基于滤波技术的上海日最大电力负荷气象预报模型

电力负荷与气象条件密切相关,为建立上海市日最大电力负荷的预报模型,利用2010—2013年上海市日最大电力负荷数据及同期气象资料,分析日最大电力负荷的时间变化特征及其与气象因子的相关性,并基于滤波技术将日最大电力负荷分离为时间趋势项和逐日变化项,用逐步回归方法针对冬季和夏季分别建立预测模型。结果表明：①上海日最大电力负荷的各个节假日效应存在差异,春节节假日效应持续时间最长,影响最大,国庆节假期前半段节假日效应明显大于后半段。夏季的周末效应最强。②采用逐步回归方法建立的气象预报模型效果较好,回代年和预测年的平均预测相对误差均小于5%。     

基于气象因子的华中电网负荷预测方法研究

在分析各种节假日负荷变化规律的基础上, 利用气象因子作预报变量, 使用动态的综合线性回归和自回归相结合的混合线性回归方法及非线性的人工神经网络方法来进行华中电网日负荷和日最大负荷及日最小负荷的预测。对12个月共365天的独立样本试预报表明, 该客观方案对华中电网负荷的预测精度可满足业务调度的需要。     

河北省南部电网夏季电力负荷特征及与气象因子的关系

利用河北省南部电力公司提供的2007-2009年南电网区域逐日最大用电负荷资料,分析了南电网区域夏季日最大负荷变化规律,与其他月份相比,夏季5-8月的日最大电力负荷的波动性明显大于其他月份.采用标准化和相关分析法,逐月分析了气象因子与日最大电力负荷的相关性,并找出了日最大电力负荷的周变化特点,以及节假日对日最大电力负荷的影响.结合农作物生长特点,分析了南部电网日最大电力负荷变化特征,为以后日最大电力负荷预报提供了一定的参考.     

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。     

京津冀地区城市“黄金周”长假的气候效应

分析了京津冀地区7个代表城市站1999年实行"五一"和"十一""黄金周"长假期以来地面气温变化特征。采用7个城市站1961—2007年平均气温、最高气温和最低气温逐日观测资料,主要比较分析了长假7天的平均气温与长假前后各7天平均气温的差异。结果表明,实行"黄金周"长假以来,7个城市"黄金周"期间的平均气温、最高(低)气温一般有较明显的变化。平均气温在"五一""黄金周"期间有明显上升趋势,"十一""黄金周"期间则有下降趋势;"五一""黄金周"期间平均最高和最低气温均有明显增加,最高气温增加更显著,而"十一""黄金周"期间最高气温变化不大,最低气温则有较显著降低。     

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。     

西安市日最大电力负荷率与气象因子相关关系分析预报模型的建立

基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。     

广东省前汛期暴雨与500 hPa关键区准双周振荡

采用小波分析、功率谱和交叉谱分析、Lanczos滤波等方法探讨了1961—2008年广东省前汛期暴雨的变化及与影响广东省前汛期降水的500 hPa关键区准双周振荡的关系。结果表明:20世纪90年代以来,广东省6月发生暴雨的日数明显增多,强度增强;但90年代后期以来,前汛期暴雨的总日数却减少;前汛期暴雨总日数具有较明显的准6～7年周期振荡。广东省前汛期暴雨量占总降水量的37.7%,它与总降水量呈显著正相关。广东省前汛期降水与500 hPa关键区在大多数年份均存在显著的准单周、准双周振荡。虽然它们也存在30～60 d振荡,但不显著。500 hPa关键区与广东省前汛期降水在准双周振荡尺度上关系最密切,振荡超前或滞后的时间差在2 d之内。统计近48年4—6月500 hPa关键区准双周振荡波谷前后3 d(个别4 d)广东省暴雨出现的概率为79%。采用典型个例的合成分析,得到500 hPa关键区准双周振荡波谷附近有、无暴雨出现的大气环流场演变具有明显差异,可为广东省前汛期暴雨的中期预报提供参考。     

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.     

1961—2014年广东小时强降水的变化特征

利用1961—2014年广东32个气象观测站逐小时降水资料,采用线性趋势分析、Mann Kendall检验、功率谱分析、计算趋势系数等统计诊断方法,分析了广东小时强降水在年以及前、后汛期的气候特征及变化。结果表明,广东年、前、后汛期多年平均小时强降水的次数、强度、降水量和贡献率的空间分布均呈沿海向内陆递减。近54年来,广东平均小时强降水的次数、强度、降水量和贡献率在年以及前、后汛期的时间尺度上均为显著上升的趋势,与同期广东年暴雨次数和年降水变化不明显有明显差异。广东大部分测站小时强降水量均呈增加的趋势,其中珠三角增加最为显著。近54年来广东年和前汛期小时强降水次数存在3.7年和22年、后汛期存在3年左右的显著周期震荡。广东年和后汛期小时强降水次数在1993—1994年发生增加的突变,前汛期小时强降水次数没有突变发生。     

杭州市燃气负荷与气象条件的响应关系及其预测模型

利用杭州市2008—2011年逐日燃气负荷和气象要素资料,分析了燃气负荷的变化规律及气象条件对燃气负荷的影响,在此基础上,利用Elman神经网络建立燃气负荷预测模型。结果表明,研究时段内,杭州市燃气负荷逐年显著增长且具有显著的季节变化特征,春节假日期间会出现明显的燃气负荷谷值,年燃气负荷峰值点通常出现在春节前1个月。平均气温与平均气压是影响燃气负荷波动最主要的气象因子,且均在冬季相关最显著。平均气温与燃气负荷在各个季节呈一致负相关,平均气压成正相关,燃气负荷对平均气温的响应敏感区间为6~15℃。在考虑春节假期影响的基础上,筛选相关气象因子,利用Elman神经网络建立杭州市冬半年燃气负荷预测模型。预测结果表明,一般情况下,模型精度较高,但当燃气负荷出现大的波动时,模拟结果呈现一定程度的滞后性。     

香山红叶变色日气象统计预测方法研究

采用香山公园逐日黄栌树叶变色率以及相应的气象资料研究了黄栌树叶变色的气象条件,并建立了香山红叶变色日的气象统计预测模型。(1)黄栌树叶变色与临近几天的温度变化关系非常密切,根据气象条件闭值回报变色目的可信度比较高。(2)黄栌树叶平均变色日是10月4—5日,最早为9月27日,最晚为10月13日。(3)黄栌树叶变色日与7月的最低气温、平均气温和最高气温均存在显著的负相关。值得注意的是,黄栌树叶变色日的年际增量与7月降水的年际增量之间存在显著的正相关。(4)选择7月的平均温度和最高温度的年际增量作为预报因子建立模型,1999—2010年回报的平均误差为3d左右。(5)通过2011年独立样本检验和2012年预报试验的结果,可以认为香山红叶变色日气象统计模型具有比较高的准确率和可操作性。     

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.     

上海市电力负荷与气象因子关系及精细化预报

电力负荷预测是电力调度的重要参考依据,气象条件对电力负荷有重要影响。利用上海市2004—2008年15 min 1次的电力负荷资料和宝山气象站 (区站号58362) 同一时段3 h 1次的气象观测资料,对上海市电力负荷特征进行分析,发现不同温度区间和不同天气类型电力负荷的日变化特征有明显差别。采用逐步回归方法得到各温度区间日平均气象负荷率的预报方程,通过系数订正,得出不同天气类型的逐时负荷预报。2009年试报结果显示:采用预报日前3 d的趋势负荷平均值作为预报当日的趋势负荷值,得到的日平均负荷预测值的误差最小,约为3.6%;非工作日日平均负荷的平均预报相对误差比工作日大;日平均气温超过18 ℃时,工作日日平均负荷的预报误差较小;低于18 ℃时,预报误差明显增大;逐时负荷平均预报误差约为4%。     

粤北地区导线覆冰气象特征与标准厚度推算

利用广东省乐昌高山气象站1972—1978年观冰资料和气候资料,分析了粤北地区导线覆冰的气象特征,建立了导线覆冰标准冰厚的气象推算模型。根据乐昌国家气象站的历史资料,对乐昌高山气象站的气候资料进行订正延长,构建了乐昌高山气象站覆冰年极值长年代序列,并推算出离地不同高度各重现期的标准冰厚值。结果表明,粤北地区导线覆冰主要发生在1月,其次为2月和12月,平均覆冰期在90天左右,最长覆冰期可达131天以上。主导风向、日最低气温、日降水量是影响导线覆冰厚度的主要气象因素。标准冰厚的年极值序列服从极值I型概率分布,历史上的最大导线覆冰值出现在2008年1月26日,2m高度标准冰厚达64.4mm,15m高度标准冰厚达92.7mm,与2008年冰灾实况调查的覆冰厚度(标准冰厚)115mm较为接近。     

盘锦市脑血管病气象敏感因子分析及其预报模型

应用盘锦市疾控中心2008年1月1日至2009年12月31日逐日脑血管病发病人数及同期逐日气象资料,采用相关分析、逐步回归等方法,分析了脑血管病与气象要素的关系,建立了逐日脑血管病发病趋势的气象预报模型。结果表明：各类气象要素与未来3 d脑血管病发病人数滑动平均具有较好的相关性;气象因子对脑血管病发病人数的影响存在着一种滞后效应和持续效应;脑血管病发病人数与当日最低气温、平均气温、最低气压、平均风速、湿度、最大气温日较差等气象要素相关显著;不同的季节影响脑血管病发病人数的敏感气象因子不同,且相关关系差异较大。逐日脑血管病发病趋势的气象预报模型预报检验效果较好。     

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。     

近49年中国西北地区极端低温事件的演变特征

利用中国西北地区135个测站1961-2009年历年逐日地面最低气温和NCEP/NCAR再分析资料,采用线性趋势分析、Mann-Kendall分析、子波分析、功率谱分析和合成分析等方法,分析了近49年中国西北地区极端低温事件的演变特征。结果表明：（1）西北地区极端低温的低值主要出现在北疆和青海高原,这些地方的阈值在-2...     

2007/2008年冬季中国南方低温雨雪天气期间大气准双周振荡作用分析

利用NCEP/NCAR逐日格点资料和中国气象局气象信息中心提供的727站逐日降水资料,从低频振荡角度对2007/2008年冬季中国南方低温雨雪期间的环流背景和气象要素场做了分析。分析结果表明,准双周振荡是2007/2008年冬季中国南方低温雨雪期间大气变化的重要模态。通过对低频振荡的传播分析得到：10～20 d低频波由...     

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。