電力負荷與氣象因子的關系研究

蘭雅萍,黃月清,楊錫瓊

摘 要：通過對長泰1997—2013年逐月供電量與溫度、濕度等氣象因子的相關性進行分析，得出長泰供電量與氣象因子之間的關系。應用非線性最小二乘法得到供電量與氣象要素的擬合曲線和定量對應關系，并根據日常氣候預測預報結論建立了月供電量預測業務模型，為電力部門提供更加專業、定量的服務產品，為其合理調度提供科學依據。

關鍵詞：電力負荷；氣象因子；預報模型；氣象電量

中圖分類號：TM714 文獻標識碼：A 文章編號：2095-6835（2014）21-0151-02

氣象條件對供電量的影響早就引起了人們的注意。英國在20世紀70年代就發現，如果溫度預報誤差達2℃，那么一個冬日全英國的供電誤差在100 kW以上。近年來，隨著經濟的發展，城市供電都出現幾段滿負荷運行。長泰縣位于廈門、漳州兩大經濟區的腹地，近年經濟發展迅速，電力負荷逐年增加。通過開展此項調查研究，可以進一步提高長泰電力防御各種氣象災害的能力，發揮氣象信息趨利避害的作用，提升該區電力氣象專業服務能力，確保長泰供電量的合理調度。

1 資料和方法

本研究中所用的電力資料均來自長泰縣電力公司，為1997—2013年的逐月供電量；氣象數據來自長泰縣氣象局，氣象因子包括溫度、濕度、日照時數和降水量。分析方法主要是相關分析等常用的數理統計方法。通過對供電量與氣象因子的相關性進行分析，可以更清楚地反映電力需求對天氣尺度擾動的響應。

2 長泰縣電力負荷的變化特征

2.1 縱向分析比較逐月供電量的變化

1997—2013年，長泰縣每年1月份的供電量呈逐年穩步上升趨勢，2009年比2008年略有下滑，之后，從2010年開始呈快速增長趨勢。同樣，分別分析1997—2013年其余月份的供電量變化情況，發現長泰縣1997—2013年逐月供電量呈現波動中整體逐漸上升的趨勢，逐年增加的電力負荷主要歸因于社會經濟的發展。

2.2 橫向分析比較逐月供電量的變化

為了更好地反映逐月供電量的變化情況，我們從1—12月累年月平均供電量變化曲線來看各月的供電量，從中發現供電量的季節變化差異較大，但總體特征是夏、秋季供電量最高，春季次之，最小供電量出現在冬季（12月至次年2月）。這種年變化基本符合氣候變化的規律，分析其原因，主要是由于夏、秋季節消暑耗電量大，其次是春季灌溉等用電量，長泰冬季平均溫度為14.5 ℃，供暖設備使用較少，對供電量影響不大，所以最小用電量出現在冬季。

3 提取氣象電量

通過上面的分析可以發現，影響供電量的因素有很多，社會經濟的發展是造成供電量變化的最主要的因素，它決定著逐年供電量的主要變化趨勢。氣象要素的影響會使這種年際變化趨勢產生波動，因此，在研究供電量與氣象要素的關系時，有必要從電力負荷中提取出氣象電量，建立逐月趨勢擬合曲線。

具體方法如下為：采用非線性最小二乘法建立月平均供電量（單位：萬kW·h）與時間t（單位：年）的擬合函數，通過對1997—2013年的逐月供電量變化進行分析，得出各月的擬合函數，即各月的月趨勢電量為：

Ef=a+bect. （1）

式（1）中：Ef——趨勢電量；

a——系數；

b——系數；

ect——指數。

用實際電量減去趨勢電量便可得到氣象電量：

Em=E-Ef. （2）

式（2）中：Em——氣象電量；

E——實際電量。

得到氣象電量后，便可以通過氣象要素來預報氣象電量，從而預報電力負荷。

4 月供電量與氣象要素的關系

4.1 電力負荷與氣象要素的相關性分析

在研究長泰縣電力負荷與各氣象要素之間的關系時，要用相關系數來判斷各氣象要素與供電量的相關性程度。分析長泰縣1997—2013年月平均供電量與月平均溫度、濕度、日照、降水量的相關系數。通過研究可發現：①長泰電力負荷與氣溫、日照時數的關系最為密切，成顯著的正相關關系。與平均氣溫的相關系數為0.67，與日照的相關系數最高為0.73.通過分析可發現，日照時間的長短在一定程度上也是通過影響溫度來影響供電量的。②長泰電力負荷與降水量的相關性較弱，相關系數為0.32.通過對逐年降水量與供電量進行比較，發現二者之間基本沒有什么相關性。③長泰電力負荷與平均相對濕度成負相關關系，相關系數為-0.32.通過對逐年降水量與供電量的比較可發現，由于區域氣候的關系，長泰月平均相對濕度的變化很小，最高月平均相對濕度為83，最低為73，波動范圍很小，不足以影響供電量。

4.2 月供電量與月氣溫距平的定量關系分析

利用correl函數計算1997—2013年逐月氣象電量與月氣溫距平的相關關系。從中發現，秋、冬季節與氣溫距平的相關性很弱，這主要與長泰的氣候有關——長泰秋季（10—11月）的月平均氣溫為22 ℃，溫度的波動變化對供電量的影響較小；冬季最低氣溫出現在1月份，平均氣溫為13.5 ℃，此時溫度的變化也不足以使供電量發生變化；4—7月份供電量與氣溫距平呈正相關，3月、9月二者呈負相關。

根據上面的分析，我們分析了2個時段內氣象電量與氣溫距平的定量關系。

應用4—7月的氣象電量和氣溫距平，采用最小二乘法得出供電量與月氣溫距平的擬合函數。根據擬合曲線得出氣象電量與氣溫距平的定量關系，即當氣溫距平為+2℃、+1℃、0℃、-1℃、-2℃時，氣象電量分別對應2.36×106 kW·h、-2.61×106 kW·h、-3.65×106 kW·h、-5.82×106 kW·h、-3.79×106 kW·h。根據此對應關系，可依據中短期氣候預測對4—7月的供電量進行預測。

應用3月、9月的氣象電量和氣溫距平，采用最小二乘法得出供電量與月氣溫距平的擬合函數。根據擬合曲線得出氣象電量與氣溫距平的定量關系，即當氣溫距平為+2℃、+1℃、0℃、-1℃、-2℃時，氣象電量分別對應-8.2×105 kW·h、-1.65×106 kW·h、-6.09×106 kW·h、-2.73×106 kW·h、1.98×105 kW·h。

5 月供電量預報業務模型的建立

根據以上分析，氣象條件對供電量的影響存在明顯的季節變化，我們分別建立2個時段，即夏季和過渡季節的預報模型，認為其他季節基本不受氣象條件的影響。按照月氣象條件與月氣象要素的關系和中短期氣候預報預測的結論，按下面步驟建立月供電量預報業務模型：①根據中短期氣候預測結論，得到下月的氣溫距平；②按月供電量與月氣溫距平的定量關系得出氣象電量；③根據公式（1）計算本月的趨勢電量，根據公式（2）計算得到下月的月供電量預測值。

參考文獻

[1]邵遠坤.成都市氣象要素對電力負荷的影響關系研究[J].四川氣象，2003，86（4）：57-58.

〔編輯：王霞〕

Research on the Relationship between Power Load and Meteorological Factors

Lan Yaping， Huang Yueqing， Yang Xiqiong

Abstract： Through Changtai 1997-2013 year monthly electricity supply and the temperature， humidity and other weather factors correlation analysis， the relationship Changtai between power supply and meteorological factors. Application of nonlinear least-squares curve fitting method to obtain quantitative correspondence between the power supply and meteorological elements， and in accordance with the daily weather forecast Conclusion forecast monthly electricity supply business model for the electricity sector to provide more professional and quantitative services and products， as provide the scientific basis of its reasonable dispatch.

Key words： electric load； meteorological factors； forecasting model； meteorological electricity