结果表明:宜昌电力负荷呈逐年增长的趋势,夏季和冬季是一年中电力负荷高峰期,年最大电力负荷出现在夏季,年均增幅达11.8%,年最小电力负荷出现在春节期间;气温对气象敏感负荷影响最大,随着日平均气温T升高逐日气象负荷率先减小后增加,当T为17℃时,气象负荷率最小,从而划分了4个变化阶段:17℃≤T<26℃、T≥26℃、7℃≤T<17℃、T<7℃,基于各阶级主要气象敏感因子分别建立电力负荷回归预报方程,经检验,在实际应用中预报相对误差绝对值为3.8%,基本能够满足电力部门负荷预测的精度要求。后期可结合人工智能算法,进一步提高宜昌电力气象负荷预测的稳定性和准确性。     

北京市气温对电力负荷影响的计量经济分析

以温度派生变量度日指数为解释变量构建了气温与电力负荷的计量经济模型。模型证明了天气对电力负荷的季节性影响, 且影响显著。通过引入序列相关AR结构和解释变量的动态结构, 模型得到逐步优化, 调整的拟合优度达95%。为了检验模型的预测能力, 利用历史数据对其进行了评估, 评估结果表明模型有较好的中期电力负荷预测能力。该模型对电力企业电力调度、电力建设有较大的参考价值。     

基于积温效应的华中电网电力负荷预测

利用2011—2015年5—9月华中4省河南、湖北、湖南、江西逐日日用电量、日峰负荷、日谷负荷与同期气象数据,探讨炎热天气过程对电力负荷的影响特征,并分别对4省建立基于积温热累积效应的电力负荷预测模型。结果表明:持续3d以上的炎热天气过程对电力负荷增长影响显著,其中湖北的电力负荷增量最大;当气温大于等于积温热累积效应的气温临界值时,对电力负荷增长有显著影响,其中湖南的日平均气温、日最高气温、日最低气温的初始敏感值分别为31℃、36℃、27℃,强敏感值分别为32℃、39℃、29℃;建立基于积温热累积效应的电力气象负荷多元回归预测模型,经2016年5—9月应用检验,华中4省的平均相对误差均控制在5%以内,根据具体天气情况进行适当订正,对国家电网公司华中分部电力调度具有参考价值。     

引入积温效应预测夏季西安市电力气象负荷

利用2010—2012年6—8月西安市逐日电力负荷资料及对应时段地面观测站数据,分析了高温天气过程中日最大电力负荷的变化特征。结果发现,3年间西安地区共发生晴热天气过程5次,闷热天气过程4次,其中晴热天气过程发生在6月,闷热天气过程发生在7、8月,且闷热天气过程的电力负荷增长更加明显;利用日最高气温变化跟踪气象负荷的变化发现,日最高气温33℃为西安市气象负荷初始气温敏感点,35℃为强气温敏感点,38℃为极强气温敏感点;引入积温累积效应,建立了多元回归的电力气象负荷预测模型,经2013年夏季模型应用检验表明,日最大电力负荷预测平均误差为6.0%,能较好的模拟电力负荷的实际变化,对西安市夏季电力气象服务工作有指导意义。     

气温变化对用电负荷影响的分析

以电力缺乏的浙中地区金华市近两年的用电负荷为基础,从气象角度出发,通过气温变化对用电负荷的影响,高温灾害与用电故障关系的分析,揭示气温变化与电力调度关系的重要性,并提出有针对性的措施和建议.