北京夏季用电量与气象条件的关系及预报

利用1998年和1999年北京市夏季逐日用电量和气象要素资料进行逐步回归建立统计关系，分别给出了北京市夏季逐日用电量（最高、最低和平均耗电量）与气象条件的统计回归方程和预报方程。统计结果和回归曲线表明：每天的实际用电量与天气条件有密切的关系，尤其是对温度的变化最为敏感，与相对湿度、风和日照射数、降水也有一定的相关性。     

广州逐日降水振荡及其延伸期预报的简谐波模型

利用1951—2010年广州逐日降水资料,采用功率谱、小波变换、Lanczos 滤波器和简谐波拟合等方法研究了广州逐日降水的振荡特征及其延伸期预报方法。结果表明,广州逐日降水振荡主要表现为2～4.1 d、8 d、13.3 d、40～60 d和120 d变化等5种时间尺度的准周期振荡,其中准单周变化、11～21 d、21～80 d的季节内振荡具有振幅和周期接近的1～2个振荡周期性循环出现的特征。利用小波变换揭示出近期逐日降水距平5 d滤波序列变化的主要周期,采用简谐波拟合的方法建立了广州逐日降水5 d滤波序列的延伸期预报模型。对1990—2009年近20年的后报结果分析表明,所建立的延伸期预报简谐波模型除第24 d和29 d外,前33 d的预报值与低通滤波值之间的相关达到0.05的显著性水平。对未来34 d降水低频分量极大值的预报与实况低通滤波极大值相差在0～2 d的概率最高,可为中期与延伸期降水过程出现时段的预报提供重要参考。      

中期数值预报产品的检验及其在春播预报中的应用

对日本中期数值预报产品进行检验，检验的对象主要是在单点上的要素如气压、温度等预报值与实况值的误差；直接影响的天气系统如地面锋面、冷高压、暖低压、850hPa温度锋区等对本地影响时间、强度与实况的误差。在此基础上，把在实践中总结出的逐日预报指标应用到其中，做未来3～7天内逐日日平均气温≤14℃是否出现的定性判断。     

基于气象要素的逐日玉米产量气象影响指数

利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明:利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。     

CFSv2模式产品对贵州一次区域暴雨过程的预报能力分析

基于美国国家环境预报中心提供的CFSv2未来45 d的气候模式产品资料、NCEP/NCAR再分析逐日资料和贵州省85个地面气象观测站的逐日降水资料,评估了CFSv2延伸期时段降水量预报产品对贵州省2019年6月5—9日区域暴雨过程的预报能力。结果表明,CFSv2在提前15～10 d时段对贵州区域暴雨过程的预报能力较好,对6月8日最大降水日的预报信号稳定、持续。通过500 hPa环流形势的预报场与实况场的对比分析,发现影响暴雨过程预报量级偏小的原因主要在于西太平洋副热带高压预报的强度偏小、位置偏南。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

T106数值预报产品在赣南温度预报中的释用

利用1995年7～9月、1996年7～8月24～144h、1000～500hPa的T106格点资料与赣南17个县（市）的最高、最低、平均温度作相关分析;用逐步回归方法建立了分县逐日滚动预报方程。并用1996年9月份T106格点资料对方法进行检验,同时对预报方法及T106产品在温度预报中的释用能力作了初步分析。     

北京夏季日最大电力负荷预报模型建立方法探讨

为了探索夏季(6～8月)日气象负荷的最佳分离方式和引起日最大电力负荷波动的主要因子,以及建立预报模型最佳个数,基于北京市2005～2010年逐日最大电力负荷和同期的气象资料,分析了北京地区日最大电力负荷的变化规律,采用不同方法将气象负荷从夏季日最大电力负荷中分离出来,分析北京夏季气象负荷与气温、相对湿度、降水及炎热指数、高温持续日数、炎热日数持续时间、前一日气象负荷等因子之间的关系,并基于2005～2009年夏季逐日气象负荷和其主要影响因子采用逐步回归方法建立日最大电力负荷的预报模型,将2010年夏季北京日最大电力负荷作为预报效果的独立样本检验。结果显示:2005～2010年,北京逐日最大电力负荷具有明显的线性增长趋势,夏季日最大电力负荷具有显著的星期效应;与去掉逐年夏季日最大电力负荷趋势和夏季平均日最大电力负荷趋势相比,去掉全年逐日最大电力负荷变化趋势的夏季日气象负荷预报模型的拟合能力更优;北京夏季日气象负荷与当日气温的相关系数最高,与前一日气象负荷也关系密切;利用前一日相对气象负荷和当日气象要素一周逐日分别建立预报模型的拟合和预测效果较好。     

基于DERF2.0的乌鲁木齐春季降温过程的延伸期预报检验

基于DERF2.0数据,应用均一化标准差、均方根误差等方法,以2013年乌鲁木齐春季逐日温度及24h变温检验为背景,初步评估了该模式对延伸期春季强降温过程的预报能力。结果表明：(1)逐日气温预报整体偏差随预报时效推进而增大,延伸期预报偏差明显大于中期。(2)旬平均温度的中期预报偏差普遍在-2～-8℃,延伸期的预报偏差最小在0℃左右,最大为-15.5℃。(3)日平均气温以及最高、最低气温的逐日偏差均以冷偏差为主,偏差范围为5～-15℃,延伸期预报偏差范围为-5～-15℃。模式对升温阶段的预报冷偏差随升温加剧而增大,对降温阶段的预报偏差随降温加剧而减小。24h变温偏差主要在5℃范围内变化,延伸期的24h变温偏差比中期预报偏大可达|8|℃以上。(4)DERF2.0模式对中短期温度预报有一定水平,延伸期预报能力下降,可参考价值较弱。(5)对强降温过程的结束日的温度预报偏差小,而对过程初始日的温度预报冷偏差大,造成对降温过程的预报暖偏差大,强降温过程普遍漏报。     

黔东南森林火险气象预报方法

选取预报日连续无雨日∑d和预报日14时气温T14、风速F14和相对湿度U14作为森林火险预报因子，并根据森林火险与T14、F14和∑d成正比，与U14成反比的关系，确定森林火险预报公式。利用凯里市1997～2000年10～4月逐日T14、F14、∑d和U14值，采取对比、均衡、判断等方法确定出逐日实际森林火险等级，同时根据森林火险值计算公式计算出逐日森林火险值，最后确定出各级森林火险所对应的森林火险值范围，以点代面，这一结果适用全州甚至其它气候相似的省、地台站。     

湖南省用电需求气象条件等级特征分析

利用气象行业标准《用电需求气象条件等级》中的气象敏感用电量条件指数统计方法,对湖南省97个地面气象观测站1971~2012年逐日气温资料,分析了湖南省各级气象敏感用电量条件日数的时空分布特征,结果表明：洞庭湖区、湘江流域为三级以上高气象敏感用电量日数相对大值区,高气象敏感用电量日数在近年来有上升的趋势,三级气象敏感用电量日数较多的月份集中在7月和8月。     

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%。     

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.     

基于BP神经网络的北京夏季日最大电力负荷预测方法

利用2006~2017年北京夏季（6~8月）逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP（Back Propagation）神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。     

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.     

气象条件与 SARS发生的关系分析

根据 2 0 0 3年北京、香港SARS高发期间逐日确诊发病人数序列 ,运用数理统计和幂律关系方法 ,分析了不同地区SARS与气象条件之间的关系。结果表明 :京港两地SARS高发期的波动量与确诊前 7～ 1 0天的最高气温、最低气温、气温日较差、日照时数呈显著负相关 ,与相对湿度、云量呈正相关 ;气象条件与SARS发病人数呈显著的幂律关系 ,为自组织临界态理论在大气科学中的应用提供了观测证据。     

基于气象因子的南京市冬季和夏季用电量预测研究

基于2014—2016年南京市常规气象逐时观测数据、逐日用电量和逐时用电负荷数据, 分析南京市用电量变化及其与气象因子的关系。结果表明: 南京市用电量7—8月、12月至翌年1月为两个峰值, 4月和10月为两个谷值, 年变化明显。四季均呈现显著“周末效应”。用电负荷一天内有两个峰值, 分别出现在10时和20时; 两个谷值, 一个谷值冬夏季在04时, 另一谷值冬季在14时, 夏季在18时。南京市用电量与气象条件的变化密切相关, 气象因子与用电量的关系在不同月份有所不同, 如夏(秋、冬)季气温日较差越大(小), 用电量越大; 7月、8月(10月至翌年3月)气温越高(低), 用电量越大; 冬季用电量受气象要素的影响程度总体低于夏季。冬季用电量主要受气温制约; 夏季用电量受气象要素的影响更为复杂, 除了气温, 还需综合考虑水汽、日照等因子。利用逐步回归法, 建立冬、夏季逐月日用电量气象预测方程, 方程中入选气象因子的存在明显的月际差异。不同月份分别针对性地考量入选气象因子的预报值, 做出用电量预估, 可为电力调度提供参考。     

城市供电量与气象条件的关系

通过对沈阳市１９８８、１９９８年供电量与气象要素的相关性分析,得出供电量与气象条件显著相关的时段。在提取气象电量的基础上采用非线性风线拟合法得出各时段月供电量与月气温距平、月降水距平百分率的定量关系以及日供电量与气温、降水等定量关系,进而根据日常天气预报建立了月、日供电量的预测系统,为电力部门提供专业化的服务产品。     

桂林电网日负荷与气象因素的关系及其预测

日负荷预测作为能量管理系统(EMS)的重要组成部分,是电力系统安全、经济运行的保证.为更好地了解气象因素对电网负荷的影响,利用桂林地区2005年和2006年逐日的负荷与气象资料分离出了气象负荷.通过研究气象负荷与各气象因素之间的相关关系表明:利用气象负荷可以更好地分析气象因素对日负荷的影响,从而为电力部门的负荷预测工作提供重要的参考依据.最后采用一种基于相似日的方法计算气象负荷,进而预测整个电力负荷,通过实际的算例验证,取得了比较满意的预测效果.