居民、商業用電的溫敏分析

史爽　李新　李科

【摘 要】極端天氣對居民用電的影響日益顯著，基于日采集用電量和地市氣候特征等微觀數據可以發現：第一，全省主要地市氣溫特征可劃分為四類;第二，平均氣溫較與用電量的相關度最高;第三，均溫在22度和6度左右的范圍內形成了兩個用電敏感區間。第四，省內高溫出現地區的降溫負荷的啟動氣溫值較高，持續期長，川西溫敏啟動閾值較低。

【關鍵詞】居民;商業用電;溫敏分析

中圖分類號： F407.61文獻標識碼： A文章編號： 2095-2457（2019）05-0114-002

DOI：10.19694/j.cnki.issn2095-2457.2019.05.041

1 背景及意義

對四川省居民、商業用電量的研究通常是利用總量數據分析，加上該省處于地理階梯過渡地帶，氣候條件自然地理情況復雜，既有高原又有盆地。各城市人口社會、經濟發展的程度不盡相同，有人口集中、商業密集的特大城市，也有工業、農業為主要產業的中小城市，這使得基于總量數據的研究，不能準確把握氣溫影響帶來的居民用電的區域差異性。

本文以居民戶為個體的日用電采集數據為基礎，數據涵蓋了2015年11月30日至2017年6月28日的日用電量，涉及居民用戶1000戶左右，跨越577天的數據，共計約346.2萬條用電數據，商業數據約100多萬條。外部數據則包含省內六個主要地市省氣象局的氣溫數據（日平均氣溫、日最高氣溫、日最低氣溫），以及各地市每日日晝時間。

2 分析過程

2.1 省內主要氣候區城市氣溫情況

2.1.1 六個地市呈現全省主要的四個氣候區域特征

通過分析六地市（成都、攀枝花、南充、內江、宜賓、樂山）2015年11月30日到2017年6月28日的日氣溫趨勢，可以看出：一是川西南攀西地區整體偏熱，攀枝花日平均氣溫全年水平整體高于其他地市，氣溫波動不大;二是川西整體偏涼，最低氣溫出現在盆地西部的成都、樂山兩地。三是川東北溫差較大，南充市全年平均氣溫波動較大。四是川東南夏季偏熱，宜賓內江的氣溫水平基本相近。

2.1.2 日內溫差對比看，盆地東溫差小，盆地西溫差大

日內溫差可以反映日內氣溫變化劇烈程度，變化越大的地區，氣溫敏感度越高，因此，日內溫差可作為用電溫敏程度的重要指標。為此，我們計算了兩個差值，一是日最高氣溫與平均氣溫的差，稱為高均差;二是日最高氣溫與日最低氣溫的差，日內最大溫差。

高溫與均溫差來看，南充、宜賓高均差較小，基本在8-10度左右。氣溫變化幅度小，一旦遇高溫天氣，日內退熱慢，退熱幅度小的特點就很顯著，因此，對夏季而言降溫負荷需求時間長。

日內最大溫差來看，攀枝花、成都波動幅度較大，攀枝花日內大的溫差分布更顯著。從日最大溫差可見，成都溫差較大，日內最大溫差可達20度，溫差分布集中在3-13度之間，與其它地市類似。攀枝花日內最大溫差集中分布在8-16度之間，最大溫差也可達20度。

2.1.3 攀枝花日高溫分布顯著不同于其他地市

從六地市最高氣溫的分布情況看，攀枝花、南充、宜賓出現35度以上日最高氣溫的頻率較高，與其他地市雙峰分布（冬夏兩季顯著）不同的是，攀枝花市20度至35度之間的氣溫較為集中，呈單峰分布，鮮見低溫天氣。

2.1.4 小結

通過上述氣溫特征分析可見，六地市的分屬省內盆地不同方位，氣候特征呈現以下特點：一是盆地形成四個氣候特征區，整體水平呈現西低東高。除攀枝花市緯度較低，靠近熱帶氣候，較其他地市來講整體偏高之外，成都氣溫偏低，宜賓內江偏高。基本形成四大氣候特征區（成樂西部區、攀枝花西南區，內江、宜賓中東部地區和南充東北部地區）。二是從溫差來看，北高南低，西高東低。三是分冬夏來看，夏季出現極端高溫在東部城市，冬季低溫集中在西部和北部城市。

2.2 平均氣溫與居民用電的相關度最高

2.2.1 以成都為例的居民電量相關性分析模式

我們把各地市目前得到的居民電量加總，再與該地市氣溫指標進行分析。以成都市為例，把氣溫的三大指標分別與居民售電量進行相關性分析可知，平均氣溫與居民售電量在15攝氏度以上的區間呈近似線性的增長關系，隨著氣溫的逐漸升高，電量呈增長趨勢，最低氣溫的表現類似。最高氣溫約在25度以上的區間開始呈現上述關系。經過統計檢驗表明，Pearson相關系數和Spearman相關系數都超過0.8，且p值顯著。結果表明平均氣溫與居民電量呈現強相關。

進一步我們分別檢驗夏冬兩季的相關情況，夏季，成都市平均氣溫指標在22攝氏度以上顯示出與居民售電量強烈的正相關性，且明顯高于全年水平。相反，而冬季并未找到直觀的證據表明氣溫與居民電量有顯著的相關關系，統計檢驗表明，冬季各氣溫指標的相關性較小，且統計檢驗不顯著。

最后，我們也分別對攀枝花等其他五地市的氣溫與該市居民電量開展了相關性分析。結果表明：一是整體來看，各地市平均氣溫與居民用電相關性較高。二是攀枝花市最高氣溫與用電量有較強的相關性。三是夏季川東部地區的三個城市，日內平均氣溫與氣溫的相關性最強。四是日內溫差小的南充、宜賓兩地日內最高氣溫、最低氣溫也與用電水平保持了較強的相關性。五是盆地西部冬季氣溫水平與電量相關性較弱。

2.3 居民、商業電量溫敏度分析

2.3.1 居民電量溫敏度分析

我們選取了2016年全年的數據子樣本，將所有溫度數值從0度開始，按照從低至高的順序排列，將全年該氣溫數值下（保留氣溫整數位）對應的電量均值計算出來，進一步計算氣溫每升高一度，電量增長的百分比。當然，按照相關圖的顯示結果，我們按照15度劃分高溫和低溫區間，對于15攝氏度以下的低溫區間氣溫值，我們計算每減少一度，電量增加的百分比。以成都日均溫和日最高溫為例，日均溫從19攝氏度開始，用電明顯變化，變化幅度超6%。在29度增速達到峰值超18%。同樣低溫區間內，氣溫在7度左右用電量開始有顯著變化，2度左右幅度最大超6%。

從溫敏區間看，高溫區間內，樂山市在23度左右，內江、宜賓在26度上下，攀枝花和南充都在28度左右。低溫區間內，樂山、南充在6度左右，攀枝花、內江和宜賓都在11度左右。

2.3.2 分析結論

溫敏分析可得出以下規律：一是夏季高溫出現的地市，28度左右是高溫的電量變化敏感集中區，過此界限，溫敏負荷不再增加，然而若均溫達到33度以上，用電會再度顯著暴增。二是對攀枝花而言，氣溫敏感區間較長，無論冬夏敏感的氣溫值較高。三是全年氣溫波動較大的南充、樂山兩市冬季敏感氣溫水平低。四是對于溫差較小的宜賓、內江兩市，高溫敏感氣溫值較低。五是成都、樂山兩地氣溫較低的城市，冬季敏感氣溫值較低。六是對極端高溫出現的地市如宜賓、內江兩地，其高溫敏感區間較長。

簡單講，敏感區分兩段;高溫地區更耐熱，低溫地區更耐冷;高溫地區氣溫敏感區間更長。

2.4 商業用電的溫敏分析

利用K-mean算法，我們根據商業用戶的用電規律，將其劃分為三類，分別為商業綜合體，酒店以及其他商業類型。通過相關性分析可知，除商業綜合體以外，酒店及其他類型商業用電與氣溫指標存在較強的相關關系。進一步通過回歸分析可知，氣溫變化，商業類型用電變化是不同的，其中，平均氣溫每變化1度，商業綜合體用電增長1.07%，酒店增長1.81%，而其他商業類型增長2.57%。

2.5 非溫敏季節居民用電的照明影響分析

冬夏兩季氣溫對居民用電具有顯著影響，在氣溫不敏感的時段，照明用電是一個重要視角。以成都市為例，白晝時間全年存在差異。通過計算晝夜時長，成都市白晝時間最短為10.17小時（約610.22分鐘），白晝最長時間為14.13小時，相差約4小時，平均白晝時長為12.12小時。

春秋兩季白晝時長與電量趨勢吻合度高，夏冬兩季受疊加的氣溫影響，吻合程度低。由于白晝時間隨著地球公轉而呈線性變化，我們假設在其他條件不變的情況下，電量增長也應呈現線形的增長趨勢。為此我們采用線性回歸對白晝時間和電量增長開展線形回歸，從回歸估計可知，晝長每減少10分鐘，日用電量增長0.16%，秋季增長0.78%。

3 結論及建議

通過以上氣溫、日照對各地市居民用電特征的分析可知，一是川內六地市可劃分為四類主要的氣候特征。二是從氣溫水平影響來看，平均氣溫水平對居民用電的相關性較強，冬季氣溫影響不顯著。三是川東更耐熱，川西川東北更耐冷。四是商業用戶中除商業綜合體以外的酒店和其他商業用電與氣溫存在較強的相關性，受氣溫影響較大。五是從非氣溫影響的照明因素看，白晝時長與居民用電存在弱的負相關關系。