祁连用电负荷对气象因子的响应及预测

祁连用电负荷对气象因子的响应及预测

张莹1刘金青*刘丹

青海省祁连县气象局     青海省达日县气象局

摘要：本研究针对祁连县2014至2023年逐日电力负荷与气象因子的关系进行了系统分析，旨在揭示气象因子对电力负荷波动的影响机制。研究表明，祁连县的电力负荷在过去十年中呈现显著的上升趋势，尤其在夏季和冬季，由于高温和低温的双重影响，电力需求达到年度高峰。通过相关分析与回归分析发现，温度是影响电力负荷的主要气象因子，夏季日最低气温与电力负荷之间的相关性最为密切，决定系数达到0.85。此外，相对湿度对电力负荷的影响在夏季也不容忽视。本文构建了基于日最低气温的回归模型，用于预测夏季最大电力负荷，为祁连县电力系统的科学调度提供了数据支持与理论依据。研究结果为进一步优化电力系统应对气象变化的能力提供了重要参考。

关键词：祁连县；用电负荷；气象因子；关系

引言

电力系统是现代社会正常运作的基础，确保其安全稳定运行对工业生产、交通运输以及居民日常生活至关重要。随着现代化进程的加快，电力需求不断攀升，尤其在气候条件极端的情况下，电力负荷容易出现异常波动，这可能引发电力系统的局部事故，甚至导致大范围的电力中断，带来巨大的经济损失。因此，研究电力负荷的影响因素，尤其是气象因子对电力负荷的作用机理，对提升电力系统的调度和管理能力具有重要意义。电力负荷受到诸多因素的影响，包括经济活动、居民生活习惯、节假日效应以及气象条件等。在不同的时间尺度上，这些因素以不同的方式影响电力需求的波动。近年来，越来越多的研究关注气象因子与电力负荷之间的关系，尤其是在夏季高温和冬季严寒的情况下，气温变化对电力负荷的影响尤为显著。然而，由于各地的气候条件、经济发展水平和社会结构存在差异，不同地区的电力负荷与气象因子的响应关系也各不相同。尽管已有大量研究探讨了不同地区的电力负荷与气象因子的关系，但在某些特定区域，如祁连县，相关的研究仍然较为稀缺。祁连县位于青海省东北部，具有典型的高寒气候特征，冬季漫长而寒冷，夏季短暂且温和。受全球气候变化和地方经济快速发展的双重影响，祁连县的电力需求变得愈发复杂，电力负荷与气象因子的关系也变得更加多样化。因此，深入研究祁连县电力负荷与气象因子的关系，不仅能够为电力部门提供科学的调度依据，还能够为未来的电力需求预测提供可靠的数据支持。基于以上认识，本文的主要目标是分析祁连县电力负荷逐日变率特征及其与主要气象因子的关系，并给出基于主要气象因子的夏季祁连县最大电力负荷逐日变率的统计预测。

1、资料方法

本文所使用的数据主要来源于祁连县电力公司和青海省气象信息中心。具体而言，电力公司提供了2014年至2023年期间祁连县的逐日和逐时电力负荷数据，这些数据详细记录了电力系统在不同时间段的负荷情况。此外，青海省气象信息中心提供了与电力负荷数据相对应的气象观测资料，这些资料包括每日的最高气温、最低气温、平均气温以及平均相对湿度等关键气象因子。为了准确分析气象因子与电力负荷之间的关系，本文选取了当日以及前一日的气象数据作为分析的基础变量。通过对这些数据的深入分析，本文采用了相关分析法和回归分析等统计方法，试图揭示气象因子对电力负荷的具体影响。相关分析用于评估各气象因子与电力负荷之间的线性关系，确定影响电力负荷的主要气象因子；而回归分析则进一步建立数学模型，量化气象因子对电力负荷的影响程度。这些分析方法的结合，不仅为理解电力负荷的变化规律提供了理论依据，还为预测未来的电力需求提供了科学的指导。

2、电力负荷特征

2.1电力负荷的长期变化趋势

电力负荷受多种因素影响，除了气候的改变之外，还受到社会经济的发展，人们生活水平的提高，以及节假日和特殊事件的影响。祁连县2014-2023年度的日平均用电量如表1所示。通过对祁连县2014-2023年度日平均用电量的变化（图1）可知：祁连县日用电量呈显著增加趋势，且增幅具有显著的季节变动特点，全年用电量在冬、夏为两个高值，且以夏季为最大，比其它季节都要大。这是由于夏季往往是生产旺季，用电自然增多，特别是气温较高时，各种制冷降温设备被大量使用，用电量必然增加；冬季尤其是春节前也属于生产旺季，用电量较大，同时气温下降，用于取暖的耗电量也相应增加。

图12014-2023年祁连县逐日平均电力负荷

2.2日平均气象负荷率和日平均气温的关系

在探讨气象因素与电力负荷之间的联系时，我们必须避免不可预知的随机负荷和特定事件的干扰，并将受经济增长影响的基础负荷（也称为趋势负荷）与由天气变动导致的电力负荷（也称为气象负荷）进行区分。我们对祁连县在2014-2023年的每日平均电力负荷（也称为日均负荷）进行了深入分析，并据此推导出日均负荷的变化趋势方程：

Lt=0.6381d+2113.2           （1）

式（1）中，Lt为负荷的长期变化趋势值（单位：M·W），d为日序数。

通过将实际日平均负荷L与日平均负荷Lt的长期趋势进行比较，我们可以得到日平均气象负荷Lm。然而，在电力调度过程中，我们更多地关注的是日平均气象负荷与当日趋势负荷之间的比率，即当日平均气象负荷率r。

Lm=L−Lt        (2)

r=Lm/Lt        (3)

根据2014-2023年的日平均气象负荷率和日平均气温（图2）数据，我们可以观察到夏季的日平均气象负荷率是最高的，通常约为30%，而最高可达40%；冬天紧随其后，通常约占10%；春天的气温相对较低。2）在夏季，日均气象负荷率是最高的，通常约为30%，而最高可达40%；冬天紧随其后，通常约占10%；春季和秋季的比例相对较低，通常在-20%-10%的范围内；日平均气温与日平均气象负荷率之间存在明显的相关性，其中夏季有显著的正相关性，而冬季则是负相关性。我们观察到，由于节假日和工业用电的减少，节假日的电力需求相对较低。

图2  2014-2023年祁连县平均气象负荷和日平均气温实况

2.3电力用度的周变化特征

通过对祁连县过去10年的周电量消耗（图3）进行深入分析，我们观察到电力需求呈现出明显的上升趋势。在工作日，人们的工作用电达到高峰，电量消耗相对较大，但差异并不显著。在节假日，大部分人选择休息，导致电力需求略有减少，而在春节等长假，电力需求达到了最低点。

图3 2014-2023年祁连县用电量分析

2.4电力负荷逐时变化特征

从祁连县00:00-23:00的电力负荷年平均值曲线中，我们可以观察到电力负荷在一天之内，04:00-05:00是其最低点。随后，电力负荷迅速攀升，到11:00左右达到顶峰，然后在12:00左右开始下降。到了中午13:00（午休时间）左右，电力负荷达到了最低点，之后开始上升，并持续保持在一个相对较高的水平，直到晚上21:00之后，电力负荷开始逐渐减少。

如图4所示，祁连县的电力负荷在午夜至黎明这段时间内变化不明显，但从早晨6点至往年的10点，负荷逐步上升，而在中午12点左右，出现了一个相对较低的负荷区域；在任何季节中，一天的24小时内都会有两个最大负荷，一个在早晨大约10点出现，而另一个则在各个季节的不同时间点出现。导致这些变动的两大因素是人们的日常生活习惯和气候状况的转变。更具体地说，由于工业用电主要是在夜间运行，并且气象条件的影响相对较小，因此电力负荷相对较低；第一个极值是由气象状况（尤其是气温）与工业电力需求共同影响而产生的。

2.5极端电力负荷分析

在夏天，由于气候的高温和湿度，电力的需求急剧上升。我们选择了2014-2023年每年5-8月的前8天（按5%计算）中的日最大电力负荷作为极端电力负荷的指标，并对极端电力负荷的出现时间以及与之相关的平均气温、最高气温、最低气温和相对湿度进行了深入分析。研究结果显示，在过去的10年里，最早出现极端电力负荷的日期是20110年8月10日，而最晚则是2023年5月1日；在极端负荷出现的情况下，最高温度超过27°C（平均温度超过18.1°C），平均相对湿度几乎都超过了51%，但随着最高温度的上升，所需的湿度环境逐步减少。

3、电力负荷逐日波动与气象因子关系

图5展示了2014-2023年间祁连县的平均气温、平均相对湿度、最高和最低气温的日最大电力负荷与其日变化的关系曲线。从图5中我们可以观察到，在提供的几个气象因素中，平均气温、最高气温和最低气温的日常变化曲线与最大电力负荷的变化曲线相当一致，呈现出抛物线状的变化特征，这有助于我们整体判断各个变量之间的相关性。在祁连县，电力负荷的日常波动与气温之间存在着非常紧密的正相关性。具体来说，与平均气温、最高气温和最低气温的相关系数分别是0.46、0.38和0.49，其中最低气温与电力负荷的相关性最为显著。伴随着我国经济的飞速增长，城乡居民的生活品质得到了显著的提升。工厂、购物中心、办公大楼和住宅楼的空调安装已基本普及。在夏季，人们已经具备了使用空调进行降温的基本条件。正因为空调和其他降温设备的广泛应用，祁连县在夏季的电力需求急剧增加，这在统计数据中表现为电力需求与夏季气温之间存在明显的正相关关系。

图52014-2023年祁连县最大电力负荷与主要气象因子逐日变化

除了温度这一变量，研究还涉及了相对湿度对电力负荷的作用，湿度和天气条件的变动同样会对基西县的电力负荷造成影响。夏季的相对湿度与空气湿度呈正相关关系，这意味着夏季的空气湿度越高，电力需求也就越大。这主要是由于夏季的高湿度环境不利于人体内部热量的有效散发，因此在闷热的天气条件下，需要消耗更多的制冷能源。

图62014-2023年5-8月平均最大电力负荷与气象因子关系

表1最大电力负荷与气象因子关系统计学指标

鉴于5-8月之间存在明显的正相关关系，我们对2014-2023年5-8月期间的最大电力负荷数据进行了深入分析，并将其与相关的气象条件进行了对比研究。研究结果揭示，最低气温与电力负荷之间的相关性最为显著，如图6所示，最低气温的拟合度最高，其后是平均气温和最高气温。然而，相对湿度对电力负荷的反应并不特别明确。从表2可以观察到，相对湿度的均方根误差相对较大，达到429.7，而最低气温的均方根误差则是最小的，仅为167.8。

4、电力负荷对温度因子的效应量分析

鉴于气温对电力负荷的最大影响，我们依据日平均气温每1°C的间隔，对2014年到2023年期间的日平均气象负荷率进行了分类，分类结果如图7展示。从图7可以观察到，当天平均气温T≥27°C时，日平均气象负荷率是正的，并且日平均气象负荷率会随着日平均气温的升高而增加；在27°C>T≥16°C的条件下，日平均气象负荷率呈现为负值，并且随着日均气温的上升，日平均气象负荷率也相应增加；在16°C>T≥10°C的条件下，日均气象负荷率呈现为负数，并且随着日均气温的上升，这一负荷率逐渐降低；在T<10°C的情况下，日平均的气象负荷率是正数，但其波动相对较小。

图7 2014-2023年祁连县日平均气象负荷率与日平均气温统计关系

图8电力负荷与同期气象因子散点图

以全时段内收集的测量数据为研究基础，探讨了电力负荷变动与气象状况之间的相互关联（参见图8）。在一天当中，不同的时间段里，气象状况对电力负荷产生的影响程度各不相同。在相同的时间段内，我们将电力负荷与各种气象因素一同绘制为散点图，其中X轴代表各气象要素，Y轴则代表对应时间的电力负荷。经过对电力负荷与气象因素关联性的全面调查和验证，我们发现气温和湿度是与电力负荷最为紧密相关的气象因素。在夏天，气温显示出正向关联，而在冬天则是负向关联；在夏天，湿度呈现出轻微的负相关性。在典型的季节里，夏季的电力需求与气象因素（如温度和湿度）之间的关联性最为突出，其中温度与电力需求是正相关的，而相对湿度则是负相关的；在冬天，温度与电力的需求之间存在负向关联，而在春秋两季，气象状况对电力需求的作用相对较小。这主要是因为在夏天，当气温偏高时，人们会选择开启空调、风扇等设备来降低温度；在冬季气温偏低的情况下，人们会采用多种方式来保暖；在湿度相对较高的情况下，那些对湿度有较高要求的部门会通过使用降湿设备来调整其局部湿度状况，这样做最终会导致电力消耗的增加。

图8展示了平均电力负荷与温度因素之间的相互关系，而温度与电力负荷的散点图则为我们提供了直观的视角。根据一整年的统计数据分析，温度与电力负荷的散点图展现了一个类似“U”型的结构模式。随着温度逐步上升，电力负荷首先开始下降，随后逐渐上升，这反映了电力负荷对冬季和夏季温度变化的不同响应模式。从所展示的图表中，我们可以观察到，在10-25°C的温度范围内，散射的趋势是比较温和的。从统计资料来看，祁连县夏季日平均气温25℃对应的日最高气温、日最低气温为30℃和20℃。利用回归分析得到夏季逐日最大电力负荷对日最低气温回归方程为：

y=615.6+126.5x              (4)

式（4）中，x代表夏天的日最低气温，y代表夏天的日最大电力负荷值，单位是106瓦：当回归方程x增加或减少1°C时，功率负荷也会相应地增加或减少。通过运用回归分析模型，我们能够粗略地预估夏季可能出现的最大电力需求，以供电力行业作为参考依据。

5、结语

通过对祁连县2014至2023年逐日电力负荷与气象因子关系的分析，本研究揭示了气象因子对电力负荷波动的显著影响。研究结果表明，祁连县逐日电力负荷在过去十年间呈现显著的上升趋势，尤其在夏季和冬季，电力负荷达到年度高峰。温度作为主要气象因子，对电力负荷的影响尤为显著，夏季的高温和冬季的低温分别引发了明显的电力需求增长。此外，日最低气温与夏季逐日最大电力负荷之间的相关性最强，决定系数达到了0.85，表明日最低气温是预测夏季电力负荷的关键指标之一。在分析中还发现，闷热天气比晴热天气更容易引发电力负荷的升高，这意味着除了温度之外，相对湿度对电力负荷的影响也不容忽视。通过回归分析，得到的回归方程可用于预测祁连县夏季电力负荷的变化，为电力部门的调度和管理提供了科学依据。本研究为进一步研究和优化电力系统在应对气象条件变化时的反应能力提供了有力的支持。

参考文献

[1]肖云清,程瑶,马少军,等.基于风险预警的银川市用电负荷气象服务指标[J].南方能源建设,2024,11(01):157-165.DOI:10.16516/j.ceec.2024.1.16.

[2]曲晓黎,尤琦,李文晴,等.气象因子相对危险度在电网用电负荷预测中的应用[J].南方能源建设,2024,11(01):166-175.DOI:10.16516/j.ceec.2024.1.17.

[3]卜飞飞,白宏坤,王圆圆,等.基于人体舒适度指数的居民用电分析及用电负荷预测研究[J].中国测试,2023,49(04):85-91.

[4]陈圣劼,田心如,姚阮,等.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(04):127-135.

[5]汪付华,淮北气象敏感用电负荷预测方法研究与应用.安徽省,淮北市气象局,2022-01-21.

[6]吴旭,王正风,李有亮,等.基于气象-负荷相关性的疫情期间用电负荷及复产负荷分析[J].电器与能效管理技术,2021,(01):16-21.DOI:10.16628/j.cnki.2095-8188.2021.01.003.

[7]田心如,蔡凝昊,张志薇.基于气象因子及机器学习回归算法的夏季空调负荷预测[J].气象科学,2019,39(04):548-555.

[8]武辉芹,张金满,曲晓黎.河北省南部电网夏季电力负荷特征及与气象因子的关系[J].气象科技,2013,41(05):945-948+964.DOI:10.19517/j.1671-6345.2013.05.026.

[9]王立静,王峰,李金亮.滨州市用电负荷与气象要素的关系及预测[J].安徽农业科学,2010,38(25):13854-13856.DOI:10.13989/j.cnki.0517-6611.2010.25.071.

[10]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研究[C]//中国气象学会气候学委员会,国家气候中心.第26届中国气象学会年会预测与公共服务分会场论文集.湖州市气象局;湖州市电力局;,2009:6.

作者：张莹，女 （ 1987.12）甘肃人， 本科学历，  工程师，从事：综合气象观测。
通讯作者：刘金青，男，（1973.11）山东人，本科学历，工程师，从事：综合观测