电力负荷与气象因子的关系研究

兰雅萍,黄月清,杨锡琼

摘 要：通过对长泰1997—2013年逐月供电量与温度、湿度等气象因子的相关性进行分析，得出长泰供电量与气象因子之间的关系。应用非线性最小二乘法得到供电量与气象要素的拟合曲线和定量对应关系，并根据日常气候预测预报结论建立了月供电量预测业务模型，为电力部门提供更加专业、定量的服务产品，为其合理调度提供科学依据。

关键词：电力负荷；气象因子；预报模型；气象电量

中图分类号：TM714 文献标识码：A 文章编号：2095-6835（2014）21-0151-02

气象条件对供电量的影响早就引起了人们的注意。英国在20世纪70年代就发现，如果温度预报误差达2℃，那么一个冬日全英国的供电误差在100 kW以上。近年来，随着经济的发展，城市供电都出现几段满负荷运行。长泰县位于厦门、漳州两大经济区的腹地，近年经济发展迅速，电力负荷逐年增加。通过开展此项调查研究，可以进一步提高长泰电力防御各种气象灾害的能力，发挥气象信息趋利避害的作用，提升该区电力气象专业服务能力，确保长泰供电量的合理调度。

1 资料和方法

本研究中所用的电力资料均来自长泰县电力公司，为1997—2013年的逐月供电量；气象数据来自长泰县气象局，气象因子包括温度、湿度、日照时数和降水量。分析方法主要是相关分析等常用的数理统计方法。通过对供电量与气象因子的相关性进行分析，可以更清楚地反映电力需求对天气尺度扰动的响应。

2 长泰县电力负荷的变化特征

2.1 纵向分析比较逐月供电量的变化

1997—2013年，长泰县每年1月份的供电量呈逐年稳步上升趋势，2009年比2008年略有下滑，之后，从2010年开始呈快速增长趋势。同样，分别分析1997—2013年其余月份的供电量变化情况，发现长泰县1997—2013年逐月供电量呈现波动中整体逐渐上升的趋势，逐年增加的电力负荷主要归因于社会经济的发展。

2.2 横向分析比较逐月供电量的变化

为了更好地反映逐月供电量的变化情况，我们从1—12月累年月平均供电量变化曲线来看各月的供电量，从中发现供电量的季节变化差异较大，但总体特征是夏、秋季供电量最高，春季次之，最小供电量出现在冬季（12月至次年2月）。这种年变化基本符合气候变化的规律，分析其原因，主要是由于夏、秋季节消暑耗电量大，其次是春季灌溉等用电量，长泰冬季平均温度为14.5 ℃，供暖设备使用较少，对供电量影响不大，所以最小用电量出现在冬季。

3 提取气象电量

通过上面的分析可以发现，影响供电量的因素有很多，社会经济的发展是造成供电量变化的最主要的因素，它决定着逐年供电量的主要变化趋势。气象要素的影响会使这种年际变化趋势产生波动，因此，在研究供电量与气象要素的关系时，有必要从电力负荷中提取出气象电量，建立逐月趋势拟合曲线。

具体方法如下为：采用非线性最小二乘法建立月平均供电量（单位：万kW·h）与时间t（单位：年）的拟合函数，通过对1997—2013年的逐月供电量变化进行分析，得出各月的拟合函数，即各月的月趋势电量为：

Ef=a+bect. （1）

式（1）中：Ef——趋势电量；

a——系数；

b——系数；

ect——指数。

用实际电量减去趋势电量便可得到气象电量：

Em=E-Ef. （2）

式（2）中：Em——气象电量；

E——实际电量。

得到气象电量后，便可以通过气象要素来预报气象电量，从而预报电力负荷。

4 月供电量与气象要素的关系

4.1 电力负荷与气象要素的相关性分析

在研究长泰县电力负荷与各气象要素之间的关系时，要用相关系数来判断各气象要素与供电量的相关性程度。分析长泰县1997—2013年月平均供电量与月平均温度、湿度、日照、降水量的相关系数。通过研究可发现：①长泰电力负荷与气温、日照时数的关系最为密切，成显著的正相关关系。与平均气温的相关系数为0.67，与日照的相关系数最高为0.73.通过分析可发现，日照时间的长短在一定程度上也是通过影响温度来影响供电量的。②长泰电力负荷与降水量的相关性较弱，相关系数为0.32.通过对逐年降水量与供电量进行比较，发现二者之间基本没有什么相关性。③长泰电力负荷与平均相对湿度成负相关关系，相关系数为-0.32.通过对逐年降水量与供电量的比较可发现，由于区域气候的关系，长泰月平均相对湿度的变化很小，最高月平均相对湿度为83，最低为73，波动范围很小，不足以影响供电量。

4.2 月供电量与月气温距平的定量关系分析

利用correl函数计算1997—2013年逐月气象电量与月气温距平的相关关系。从中发现，秋、冬季节与气温距平的相关性很弱，这主要与长泰的气候有关——长泰秋季（10—11月）的月平均气温为22 ℃，温度的波动变化对供电量的影响较小；冬季最低气温出现在1月份，平均气温为13.5 ℃，此时温度的变化也不足以使供电量发生变化；4—7月份供电量与气温距平呈正相关，3月、9月二者呈负相关。

根据上面的分析，我们分析了2个时段内气象电量与气温距平的定量关系。

应用4—7月的气象电量和气温距平，采用最小二乘法得出供电量与月气温距平的拟合函数。根据拟合曲线得出气象电量与气温距平的定量关系，即当气温距平为+2℃、+1℃、0℃、-1℃、-2℃时，气象电量分别对应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。根据此对应关系，可依据中短期气候预测对4—7月的供电量进行预测。

应用3月、9月的气象电量和气温距平，采用最小二乘法得出供电量与月气温距平的拟合函数。根据拟合曲线得出气象电量与气温距平的定量关系，即当气温距平为+2℃、+1℃、0℃、-1℃、-2℃时，气象电量分别对应-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 月供电量预报业务模型的建立

根据以上分析，气象条件对供电量的影响存在明显的季节变化，我们分别建立2个时段，即夏季和过渡季节的预报模型，认为其他季节基本不受气象条件的影响。按照月气象条件与月气象要素的关系和中短期气候预报预测的结论，按下面步骤建立月供电量预报业务模型：①根据中短期气候预测结论，得到下月的气温距平；②按月供电量与月气温距平的定量关系得出气象电量；③根据公式（1）计算本月的趋势电量，根据公式（2）计算得到下月的月供电量预测值。

参考文献

[1]邵远坤.成都市气象要素对电力负荷的影响关系研究[J].四川气象，2003，86（4）：57-58.

〔编辑：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