湖州市用电需求特性及其与气象条件的关系

通过计算日用电量气象变化率lml、日最大用电负荷气象变化率lmh,分析了湖州市2006—2008年用电量及最大用电负荷的变化特征及其与气象要素的关系,着重研究了平均气温、最高气温、最低气温对用电量及最大用电负荷的影响,建立了日最大用电负荷、日用电量的预测模型。结果表明：用电量及最大用电负荷表现出年周期变化,且稳步递增,但月差异明显;不同月份不同气象因子对用电量及最大用电负荷的影响各有不同,lmh、lml与气象因子相关性显著的月份集中在6—10月;在不同温度范围,气温对用电量及最大用电负荷的影响程度也不同,随着气温变化,用电量和最大用电负荷的变化率最大可达20%;在7月、8月,气温升高1℃时,lmh、lml的变化最大,可达2%～5%。     

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.     

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。     

基于气象因子及机器学习回归算法的夏季空调负荷预测

气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。     

许昌市供电量与气象要素相关分析

利用20052006年许昌市逐日供电量和气温、降水、相对湿度等气象要素资料,分析了供电量和这些气象要素之间的相关关系,结果表明,温度为影响本地用电量的主要气象因子,特别是夏季用电量对气温变化的反应更加敏感.     

《气象与环境科学》征订、征稿启事

利用20052006年许昌市逐日供电量和气温、降水、相对湿度等气象要素资料,分析了供电量和这些气象要素之间的相关关系,结果表明,温度为影响本地用电量的主要气象因子,特别是夏季用电量对气温变化的反应更加敏感.     

许昌市供电量与气象要素相关分析

利用2005 2006年许昌市逐日供电量和气温、降水、相对湿度等气象要素资料,分析了供电量和这些气象要素之间的相关关系,结果表明,温度为影响本地用电量的主要气象因子,特别是夏季用电量对气温变化的反应更加敏感。     

北京市夏季日最大电力负荷与气象因子的关系

利用2006—2013年北京市逐日15 min电力负荷资料及北京平原地区6个人工气象观测站(朝阳、海淀、丰台、石景山、观象台、昌平)的气象要素观测资料,分析北京市电力负荷时间和空间的变化特征及其夏季(6—8月)日最大电力负荷与各种气象因子的关系,采用剔除逐日最大电力负荷、历年夏季最大电力负荷极值及历年夏季最大电力负荷平均值的变化趋势项3种方法提取气象负荷并进行对比,进一步研究累积气象因子与夏季气象负荷的相关性。结果表明:2006—2013年北京电力负荷呈逐渐增长的趋势,电力负荷年变化和日变化均呈"双峰型"。北京全市及各区最大电力负荷多数出现在夏季,部分地区最大电力负荷出现在冬季(11月至翌年2月),朝阳和海淀地区夏季最大电力负荷明显高于其他地区。北京市夏季日最大电力负荷与闷热指数及平均气温的相关性最好;气象负荷与气象因子的相关性好于原始负荷,且剔除夏季日最大电力负荷平均值变化趋势项获得的气象负荷优于其他方法;当气象因子累积2 d时,夏季气象负荷对气象因子的变化最敏感。     

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。     

石家庄夏季用电量对天气的响应及其预测模型

从石家庄市2005～2007年每年6～8月的逐日用电量资料中分离出随气象因子变化的气象电量,分有、无降水日分别计算了气象电量与同期气象资料中关键气象要素的相关系数,着重分析了气象电量随气温、湿度、降水的变化规律.结果表明:石家庄夏季气象电量与气温呈显著性正相关,而与相对湿度仅在有降水日为显著负相关;计算了用电量逐日变化值与气象要素日变化值之间的相关系数,发现要素差值之间存在着很好的相关性.在统计分析的基础上,借助Origin7.5软件,分有、无降水日建立了综合气象因子影响下气象电量及用电量逐日变化的多元回归预测模型,回归统计及方差分析表明:预测方程均通过了α=0.0005的F检验,复相关高于单相关,拟合率较高,能为电力部门合理调度提供参考.     

春灌期气象条件对河北南网日用电负荷峰值的影响

采用2007-2010年河北省南部电网日用电负荷峰值数据和逐日气象观测资料,分析了河北省南部电网日用电负荷峰值的年分布特征和春灌期逐日变化特征。结果表明：河北南网日用电负荷峰值全年呈现出“三高峰,两低谷”的特征,高峰分别对应河北省春灌、夏季高温和冬季采暖前后,低谷出现在春节和国庆假期。冬小麦的返青水和棉花白地浇灌对用电负荷影响显著。区域性强风和降雨会造成用电负荷峰值明显下降。将春灌期日用电负荷峰值的变化幅度进行等级划分。运用相关分析法和多元回归方法,分析了春灌期日用电负荷峰值变化幅度与气象因子的相关关系,建立了基于气象条件的河北南网全区日用电负荷峰值变化幅度的预报模型,经检验,该模型在日常电力调度业务中具有一定的应用价值。     

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。     

临汾市草面温度变化特征及影响因子分析

利用临汾市2007年-2011年2月的草面温度和相应的地面温度、气温、总低云量、降水、日照、风速等资料,采用数理统计、相关分析、一元线性回归分析等方法,对草面温度的日、月、季、年变化特征及其与各气象要素的关系进行分析。结果表明：①草面温度呈逐年上升趋势。月平均草面温度的最高值出现在7月,最低值出现在1月,年较差为33．7℃。②草面温度日变化呈现“降一升一降”的变化趋势。日平均草面温度最高值在春、夏、秋三季一般出现在13时,在冬季出现在14时,最低值在春秋季一般出现在6时,夏季出现在5时,冬季出现在7时。③草面温度与气温、地温均呈现明显的线性正相关。草面温度高于气温,草面温度的极端值振幅比气温的偏大;地面温度高于草面温度。④引起草面温度变化的气象因素较多,主要是低云量和总云量,其次是降水、日照和风速。     

SCMOC温度精细化指导预报在陕西区域的质量检验

利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。     

北京急性脑血管疾病与气象要素的关系及预测

基于2006年1月至2010年12月北京市120急救中心的逐日脑血管急症接诊病例数据资料,首先探讨北京市急性脑血管疾病与气象要素的关系,选取不同季节的影响因子,然后根据概率积分方法将发病人数划分为4个级别,并采用人工神经元网络方法(artificial neural network,ANN)分别建立了北京市不同季节的急性脑血管疾病预测模型。研究结果表明:(1)急性脑血管疾病发病人数存在明显的季节性变化和日变化特征,冬春季发病人数高于夏、秋季,发病主要集中在早晨到中午的09—14时;(2)发病人数相对于气象要素存在明显的滞后效应,夏和冬秋季发病分别与高温高湿、冷空气活动有关;(3)脑血管疾病预测模型通过对新样本进行预报,除夏季外,完全准确率高于30%,预报误差≤±1级的准确率高于60%,研究成果对于预防急性脑血管疾病发病和调度120急救车辆等应急措施具有较好的科学参考价值。     

广西地面太阳辐射分布特征以及对人体健康的影响

选用2001-2010年广西桂林、南宁、北海3个地面太阳辐射站的总辐射资料及日照时数资料,分析了总辐射日总量、日最大值的年变化规律,时总量的日变化规律,日最大值出现时间频率的分布区间等,结果表明：（1）广西太阳总辐射的日总量、日最大值强度的年变化规律明显。总体呈现夏季最大,春秋季次之,冬季最小的特点。大多数情况下,随着纬度由北向南递减,总辐射值递增。日总量与日照时数的年变化趋势存在正向的线性相关。（2）广西太阳总辐射的时总量的日变化规律明显。总体呈现中午前后强．早晚弱的特点。最大值一般出现在一天中的10-14时这个区间．     

南京大气能见度变化规律及影响因子分析

利用累积百分率法、Ridit中值分析法、"非常好"能见度出现频率法以及平均能见度年际和季节变化法,对1980—2005年南京大气能见度年际变化趋势进行分析,发现1980—1984年能见度呈上升趋势,1985年以后则在波动中呈明显下降趋势。26 a中,日均大气能见度最小值为0.55 km,最大值为29.25 km,平均值为8.59 km。大气能见度具有明显的日变化和季节变化特征,一日之中,14时最好,08时最差;一年之中,冬季能见度最低,夏季最高。能见度与相对湿度呈负相关,与风速呈正相关,与温度和气压的相关性相对较小。PM10是影响南京地区大气能见度的首要污染物,通过对能见度与PM10平均质量浓度进行曲线拟合发现,二者呈负相关,复相关系数在秋季最高,夏季最低。由统计预报方程可知,空气污染和气象条件协同作用对能见度的影响在春季、秋季、冬季较为明显,夏季则相对较差。     

四川霾时空分布及气象要素分析

选取2016~2019年四川地区156个站点的逐时能见度、相对湿度和温度资料,分析了霾的时空变化和对应的大气参数值变化特征。结果表明:四川地区霾天气的空间分布差异显著,川西高原和攀西地区发生较少,盆地发生较多。从季节变化来看,霾天气在冬季多发,春秋季次之,夏季最少。从日变化来看,霾在白天的发生次数远高于夜间,11~21时为高发阶段,03~08时为低发阶段;10~12时成霾最多,01~07时和23时成霾较少;20时和23时消霾最多,06~09时消霾最少;90%的霾在8 h内消散。结合气象要素分析,霾发生次数在气温介于7~14℃时最多;根据能见度划分的轻微霾和轻度霾发生次数较多,重度霾发生次数较少;霾发生次数在相对湿度介于2%~33%时最低,在其介于34%~79%时随相对湿度的增大而增加。      

兰州城市热岛效应特征及其影响因子研究

利用1958-2003年兰州及临近两个乡村气象站气温资料,研究了兰州城市热岛效应特征和导致热岛效应季节差异及其年代际变化趋势的主要气象因子。结果表明：近40多年来,兰州城市热岛效应一直呈增强趋势,热岛效应在冬季尤为显著;在日变化中以02：00热岛效应最为明显,而14：00效应较小。冬季逆温层、夏季城市下垫面对热岛效应的季节差异影响较大。城市发展导致热岛效应增强,而部分气象要素的年代际异常加剧了热岛效应。     

基于地基微波辐射计遥感的天津大气水汽和液态水特征

利用2013年3月至2017年2月天津西青地基35通道微波辐射计观测资料,分析天津地区大气水汽和液态水特征。结果表明：天津地区各季节积分水汽和积分液态水的日变化趋势基本一致,均呈单峰型日变化特征,其中夏季最大,秋季次之,冬季最小。各季节积分水汽最大值出现在23：00时（北京时,下同）的概率均明显大于其他时次,夏季和冬季的积分液态水的最大值出现在14时的概率最大,春季和秋季分别出现在10时和13时的概率最大。天津地区水汽密度由地面至3.5 km处逐渐减小,递减梯度由夏季、秋季、春季和冬季的顺序依次增大,各季节从1.5 km往上日变化均不明显。1 km以下,春季、夏季和秋季平均水汽密度的日变化曲线呈双峰型,主峰值分别出现在08时、11时和12时左右。冬季呈单峰型变化,峰值区出现在12-16时。液态水密度随高度分层变化,夏季的液态水密度大值区（0.08-0.14 g·m^-3）为5-6 km,在18-20时出现最大值。秋季、春季和冬季液态水密度的大值区出现的高度为1.5-3.5 km,但数值依次减小,春季和冬季的最大值出现在05时前后,秋季则出现在02时左右。另外天津地区水汽、液态水与温度和降水量的变化趋势基本一致,除夏季06-18时及冬季部分时次外,水汽与温度呈正相关。液态水与温度相关性较差,但与降水量呈正相关,全年液态水与降水量夜间的相关性大于白天。