遼寧省日最大電力負荷與氣象因子的關系＊

王迪，林毅，王鵬，張婉瑩，孫婧

遼寧省日最大電力負荷與氣象因子的關系＊

王迪，林毅，王鵬，張婉瑩，孫婧

（遼寧省氣象服務中心，遼寧 沈陽 110166）

利用2016—2018年遼寧省日最大電力負荷資料和多種氣象要素的逐日觀測資料，探究了遼寧省日最大電力負荷的變化特征及其與多種氣象因子的關系。研究表明，近三年遼寧省日最大電力負荷呈現在波動中增長的趨勢，且冬季平均的日最大電力負荷高于夏季；將氣象負荷分離后，分別計算了氣象負荷與平均氣溫、最高氣溫、最低氣溫、相對濕度、降水量、風速六種氣象因子的相關性，發現氣溫是影響遼寧省氣象負荷最重要的氣象因子；夏季平均氣溫與氣象負荷的相關性最好，除溫度之外，相對濕度和風速對夏季電力負荷也有一定的影響，冬季的降水量和風速與氣象負荷也有顯著的相關性。

電力負荷；氣象因子；氣象負荷；氣溫

1 引言

電力行業是高氣象敏感行業之一，電能生產和運輸、電網調度、電力負荷預測等均與天氣變化有著密切的關系[1]。隨著國民經濟的增長和人民生活水平的提高，電力負荷受氣象要素的影響越來越大。早在20世紀中葉，國外就有學者關注到電力負荷受氣溫的變化特別敏感。已有的大量研究表明，溫度、濕度、風力、日照強度、降水、云量等氣象要素和電力負荷變化的關系尤為重要，其中最關鍵的氣象要素是溫度變化，其次是濕度、風力等因素[2]。其中對電力負荷影響最明顯的是夏季降溫負荷[3]，即由氣象要素的變化引起的用電負荷的波動。近年來在全球氣候變暖的背景下，極端天氣事件頻發，氣象要素對電力負荷的影響不斷增大[4]，因此有必要研究電力負荷隨氣象要素變化的規律，并且在負荷預測中考慮氣象要素的影響，為電力系統的安全、經濟運行服務。本研究擬通過分析近年來遼寧省電力負荷與多種氣象要素之間的關系，找到對電力負荷影響最為顯著的高影響氣象要素，為提高電力負荷預測的準確率提供依據。

2 資料與方法

2.1 所用資料及處理方法

本文采用的日電力負荷資料由遼寧省電力有限公司提供，日最大電力負荷的單位是萬千瓦時。氣象資料由遼寧省氣象信息中心提供，主要包括日平均氣溫、最高氣溫、最低氣溫、降水量、平均風速、平均相對濕度等氣象要素的逐日觀測數據。上述所有資料的時間跨度均為2016-01-01—2018-12-31，數據完整無缺測，且均經過了質量控制。

遼寧省日最大電力負荷是遼寧省14個地市（沈陽、大連、鞍山、撫順、本溪、丹東、錦州、營口、阜新、遼陽、鐵嶺、朝陽、盤錦、葫蘆島）每日最大電力負荷的累加值。遼寧省逐日各氣象要素是遼寧省14個地市逐日各氣象要素數據的算術平均值。

2.2 氣象負荷分離方法

由于電力負荷受到經濟社會發展等許多要素影響，為探究電力負荷與氣象因子的關系，需要將其受到經濟發展影響的負荷分量去除，以得到影響其波動變化的氣象負荷分量。

依據許多學者的相關研究[5-7]，本文采用以下公式來分離氣象負荷：

=0+m+（1）

式（1）中：為日最大電力負荷；0為受經濟社會影響的基礎電力負荷；m為受氣象因子影響的氣象負荷；為隨機因素引起的負荷變化，此項較小一般忽略不計。0隨時間線性變化，可用以下公式來表示：

0=+

氣象負荷m即可用減去0來計算得到。

3 遼寧省日最大電力負荷變化特征

2016—2018年遼寧省日最大電力負荷散點圖及其線性趨勢如圖1所示。近三年，遼寧省日最大電力負荷波動變化，且呈現明顯的線性增加趨勢，線性趨勢系數為0.45，這與人民生活水平的提高密切相關。日最大電力負荷的波峰均出現在夏季和冬季，一年內電力負荷呈“雙峰型”分布，這主要是由于夏季氣溫高，空調等降溫設備使用量大大增加而導致降溫負荷高；遼寧11月已經進入供暖季，出現在冬季的波峰則主要與供暖能耗有關[8]。

遼寧省日最大電力負荷和氣象負荷的月變化曲線如圖2所示，1月最大原始電力負荷較高，春季最大電力負荷逐漸下降，5月最小，入夏6月開始迅速增加，夏季7月和8月達到一個波峰，秋季9月和10月電力負荷下降，入冬之后急劇增加并于12月達到最大。去除了基礎電力負荷的氣象負荷也有一致的變化特征。

圖1 2016—2018年遼寧省日最大電力負荷散點圖及其線性趨勢

圖2 遼寧省日最大電力負荷和氣象負荷的月變化曲線

從月平均電力負荷來看，遼寧省冬季平均的日最大電力負荷要高于夏季，從圖1也可以看到2016和2017年冬季的采暖負荷極值明顯高于夏季。

但值得注意的是，2018年夏季的7月底到8月初出現了氣象負荷的最大值（圖略），且2018年日最大電力負荷排名前五有3天是發生在這一時期，通過與天氣實況進行對比分析，發現2018年7月底8月初的電力負荷異常升高與同期發生的持續性高溫天氣密切相關。

2016—2018年遼寧省日最大電力負荷的星期一到星期日的一周變化如圖3所示。平均最大電力負荷為2 409（單位為萬千瓦），工作日星期一至星期五的電力負荷數值全部都高于平均值，而周末兩天的電力負荷明顯下降，這與周末大部分工作單位停工停產有關，可見電力負荷有明顯的周末效應。

4 遼寧省日最大電力負荷與氣象因子的相關性分析

為了進一步探究遼寧省日最大電力負荷與多種氣象因子的關系，選取了平均氣溫、最高氣溫、最低氣溫、相對濕度、降水量、風速六種氣象要素。依據氣象負荷分離方法提取了2016—2018年遼寧省逐日氣象負荷之后，計算了氣象負荷與六種氣象因子的相關系數。

圖3 遼寧省日最大電力負荷的平均一周變化圖

結果表明氣溫與氣象負荷呈顯著的正相關關系，也是影響遼寧省氣象負荷最重要的氣象因子，相關系數達到0.35，超過置信度為99%的顯著性檢驗。

氣象負荷與氣象因子的逐月相關系數如圖4所示，可以清晰地看出各個氣象因子與氣象負荷的相關性變化。逐月來看，氣溫仍然是與氣象負荷相關性最好的因子，除了5月之外，其他各個月份的相關系數均通過了顯著性檢驗。夏季的6—8月，平均氣溫與氣象負荷的相關性較最高氣溫和最低氣溫更好，8月平均氣溫與氣象負荷的相關系數高達0.82。4月、7月和供暖季的10月到次年1月，相對濕度與氣象負荷也有明顯的相關性。降水和風速與氣象負荷的相關性僅在冬季的個別月份通過了顯著性檢驗。

圖4 氣象負荷與氣象因子（平均氣溫、最高氣溫、最低氣溫、相對濕度、降水量、風速）的相關系數逐月變化曲線

（虛線即相關系數顯著性為0.1的臨界線）

從季節變化來看，氣溫在夏季與氣象負荷的相關性最好，在冬季最差，但均通過置信度為99%的顯著性檢驗。夏季，相對濕度與氣象負荷呈現顯著的正相關關系，相關系數為0.25；而風速與氣象負荷的相關系數為﹣0.13，即夏季平均風速越小，氣象負荷越大。冬季，降雪量、風速與氣象負荷呈現顯著的負相關關系，而相對濕度則與氣象負荷沒有顯著的關系。

5 結論與討論

探究了遼寧省日最大電力負荷的逐日、逐月、周變化特征及趨勢，發現近三年遼寧省日最大電力負荷呈現在波動中增長的趨勢，且冬季平均的日最大電力負荷高于夏季，并且存在明顯的周末效應。進一步研究了電力負荷與多種氣象因子的關系，將氣象負荷分離，計算了氣象負荷與平均氣溫、最高氣溫、最低氣溫、相對濕度、降水量、風速六種氣象因子的相關性，發現氣溫與氣象負荷的相關性最好。從不同季節來看，夏季平均氣溫與氣象負荷的相關性最好，除溫度之外，相對濕度和風速對夏季電力負荷也有一定的影響，冬季的降水量和風速與氣象負荷也有顯著的相關性。

［1］周寧，熊小伏.電力氣象技術及應用［M］.北京：中國電力出版社，2015.

［2］謝宏，陳志業，牛曉東，等.基于小波分析和氣象因素影響的電力系統日負荷預測模型研究［J］.中國電機工程學報，2012，21（5）：5-9.

［3］張彥恒，楊琳晗，武輝芹，等.冀北電網電力負荷特征與氣溫的關系［J］.干旱氣象，2016，34（5）：881-885.

［4］劉紅亞，曹亮.上海市電力負荷與氣象因子關系及精細化預報［J］.應用氣象學報，2013，24（4）：455-463.

［5］盧珊，浩宇，王百朋，等.引入積溫效應預測夏季西安市電力氣象負荷［J］.氣象科技，2017，45（6）：1090-1094.

［6］李強，柯宗建.河南夏季日最大電力負荷預測模型［J］.氣象科技，2014，42（4）：707-711.

［7］李琛，郭文利，吳進，等.基于BP神經網絡的北京夏季日最大電力負荷預測方法［J］.氣候與環境研究，2019，24（1）：135-142.

［8］張立祥，陳力強，王明華.城市供電量與氣象條件的關系［J］.氣象，2000（7）：27-31.

P461

A

10.15913/j.cnki.kjycx.2019.19.002

2095－6835（2019）19－0004－02

王迪（1989—），女，工程師，主要從事專業氣象預報與服務研究。

2018年遼寧省氣象局科研課題“基于多種氣象要素影響的遼寧省夏季電力系統短期負荷預測研究”

〔編輯：嚴麗琴〕