張 杰，崔秀云，曲曉黎

(1.邢臺市氣象局，河北 邢臺 054000；2.甘肅省氣象局，甘肅 蘭州 730030；3.河北省氣象服務(wù)中心，河北 石家莊 050021)

引 言

隨著經(jīng)濟(jì)迅速發(fā)展及空調(diào)等制冷設(shè)備在住宅和大型室內(nèi)公共場所的普及，夏季制冷期用電量占全部用電量的比重日益增大，導(dǎo)致電能變化幅度越來越大。對最大電力負(fù)荷預(yù)測的準(zhǔn)確性，將很大程度影響電網(wǎng)安全穩(wěn)定運(yùn)行，對供電公司的供電質(zhì)量起著決定性的意義。

國內(nèi)外專家對電網(wǎng)最大電力負(fù)荷的預(yù)測開展了大量研究[1-5]。目前，電力負(fù)荷預(yù)測模型大多考慮與不同氣象因子的關(guān)系。20世紀(jì)70年代，英國發(fā)現(xiàn)冬季氣溫下降1 ℃，電力負(fù)荷增加1.8%[6]。陳正洪等[7]分析了河南、湖北、湖南、江西4省的日用電量與氣溫的關(guān)系，建立了基于氣溫的夏季逐月日用電量的評估模型。張海東等[8]利用計(jì)量經(jīng)濟(jì)學(xué)中格蘭杰因果關(guān)系檢驗(yàn)方法，分析了平均氣溫對南京電力負(fù)荷的影響。付桂琴等[9]將積溫?zé)崂鄯e效應(yīng)引入到日用電負(fù)荷峰谷值的預(yù)測模型中。王惠中等[10]利用最小二乘支持向量機(jī)(LSSVM)將實(shí)感溫度、溫濕指數(shù)、舒適度指數(shù)等指標(biāo)與日期結(jié)合引入到電力負(fù)荷預(yù)測模型。謝偉等[11]通過改進(jìn)算法顯著提高短期電力負(fù)荷預(yù)測的精度。王麗娟等[12]基于氣溫累積效應(yīng)和炎熱指數(shù)，利用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)方法，對日最大電力負(fù)荷進(jìn)行預(yù)測，預(yù)測精度較高。李艷等[13]分別基于逐步回歸和SVR方法，開展了上海夏季日最大電力負(fù)荷的模擬，6月和9月逐步回歸模型的模擬效果更優(yōu)。

因?yàn)楦鞯仉娋W(wǎng)所面臨的氣象條件不同，以及經(jīng)濟(jì)發(fā)展的不平衡，致使氣象條件對電力負(fù)荷的影響有所區(qū)別[14-18]。本文利用2013-2018年夏季的逐日最大電力負(fù)荷數(shù)據(jù)，對近年來邢臺市的夏季制冷期電力負(fù)荷特征進(jìn)行分析，利用邢臺國家氣象觀測站的對應(yīng)氣象數(shù)據(jù)及悶熱指數(shù)和舒適度指數(shù)進(jìn)行相關(guān)性分析，并建立了基于氣象因子和悶熱指數(shù)、舒適度指數(shù)等[19-21]綜合反映氣象條件對人體影響的指數(shù)的日最大電力負(fù)荷預(yù)報(bào)方程，用2019年夏季制冷期的相關(guān)數(shù)據(jù)對模型的準(zhǔn)確性進(jìn)行檢驗(yàn)，以期為電力部門合理調(diào)度提供參考。

1 資料及方法

1.1 資 料

本文所利用的2013-2019年制冷期(6-8月)逐日最大電力負(fù)荷數(shù)據(jù)來自國網(wǎng)河北電力有限公司邢臺供電分公司，2013-2019年逐年6-8月的邢臺國家氣象觀測站的氣象數(shù)據(jù)來源于邢臺市氣象局，包括逐日氣溫(平均、最高、最低)、降水總量、相對濕度(平均和最小值)、平均風(fēng)速、日照時(shí)數(shù)、14時(shí)的氣溫和相對濕度。

1.2 方 法

電力負(fù)荷大小受很多要素的影響，其中社會經(jīng)濟(jì)的飛速發(fā)展是導(dǎo)致電力最大負(fù)荷值變化的最重要因子，決定了電力負(fù)荷逐年變化趨勢。氣候條件會影響這種逐年變化趨勢產(chǎn)生一定幅度的波動(dòng)，隨機(jī)因素對日最大電力負(fù)荷的影響較小，可以忽略不計(jì)。在研究氣象因子對電力負(fù)荷的影響時(shí)，必須從電力負(fù)荷中提取出氣象負(fù)荷。氣象負(fù)荷的分離采用李濱等[22]在短期日負(fù)荷預(yù)測中使用的最小二乘法來對2013-2018年邢臺市制冷期逐日最大電力負(fù)荷中的氣象負(fù)荷進(jìn)行分離：

Y=Y1+Y2+Y3

(1)

式中，Y為最大日電力負(fù)荷，Y1為由于社會經(jīng)濟(jì)的發(fā)展造成的電力負(fù)荷，Y2為氣象負(fù)荷，Y3為不確定原因?qū)﹄娏ω?fù)荷峰值的影響，此項(xiàng)較小，可忽略不計(jì)。其中,由于社會經(jīng)濟(jì)的發(fā)展造成的電力負(fù)荷：

Y1=aX+b

(2)

式中，a為常數(shù)項(xiàng)，b為線性傾向率，X為時(shí)間。

悶熱指數(shù)公式采用趙世林等[23]利用14時(shí)氣溫和相對濕度建立的悶熱指數(shù)：

D=(t14-0.23)×(RH14+1.8)-79.74

(3)

式中，t14為當(dāng)日14時(shí)的氣溫，RH14為當(dāng)日14時(shí)的相對濕度。

人體舒適度指數(shù)采用甄曉菊[24]、衛(wèi)浩[25]等在研究京津冀地區(qū)的人體舒適度時(shí)空特征時(shí)采用的人體舒適度公式：

(4)

式中，DI為人體舒適度指數(shù)，t為平均氣溫，RH14為當(dāng)日14時(shí)的相對濕度，V為平均風(fēng)速。

通過分析逐日氣象負(fù)荷與各氣象因子及悶熱指數(shù)、人體舒適度指數(shù)的相關(guān)性，并利用逐步回歸方法[26-31],建立邢臺市夏季制冷期日最大電力負(fù)荷預(yù)報(bào)模型。

2 結(jié)果分析

2.1 夏季制冷期日最大電力負(fù)荷變化特征

2013-2018年邢臺市夏季制冷期逐日最大電力負(fù)荷的年際變化總體呈現(xiàn)上升趨勢(圖1)，這和國民經(jīng)濟(jì)發(fā)展趨勢一致。日最大電力負(fù)荷的年最大值、最小值和平均值均在2015和2016年連續(xù)兩年下降。6年逐日最大電力負(fù)荷的平均值為3353.50MW;最大值為4933.08MW，出現(xiàn)在2018年8月7日；最小值為2085.31MW，出現(xiàn)在2016年7月20日。

圖1 2013-2018年邢臺市夏季制冷期逐日最大電力負(fù)荷的年際變化圖

圖 2為2013-2018年邢臺市夏季制冷期逐日最大電力負(fù)荷的周變化圖，由圖2可看出，周平均值變化不明顯，周內(nèi)日最大電力負(fù)荷平均值的最大值(3378.13MW，出現(xiàn)在周二)和最小值(3323.19MW，出現(xiàn)在周四)僅相差54.94MW，這在一定程度上和現(xiàn)代制冷設(shè)備的普及有關(guān)。日最大電力負(fù)荷的最大值出現(xiàn)在周二，日最大電力負(fù)荷的最小值出現(xiàn)在周三，究其原因，與周一到周五為工作日有一定關(guān)系。

圖2 2013-2018年邢臺市夏季制冷期逐日最大電力負(fù)荷的周變化圖

對2013-2018年邢臺市夏季制冷期累年逐日最大電力負(fù)荷變化(圖 3)進(jìn)行分析發(fā)現(xiàn)，7月13日-8月16日電力負(fù)荷明顯高于前期和后期的。從邢臺市2013-2018年夏季制冷期累年逐日最大電力負(fù)荷旬值(表 1)可以看出，旬日最大電力負(fù)荷的平均值的最高點(diǎn)均出現(xiàn)在8月上旬，7月下旬的次之，這段時(shí)間也是一年中最熱的時(shí)段。旬日最大電力負(fù)荷的最大值也出現(xiàn)在8月上旬。綜上所述，8月上旬和7月下旬是夏季制冷期用電的高峰期，需要重點(diǎn)關(guān)注。

圖3 2013-2018年邢臺市夏季制冷期累年逐日最大電力負(fù)荷變化圖

表1 2013-2018年邢臺市夏季制冷期累年逐日最大電力負(fù)荷旬值 MW

2.2 夏季制冷期日氣象負(fù)荷與各氣象因子的相關(guān)性分析

分析2013-2018年邢臺市逐日最大電力負(fù)荷變化趨勢發(fā)現(xiàn)，夏季制冷期逐日最大電力負(fù)荷隨著時(shí)間變化具有非常明顯的逐年增加的線性變化趨勢(圖 4)。由社會經(jīng)濟(jì)的快速發(fā)展和制冷設(shè)備的普及造成的電力負(fù)荷(Y1)的計(jì)算模型為

圖4 2013-2018年邢臺市夏季制冷期逐日最大電力負(fù)荷變化線性趨勢圖

Y1=1.865X+2839

(5)

式中，X為時(shí)間。

下一步只需研究氣象負(fù)荷的預(yù)報(bào)方法，利用最小二乘法將氣象負(fù)荷分離出來，得出2013-2018年邢臺市夏季制冷期氣象負(fù)荷的逐日變化圖(圖5)。

圖5 2013-2018年邢臺市夏季制冷期逐日氣象負(fù)荷變化圖

對2013-2018年邢臺夏季制冷期的逐日氣象負(fù)荷分別與逐日氣溫(平均、最高、最低)、降水量、相對濕度(平均、最小)、平均風(fēng)速、日照時(shí)數(shù)及悶熱指數(shù)和舒適度指數(shù)進(jìn)行相關(guān)性分析，得出日最大電力負(fù)荷與各氣象因子的相關(guān)系數(shù)(表2)。氣象負(fù)荷與逐日氣溫(平均、最高、最低)、悶熱指數(shù)和舒適度指數(shù)呈顯著正相關(guān)，且均通過了0.01的顯著性檢驗(yàn)，相關(guān)系數(shù)均超過了0.600。其中氣象負(fù)荷與日平均氣溫的相關(guān)系數(shù)最高，達(dá)到0.707。氣象負(fù)荷與降水量、日平均相對濕度、日最小相對濕度、日平均風(fēng)速成反比，且均通過了0.01的顯著性檢驗(yàn)，相關(guān)系數(shù)集中均在-0.133～-0.232，相關(guān)系數(shù)較小。

表2 2013-2018年邢臺市夏季制冷期逐日氣象負(fù)荷與各氣象因子的相關(guān)系數(shù)

日最大電力負(fù)荷與氣溫相關(guān)性最高，夏季氣溫上升導(dǎo)致制冷設(shè)備的使用量增加是夏季制冷期電力負(fù)荷升高的最主要原因。當(dāng)氣溫升高、日照時(shí)數(shù)增加時(shí)，悶熱指數(shù)和人體舒適度指數(shù)變大，制冷設(shè)備使用增多，夏季制冷期氣象負(fù)荷增大，逐日氣溫、日照時(shí)數(shù)、悶熱指數(shù)和舒適度指數(shù)與氣象負(fù)荷成正比。另外，當(dāng)風(fēng)速增大或因出現(xiàn)降水過程導(dǎo)致濕度升高時(shí)，制冷設(shè)備使用減少，氣象負(fù)荷變小，相對濕度、風(fēng)速、降水量與氣象負(fù)荷成反比。

2.3 基于氣象因子的夏季制冷期氣象負(fù)荷預(yù)報(bào)方程

利用逐步線性回歸法，分別建立基于各氣象因子、悶熱指數(shù)和舒適度指數(shù)的邢臺市夏季制冷期氣象負(fù)荷預(yù)報(bào)方程：

Y21=-2988.141+50.542Tmax+63.5135Tmin-2.387P

(7)

式中，Y21表示基于氣象因子的氣象負(fù)荷，Tmax為最高氣溫，Tmin為最低氣溫，P為降水量。R=0.731,F=210.122，方程通過0.01 的顯著性檢驗(yàn)，均方根誤差為288.673。

Y22=422.719+41.783D

(8)

式中，Y22表示基于悶熱指數(shù)的氣象負(fù)荷，D為悶熱指數(shù)。R=0.695，F(xiàn)=513.959，方程通過0.01 的顯著性檢驗(yàn)，均方根誤差為304.344。

Y23=-4162.840+55.540DI

(9)

式中,Y23表示基于舒適度指數(shù)的氣象負(fù)荷，DI為悶熱指數(shù)。R=0.701，F(xiàn)=530.923，方程通過0.01的顯著性檢驗(yàn)，均方根誤差為301.947。

2.4 2019年夏季制冷期電力負(fù)荷試預(yù)報(bào)

通過對比發(fā)現(xiàn)，基于氣象因子的日最大電力負(fù)荷預(yù)報(bào)方程擬合性最好。采用最優(yōu)的基于氣象因子的預(yù)報(bào)模型，對2019年夏季制冷期氣象負(fù)荷進(jìn)行試預(yù)報(bào)，加上因經(jīng)濟(jì)發(fā)展造成的電力負(fù)荷增長負(fù)荷，計(jì)算出2019年夏季制冷期電力負(fù)荷。與實(shí)際電力負(fù)荷數(shù)據(jù)比較，預(yù)報(bào)結(jié)果平均絕對誤差為262.225MW、平均相對誤差為6.037%。

3 結(jié)論與討論

(1)2013-2018年邢臺市夏季制冷期逐日電力負(fù)荷總體呈現(xiàn)逐年上升的趨勢，周平均值變化不明顯，各旬日最大電力負(fù)荷主要集中在8月上旬和7月下旬。

(2)氣象負(fù)荷與逐日氣溫(平均、最高、最低)、悶熱指數(shù)和舒適度指數(shù)呈顯著正相關(guān)，且通過了0.01的顯著性檢驗(yàn)，相關(guān)系數(shù)均超過了0.600。

(3)分別建立了基于氣象因子、悶熱指數(shù)和舒適度指數(shù)的日最大電力負(fù)荷預(yù)報(bào)方程，其中基于氣象因子的日最大電力負(fù)荷預(yù)報(bào)方程擬合性最好。用2019年夏季制冷期電力負(fù)荷相關(guān)數(shù)據(jù)進(jìn)行試預(yù)報(bào)，預(yù)報(bào)結(jié)果平均絕對誤差為262.225MW，平均相對誤差為6.037%。

實(shí)際工作中，經(jīng)濟(jì)因素對電力負(fù)荷的影響并非為完整的線性增長，對氣象負(fù)荷的分離存在一定誤差，預(yù)報(bào)方程需要在工作中結(jié)合實(shí)際情況作一定的修正。