2015, 26 (4): 492-499
2. 河北省气象与生态环境重点实验室, 石家庄 050021;
3. 北京市气象台，北京 100089;
4. 河北省电力公司，石家庄 050021
2. Key Laboratory for Meteorology and Ecological Environment of Hebei Province, Shijiazhuang 050021;
3. Beijing Meteorological Observatory, Beijing 100089;
4. State Grid Hebei Electric Power Company, Shijiazhuang 050021
随着经济的快速发展，电力需求呈逐年快速增长趋势，尤其是夏季电网承受着高负荷压力。用电需求的快速增长，不仅与经济发展、工农业用电的快速增长有关，还与气象条件等因素紧密相关。
有关电力负荷受气象条件影响的问题，国内外学者已进行广泛研究，并建立了基于气象因子的电力负荷预测模型[1-4]。张小玲等[5]研究了北京地区用电量与气象因子间的关系。郑贤等[6]分析广西桂林电网日负荷与气象因素的关系，并建立了统计预测模型。陈正洪等[7]通过华中电网用电量与气温间的关系研究表明：日用电量与日平均气温在夏半年 (5—9月)85%的月份呈显著正相关。付桂琴等[8]以2009年罕见高温过程为例，分析了高温天气对河北南电网的影响关系。研究表明：在所有气象因子中，气温对电力负荷的影响最为突出。20世纪80年代美国学者研究表明：夏季高温日用于降温的电量占全部电量的17%[9]。国内学者段海来等[10]通过广东广州城市电力消费对气候变化的响应分析表明：5—10月广州平均气温每升高1℃，居民生活用电量将增加1.25%。张海东等[11]分析气温变化对江苏南京城市电力负荷的影响表明，南京夏季 (7—9月) 的气温变化对电力负荷的影响较全年更为明显。李雪铭等[12]以辽宁大连为例研究表明，夏季气温变化直接影响居民用电量。张自银等[13]总结出北京日最高气温高于26℃时，日最大电力负荷的1℃效应量为39.7×104 kW。贺芳芳等[14]研究了上海地区夏季气温变化对电力负荷的影响关系，得出日最高气温不低于33℃是日最大电力负荷增加的敏感气温起始值。
多年来，国内外学者尽管在气温与电力负荷的影响关系方面研究较多，但多数是研究气象条件对日峰负荷 (日最大电力负荷) 的影响，而对日谷负荷 (日最小电力负荷) 方面的研究不多见。准确预报日峰负荷，对电力公司及时调整电力调度、确保国民经济的快速发展、居民用电安全固然重要。但电不能储存，过多发电会造成大量能源浪费及环境污染。因此，研究气象条件对日谷负荷影响及进行预测，对节约能源、减少环境污染有重要意义。另外，据统计，不仅高温天气条件下用电量会急剧上升，高温过后仍然有一个电力负荷的上升过程，这是高温对电力负荷影响的热累积效应。由此，本文在原有研究成果的基础上，重点分析2001—2010年5—9月电力日峰负荷、日谷负荷与气象条件关系，并考虑持续晴热天气和闷热天气所产生的积温热累积效应，建立河北省南电网日峰负荷、日谷负荷的气象预测模型，为电力部门合理调度提供参考。
1 资料河北省南电网所辖区域为河北省中南部，包括保定、石家庄、沧州、衡水、邢台和邯郸6个地市，这些地区气候条件相似，但用电量差异显著。据电力调度部门统计，省会城市石家庄用电量最多，占南电网总用电量的30%左右，衡水用电量最少，仅占7%左右，其余地市所占比例为12%~19%。
为合理计算南电网区域气象条件对电力负荷的影响，选取上述6个地市的日平均气温、日最高气温、日最低气温、日平均相对湿度、日降水量等[15]气象要素，分别乘当地用电量所占比例，取各要素之和代表南电网区域的气象条件。
2001—2010年5—9月河北省南电网电力日峰负荷、日谷负荷数据由河北省电力公司提供，日峰负荷样本量为1200，由于2010年7月18日—9月30日日谷负荷缺资料，日谷负荷样本量为1145。相应时间的气象资料由河北省气候中心提供。
2 高低温与电力峰谷负荷变化特征及影响 2.1 高低温与峰谷负荷变化特征图 1是2001—2010年5—9月南电网区域逐日最高气温、最低气温与电力日峰负荷、日谷负荷年平均时间序列。由图 1可以看出，无论是日最高气温还是日最低气温，其年平均值只是逐年波动，10年来相对平稳，没有明显的变化趋势；而电力日峰负荷、日谷负荷的年平均值具有明显的逐年线性增长趋势；受社会经济发展等因素的影响，电力负荷呈逐年显著增长的变化趋势。气象条件只是引起负荷的波动变化。为客观分析气象条件对电力负荷的影响，采用
|
(1) |
|
|
| 图 1. 2001—2010年5—9月日最高气温、日最低气温及日峰负荷、日谷负荷年平均变化曲线 Fig 1. The annual average curve of daily maximum temperature, daily minimum temperature and daily peak load, daily valley load of power from May to September during 2001－2010 | |
描述电力负荷值[16]。式 (1) 中，Et为基础电力负荷，从全年电力负荷中剔除受气象条件等影响的负荷，基础电力负荷随国民经济增长呈递增趋势；Eq为受气象条件影响的季节性波动负荷；A为不确定因素引起的负荷变化，由于A影响较小，在此忽略不记。其中，基础负荷为
|
(2) |
式 (2) 中, a为常数项，b为线性倾向值，t为时间序列。
图 2为去除基础电力负荷后，由气象条件引起的日峰负荷、日谷负荷月变化与日最高气温、日最低气温月平均变化曲线。由图 2可以看出，10年来，5—9月平均日最高气温，还是日最低气温, 其月变化基本以7月为中心轴，左右对称的二次函数形式。5—6月气温呈上升趋势，7月气温达到相对高点，8—9月又以相同的速度逐月下降，形成与5—6月的对称分布。与此同时，电力日峰负荷、日谷负荷的月平均变化与日最高气温、日最低气温月变化趋势相似，也呈二次函数形式。即气温升高，用电负荷增加；气温下降，用电负荷减少。这种变化趋势很好地体现出夏季空调降温负荷特征。
|
|
| 图 2. 2001—2010年5—9月日最高气温、日最低气温及日峰负荷、日谷负荷月平均曲线 Fig 2. The monthly average curve of daily maximum temperature, daily minimum temperature and daily peak load, daily valley load of power from May to September during 2001-2010 | |
2.2 晴热天气和闷热天气对峰谷负荷影响
高温天气会造成电力负荷大幅度增加[17-18]。事实证明湿度小、气温高的晴热天气和湿度大、气温较高的闷热天气均会使空调负荷明显增加。因此，本文分别对晴热天气和闷热天气情况下的峰谷负荷变化进行分析。
闷热天气是指人体感到潮热和气闷的高温、高湿天气，通常用闷热指数表示。闷热指数[19-20]
|
(3) |
式 (3) 中, T为日平均气温 (单位：℃)，f为日平均相对湿度 (单位：%)，当I≥80时，大多数人体感到闷热，定义为闷热天气。持续3 d及以上I≥80即为1次闷热天气过程。
晴热天气：日最高气温大于等于35℃，且I＜80。持续3 d及以上满足上述条件即为1次晴热天气过程。
经统计，2001—2010年河北省南电网区域共出现35℃以上高温天气137 d，晴热天气过程11次，闷热天气过程10次。各年晴热天气过程出现时间及过程日峰负荷、日谷负荷变化情况见表 1。各年闷热天气过程出现时间及过程日峰负荷、日谷负荷变化情况见表 2。
|
表 1 2001—2010年5—9月晴热天气过程与日峰负荷、日谷负荷变化 Table 1 Variations of daily peak load and daily valley load of power in sunny hot weather from May to September during 2001-2010 |
|
|
表 2 2001—2010年5—9月闷热天气过程与日峰负荷、日谷负荷变化 Table 2 Variations of daily peak load and daily valley load of power in muggy weather from May to September during 2001-2010 |
由表 1和表 2可知，晴热天气过程主要出现在6月，而闷热天气主要出现在7月、8月。晴热天气过程日最高气温平均为38.0℃，日最低气温平均为22.0℃，温差大，对应的峰谷负荷差也大，平均为45.3×105 kW。闷热天气过程日最高气温平均为36.2℃，日最低气温平均为25.2℃，温差小，对应的峰谷负荷差也小，平均为32.7×105 kW。闷热天气引起的日峰负荷、日谷负荷增量均比晴热天气大，尤其是日谷负荷增量比晴热天气更明显。这主要是夜间气温高，天气闷热，空调负荷开启量大，且开启时间长所致。闷热天气过程，即使日最高气温低于35℃，也会造成负荷的明显增长。如2009年7月20—22日闷热天气过程最高气温仅33.9℃，期间日峰负荷增长达184.6×105 kW，日谷负荷增长为142.2×105 kW。
以上分析表明，无论是晴热天气过程，还是闷热天气过程均会造成电力负荷的显著增长。其中，闷热天气过程相对晴热天气过程日峰负荷、日谷负荷增长更明显，即使气温未达到35℃，由于湿度大，前期高温热累积滞后效应也会造成负荷的明显增长。
3 积温热累积效应计算方法 3.1 积温临界值的确定积温热累积效应是指在持续高温过程中，电力负荷会随着持续时间的增加而增长，即在同等气温条件下，电力负荷也会出现较大程度的增加。为了确定夏季积温热累积的气温临界点，引入电力负荷气象变化量
|
(4) |
表示夏季日峰负荷、日谷负荷随气象因子的变化程度[14]。式 (4) 中, Eq为气象负荷，Et为基础电力负荷项。由于日峰负荷对日最高气温变化敏感，日谷负荷对日最低气温变化比较敏感，因此, 分别用日最高气温、日最低气温变化跟踪日峰负荷、日谷负荷变化。表 3为2001—2010年5—9月日最高气温Tmax≥27℃时，日峰负荷气象变化量平均值 (K) 及日最高气温升高1℃时K增加值 (M)。由表 3可以看出，虽然日峰负荷气象变化量随日最高气温的升高而增加，但在日最高气温低于30℃时，K为负值，说明此时基本上没有空调负荷的影响。当日最高气温大于30℃时，空调负荷开始显现，且随着气温升高，空调负荷快速增加。当日最高气温为30~31℃, 32~33℃时, M较大，分别为9.8%和14.9%。但日最高气温为30~31℃时，K仅为0.5%，说明此时空调负荷所占比例很小。当日最高气温为32~33℃时，K迅速增大至18.2%，说明此时空调负荷所占比已经很大，由气温升高1℃引起气象日峰负荷的增长达到14.9%，需引起重视。当日最高气温为35~36℃, 达高温天气时，K达到27.6%，此时M也较大，空调负荷再次明显增加，电力部门需高度重视。当日最高气温为38~39℃时，K达到43.9%，此时M为9.4%，说明气温再升高1℃空调负荷将占气象负荷的50%以上，此时，可能由于制冷设备长时间大量运转出现一些开关跳闸、被烧等电力事故，电力部门需警惕重视。气温在39℃以上时，M增量有限，说明制冷设备基本全部开启，达到饱和运转。因此，将32℃定义为引起日峰负荷增加的初始气温敏感值，35℃为强气温敏感值，39℃为极强气温敏感值。
|
|
表 3 日最高气温升高1℃对应的日峰负荷气象变化量 (K) 及增加值 (M) Table 3 Increment of meteorological variations of daily peak power with 1℃ increment of daily maximum temperature |
表 4为2001—2010年5—9月日最低气温Tmin≥20℃时，日谷负荷气象变化量的平均值 (K) 及日最低气温升高1℃时K增加值 (M)。当日最低气温低于22℃时，夜间没有空调负荷的影响，当日最低气温为22~23℃时，空调负荷开始显现，当日最低气温为25~26℃时，M最大，对应K为17.3%，此时，由最低气温升高导致的日谷负荷增量显著，需引起电力部门重视，因此，将25℃定义为引起日谷负荷增加变化的敏感气温临界值。
|
|
表 4 日最低气温升高1℃对应的日谷负荷气象变化量及增加值 Table 4 Increment of meteorological variations of daily valley load of power with 1℃ increment daily minimum temperature |
3.2 积温热累积效应计算方法
众所周知，积温热累积效应对电力负荷的影响，不仅与超过临界值的日数有关，还与超过临界值的大小有关。因此，定义积温热累积效应
|
(5) |
式 (5) 中, n为超过最高气温临界值或最低气温临界值的累计日数，Tm为当日最高气温或最低气温，T0为对应的最高气温临界值或最低气温临界值。n为超过某一临界值日起，从1开始逐日加1，当气温未达到临界值时, n为0，依次循环。
4 建立引入积温热累积效应的多元回归预测模型 4.1 电力日峰谷负荷预测模型对所选的气象要素包括日平均气温 (T)、日最高气温 (Tmax)、日最低气温 (Tmin)、高温积温效应 (Bmax)、低温积温效应 (Bmin)、日平均相对湿度 (f)、日降水量 (R)，与对应的电力日峰气象负荷 (Fmax)、日谷气象负荷 (Fmin) 进行相关分析。各气象要素与电力日峰气象负荷、日谷气象负荷相关性计算结果见表 5。
|
|
表 5 2001—2010年5—9月逐日电力气象负荷与气象要素的相关系数 Table 5 The correlation between power load and meteorological elements from May to September during 2001-2010 |
由表 5可以看出，夏季日峰负荷、日谷负荷与日最高气温、日最低气温、日平均气温、积温热累积效应均为显著正相关，相关系数多为0.426~0.561；电力日峰负荷、日谷负荷与日平均相对湿度、日降水量均呈负相关，相关系数为-0.361~-0.183，均达到0.005显著性水平，选取上述各气象要素与日峰负荷、日谷负荷分别建立多元回归预测模型。
5—9月电力日峰气象负荷预测模型为
|
(6) |
复相关系数为0.794，达到0.005显著性水平。
5—9月电力日谷负荷气象预测模型为
|
(7) |
复相关系数为0.769，达到0.005显著性水平。
4.2 预测模型检验依据日峰气象负荷、日谷气象负荷预测模型，对2011—2013年5—9月电力负荷进行预测应用检验，气象负荷与电力负荷趋势项相加即得逐年日峰负荷、日谷实际负荷预测值。2011—2013年5—9月日峰负荷、日谷负荷预测值与对应电力日峰负荷、日谷负荷实况见图 3。由图 3可以看出，电力日峰负荷和日谷负荷预测均能较好地反映电力峰、谷负荷的实际变化，该模型对电力日峰负荷、日谷负荷具有较好的预测能力。日峰负荷的实际波动比日谷负荷大，也反映出白天日峰负荷不仅受气象因素影响，还受工业生产用电、农业灌溉用电、人类活动等不确定用电因素影响，对电力负荷的影响比夜间更复杂。如2012年6月14—24日电力日峰负荷的显著增长波动，正是河北省收获小麦后种玉米的农业灌溉用电高峰期，2012年6月16—19日又出现晴热天气过程，因此，受阶段性农业灌溉用电和空调用电的共同影响，出现了电力负荷的显著增长。夜间用电一般都比较稳定，因此，日谷负荷的波动较小，峰值误差也相对较小。
|
|
| 图 3. 2011—2013年5—9月日峰负荷、日谷负荷预测值与实况对比 Fig 3. The contrast curve between forecast and real value of daily peak load and daily valley load from May to September during 2011-2013 | |
在此基础上，计算2011—2013年5—9月逐日峰负荷、日谷负荷预测的相对误差绝对值，对其预测效果进行数据分析检验[21-22]。该检验方法也是河北省南电网电力负荷预测日常业务检验方法，日峰负荷预测相对误差绝对值平均为4.8%，日谷负荷预测相对误差绝对值平均为3.5%，均达到电力部门内部业务考核目标的预测误差要求。可见，引入积温效应的电力日峰负荷、日谷负荷预测更接近电力负荷实际情况，且能满足日常业务需求。
4.3 业务化应用在实际业务应用中，模型中的日最高气温、日最低气温采用站点气象要素预报，积温效应由已发生的实况和未来的气温预报进行确定；站点相对湿度、降水量采用T639模式预报订正到站点的定量预报。依据日峰负荷、日谷负荷预测模型，进行电力日峰负荷、日谷负荷预测。该预测模型已嵌入河北省南电网预报服务系统中，每日下午对电力部门发布未来24 h电力日峰负荷、日谷负荷预测服务，可实时为电力调度部门提供气象预测数据。以日峰负荷为例，2014年5—7月电力日峰负荷24 h预测准确率达93.7%。为电力部门合理调度提供参考依据。
5 小结分析河北省南电网2001—2010年5—9月电力日峰负荷、日谷负荷及其与气象条件关系，得出以下初步结论：
1) 河北省南电网夏半年日峰负荷、日谷负荷随月份呈二次函数周期变化和逐年明显增长的趋势变化。电力日峰负荷、日谷负荷与气温以及气温的积温效应变化呈正相关，相关系数为0.426~0.561；与平均相对湿度、日降水量呈负相关，相关系数为-0.361~-0.183，均达到0.005显著性水平。
2) 持续3 d以上的晴热和闷热天气过程对电力负荷增长有明显影响。10年共出现10次晴热天气过程，11次闷热天气过程。闷热天气过程对日峰负荷、日谷负荷影响较晴热天气过程更显著。
3) 由日峰负荷、日谷负荷气象变化量可知，日最高气温大于等于32℃时，对日峰负荷增长有显著影响；日最低气温大于等于25℃时，对日谷负荷增长有显著影响。因此，将32℃和25℃分别作为日峰负荷和日谷负荷积温效应敏感气温临界值。
4) 引入积温热累积效应，通过多元回归方法，建立日峰负荷、日谷负荷气象预测模型。经过对2011—2013年5—9月预测应用检验表明：日峰负荷、日谷负荷均具有较好的预测能力，对河北省南电网电力调度具有参考价值。
| [1] | 胡江林, 陈正洪, 洪斌, 等. 基于气象因子的华中电网负荷预测方法研究. 应用气象学报, 2002, 13, (5): 600–608. |
| [2] | 罗慧, 巢清尘, 李奇, 等. 气象要素在电力负荷预测中的应用. 气象, 2005, 31, (6): 15–18. DOI:10.7519/j.issn.1000-0526.2005.06.003 |
| [3] | 付桂琴, 李运宗. 气象条件对电力负荷的影响分析. 气象科技, 2008, 36, (6): 795–800. |
| [4] | 吴向阳, 张海东. 北京市气温对电力负荷影响的计量经济分析. 应用气象学报, 2008, 19, (5): 531–538. DOI:10.11898/1001-7313.20080503 |
| [5] | 张小玲, 王迎春. 北京夏季用电量与气象条件的关系及预报. 气象, 2002, 28, (2): 17–21. DOI:10.7519/j.issn.1000-0526.2002.02.004 |
| [6] | 郑贤, 唐伍斌, 贝宇, 等. 桂林电网日负荷与气象因素的关系及其预测. 气象, 2008, 34, (10): 96–101. DOI:10.7519/j.issn.1000-0526.2008.10.013 |
| [7] | 陈正洪, 洪斌. 华中电网四省日用电量与气温关系的评估. 地理学报, 2000, 55, (增刊Ⅰ): 34–38. |
| [8] | 付桂琴, 时青格, 刘建文. 夏季高温对电力负荷的影响. 电网技术, 2010, 34, (增刊Ⅱ): 506–509. |
| [9] | Douglas M L C, Hency E W. Modeling the impact of summer temperatures on nationalelectrlcity consumption. J Appl Meteorol, 1981, 20, (12): 1415–1419. DOI:10.1175/1520-0450(1981)020<1415:MTIOST>2.0.CO;2 |
| [10] | 段海来, 千怀遂. 广州城市电力消费对气候变化的响应. 应用气象学报, 2009, 20, (1): 80–87. DOI:10.11898/1001-7313.20090110 |
| [11] | 张海东, 孙照渤, 郑艳, 等. 温度变化对南京城市电力负荷的影响. 大气科学学报, 2009, 32, (4): 536–542. |
| [12] | 李雪铭, 葛庆龙, 周连义, 等. 近二十年全球气温变化的居民用电量响应——以大连市为例. 干旱区资源与环境, 2003, 17, (5): 54–58. |
| [13] | 张自银, 马京津, 雷杨娜. 北京市夏季电力负荷逐日变率与气象因子关系. 应用气象学报, 2011, 22, (6): 760–765. DOI:10.11898/1001-7313.20110615 |
| [14] | 贺芳芳, 史军. 上海地区夏季气温变化对用电负荷的影响. 长江流域资源与环境, 2011, 20, (12): 1462–1467. |
| [15] | 阎访, 陈静, 车少静. 石家庄夏季用电量对天气的响应及其预测模型. 甘肃气象, 2009, 27, (3): 282–287. |
| [16] | 罗森波, 纪忠萍, 马讉华, 等. 2002—2004年广东电力负荷的变化及预测. 热带气象学报, 2007, 23, (2): 153–161. |
| [17] | 贺芳芳, 徐家良, 周伟东, 等. 上海地区高温期气象条件对用电影响的评估. 高原气象, 2008, 27, (增刊Ⅰ): 210–217. |
| [18] | 钟利华, 周绍毅, 邓英姿, 等. 广西近年高温干旱气象灾害及对电力供求的影响. 灾害学, 2012, 22, (3): 81–84. |
| [19] | 陈辉, 黄卓, 田华, 等. 高温中暑气象等级评定方法. 应用气象学报, 2009, 20, (4): 451–457. DOI:10.11898/1001-7313.20090409 |
| [20] | 黄卓, 陈辉, 田华. 高温热浪指标研究. 气象, 2011, 37, (3): 345–351. DOI:10.7519/j.issn.1000-0526.2011.03.013 |
| [21] | 郭建平, 田志会, 张娟娟. 东北地区玉米热量指数的预测模型研究. 应用气象学报, 2003, 14, (5): 626–633. |
| [22] | 刘红亚, 曹亮. 上海市电力负荷与气象因子关系及精细化预报. 应用气象学报, 2013, 24, (4): 455–463. DOI:10.11898/1001-7313.20130408 |