基于气象因子的南京市冬季和夏季用电量预测研究

doi:10.3969/j.issn.1673-503X.2022.04.015

摘要/Abstract

摘要：

基于2014—2016年南京市常规气象逐时观测数据、逐日用电量和逐时用电负荷数据, 分析南京市用电量变化及其与气象因子的关系。结果表明: 南京市用电量7—8月、12月至翌年1月为两个峰值, 4月和10月为两个谷值, 年变化明显。四季均呈现显著“周末效应”。用电负荷一天内有两个峰值, 分别出现在10时和20时; 两个谷值, 一个谷值冬夏季在04时, 另一谷值冬季在14时, 夏季在18时。南京市用电量与气象条件的变化密切相关, 气象因子与用电量的关系在不同月份有所不同, 如夏(秋、冬)季气温日较差越大(小), 用电量越大; 7月、8月(10月至翌年3月)气温越高(低), 用电量越大; 冬季用电量受气象要素的影响程度总体低于夏季。冬季用电量主要受气温制约; 夏季用电量受气象要素的影响更为复杂, 除了气温, 还需综合考虑水汽、日照等因子。利用逐步回归法, 建立冬、夏季逐月日用电量气象预测方程, 方程中入选气象因子的存在明显的月际差异。不同月份分别针对性地考量入选气象因子的预报值, 做出用电量预估, 可为电力调度提供参考。

关键词: 用电量, 用电负荷, 气象因子, 预测

Abstract:

Based on the hourly meteorological data, daily electricity consumption (EC), and hourly power load data from 2014 to 2016, the relationships between the variation of EC and meteorological factors in Nanjing were analyzed.The EC in Nanjing is featured with significant annual variation with two peaks in July-August and December-January and two valleys in April and October.Power load features a prominent 'weekend effect' in all four seasons.The diurnal variation of power load shows two peaks and two valleys.The two peak times are at 10:00 and 20:00.The two valley times vary with seasons.One is at 04:00 in both summer and winter, and the other is at 14:00 in winter and 18:00 in summer.The EC in Nanjing is closely related to the variation of weather conditions.The meteorological factors play various or even opposite roles on EC in different months.For example, in summer (autumn and winter), the greater the EC, the larger (smaller) is the daily temperature range in summer (autumn and winter).The heavier the EC, the higher (lower) is temperature in July-August (October-March).The influence of meteorological factors on the EC in summer is larger than in winter.The EC of Nanjing is mainly affected by temperature in winter, while is complicatedly affected by humidity and sunshine besides temperature in summer.The monthly forecast equation for the daily EC in winter and summer is set up by a stepwise regression method with different selected meteorological factors which show obvious inter-month variation.Forecasts of the EC in different months are conducted by considering different selected meteorological factors, providing an important reference for power dispatch.

Key words: Electricity consumption, Power load, Meteorological factors, Forecast

中图分类号:

陈圣劼,田心如,姚阮,姜麟. 基于气象因子的南京市冬季和夏季用电量预测研究[J]. 气象与环境学报, 2022, 38(4): 127-135.

Sheng-jie CHEN,Xin-ru TIAN,Ruan YAO,Lin JIANG. Forecast of electricity consumption in Nanjing based on meteorological factors in winter and summer[J]. Journal of Meteorology and Environment, 2022, 38(4): 127-135.

图/表 10

图1

图2

图3

表1

表2

表3

表4

图4

图5

图6

参考文献 32

1	Quayle R G , Diaz H F . Heating degree day data applied to residential heating energy consumption[J]. Journal of Applied Meteorology, 1980, 19 (3): 241- 246. doi: 10.1175/1520-0450(1980)019<0241:HDDDAT>2.0.CO;2
2	张晓云, 刘月琨, 肖健, 等. 天津市6—9月气温与供电量的关系分析[J]. 气象与环境学报, 2009, 25 (3): 62- 65. doi: 10.3969/j.issn.1673-503X.2009.03.013
3	盛琼, 朱晓东, 骆丽楠, 等. 湖州市用电需求特性及其与气象条件的关系[J]. 大气科学学报, 2011, 34 (1): 122- 127. doi: 10.3969/j.issn.1674-7097.2011.01.015
4	付桂琴, 李运宗. 气象条件对电力负荷的影响分析[J]. 气象科技, 2008, 36 (6): 795- 800. doi: 10.3969/j.issn.1671-6345.2008.06.025
5	田白, 林铍德, 雷桂莲. 气象因子对夏季电力负荷影响的分析[J]. 南昌航空大学学报: 自然科学版, 2005, 19 (1): 86- 89. doi: 10.3969/j.issn.1001-4926.2005.01.021
6	秦大河, ThomasS. IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10 (1): 1- 6. doi: 10.3969/j.issn.1673-1719.2014.01.001
7	王绍武. 近百年我国及全球气温变化趋势[J]. 气象, 1990, 16 (2): 11- 15.
8	Qian H S , Yuan S Q , Sun J L , et al. Relationships between energy consumption and climate change in China[J]. Journal of Geographical Sciences, 2004, 14, 87- 93.
9	韩翠华, 郝志新, 郑景云. 1951—2010年中国气温变化分区及其区域特征[J]. 地理科学进展, 2013, 32 (6): 887- 896.
10	虞海燕, 刘树华, 赵娜, 等. 1951—2009年中国不同区域气温和降水量变化特征[J]. 气象与环境学报, 2011, 27 (4): 1- 11.
11	郑石, 王冠, 林中冠, 等. 1961—2013年中国强降水特征分析[J]. 气象与环境学报, 2018, 34 (6): 102- 107.
12	Ren X J , Yang X Q , Sun X G . Zonal oscillation of western Pacific subtropical high and subseasonal SST variations during Yangtze persistent heavy rainfall events[J]. Journal of Climate, 2013, 26 (22): 8929- 8946.
13	李兰, 陈正洪, 洪国平. 武汉市周年逐日电力指标对气温的非线性响应[J]. 气象, 2008, 34 (5): 26- 30.
14	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[J]. 应用气象学报, 2002, 13 (5): 600- 608.
15	汪付华, 周后福, 张屏, 等. 气象因素对淮北市电力负荷的影响及其预测研究[J]. 气象与环境学报, 2020, 36 (4): 104- 111.
16	田心如, 白莉娜, 唐红昇, 等. 江苏省大雾持续时间及相关要素的周末效应[J]. 环境科学与技术, 2012, 35 (12): 117- 122.
17	张远亲. 气象条件对上海浦东电力需求的影响分析及预报[D]. 杭州: 浙江大学, 2005.
18	李琛, 郭文利, 吴进, 等. 北京市夏季日最大电力负荷与气象因子的关系[J]. 气象与环境学报, 2018, 34 (3): 99- 105.
19	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[J]. 干旱气象, 2009, 27 (3): 282- 287.
20	贺芳芳, 史军. 上海地区夏季气温变化对用电负荷的影响[J]. 长江流域资源与环境, 2011, 20 (12): 1462- 1467.
21	赵娜, 石玉恒, 李乃杰, 等. 温湿变化对北京城区气象敏感电力负荷的影响分析[J]. 中国电力, 2017, 50 (2): 175- 180.
22	杜彦巍, 林莉, 牟道槐, 等. 综合气象指数对电力负荷的影响分析[J]. 重庆大学学报: 自然科学版, 2006, 29 (12): 56- 60.
23	秦海超, 王玮, 周晖, 等. 人体舒适度指数在短期电力负荷预测中的应用[J]. 电力系统及其自动化学报, 2006, 18 (2): 63- 66.
24	刘娟, 周昌云, 曹乃和, 等. 气象因子对用电量的影响分析及预警研究[J]. 气象与环境科学, 2010, 33 (1): 61- 64.
25	陈志巧. 基于模糊理论的电力负荷预测研究[J]. 山东科技大学学报: 自然科学版, 2006, 25 (2): 81- 83.
26	藏晓钟, 周霖华, 王子缘, 等. 常州用电负荷量气象指数初探[J]. 气象科学, 2001, 21 (4): 462- 467.
27	段海来, 千怀遂. 广州市城市电力消费对气候变化的响应[J]. 应用气象学报, 2009, 20 (1): 80- 87.
28	罗慧, 徐军昶, 肖波, 等. 气象因子对西安城市用电量的影响研究及中长期系统化预测[J]. 气象, 2016, 42 (1): 54- 60.
29	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[J]. 大气科学学报, 2009, 32 (4): 536- 542.
30	王涛, 王乙舒, 沈玉敏, 等. CMIP5模式对辽宁省气温模拟能力及未来2℃升温阈值出现时间评估[J]. 气象与环境学报, 2020, 36 (2): 49- 61.
31	敖雪, 翟晴飞, 崔妍, 等. 基于OMR方法的城市化进程对辽宁省气温变化的影响分析[J]. 气象与环境学报, 2020, 36 (4): 28- 35.
32	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[J]. 高原气象, 2008, 27 (Z1): 210- 217.

月份	平均海平面气压X₁	平均气温X₂	最高气温X₃	最低气温X₄	气温日较差X₅	平均水汽压X₆	平均相对湿度X₇	日降水量X₈	平均风速X₉	日照时数X₁₀	平均露点温度X₁₁	日平均总云量X₁₂	日平均低云量X₁₃
12	0.41^**	-0.49^**	-0.49^**	-0.36^**	-0.06	-0.25^*	0.04	0.10	-0.11	0.04	-0.24^*	0.06	0.06
1	0.52^**	-0.69^**	-0.76^**	-0.39^**	-0.40^**	-0.38^**	0.15	0.13	-0.03	-0.32^**	-0.31^*	0.28^*	0.23^*
2	0.73^**	-0.62^**	-0.56^**	-0.54^**	-0.06	-0.46^**	-0.06	-0.09	-0.33^*	0.08	-0.45^**	-0.13	-0.21^*
6	0.06	0.23^*	0.21^*	0.29^*	0.03	0.26^*	0.04	0.04	-0.09	-0.07	0.23^*	0.10	0.06
7	-0.19	0.91^**	0.81^**	0.91^**	0.40^**	0.63^**	-0.77^**	-0.24^*	0.01	0.62^**	0.62^**	-0.69^**	-0.58^**
8	-0.60^**	0.92^**	0.88^**	0.87^**	0.47^**	0.49^**	-0.60^**	-0.16	0.26^*	0.63^**	0.44^**	-0.50^**	-0.25^*

月份	平均海平面气压X₁	平均气温X₂	最高气温X₃	最低气温X₄	气温日较差X₅	平均水汽压X₆	平均相对湿度X₇	日降水量X₈	平均风速X₉	日照时数X₁₀	平均露点温度X₁₁	日平均总云量X₁₂	日平均低云量X₁₃
12	0.45^**	-0.55^**	-0.57^**	-0.38^**	-0.10	-0.29^*	0.02	0.10	-0.01	0.01	-0.29^*	0.10	0.09
1	0.54^**	-0.71^**	-0.77^**	-0.42^**	-0.39^**	-0.40^**	0.13	0.12	-0.02	-0.31^*	-0.34^**	0.27^*	0.22^*
2	0.73^**	-0.67^**	-0.61^**	-0.56^**	-0.10	-0.47^**	-0.03	-0.05	-0.29^*	0.04	-0.46^**	-0.10	-0.17
6	-0.36^**	0.75^**	0.65^**	0.71^**	0.26^*	0.61^**	-0.09	-0.03	-0.21^*	0.26^*	0.57^**	-0.20	-0.17
7	-0.20	0.92^**	0.88^**	0.91^**	0.41^**	0.66^**	-0.76^**	-0.25^*	0.02	0.63^**	0.65^**	-0.69^**	-0.60^**
8	-0.60^**	0.92^**	0.89^**	0.87^**	0.49^**	0.50^**	-0.59^**	-0.15	0.25^*	0.62^**	0.45^**	-0.49^**	-0.25^*

月份	逐步回归方程	复相关系数	剩余标准差/万kWh	平均绝对误差/万kWh	平均相对误差/(%)
12	Y=-259.908X₂+198.54X₆+14590.4	0.58	9.43	503.92	3.52
1	Y=-157.147X₂-135.588X₃-1124.599X₆+380.003X₁₁+162.739X₁₃+22400.61	0.85	14.53	673.97	5.11
2	Y=169.641X₁-103.11X₃-490.71X₉-190.259X₁₀-168.744X₁₃-158107	0.81	18.39	833.23	7.31
6	Y=171.67X₁+193.42X₄+1082.18X₆-1396.183X₁₁-161839	0.43	26.18	795.87	53.80
7	Y=1191.71X₂+418.67X₄+1300.168X₆+149.24X₇-74.73X₁₀-3181.29X₁₁+77.47X₁₃-3374.88	0.96	9.81	474.49	3.18
8	Y=308.90X₂+517.62X₄-95.47X₇+205.39X₁₃+398.21	0.95	14.29	688.07	4.67

月份	逐步回归方程	复相关系数	剩余标准差/MW	平均绝对误差/MW	平均相对误差/(%)
12	Y=-191.564X₂+53.378X₄+93.093X₆+44.654X₁₀+35.822X₁₂+6874.962	0.69	4.38	221.77	3.23
1	Y=-86.001X₂-68.225X₃-515.516X₆+166.669X₁₁+84.452X₁₃+10686.06	0.85	7.19	334.20	5.30
2	Y=79.806X₁-77.371X₂-209.56X₉-112.956X₁₀-68.201X₁₃-74239.15	0.84	8.70	395.07	7.19
6	Y=120.25X₂+352.34X₆-62.87X₉-425.80X₁₁+3575.24	0.85	4.55	216.77	3.59
7	Y=140.75X₂+317.18X₄+85.15X₅+630.98X₆-48.45X₁₀-1202.62X₁₁-30.42X₁₂+34.98X₁₃+5160.59	0.96	4.86	234.44	3.22
8	Y=-26.49X₁+143.22X₃+258.29X₄-38.09X₇+95.30X₉+45.66X₁₂+52.69X₁₃+25382.06	0.95	7.29	361.92	5.00

[1]	娄德君, 潘昕浓, 王冀, 张雪梅, 高振铎. 基于慢特征分析的哈尔滨市气温预测研究[J]. 气象与环境学报, 2022, 38(3): 150-155.
[2]	赵迦琪. 呼包鄂地区气候舒适度时空变化及其关键气象因子分析[J]. 气象与环境学报, 2022, 38(2): 78-88.
[3]	刘强军, 宋军芳, 牛晨煜, 赵珺, 张喻君. 2015—2019年太行山南麓O₃浓度特征及其与气象因子的关系[J]. 气象与环境学报, 2021, 37(4): 48-53.
[4]	李晓岚, 权维俊, 王东东, 王迪. DNQ1与FD12型能见度仪观测比对及影响因子研究[J]. 气象与环境学报, 2021, 37(3): 25-32.
[5]	卢盛栋, 李军霞, 李芬, 赵俊杰, 靳泽辉, 李莹, 刘潇. 2017—2019年太原南部城区夏季O₃特征及其影响因子[J]. 气象与环境学报, 2021, 37(3): 40-46.
[6]	周士茹,宋金妹,陆倩,郭鸿鸣,赵玉广,高艳春. 气象因子和海风对秦皇岛市臭氧污染的影响[J]. 气象与环境学报, 2021, 37(2): 64-70.
[7]	李丽光,李晓岚,赵梓淇,王宏博,沈历都,王扬锋,刘宁微,马雁军. 沈阳近地层大气颗粒物浓度垂直变化特征及与气象因子的关系[J]. 气象与环境学报, 2021, 37(1): 16-25.
[8]	苗运玲,张军,郑玉萍,陈梦娇,张云惠. 乌鲁木齐市酸雨变化特征及其与气象因子的关系[J]. 气象与环境学报, 2020, 36(5): 62-68.
[9]	韩余,周国兵,陈道劲,杨春,闵凡花. 重庆市臭氧污染及其气象因子预报方法对比研究[J]. 气象与环境学报, 2020, 36(4): 59-66.
[10]	龙凤翔, 张瑀琳. 桂林城区大气能见度与颗粒物浓度和气象因子关系研究[J]. 气象与环境学报, 2020, 36(1): 21-27.
[11]	拉巴, 洛桑曲珍, 次珍, 平措旺丹. 那曲地区植被NDVI时空变化及成因分析[J]. 气象与环境学报, 2019, 35(4): 69-76.
[12]	陈培章, 陈道劲. 兰州主城臭氧污染特征及气象因子分析[J]. 气象与环境学报, 2019, 35(2): 46-54.
[13]	项程程, 柴曼. 辽宁城市PM_2.5时空变化聚类及其气象影响特征[J]. 气象与环境学报, 2019, 35(1): 35-44.
[14]	曲金华, 王一舒, 谭桂容. 考虑不同背景场低频降水的延伸期预测[J]. 气象与环境学报, 2018, 34(5): 57-65.
[15]	孙虹雨, 程攀, 程佳悦, 朱轶铭, 贾斌英, 黄阁, 陆忠艳. 辽宁省林火发生和过火面积与气象因子关系分析[J]. 气象与环境学报, 2018, 34(5): 128-134.