為定量分析氣象因子與電網(wǎng)負(fù)荷之間的關(guān)系,利用2016～2018年華中咸寧地區(qū)逐日96點(diǎn)負(fù)荷、日最大電力負(fù)荷、日最小電力負(fù)荷和同期該地區(qū)國家氣象觀測站氣象資料,利用計(jì)量經(jīng)濟(jì)學(xué)中Granger因果關(guān)系檢驗(yàn)氣象條件與電力負(fù)荷之間的關(guān)系,采用多元回歸方法通過多種方式建立負(fù)荷預(yù)測模型,并對模型進(jìn)行檢驗(yàn)。結(jié)果表明,日平均氣溫是電力負(fù)荷的Granger原因,日平均氣溫不僅在短期內(nèi)對電網(wǎng)負(fù)荷有著顯著影響,在長期時(shí)效內(nèi)仍有較明顯的影響�？紤]氣象因子影響時(shí),兩種方案的準(zhǔn)確率均有所提高,方案2的提高量比方案1最高提高0.79%;平均絕對百分比誤差均有所減少,方案2的減少量比方案1最高減少0.33%。test2-a模型在不同時(shí)間尺度下預(yù)測準(zhǔn)確率普遍高于95%,平均絕對百分比誤差基本小于8%,敏感性分別為5.3%、5.8%、3.3%,模式達(dá)到最優(yōu)。 

【文章來源】：水電能源科學(xué). 2020,38(09)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

技術(shù)方法流程圖

圖2為最大（�。┤针娏ω�(fù)荷和日平均氣溫的日變化曲線，其中直線為用線性傾向的最小二乘法估計(jì)的最大（小）電力負(fù)荷的線性趨勢。由圖2可知，最大（�。┤针娏ω�(fù)荷呈現(xiàn)逐年波動(dòng)增長趨勢，最大（�。╇娏ω�(fù)荷自2016年至2018年分別以0.3×104、0.2×104kW/d的線性傾向增長，二者均通過了α=0.001的顯著性檢驗(yàn)，說明這種增長趨勢明顯。除此之外，最大（小）電力負(fù)荷還表現(xiàn)出夏季大和冬季大的雙峰特征，夏季7、8月份達(dá)到波峰，冬季1、2月份達(dá)到次波峰，春秋季處在波谷，即最大（�。╇娏ω�(fù)荷與平均氣溫在夏季呈現(xiàn)正相關(guān)，在冬季呈現(xiàn)負(fù)相關(guān)，這與經(jīng)驗(yàn)理論一致，夏（冬）季制冷（暖）需求增加。4 氣象條件與電力負(fù)荷的Granger因果關(guān)系分析

圖3為兩種不同預(yù)測方案在不同時(shí)間尺度下的預(yù)測準(zhǔn)確率，分析得test1-a與test1-b有相似之處，30、60d尺度下的預(yù)測結(jié)果相近均基本在90%以上；90d尺度下的預(yù)測準(zhǔn)確率明顯低于30、60d的預(yù)測準(zhǔn)確率，基本在85%～90%之間。其中18～19、27～28日的預(yù)測準(zhǔn)確率為兩個(gè)谷值區(qū)，通過查詢當(dāng)時(shí)天氣實(shí)況，在16～18日當(dāng)?shù)赜袃纱未笥炅考壍慕邓^程，分別出現(xiàn)在16、18日，這兩次降水導(dǎo)致最高氣溫從15日的35.6℃降至18日的26.8℃，降溫幅度達(dá)8.8℃，因此造成居民制冷需求下降，而在26日當(dāng)?shù)赜幸淮涡∮炅考壍慕邓^程，導(dǎo)致最高氣溫只有29.2℃，到28日時(shí)最高氣溫已升至34.3℃，升溫幅度達(dá)5.1℃，因此造成居民制冷需求上升，而對比這四天test1-a和test1-b的預(yù)測結(jié)果不難看到，在18日二者預(yù)測能力相當(dāng)均為88%左右，19、27、28日test1-a在30、60、90d尺度下的平均準(zhǔn)確率為87.6%、88.1%、85.8%,test1-b的則為86.4%、86.6%、84.9%，二者在60d尺度下準(zhǔn)確率最高，進(jìn)一步對比發(fā)現(xiàn)test1-a比test1-b在30、60、90d尺度下的準(zhǔn)確率平均高1.23%、1.44%、0.84%。test2-a與test2-b在30、60、90d尺度下的預(yù)測結(jié)果均相似且準(zhǔn)確率普遍高于90%，同樣地，在18～19、27～28日為預(yù)測準(zhǔn)確率的兩個(gè)谷值區(qū)，19、27、28日test2-a在30、60、90d尺度下的平均準(zhǔn)確率為88.1%、88.8%、88.0%,test2-b的則為86.3%、86.6%、86.9%，二者同樣是在60d尺度下準(zhǔn)確率最高，進(jìn)一步對比發(fā)現(xiàn)test2-a比test2-b在30、60、90d尺度下的準(zhǔn)確率平均高1.84%、2.23%、1.14%。

【參考文獻(xiàn)】：
期刊論文
[1]溫度變化對南京城市電力負(fù)荷的影響[J]. 張海東,孫照渤,鄭艷,張昕璇,于波.  大氣科學(xué)學(xué)報(bào). 2009(04)
[2]北京市氣溫對電力負(fù)荷影響的計(jì)量經(jīng)濟(jì)分析[J]. 吳向陽,張海東.  應(yīng)用氣象學(xué)報(bào). 2008(05)
[3]綜合氣象因素對廣西電力負(fù)荷的影響[J]. 鐘利華,李勇,葉殿秀,張強(qiáng),況雪源,張宇平.  氣象. 2008(05)
[4]支持向量機(jī)方法在電力負(fù)荷預(yù)測中的應(yīng)用[J]. 羅楠,朱業(yè)玉,杜彩月.  電網(wǎng)技術(shù). 2007(S2)
[5]氣象要素在電力負(fù)荷預(yù)測中的應(yīng)用[J]. 羅慧,巢清塵,李奇,劉安麟,顧潤源.  氣象. 2005(06)
[6]基于氣象因子的華中電網(wǎng)負(fù)荷預(yù)測方法研究[J]. 胡江林,陳正洪,洪斌,王廣生.  應(yīng)用氣象學(xué)報(bào). 2002(05)



本文編號：3282919