近60a阿勒泰地区不同等级降温日气候特征

利用阿勒泰地区7个气象站自建站至2014年12月31日的逐日气温资料,以日最低气温及其降温幅度为指标,整理出阿勒泰地区近60 a降温日数据库,按降温幅度将降温日分为寒潮、强降温、较强降温、中等强度降温和弱降温5个等级,分析了全地区各站不同等级降温日数的气候特征。结果表明:(1)阿勒泰地区寒潮日数和强降温日数在地区偏东、偏北多,向偏西偏南逐步递减,其它等级降温日数在河谷平原多,向西、向东逐步递减。寒潮、强降温和中等强度降温日数的EOF分解第一模态方差贡献率较大,全地区呈较好的一致性,较强降温和弱降温日数的EOF分解主要模态分别有3个和5个。(2)阿勒泰地区寒潮日数在冬季12月最多,强降温日数在秋季9月最多,较强降温日数主要集中在夏季6—8月,中等强度和弱降温日数在各季分布较平均。(3)近60 a来,阿勒泰地区各站的年寒潮和强降温日数呈明显减少趋势,年较强降温日数呈明显增多趋势,年中等强度降温日数没有明显的线性变化趋势,年弱降温日数呈地区西部减少、中、东部增多的趋势,且东部增多趋势较显著。     

广西盛夏高温天气特点与环流特征

对广西1959－2000年盛夏极端最高气温≥35℃及≥37℃总日数与平均气温≥30℃总日数进行气候分析，发现：各级别最高气温总日数7月份90年代比60－80各年代均明显偏少，而8月份90年代比60－80各年均明显偏多；7月份极端最高气温总日数具有减少趋势，而8月份各级别最高气温总日数具有增多趋势。7月与8月极端最高气温≥35℃与日平均气温≥30℃总日数，分别由1990年以前的多日数期向少日数期转变和由1989年以前的少日数期转多日数期。广西盛夏高温总日数偏多年龄与偏少年份500hPa环流场存在明显的差异，500hPa高度场有较明显的10a尺度变化，而这种10a尺度的环流异常变化是造成90年代广西盛夏8月份高温总日数偏多的重要原因。     

南京极值温度长期变化及其与平均温度的关系

利用1951—2009年南京日平均气温、日最高气温以及日最低气温等资料,分析了南京日最高气温和最低气温的长期演变趋势及其与平均温度的关系。结果表明：近60 a来,南京年平均气温、年平均最高气温、年平均最低气温均呈变暖趋势,20世纪90年代增温尤为明显;日最高气温,除夏季表现为降温趋势外,其他季节均为升温趋势;而四季平均气温和平均最低气温均为增温趋势;夏季气温日较差下降趋势明显,导致夏季昼夜温差减小;极端高温、低温的发生日数均呈下降趋势。极端气温与平均气温之间存在明显的相关性,且极端低温对平均气温影响更为明显。     

广西盛夏高温天气特点与环流特征

对广西 195 9- 2 0 0 0年盛夏极端最高气温≥ 35℃及≥ 37℃总日数与平均气温≥ 30℃总日数进行气候分析 ,发现 :各级别最高气温总日数 7月份 90年代比 6 0～ 80各年代均明显偏少 ,而 8月份 90年代比 6 0～ 80各年均明显偏多 ;7月份极端最高气温总日数具有减少趋势 ,而 8月份各级别最高气温总日数具有增多趋势。 7月与 8月极端最高气温≥ 35℃与日平均气温≥ 30℃总日数 ,分别由 1990年以前的多日数期向少日数期转变和由 1989年以前的少日数期转多日数期。广西盛夏高温总日数偏多年份与偏少年份 5 0 0 h Pa环流场存在明显的差异 ,5 0 0 h Pa高度场有较明显的 10 a尺度变化 ,而这种 10 a尺度的环流异常变化是造成 90年代广西盛夏 8月份高温总日数偏多的重要原因     

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。     

1961—2008年淮河流域气温和降水变化趋势

利用淮河流域170个地面气象观测站观测数据,统计分析了淮河流域1961—2008年间气温和降水的时空变化趋势。结果表明:48 a间淮河流域年平均气温呈显著上升趋势,冬季平均气温的增温幅度最大,春、秋次之;年极端最低气温亦呈显著上升趋势,年极端低温日数(满足该站极端低温阈值)则呈明显下降趋势;流域西北部年极端最高气温呈显著下降趋势,流域西部年极端高温日数(满足该站极端高温阈值)呈显著下降趋势;降水量总体变化趋势未通过统计检验,但1990s开始,秋季降水量呈下降趋势,2000年之后年降水量明显增加,夏季降水量亦增加;春季和秋季降水日数呈显著下降趋势,夏季和冬季无明显变化。     

气候变化对江苏省采暖和降温耗能的影响

利用江苏省气象观测站1961—2012年逐日平均气温资料,分析了江苏省采暖度日和降温度日的时空变化特征,探讨了气候变化对江苏省采暖耗能和降温耗能方面的影响。结果表明,近52 a全省采暖度日以淮北大部分地区以及盐城北部地区最多,苏南地区最少;空间变化趋势均为明显减少,且以苏南中部和江淮南部大部分地区减少趋势最为明显。而降温度日以苏南地区最多,淮北东北部和盐城北部地区最少;空间变化趋势以苏南和江淮南部地区呈增加趋势,其他地区变化趋势并不显著。近12 a来采暖度日减少了9.8%。降温度日增加了29.9%。2001—2012年采暖期日数为近52 a来最短,降温期日数为近52 a来最长。气温变率与采暖度日变率呈很好的负相关,与降温度日变率呈正相关,二者均通过了信度0.001的显著性检验。     

近50a开封市气候变化特征分析

利用开封市气象观测站1957-2007年的观测资料,分析了近50 a气候变化的特征,结果表明:开封市年平均气温呈上升趋势,春季气温呈波浪式平缓上升,夏季气温略有下降,秋季气温缓慢上升,冬季气温上升明显;年平均降水量变化趋势不明显,年际波动大,夏季降水呈上升趋势,冬春降水变化不明显,秋季降水下降明显;历年大风日数呈V型上升趋势,夏季上升明显,秋冬两季略有下降;年平均大雾日数呈明显上升趋势;年平均日照时数呈下降趋势,2000年后日照时数下降明显.     

温度变化对夏季降温耗能的影响

该文采用降温度日数作为评估夏季降温耗能的指标 ,分析了我国夏季降温度日分布和长期变化特征。温度与降温耗能相关分析表明 ,两者相关密切 ,相关程度随气温升高而增加 ;降温耗能的 1℃效应量 ,北方大于南方。文章最后 ,利用气温距平与降温度日变率建立了夏季降温耗能评估模型。     

五华县近52年气温变化特征分析

利用五华县1957～2008年气温资料,分析了五华县近52年气温变化特征,结果表明：五华县气温变化呈上升趋势,气候倾向率为0．0094℃／年,低于全国和广东的增温速率;春季增温趋势最不明显,冬季增温最明显;M—K突变检验显示除夏季外年和各季都在20世纪90年代后期发生了增温性突变。气候变暖对五华县年高温日和年低温日等极端气温事件的影响,低温日数呈显著线性下降趋势,高温日数呈缓慢上升趋势,极端气温均呈明显上升趋势。     

2012年空调降温负荷分析

针对夏季空调降温负荷难以计量的现状,提出测算夏季空调降温负荷及降温用电量的算法模型,进而结合夏季天气情况,建立夏季降温负荷与夏季最高温度的回归模型,分析电网降温负荷的单位温升负荷.最后,以若干区域电网为例,分析各电网的空调降温负荷和单位温升负荷,可以为电网的生产运行和电力营销工作提供重要的决策参考.     

北京地区热度日和冷度日的变化特征

应用1951—2004年北京逐日平均温度制作北京月、年的热度日 (HDD) 和冷度日 (CDD)。其中平均月HDD以1月 (687.9度日) 最大, 多年平均的年值为2922.6度日, 多年变化呈明显的下降趋势, 下降率为-99.5度日/10 a。平均月CDD以7月 (259.2度日) 最大。CDD多年平均的年值为826.7度日, 多年变化呈上升趋势, 上升率为39.0度日/10 a。1971—2004年HDD月城郊差值 (北京站-密云站) 冬季较大, 最大值为-73.8度日 (12月)。月CDD的城郊差值比HDD的差值小, 最大差值在8月 (34.0度日)。年HDD和CDD与年平均气温具有较高的相关性。年际、年代际HDD与年际、年代际平均气温具有反位相变化趋势, 随着气候增暖, 北京地区HDD将趋于减小, 冬季用于供暖的能源将减少; CDD将趋于增加, 夏季用于制冷降温的能源将增加。     

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%。     

河南夏季日最大电力负荷预测模型

利用2005—2009年河南逐日最大电力负荷和气象资料,分析了河南日最大电力负荷的变化特征及其与气象因子的关系。河南日最大电力负荷季节变化呈双峰型,最大的峰值出现在夏季,次峰值在冬季。夏季电力负荷与气温和炎热指数有密切的关系。用逐步回归方法,针对夏季(方案1,不区分工作日和休息日)以及周一至周日(方案2,区分工作日和休息日)分别建立日最大电力负荷预测模型,并对2010年夏季逐日最大电力负荷进行预测,两种预测方案对2010年夏季日最大电力负荷预测的平均相对误差均小于3%,相关系数均达到0.90,两方案在工作日预测结果都较好,但休息日预测误差相对较大。     

天津市6—9月气温与供电量的关系分析

为探讨不同气温指标对城市夏季供电量的影响,对天津市区2002—2004年6—9月逐日供电量、日最大负荷、日最小负荷与02、08、14时和20时、日平均、日最高和日最低气温共7种气温指标的相关性进行综合统计分析,并对相关系数作假设检验。结果表明：平均气温与夏季逐日供电量、日最大负荷相关性最好,02时气温与最小负荷的相关性最高。日平均气温和02时气温是影响城市夏季供电量的主要气象要素。     

天津市6--9月气温与供电量的关系分析

为探讨不同气温指标对城市夏季供电量的影响,对2002--2004年6—9月天津市区逐日供电量、日最大负荷、日最小负荷与02、08、14时和20时,日平均、日最高和日最低气温共7种气温指标的相关性进行综合统计分析,并对相关系数作假设检验。结果表明：平均气温与夏季逐日供电量、日最大负荷相关性最好,02时气温与最小负荷的相关性最高。日平均气温和02时气温是影响城市夏季供电量的主要气象要素。     

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。     

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。     

湿球温度冷度日反映制冷能耗的适用性评估

基于湿球温度提出一种新的表征制冷能耗的冷度日,利用TRNSYS软件模拟得到1961—2012年逐月制冷能耗,分析了基于湿球温度的冷度日反映我国不同建筑气候区制冷能耗的适用性。结果表明,除上海外,基于干球温度的冷度日并不能很好地反映制冷能耗,仅能解释逐月制冷能耗的17%~60%;基于湿球温度的冷度日能够很好地反映各建筑气候区的制冷能耗,可以解释逐月制冷能耗的67%~98%。此外,各建筑气候区随着设定的基础湿球温度不同,计算得到的冷度日对制冷能耗的解释量不同。基础湿球温度为16.85℃的冷度日对哈尔滨和天津制冷能耗解释量最大,而不同基础湿球温度的冷度日对上海和广州制冷能耗解释量均无明显差异。以上研究结果证实,基于湿球温度的冷度日能较好地反映各建筑气候区制冷能耗,但各气候区用湿球冷度日反映制冷能耗时应设定不同的基础湿球温度。     

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。