气象因子对西安城市用电量的影响研究及中长期系统化预测

城市用电量预测是电力及相关经济部门开展电力供需形势分析的重要依据。本文选取2004—2014年西安市用电量月度数据和气象数据,建立用电量预测的计量经济模型,在此基础上建立西安市用电量业务化系统,初步应用于西安市未来用电量预测。结果表明,气温与西安市用电量之间表现为稳健的正U型非线性关系;西安市用电量需求高峰主要在冬季,但由于春节等因素,工业用电量在2月大幅减少,居民用电量却显著增加;模型对全社会用电量拟合准确,对未来用电量预测准确率高,具有开展中长期预测的适用能力;通过建立西安城市用电量气象业务系统,将未来天气预报或气候预测结果带入业务系统中,可滚动预测未来12个月可能耗电量,可为调节电力分配提供科学参考,提升电力供应的调度管理水平。     

气象因子对用电量的影响分析及预警研究

利用江苏省如皋市电网2004-2005年逐日用电量与同期如皋市气象站逐日平均气温、最高气温、最低气温、相对湿度、平均风速等气象资料,统计分析了用电量与同期气象要素的相关关系,得出平均气温是影响用电量最主要的因子。进一步研究发现:用电量和平均气温之间的相关关系存在显著的季节差异,6-8月用电量与气温相关最为显著。在此基础上建立了夏季的用电量预报方程,通过系数订正可用于日常用电量的预测,并建立了用电量敏感等级预警系统。     

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。     

呼伦湖湿地消长对气象水文因子变化的响应

利用1961—2005年呼伦湖湿地的气象及水文资料,基于灰色关联度分析、Mann-Kendall检验及小波分析、回归统计等方法,分析了湿地消长对气象水文因子变化的响应特征。结果表明:年与夏季气候在湿地消长中起主导作用。区域年降水量每增加10 mm,年降水量的直接作用是使湿地水域面积和水位深度分别增加2.6 km2和1.6 cm;年径流量每增加1×108 m3,湿地水域面积和水位深度分别增加4.8 km2和3.0 cm。45年来,湿地消长对影响因子连续变化过程的响应特征具有一致性,特别在20世纪90年代后响应更显著,湿地萎缩加快;气温与降水量变化在湿地水域面积、水位深度消长中的贡献率分别为33.1%与66.9%,22.5%与77.5%,降水量变化起主导作用。湿地消长对影响因子的多时间尺度周期性具有很好的响应。在27年的年代际尺度主周期与11~16年次周期、2~10年年际尺度准周期的叠加作用下,45年来,湿地消长出现了2次减少、1次增加的周期过程,并呈现短周期波动特征。     

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PM_(10)浓度特征及气象因子影响分析

利用2011—2015年西安市城区PM_(10)浓度逐日资料及气象逐日观测数据,分析西安市PM_(10)浓度的年、季变化特征,并探讨气温与PM_(10)浓度的相关性及冬夏季节气温对PM_(10)浓度影响的阈值,不同等级、形态的降水对PM_(10)浓度的清除率,以及冬春季节风速对PM_(10)浓度的影响。结果表明:2011—2015年,西安市PM_(10)浓度变化较平稳,仅2013年出现骤增,高温、少雨、风速小等不利气象条件是导致2013年PM_(10)浓度剧增的主要原因。PM_(10)浓度有明显的季节性变化,PM_(10)大气污染主要发生在春冬季节,污染物分别以沙尘和煤烟为主。PM_(10)浓度与气温并非是简单的线性关系,夏季、冬季气温阈值分别为29℃和-1℃,低于阈值时二者呈正相关,高于阈值时则呈负相关。PM_(10)浓度与降水量成反比,但降水对PM_(10)的清除率永远不等于1;同一形态的降水清除能力与其量级呈正相关,同等级的固态降水比液态降水对PM_(10)的清除率高;一次降水过程中,PM_(10)浓度最低值往往出现在日降水峰值的次日;连续性降水过程中,PM_(10)浓度随着降水量自峰值的减弱而升高,当降水量再次增大时PM_(10)浓度便再次降低;间断性降水过程中,降水一旦停止,PM_(10)浓度将会有一定程度的升高,并有可能高于降水前的浓度值。春季大风沙尘天气易造成PM_(10)浓度增高,冬季PM_(10)浓度与风速呈明显反比关系。     

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。     

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.     

基于气象因子的赣南脐橙采摘期预测

利用赣州南部龙南县2011—2017年和北部宁都县2008—2017年的脐橙生育期观测资料与气象资料,采用相关普查的方法筛选影响脐橙采摘的关键气象因子,利用逐步回归方法构建模型,对赣南脐橙采摘期进行预测。结果表明:积温、降水量、最低气温和日照是影响脐橙采摘期的主要气象因素,其中积温的影响最大;开花盛期至9月底的积温、7—9月日照时数和开花盛期至9月底的积温、7月平均最低气温,分别是影响赣州南部、北部脐橙采摘期的主要气象因子。南部和北部的模型预测的平均绝对误差分别为2.8 d和4.4 d,试报误差为0—1 d。     

决策树技术分析气象因子对电力负荷预测的影响

基于决策树技术,对气象因子和日电力负荷的最高、最低值、平均值进行联合建模,量化气象因子对电力负荷的影响,从而确立一种有效的基于气象因子的短期电力负荷预测方法,用以生成日特征负荷决策树预测模型.通过该模型,结合预测日的气象、属性(日期、节日等)等信息,可进行日特征负荷的预测.预测结果表明,该模型具有自动化程度高、预测结果准确率高的特性.以河北省保定市气象数据和电力负荷数据为例进行了训练和预测,研究结果证明这种方法能较大地提高日电力负荷预测的精度.     

武汉市居民中暑与气象因子的统计特点研究

利用武汉市1994～2006年共13年1464个中暑病例资料和同期逐日气象资料,分别统计逐日中暑人数、日平均中暑人数与气象因子的线性、非线性相关系数,筛选出关键气象因子,建立中暑与多气象因子的非线性模型,制订中暑气象等级标准.结果表明:气温是中暑发生的最关键影响因子,不利气象因子3天或3天以上的累积效应才能导致中暑群发,中暑人数与气象因子呈现非线性关系.建立了日平均中暑人数与前3日平均气温、前3 日平均最小相对湿度的指数模型.将日平均中暑人数划分为5级,并应用该等级标准进行历史样本同代检验和独立样本预报检验,效果较好.     

气象因子对稻瘟病的影响及预报

通过对水稻稻瘟病的观测,找出温度、湿度、光照和风对稻瘟病流行的影响,和水稻返青期、抽穗前期稻瘟病的预测方法,建立了稻瘟病年发生的预报方程。     

2000—2009年锡林郭勒典型草原植被对气象因子的响应

应用MODIS数据对2000—2009年植被变化情况及其与气温、降水量进行相关分析。2007年年均气温最高,降水最少,NDVI最大值和生长季平均值最低;在降水量最大的2003年NDVI最大值和生长季平均值最高。全生长季中气温和降水量与NDVI值具有显著或极显著相关,相对于气温、降水量对NDVI值影响更大;前一个月的气温和降水量对NDVI值的影响最大,植被对气象因子的响应具有时滞性。     

基于气象因子杭州市燃气负荷预测研究

利用2008—2013年杭州市逐日和逐时燃气负荷资料及同期气象观测资料,统计分析了杭州市燃气负荷的变化及其与气象因子的响应关系,并基于支持向量机(Support Vector Machines,SVM)方法建立了杭州市燃气负荷预测模型。结果表明:2008—2013年杭州市燃气负荷具有较明显的季节变化特征,冬季日平均气象负荷率最高,夏季日平均气象负荷率最低;而各季节燃气负荷总体的日变化规律较相似,基本呈单峰型变化。除6月和9月,其他月份逐日气温与日气象负荷率均呈负相关关系,其中12月逐日气温与日气象负荷率的负相关最显著。当日平均气温≤13℃时,日气象负荷率为正值;当日平均气温为3℃左右,日气象负荷率达最高值。1—4月和10—12月日平均气压与日气象负荷率均呈显著的正相关关系。除夏季外,其他季节逐时气温与小时气象负荷率呈显著的负相关关系,且秋季相关最显著。考虑主要气象影响因子,采用SVM回归方法构建杭州市燃气负荷逐日和逐时预测模型,模型预测效果较好,逐日燃气负荷预报的平均误差为4.36%,逐时燃气负荷预报的相对误差约为4.18%。     

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。     

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。     

气象因子对油菜生长及产量的影响

在油菜生长期内，平均温度高有利于生长发育，对提高产量有积极作用；初花前期的平均温度越高。越有利于油菜生长和增产；终花到成熟期，平均温度过高，降水量过大，油菜产量就降低；在成熟期遇30℃以上高温，会使油菜高温逼熟；昼夜温差越大，油菜产量越高；降水时间和生长期总降水量在本试验中对产量没有很大影响，日照时数越多产量越高；冬季冰冻使菌核病发病基数降低，间接影响油菜产量，开花期的霜冻导致油菜分段结实。     

气象因子对杭州市区酸雨的影响

利用1996-2010年杭州市区酸雨及环境气象因子观测资料,分析了近15年来气象因子对杭州市区酸雨的影响.结果表明:强降水下的酸雨出现频率较低,而pH低值多出现在连续阴雨的天气;北风及偏北风下的降水pH均值较低,西偏南风下降水pH均值较高;在高压底部型天气下降水pH均值最低(4.51),同时酸雨出现频率高达85.3％;而雷雨天气下pH均值最高(5.11),酸雨出现频率最低(66.5％).由此可知在不同的天气类型下,污染物扩散、稀释和湿沉降情况不同,可能是导致酸雨污染程度不同的主要原因之一.     

气象因子对金花梨生长发育的影响

通过试验研究,探讨主要气象因子在唐河县的变化规律和对金花梨生长发育的影响,研究金花梨在遭受灾害性天气影响时,采取相应的技术措施,确保金花梨的高产、稳产.