氣象因子相對(duì)危險(xiǎn)度在電網(wǎng)用電負(fù)荷預(yù)測(cè)中的應(yīng)用

曲曉黎 ，尤琦 ，李文晴 ，楊琳晗 ，王潔 ，張金滿 ，高澤田 ，周朔

（1.河北省氣象與生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室,河北 石家莊 050021；2.中國(guó)氣象局雄安大氣邊界層重點(diǎn)開(kāi)放實(shí)驗(yàn)室,河北 保定 071800；3.河北省氣象服務(wù)中心,河北 石家莊 050021）

0 引言

用電負(fù)荷是電力系統(tǒng)規(guī)劃設(shè)計(jì)和運(yùn)行管理的最重要的指標(biāo)之一[1]，受許多因素的共同影響，在極端天氣條件下天氣氣候的影響尤為重要[2]。由于用電負(fù)荷與氣象條件和氣象因子的變化有很大關(guān)系[3-4]，氣象因子是影響電力系統(tǒng)負(fù)荷預(yù)測(cè)的重要因素，可引起30%左右的電力負(fù)荷上升[5]。氣象因子在短期負(fù)荷預(yù)測(cè)中應(yīng)用十分廣泛[6-7]，眾多學(xué)者基于氣象條件的用電負(fù)荷預(yù)測(cè)方面做了許多有意義的工作。很多學(xué)者研究了中國(guó)不同區(qū)域、不同時(shí)段氣象條件與用電負(fù)荷的關(guān)系[8-9]，還考慮了氣象綜合指數(shù)和氣溫等要素的累積效應(yīng)[10]。但由于氣候條件、經(jīng)濟(jì)結(jié)構(gòu)和發(fā)展水平的不同，各電網(wǎng)電力負(fù)荷與氣象因子的關(guān)系也不盡相同[11]；因此，研究氣象與用電負(fù)荷的關(guān)系對(duì)負(fù)荷預(yù)測(cè)的工作具有重要意義。

準(zhǔn)確高效的短期用電負(fù)荷預(yù)測(cè)是保證電力系統(tǒng)安全可靠運(yùn)行的前提，也是電網(wǎng)合理安排發(fā)電計(jì)劃的依據(jù)。由于電網(wǎng)系統(tǒng)是一個(gè)復(fù)雜的、非線性的耦合系統(tǒng)，用電負(fù)荷的時(shí)間序列一般也具有非線性、非平穩(wěn)的特點(diǎn)[12]。因此，用電負(fù)荷預(yù)測(cè)方法和模型的構(gòu)建引起了眾多學(xué)者的極大關(guān)注。以往的用電負(fù)荷預(yù)測(cè)的方法主要包括自回歸法[13]、支持向量機(jī)法[14]、神經(jīng)網(wǎng)絡(luò)法[15],也有基于波動(dòng)模型[16]、模糊邏輯[17]、遞歸數(shù)字濾波器[18]、專家系統(tǒng)等方法。但傳統(tǒng)方法一般忽略了電網(wǎng)具有的隨機(jī)、突發(fā)等特性，導(dǎo)致預(yù)測(cè)結(jié)果與實(shí)際需求有一定的差距。隨著深度學(xué)習(xí)算法的快速發(fā)展，一些專家學(xué)者利用BiLSTM 神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)記憶LSTM（Long Short-Term Memory）神經(jīng)網(wǎng)絡(luò)等方法在用電負(fù)荷預(yù)測(cè)中進(jìn)行了探索[19]。這類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的優(yōu)勢(shì)在于，不需要對(duì)輸入變量做復(fù)雜的假設(shè)，可以模擬多個(gè)變量；利用輸入變量在訓(xùn)練過(guò)程中，通過(guò)學(xué)習(xí)來(lái)抽取和逼近隱含的輸入和輸出變量之間非線性關(guān)系。

我國(guó)華北地區(qū)相對(duì)干旱少雨，常出現(xiàn)用電緊缺現(xiàn)象，夏季持續(xù)高溫造成電網(wǎng)用電負(fù)荷屢創(chuàng)新高。2022 年8 月6 日，石家莊市最大日用電負(fù)荷高達(dá)9.634 GW，為近10 a 歷史最高值，且8 月3～6 日，連續(xù)4 d 日用電負(fù)荷最大值超過(guò)9.4 GW，分別為9.425 GW、9.444 GW、9.571 GW、9.634 GW，給電網(wǎng)用電負(fù)荷預(yù)測(cè)帶來(lái)前所未有的壓力。本文以石家莊為例，揭示中國(guó)華北地區(qū)主要城市過(guò)去10 a 的用電負(fù)荷與氣象條件的關(guān)系，并引入相對(duì)危險(xiǎn)度分析得出二者之間的定量關(guān)系，并基于此探討一種日用電負(fù)荷峰值的預(yù)測(cè)方法，以期為改進(jìn)和完善電力負(fù)荷短期預(yù)測(cè)方法提供參考和指導(dǎo)。

1 資料與方法

1.1 資料來(lái)源

本文所用用電負(fù)荷數(shù)據(jù)來(lái)自于國(guó)網(wǎng)河北省電力公司，時(shí)間長(zhǎng)度自2013 年1 月1 日至2022 年12 月31 日，時(shí)間間隔為逐15 min，選取每日最大值作為日最大電力負(fù)荷，采用比較濾波法對(duì)逐日最大負(fù)荷數(shù)據(jù)進(jìn)行質(zhì)量控制。所用氣象數(shù)據(jù)來(lái)自于河北省氣象大數(shù)據(jù)云平臺(tái)，包括石家莊站（53698 站）日最高氣溫、最低氣溫，日最小相對(duì)濕度，日最大風(fēng)速、平均風(fēng)速，過(guò)去24 h 變溫，08～次日08 時(shí)24 h、48 h、72 h 累計(jì)降水量。時(shí)段與用電負(fù)荷數(shù)據(jù)時(shí)段一致，且經(jīng)過(guò)嚴(yán)格的質(zhì)量控制。

1.2 數(shù)據(jù)處理方法

用電負(fù)荷的構(gòu)成包含3 個(gè)方面[20]：

式中：

Lt——受經(jīng)濟(jì)發(fā)展影響的基礎(chǔ)負(fù)荷，也叫經(jīng)濟(jì)負(fù)荷；

Lm——受氣象因素影響的氣象敏感負(fù)荷；

ε ——隨機(jī)分量，包含節(jié)假日效應(yīng)、工業(yè)檢修、電網(wǎng)調(diào)價(jià)等不確定因素。

在本研究中，針對(duì)隨機(jī)分量ε，受資料限制，個(gè)別因工業(yè)檢修、電網(wǎng)調(diào)價(jià)等不確定因素未考慮，且根據(jù)本文分析和已有研究得知，除勞動(dòng)節(jié)、國(guó)慶節(jié)、春節(jié)等假期明顯影響電力負(fù)荷以外，普通小長(zhǎng)假和周末對(duì)日用電負(fù)荷最大值影響較小。

剔除用電負(fù)荷奇異值后，計(jì)算當(dāng)天日用電負(fù)荷最大值與前1 天日用電負(fù)荷最大值的差值，并將其作為當(dāng)天日最大用電負(fù)荷峰值的變化幅度 ?L（簡(jiǎn)稱變幅），因經(jīng)濟(jì)負(fù)荷 Lt在一段時(shí)間內(nèi)相對(duì)固定，因此?L可視為氣象條件引發(fā)的日用電負(fù)荷最大值的變幅，本文共得到有效的 ?L樣本3 649 個(gè)。在分析用電負(fù)荷分布特征時(shí)，選取全部有效樣本進(jìn)行分析。在分析氣象條件引發(fā)的日用電負(fù)荷最大值變幅時(shí)，只選用剔除隨機(jī)分量（重污染導(dǎo)致限產(chǎn)日的數(shù)據(jù)和勞動(dòng)節(jié)、國(guó)慶節(jié)、春節(jié)期間假期首日及增幅明顯日數(shù)據(jù)）影響后的3 593 個(gè)樣本。

1.3 數(shù)據(jù)分析和研究方法

1.3.1 溫濕指數(shù)

本文采取Tom 提出的、由Boserl 進(jìn)一步發(fā)展的溫濕指數(shù)計(jì)算方法，綜合考慮氣溫和相對(duì)濕度的影響，其具體計(jì)算公式為：

式中：

Td——干球氣溫（°F）；

R ——相對(duì)濕度（%）；

Td——華氏溫度利用公式，Td=T×+32計(jì)算；

T ——?dú)鉁兀ā妫21]。

1.3.2 Spearman 秩相關(guān)方法

由于日最大用電負(fù)荷變幅及部分氣象要素可能為非正態(tài)分布，在相關(guān)分析時(shí)，采用Spearman 秩相關(guān)方法[22]。Spearman 秩相關(guān)方法也叫Spearman 等級(jí)相關(guān)系數(shù)法，是一種非參數(shù)檢驗(yàn)方法。對(duì)于n 對(duì)觀察數(shù)據(jù) (xi,yi)(i=1,2,···n)，按照每組變量n 個(gè)數(shù)據(jù)的大小次序，分別由小到大編上秩次，對(duì)重復(fù)數(shù)據(jù)取平均等級(jí)，再檢驗(yàn)2 組變量的等級(jí)或秩次之間是否相關(guān)。通常用秩相關(guān)系數(shù) rs表示，其值介于-1～1 之間，rs是正值時(shí)表示正相關(guān)，rs是負(fù)值時(shí)表示負(fù)相關(guān)。其表達(dá)式為：

式中：

n ——時(shí)間序列的長(zhǎng)度；

Ri、Qi——xi和 yi的秩次。

利用T 檢驗(yàn)法檢驗(yàn) rs的顯著性，計(jì)算公式為：

1.3.3 相對(duì)危險(xiǎn)度

在分析日最大用電負(fù)荷與氣象條件定量關(guān)系時(shí)，主要分析不同氣象要素引發(fā)的日最大用電負(fù)荷的相對(duì)危險(xiǎn)度，相對(duì)危險(xiǎn)度（Relative Risk，RR）表示氣象要素每發(fā)生單位變化，對(duì)應(yīng)日最大用電負(fù)荷的相對(duì)改變量。利用泊松分布和平滑曲線擬合，采用R 語(yǔ)言及EmpowerStats 統(tǒng)計(jì)分析軟件計(jì)算日最大用電負(fù)荷相對(duì)危險(xiǎn)度，并進(jìn)行氣象要素對(duì)日最大用電負(fù)荷的響應(yīng)分析[23]。以日最大用電負(fù)荷作為因變量，以相關(guān)氣象要素為自變量，挖掘日最大用電負(fù)荷與氣象因子的關(guān)聯(lián)關(guān)系。兩者的對(duì)數(shù)關(guān)系為：

式中：

E(Y) ——日最大用電負(fù)荷的期望值；

X ——?dú)庀笥绊懸兀?/p>

β、α ——系數(shù)、截距，均通過(guò)秩相關(guān)分析得來(lái)。

當(dāng)RR＞1（β>0）時(shí)，隨著X 每增加1 個(gè)單位，Y 的發(fā)生風(fēng)險(xiǎn)也相對(duì)增加，增加率為（RR-1）×100%；同理，RR<1（β<0）時(shí)，隨著 X 每增加1 個(gè)單位，Y的發(fā)生風(fēng)險(xiǎn)相對(duì)減小，減小率為（1-RR）×100%。

1.3.4 預(yù)測(cè)方法

首先選取與日用電負(fù)荷峰值相關(guān)性顯著的氣象要素，計(jì)算因不同氣象要素發(fā)生單位變化所引發(fā)的日用電負(fù)荷峰值的變化率（?RRi），即不同氣象要素對(duì)日用電負(fù)荷峰值的相對(duì)危險(xiǎn)度。其次根據(jù)日用電負(fù)荷峰值的變化率以及實(shí)時(shí)的氣象要素?cái)?shù)據(jù)，計(jì)算得出由所有顯著性相關(guān)的氣象要素所引發(fā)的次日用電負(fù)荷峰值累積變化量 ?Lm，即因氣象條件所引發(fā)的次日用電負(fù)荷峰值變化量。然后計(jì)算節(jié)假日用電負(fù)荷隨機(jī)分量ε，計(jì)算每年節(jié)假日中的日用電負(fù)荷明顯下降日和日用電負(fù)荷明顯上升日這兩日的日用電負(fù)荷峰值變化量的中位數(shù)，將其作為該年度的主要節(jié)假日用電負(fù)荷隨機(jī)分量。經(jīng)統(tǒng)計(jì)，近10 a 節(jié)假日用電負(fù)荷隨機(jī)分量的中位數(shù)為270 MW，占前1 日用電負(fù)荷峰值的2%～5%。最后根據(jù)當(dāng)日用電負(fù)荷峰值數(shù)據(jù)和當(dāng)日氣象要素觀測(cè)數(shù)據(jù)以及次日氣象要素預(yù)報(bào)數(shù)據(jù)、主要節(jié)假日用電負(fù)荷隨機(jī)分量，計(jì)算次日用電負(fù)荷峰值 Lmax(t+1)。

式中：

?Lm——受氣象因素影響的用電負(fù)荷變化量；

Lmax(t)——當(dāng)日用電負(fù)荷峰值；

Xi(t+1)——某氣象要素次日預(yù)報(bào)值；

Xi(t)——該氣象要素當(dāng)日實(shí)況值；

mi——單位變化，氣溫和風(fēng)速分別取1，溫濕指數(shù)取100，降水量取10。

式中：

Lmax(t+1)——當(dāng)日用電負(fù)荷峰值；

?Le——受經(jīng)濟(jì)發(fā)展影響的基礎(chǔ)用電負(fù)荷變化量；

?Lm——受氣象因素影響的用電負(fù)荷變化量；

ε ——主要節(jié)假日用電負(fù)荷隨機(jī)分量；

?Le——受經(jīng)濟(jì)發(fā)展影響的基礎(chǔ)用電負(fù)荷變化量，本文指次日基礎(chǔ)用電負(fù)荷與當(dāng)日基礎(chǔ)用電負(fù)荷的差值，連續(xù)兩日，視為經(jīng)濟(jì)發(fā)展影響的基礎(chǔ)負(fù)荷不變即相等，所以 ?Le=0。

2 研究結(jié)果

2.1 用電負(fù)荷時(shí)間變化

從2013～2022 年日用電負(fù)荷峰值的時(shí)序圖（圖1）可見(jiàn)，石家莊市過(guò)去10 a 用電負(fù)荷呈增長(zhǎng)的趨勢(shì)。2013 年石家莊市逐日用電負(fù)荷峰值平均為5.451 GW，2022 年增長(zhǎng)為6.81 GW，增長(zhǎng)近25%；這種用電負(fù)荷峰值顯著增長(zhǎng)的趨勢(shì)與社會(huì)經(jīng)濟(jì)發(fā)展和人們生活水平提升密不可分。同時(shí)，年度負(fù)荷呈“雙峰雙谷”型分布，高峰出現(xiàn)在夏季6～8 月，7 月最高，次高峰出現(xiàn)在冬季11 月～次年1 月。低谷持續(xù)時(shí)間較短，主要出現(xiàn)在每年的2 月和10 月，基本對(duì)應(yīng)春節(jié)和國(guó)慶節(jié)，工業(yè)用電量明顯減小。這種雙峰型分布特征主要是夏季降溫能耗和冬季采暖能耗造成的，而降溫和采暖往往是由氣象因素引起的，這與前人的研究比較一致[24]。

圖1 2013～2022 年石家莊市逐日用電負(fù)荷峰值時(shí)間序列圖Fig.1 Time series diagram of daily peak electricity load in Shijiazhuang from 2013 to 2022

從過(guò)去10 a 石家莊市用電負(fù)荷日變化曲線（圖2）來(lái)看，在一天當(dāng)中，用電負(fù)荷也呈現(xiàn)出“雙峰雙谷”型，但是波動(dòng)范圍不如月際之間波動(dòng)大。早晨06 時(shí)負(fù)荷開(kāi)始增大，且06～08 時(shí)之間增長(zhǎng)幅度較大，各個(gè)時(shí)次較上1 個(gè)時(shí)次的增長(zhǎng)比例都在5%以上。上午11 時(shí)達(dá)到一天中第1 個(gè)峰值，之后出現(xiàn)“午間效應(yīng)”，負(fù)荷開(kāi)始降低，中午13 時(shí)為白天時(shí)段最低。下午用電負(fù)荷再次上漲，到18 時(shí)左右再次出現(xiàn)峰值，且這個(gè)峰值略高于上午11 時(shí)。前半夜緩慢下降，22 時(shí)～0 時(shí)下降明顯，降幅再次超過(guò)5%，之后平緩下降。有研究發(fā)現(xiàn)，負(fù)荷的日變化除受溫度的影響之外，還受到居民生活習(xí)慣、電價(jià)等因素的影響。

圖2 用電負(fù)荷的日變化曲線Fig.2 Daily variation curve of electricity load

2.2 日用電負(fù)荷與氣象因子的關(guān)系

2.2.1 日用電負(fù)荷峰值變幅特征及氣象條件分析

將 ?L與前1 日用電負(fù)荷最大值作為日用電負(fù)荷變幅百分比，繪制日用電負(fù)荷變幅 ?L與日用電負(fù)荷變幅百分比的分布圖（圖3）?？梢?jiàn)，共有2 627 d 用電負(fù)荷變幅都處于±200 MW 之間，占樣本總數(shù)的73.11%；變幅在300～<500 MW 的有776 d，占比為21.6%；500～<1 000 MW 的有151 d，占比為4.2%；變幅超過(guò)1 000 MW 的有39 d，占比為1.09%。

圖3 2013～2022 年石家莊市日用電負(fù)荷峰值變幅分布圖Fig.3 Distribution of amplitude variation of daily peak electricity load in Shijiazhuang from 2013 to 2022

變幅百分比處于±2%的占樣本總數(shù)的52.35%，處于2%～5%的占32.76%，處于5%～10%的占12%，處于10%～15%的占1.84%，超過(guò)15%的占1.06%。其中增幅最大值為18.42%，降幅最大值為24.1%。通過(guò)查詢氣象條件發(fā)現(xiàn)，有62 個(gè)樣本出現(xiàn)在6～8 月，有52 d 對(duì)應(yīng)出現(xiàn)明顯降雨，中雨以上量級(jí)有26 d，有5 d 對(duì)應(yīng)前1 日出現(xiàn)降雨。另有1 d 對(duì)應(yīng)出現(xiàn)大風(fēng)。增幅超過(guò)10% 的39 次個(gè)例中，36 d 出現(xiàn)在6～8 月，其中12 d 是前1 天或前2 天連續(xù)出現(xiàn)明顯降雨，21 d 是平均氣溫高于28 ℃且溫濕指數(shù)在1 000 以上，2 d 是溫濕指數(shù)不高但是最高氣溫較前期明顯升高，另有1 d 無(wú)明顯特征。另外3 次個(gè)例出現(xiàn)在11 月和3 月，對(duì)應(yīng)明顯降溫或較大的負(fù)溫濕指數(shù)。

分析過(guò)去10 a 勞動(dòng)節(jié)、國(guó)慶節(jié)和春節(jié)期間石家莊市用電負(fù)荷數(shù)據(jù)，發(fā)現(xiàn)假期首日用電負(fù)荷降幅百分比基本都超過(guò)5%，7 d 長(zhǎng)假基本在第3 或第4 天明顯上漲，因此在下面的分析時(shí)將這部分?jǐn)?shù)據(jù)作為“節(jié)假日效應(yīng)”予以剔除。

2.2.2 日用電負(fù)荷峰值與氣象條件的相關(guān)關(guān)系

采用Spearman 秩相關(guān)方法計(jì)算2013 年1 月1日至2021 年12 月31 日石家莊地區(qū)日用電負(fù)荷峰值與當(dāng)日、前1 日以及前2 日氣象條件的相關(guān)關(guān)系，發(fā)現(xiàn)日用電負(fù)荷峰值與前1 日氣象要素相關(guān)性最好（表1）。而其中日平均氣溫、日最高氣溫、日最低氣溫、日平均風(fēng)速、日最大風(fēng)速、溫濕指數(shù)、降水量與日用電負(fù)荷峰值的相關(guān)系數(shù)通過(guò)了 α=0.01的顯著性檢驗(yàn)。氣溫和溫濕指數(shù)對(duì)日用電負(fù)荷峰值的相關(guān)關(guān)系表現(xiàn)為春夏季呈正相關(guān)，夏季尤其顯著，秋冬季呈負(fù)相關(guān)；氣溫和溫濕指數(shù)與用電負(fù)荷峰值的季節(jié)相關(guān)性與前人的研究比較一致。風(fēng)速整體呈現(xiàn)正相關(guān)，降水量呈現(xiàn)出負(fù)相關(guān)，冬季降水影響不如其他季節(jié)顯著，但降水量和風(fēng)速與用電負(fù)荷在不同月份的相關(guān)性差異較大，存在一定的不確定性。

表1 2013～2022 年石家莊市逐日用電負(fù)荷峰值與前1 日氣象要素的秩相關(guān)系數(shù)Tab.1 Rank correlation coefficient between daily peak electricity load and meteorological factors of the previous day in Shijiazhuang from 2013 to 2022

圖4 為石家莊地區(qū)過(guò)去10 a 逐日用電負(fù)荷峰值與各氣象要素的響應(yīng)曲線，日用電負(fù)荷峰值對(duì)日最高氣溫、日最低氣溫與日平均氣溫的響應(yīng)曲線趨勢(shì)基本一致，對(duì)日最大風(fēng)速與日平均風(fēng)速的響應(yīng)曲線趨勢(shì)基本一致，因此略去部分圖?？梢钥闯?，石家莊地區(qū)用電負(fù)荷峰值對(duì)日平均氣溫、溫濕指數(shù)、日平均風(fēng)速的響應(yīng)曲線存在明顯的閾值效應(yīng)。日平均氣溫<16 ℃時(shí)，隨著氣溫上升，日用電負(fù)荷峰值整體為減小趨勢(shì)；日平均氣溫>16 ℃時(shí)，隨著氣溫上升，日用電負(fù)荷峰值整體為上升趨勢(shì)。日平均風(fēng)速<5 m/s 時(shí)，日用電負(fù)荷峰值隨著風(fēng)速的上升而減小，超過(guò)閾值時(shí)反之。溫濕指數(shù)存在2 個(gè)閾值，當(dāng)溫濕指數(shù)<-1 000 時(shí)，隨著溫濕指數(shù)的增長(zhǎng)日用電負(fù)荷峰值呈現(xiàn)增長(zhǎng)趨勢(shì)；當(dāng)溫濕指數(shù)處于-1 000 和500 之間時(shí)，日用電負(fù)荷峰值隨著溫濕指數(shù)的增長(zhǎng)而下降；超過(guò)500 時(shí)再次呈現(xiàn)<-1 000 時(shí)的趨勢(shì)，但是曲線陡度變大。隨著累計(jì)降水量的增大，日用電負(fù)荷峰值呈現(xiàn)下降趨勢(shì)，研究表明，有效降水對(duì)用電負(fù)荷的影響具有滯后性。

圖4 石家莊市不同氣象要素對(duì)日用電負(fù)荷峰值的響應(yīng)曲線Fig.4 The response curves of different meteorological factors to the daily peak electricity load in Shijiazhuang

3 相對(duì)危險(xiǎn)性分析及峰值負(fù)荷預(yù)測(cè)

3.1 氣象因素對(duì)日用電負(fù)荷峰值的相對(duì)危險(xiǎn)度

表2 列出石家莊地區(qū)各氣象要素對(duì)日用電負(fù)荷峰值變化的相對(duì)危險(xiǎn)度?？梢钥闯?，日平均氣溫、日最高氣溫、日最低氣溫高于閾值時(shí)，每上升1 ℃，用電負(fù)荷峰值的相對(duì)危險(xiǎn)度分別增加2.25%、1.92%、2.07%；低于閾值時(shí)，每上升1 ℃，用電負(fù)荷峰值的相對(duì)危險(xiǎn)度分別減少0.62%、0.57%、0.60%。日平均風(fēng)速達(dá)到5 m/s 時(shí)，每上升1 m/s，用電負(fù)荷的相對(duì)危險(xiǎn)度減少4.31%；日平均風(fēng)速和日最大風(fēng)速分別<5 m/s和10 m/s 時(shí)，每上升1 m/s，用電負(fù)荷的相對(duì)危險(xiǎn)度分別增加2.04%和1.98%，而高于閾值時(shí)，風(fēng)速每增加1 m/s，用電負(fù)荷的相對(duì)危險(xiǎn)度分別減少4.31%和2.44%。當(dāng)溫濕指數(shù)≤-1 000 時(shí)，隨著其發(fā)生100 個(gè)單位變化用電負(fù)荷相對(duì)危險(xiǎn)度增加3.66%，溫濕指數(shù)在-1 000 至500 之間時(shí)，用電負(fù)荷相對(duì)危險(xiǎn)度減少0.31%，溫濕指數(shù)超過(guò)500 時(shí)，對(duì)應(yīng)用電負(fù)荷相對(duì)危險(xiǎn)度增加4.22%。20～次日20 時(shí)24 h 累計(jì)降水量每增加10 mm，用電負(fù)荷相對(duì)危險(xiǎn)度減少3.47%。

表2 2013～2022 年石家莊市各氣象要素對(duì)日用電負(fù)荷峰值的相對(duì)危險(xiǎn)度Tab.2 Relative risk of meteorological factors to daily peak electricity load in Shijiazhuang from 2013 to 2022

3.2 基于相對(duì)危險(xiǎn)度的用電負(fù)荷峰值預(yù)測(cè)

在日常氣象服務(wù)中，可根據(jù)氣象要素對(duì)日用電負(fù)荷峰值的相對(duì)危險(xiǎn)度開(kāi)展日用電負(fù)荷峰值預(yù)測(cè)，具體方法如前文所述。根據(jù)2013 年1 月1 日至2021 年12 月31 日石家莊市日用電負(fù)荷峰值與氣象條件的關(guān)系計(jì)算二者之間的相關(guān)關(guān)系和相對(duì)危險(xiǎn)度，利用2022 年1 月1 日至2022 年12 月31 期間對(duì)應(yīng)數(shù)據(jù)進(jìn)行檢驗(yàn)。由圖5 的預(yù)測(cè)值與實(shí)際負(fù)荷值的對(duì)比曲線可見(jiàn)，2 條曲線高度一致，預(yù)測(cè)誤差分布情況如表3 所示，預(yù)報(bào)誤差在±50 MW 之間的有101 d，占比為27.7%，90.1%的預(yù)報(bào)誤差位于±200 MW 之間。經(jīng)分析，預(yù)測(cè)誤差較大的樣本，偏低的主要集中在春季，這應(yīng)該與河北當(dāng)?shù)卮杭巨r(nóng)田灌溉有一定關(guān)系。而預(yù)測(cè)偏高的樣本在夏季和冬季都出現(xiàn)過(guò)，經(jīng)翻查歷史資料和分析，夏季主要受轉(zhuǎn)折性天氣也就是突發(fā)強(qiáng)對(duì)流天氣的預(yù)報(bào)準(zhǔn)確率限制所致，而冬季則一定程度上與空氣污染導(dǎo)致的部分限產(chǎn)有關(guān)。整體來(lái)說(shuō)，該預(yù)報(bào)方法可以用于電力氣象服務(wù)業(yè)務(wù)。

表3 用電負(fù)荷峰值預(yù)測(cè)誤差Tab.3 Prediction error of peak electricity load

圖5 2022 年石家莊市日用電負(fù)荷峰值預(yù)測(cè)與實(shí)況數(shù)值對(duì)比曲線Fig.5 Comparison curve between predicted and actual values of daily peak electricity load in Shijiazhuang in 2022

4 結(jié)論

1）過(guò)去10 a，石家莊地區(qū)日用電負(fù)荷峰值上升趨勢(shì)較明顯，2022 年較2013 年總體增長(zhǎng)近25%。各年度的負(fù)荷分布均呈“雙峰雙谷”型，高峰出現(xiàn)在夏季6～8 月，次高峰出現(xiàn)在冬季采暖期11 月～次年1 月。逐日分布也出現(xiàn)2 個(gè)峰值，分別出現(xiàn)在上午11 時(shí)和18 時(shí)。

2）分析次日用電負(fù)荷峰值較當(dāng)日用電負(fù)荷峰值變幅發(fā)現(xiàn)，較大變幅的情況多數(shù)出現(xiàn)在夏季，且增幅較大的個(gè)例多對(duì)應(yīng)高溫天氣；降幅較大的個(gè)例多對(duì)應(yīng)降雨天氣。說(shuō)明氣象條件對(duì)用電負(fù)荷影響顯著。

3）利用Spearman 秩相關(guān)方法篩選出對(duì)日用電負(fù)荷峰值影響顯著的氣象要素，利用平滑曲線擬合法繪制氣象要素對(duì)次日用電負(fù)荷峰值的響應(yīng)曲線并獲取到氣象要素的響應(yīng)閾值，根據(jù)閾值區(qū)間，分段計(jì)算氣象要素對(duì)次日用電負(fù)荷峰值的相對(duì)危險(xiǎn)度，得到不同氣象要素發(fā)生單位變化引發(fā)的用電負(fù)荷峰值變化量。并基于此探討了一種次日用電負(fù)荷峰值的預(yù)測(cè)方法，經(jīng)檢驗(yàn)發(fā)現(xiàn)可用于日常電力氣象服務(wù)業(yè)務(wù)。

4）本文嘗試將氣象要素對(duì)用電負(fù)荷峰值的相對(duì)危險(xiǎn)度引入用電負(fù)荷預(yù)測(cè)模型，取得了一定的效果。但是文章所研究的區(qū)域具有一定局限性，將來(lái)將嘗試應(yīng)用本方法開(kāi)展區(qū)域級(jí)用電負(fù)荷預(yù)測(cè)，以期為河北用電負(fù)荷預(yù)測(cè)業(yè)務(wù)提供有力支撐。