摘 要：為開展精細化電力氣象服務(wù)，利用2017—2020年5—9月江西省撫州市電網(wǎng)逐日日用電量、日峰負荷、日谷負荷和同期氣象觀測資料，分析夏季持續(xù)高溫天氣過程中，電力氣象負荷變化規(guī)律，并采用多元線性回歸方法，構(gòu)建了基于積溫效應(yīng)的撫州市夏季電力負荷預測模型。結(jié)果顯示：電力負荷隨氣溫升高而增長，在持續(xù)3 d以上的炎熱天氣影響下，電力負荷波動更明顯；引起電力負荷顯著增長的日平均氣溫、日最高氣溫、日最低氣溫的初始敏感值分別為28、35、25 ℃，強敏感值分別為30、36、27 ℃；模型驗證結(jié)果表明電力負荷平均相對誤差均＜5%，預測精度滿足業(yè)務(wù)調(diào)度要求，可為夏季電力氣象服務(wù)工作提供決策指導。

關(guān)鍵詞：積溫效應(yīng)；氣象負荷；預測模型

中圖分類號：P423 文獻標志碼：B 文章編號：2095–3305（2024）02–0-03

在全球氣候變暖背景下，高溫熱浪事件頻發(fā)，夏季高溫持續(xù)時間、強度及影響范圍均呈逐年增長趨

勢[1-2]。隨著經(jīng)濟社會的高質(zhì)量發(fā)展和人民生活水平的提升，大功率、高耗能降溫設(shè)備大規(guī)模普及，夏季電力消費需求迅速增長，給電網(wǎng)能源調(diào)度帶來重大挑戰(zhàn)。

近年來，諸多學者針對氣象因素對城市電網(wǎng)負荷的影響特征開展了研究，并建立了本地電力負荷預測模型。劉靜等[3]總結(jié)出引起武漢市最大電力負荷增加的日平均氣溫初始和強敏感值分別為24 ℃和29 ℃；戚任遠等[4]發(fā)現(xiàn)上海市日最高用電負荷與最高氣溫相關(guān)性存在季節(jié)性差異，并提出了基于決策樹模型的最高用電負荷預測方法。

現(xiàn)階段的研究主要集中在峰值負荷預測上，對合理統(tǒng)籌電網(wǎng)調(diào)度、提高能源效率具有指導意義?？紤]到電量無法儲存，過量發(fā)電會導致能源浪費和環(huán)境污染。此外，在夏季持續(xù)高溫天氣的影響下，隨著持續(xù)時間增加，電力消耗將急劇增加，并且在高溫結(jié)束后仍呈顯著上升趨勢，從而影響電網(wǎng)調(diào)度。以江西省撫州市為研究對象，分析2017—2020年夏季（5—9月）日用電量、日峰負荷、日谷負荷與氣溫之間的關(guān)系，建立基于積溫熱累積效應(yīng)的夏季電力氣象負荷預測模型，旨在為撫州市電力調(diào)度提供有力的氣象支持和保障。

1 資料與方法

選取國家電網(wǎng)撫州分公司提供的2017—2020年夏半年（5—9月）撫州市逐日日用電量、日峰負荷、日谷負荷數(shù)據(jù)。氣象資料來自江西省氣象數(shù)據(jù)中心，包括撫州市同期逐日最高氣溫、最低氣溫、平均氣溫、平均相對濕度等氣象觀測數(shù)據(jù)。采用相關(guān)分析法，分析氣象因素與電力負荷之間的關(guān)系，利用多元線性逐步回歸方法，綜合考慮累積熱效應(yīng)對電力負荷的協(xié)同作用，建立撫州市夏季電力氣象負荷預測模型。

2 結(jié)果與分析

2.1 氣溫對電力負荷的影響

圖1為2017—2020年5—9月?lián)嶂菔须娏ω摵珊蜌鉁氐脑缕骄兓€。從線性趨勢來看，日用電負荷、日峰負荷、日谷負荷整體呈逐年增長趨勢，而4年間平均氣溫、最高氣溫、最低氣溫均表現(xiàn)為年內(nèi)逐月波動，年際間變化相對平穩(wěn)，且有小幅下降趨勢。由此可見，氣溫并不是電力負荷逐年增長的主要原因，氣象條件只能引起電力負荷季節(jié)性波動，電力負荷增長取決于經(jīng)濟社會的快速發(fā)展?？陀^分析氣象條件對電力負荷的影響，可采用式（1）表征電力負荷[5]。

L=Lt+Lm+A（1）

式（1）中，Lt為基礎(chǔ)電力負荷，與國民經(jīng)濟發(fā)展呈正相關(guān)關(guān)系；Lm指氣象負荷，受氣象條件的影響呈季節(jié)性波動；A為不確定因素引起的負荷變化，影響可忽略不計。

其中，基礎(chǔ)電力負荷如下：

Lt=at+b（2）

式（2）中，a為線性系數(shù)；b是常數(shù)項；t表示時間序列。引入電力負荷氣象變化率，采用式（3）精準跟蹤電力負荷隨氣象因素的變化程度。

Lq=Lm /Lt×100%（3）

如圖2所示，撫州市2017—2020年5—9月的日平均氣溫、日最高及最低氣溫、日基本呈現(xiàn)以7月為對稱軸的拋物線形式。其中，5—6月氣溫逐漸升高，7月達到相對高值，8—9月逐漸降低，與5—6月呈對稱關(guān)系。同時，撫州市日用電負荷、日峰負荷、日谷負荷表現(xiàn)出與對應(yīng)氣溫類似的“拋物線”趨勢。即氣溫升高，相應(yīng)的用電負荷增加；氣溫下降，對應(yīng)的用電負荷則減少。由此可見，夏季受氣象條件影響的負荷主要是由空調(diào)使用產(chǎn)生的降溫負荷。

2.2 炎熱天氣過程對電力負荷的影響

在高溫高濕條件下，人體易感到潮熱和氣悶，空調(diào)使用需求增長，進而導致電力負荷顯著升高。撫州市地處亞熱帶濕潤季風氣候區(qū)，夏季炎熱潮濕，雷雨天氣頻發(fā)，空氣濕度高，常出現(xiàn)多輪持續(xù)炎熱高溫天氣。以炎熱指數(shù)I度量人體對炎熱天氣的感覺[6]，當I≥80且Tmax＞35 ℃時，定義為體感炎熱，將持續(xù)3 d及以上I≥80、Tmax＞35 ℃的過程定義為1次炎熱天氣過程。

I=1.8Tmax-0.55×（Tmax-26）×（1-RH）+32（4）

式（4）中，Tmax為1日最高氣溫，單位為℃；RH為相對濕度，單位為%。

2017—2020年5—9月，全市共發(fā)生22次炎熱天氣

過程，多發(fā)生在盛夏（7—8月），每次過程平均持續(xù)7 d。

其中，炎熱天氣過程最長高達17 d，發(fā)生在2018年7月24日—8月9日，持續(xù)高溫使降溫負荷顯著增加，同時熱累積滯后效應(yīng)也會造成后期負荷持續(xù)增長，因此導致2018年8月11—14日日用電量和日谷負荷增量相較之前出現(xiàn)負值。然而，在2019年7月12—18日的炎熱天氣期間，電力負荷增量最大，主要是由于期間氣溫和相對濕度較大，高溫、高濕疊加效應(yīng)導致炎熱過程中電力負荷增加更顯著。

2.3 積溫臨界值確定

利用氣溫變化跟蹤電力負荷的變化，發(fā)現(xiàn)電力負荷與氣溫具有明顯相關(guān)性。撫州日平均氣溫升高1 ℃，對應(yīng)的日用電負荷的氣象變化率K隨日平均氣溫的升高而增長，當日平均氣溫≤28 ℃時，用電負荷氣象變化率K為負值，說明氣溫＜28 ℃時，體感較舒適，基本不需要開啟降溫設(shè)備調(diào)節(jié)室內(nèi)溫度；當日平均氣溫＞28℃ 時，降溫設(shè)備逐漸開啟，空調(diào)負荷隨氣溫升高而快速增加；當日平均氣溫為30～31 ℃時，M為7.8%，用電負荷變化率K達到17.8%，此時增溫

1 ℃將使空調(diào)負荷占比增加15%以上；當日平均氣溫為31～32 ℃時，M值明顯下降，說明制冷設(shè)備已全部開啟，達到飽和運轉(zhuǎn)。因此，界定引起日用電負荷增加的日平均氣溫初始敏感值為28 ℃，強敏感值為30 ℃。

分析撫州日最高氣溫升高1 ℃對應(yīng)的日峰負荷的氣象變化率K和增加值M的變化，日峰負荷氣象變化率K與日最高氣溫呈明顯正相關(guān)，日最高氣溫介于35～36 ℃時，M較大，為6.9%，K為9.8%；日最高氣溫為36～37 ℃時，M值達到7.3%，K為17.1%；故界定引起日峰負荷增加的日最高氣溫初始敏感值為35 ℃，強敏感值為36 ℃。撫州日最低氣溫升高1 ℃對應(yīng)的日谷負荷的氣象變化率K及增加值M變化，隨著日最低氣溫升高，日谷負荷氣象變化率增加；當日最低氣溫為25～26 ℃時，M較大，為9.8%，K為11.8%；當日最低氣溫為27～28 ℃時，M值為6.5%，K為21.2%；故界定引起日谷負荷增加的日最低氣溫初始敏感值為

25 ℃，強敏感值為27 ℃。

2.4 積溫熱累積效應(yīng)確定

積溫熱累積效應(yīng)對電力負荷的影響程度取決于2個因素：超過臨界氣溫的大小和超過臨界氣溫的天數(shù)。因此，引入積溫熱累積效應(yīng)參數(shù)B：

B=n×（Tm-T0）（5）

式（5）中，Tm指當日平均氣溫、日最高氣溫或日最低氣溫；T0指日平均氣溫、日最高氣溫或日最低氣溫的初始敏感值；n指連續(xù)超過氣溫初始敏感值的累計日數(shù)，當氣溫未達到初始敏感值時，n為0。

3 基于積溫熱累積效應(yīng)的電力負荷預測模型

3.1 相關(guān)性分析

針對選取的氣象要素，包括日平均氣溫（T）、日最高氣溫（Tmax）、日最低氣溫（Tmin）、平均氣溫積溫效應(yīng)（B）、高溫積溫效應(yīng)（Bmax）、低溫積溫效應(yīng)（Bmin）與日用電量（L）、日峰負荷（Lmax）、日谷負荷（Lmin）進行相關(guān)性分析。根據(jù)表1相關(guān)性分析結(jié)果，可以得出以下結(jié)論：夏季日用電量、日峰負荷和日谷負荷與氣溫、積溫效應(yīng)等氣象要素之間存在顯著正相關(guān)，相關(guān)系數(shù)為0.40～0.67，特別是與日平均氣溫相關(guān)性最強，相關(guān)系數(shù)超過0.6。

3.2 電力氣象負荷預測模型構(gòu)建

通過逐步回歸方法，建立撫州市夏季電力氣象負荷預測模型（表2），得到日用電量、日峰負荷、日谷負荷的預測方程，各預測方程復相關(guān)系數(shù)均超過0.5，且通過0.01水平的顯著性檢驗。

3.3 預測模型檢驗

在業(yè)務(wù)運行中，電力總負荷包括基礎(chǔ)電力負荷（Lt）和氣象負荷（Lm），氣象負荷由對應(yīng)的預測模型計算，基礎(chǔ)電力負荷一般通過線性擬合計算。受經(jīng)濟、人口、氣候等因素的影響，基礎(chǔ)電力負荷的差異主要表現(xiàn)在年際間，在同一年，基礎(chǔ)電力負荷通常在數(shù)日之內(nèi)保持相對穩(wěn)定，可以被視為常量，故預報發(fā)布日總負荷為：

Ld=Lt+Lmd（6）

預報日總負荷為：

Ld+1=Lt+Lm（d+1）（7）

故：

Ld+1=Ld+Lm（d+1）-Lmd（8）

式（6）～式（8）中，Ld為預報發(fā)布日的實際負荷；Lmd為發(fā)布日的氣象負荷，通過代入氣象要素實況值求出；

Lm（d+1）為預報日的氣象負荷，通過代入氣象要素的預報值求出。

利用2021年5—9月?lián)嶂菔须娏蜌庀髮崨r數(shù)據(jù)，對電力負荷預測模型進行回代檢驗，將基礎(chǔ)電力負荷和氣象負荷相加得出日用電負荷、日峰負荷、日谷負荷的預測值。由圖3可以看出，各電力負荷預測值與實況值的波動趨勢基本一致，且波動程度較小。

研究結(jié)果顯示：2021年5—9月日用電負荷、日峰負荷、日谷負荷的相對誤差絕對值分別為2.3%、3.4%、2.5%，均達到了電力部門內(nèi)部業(yè)務(wù)考核目標的預測誤差要求，表明電力氣象負荷的預測模型在實際業(yè)務(wù)應(yīng)用中表現(xiàn)良好，能夠為電力部門合理調(diào)度提供科學參考。

4 結(jié)論

（1）撫州市夏季日用電負荷、日峰負荷、日谷負荷整體呈逐年增長趨勢，且與氣溫和積溫效應(yīng)呈顯著正相關(guān)，其中，與氣溫的相關(guān)性較大，是影響電力負荷的重要因素。

（2）引起電力負荷顯著變化的日平均氣溫、日最高及最低氣溫的初始敏感值分別為28、35、25 ℃，強敏感值分別為30、36、27 ℃。

（3）基于積溫效應(yīng)的撫州市夏季電力負荷預測模型經(jīng)回代檢驗和業(yè)務(wù)應(yīng)用檢驗效果良好，可用于預測逐日電力負荷，業(yè)務(wù)可用性強。

（4）基于積溫效應(yīng)的撫州市夏季電力負荷預測模型的構(gòu)建，一方面，豐富了氣象部門氣象服務(wù)內(nèi)容；另一方面，為撫州市電力部門科學調(diào)度提供決策依據(jù)。

參考文獻

[1] 沈貝蓓，宋帥峰，張麗娟，等.1981—2019年全球氣溫變化特征[J].地理學報，2021，76（11）：2660-2672.

[2] 孫博，王會軍，黃艷艷，等. 2022年夏季中國高溫干旱氣候特征及成因探討[J].大氣科學學報，2023，46（1）：1-8.

[3] 劉靜，成丹，代娟，等.武漢地區(qū)電力負荷特征及其對氣溫變化的回應(yīng)[J].氣象科技進展，2021，11（4）：186-188.

[4] 戚任遠.上海用電負荷預測中氣溫累積效應(yīng)分析[J].現(xiàn)代電力，2018，35（2）：38-42.

[5] 羅森波，紀忠萍，馬煜華，等.2002—2004年廣東電力負荷的變化特征及預測[J].熱帶氣象學報，2007（2）：153-161.

[6] 中國氣象服務(wù)協(xié)會.天然氧吧評價指標（T/CMSA 0002—2017）［S].北京：中國標準出版社，2017.