宜昌市電力負荷對氣象因子的響應及氣象預報模型的建立*

杜 裕，張 明，何衛平，雷東洋，丁麗麗

(1.湖北省宜昌市氣象局,湖北 宜昌 443000；2.湖北省興山縣氣象局，湖北 興山 443700)

0 引言

電能是現階段最通用的一種能源，已滲透到社會生活和人民生活的各個方面，電網安全穩定運行是現代化城市正常運行的基礎條件。電力負荷特性是評價一個地區電網負荷狀況的主要指標，掌握電力負荷的變化特性及其與影響因素的關系，對提高電力負荷預測的準確性和電網運行具有重要指導作用。電力負荷受諸多因素影響，總體上可將影響因素分為氣象類和非氣象類[1-2]，隨著經濟社會發展和人民生活水平的提高，人們用來改善室內環境的電力負荷需求在不斷增加[3]，近年來氣候變化加劇了用電的緊張局面，在電力發電、供電有限的情況下，導致城市“電荒”，拉閘限電事件頻頻發生[4-6]，電力負荷對氣象類因子的響應引起眾多學者的廣泛關注[7-19]，付桂琴等[7]對河北省電力負荷分析指出，對電力負荷影響明顯的氣象因子為氣溫、降水、相對濕度；熊明明等[8]研究天津電力負荷與氣象因子的關系發現，在季節和日尺度上，氣溫的影響十分顯著，夏季、初秋相對濕度的影響非常顯著，此外4月、6月、7月和12月還需考慮風的影響；陳正洪等[9]研究華中電網四省日用電量與氣溫的關系表明，華中四省夏季日用電量與日平均氣溫呈顯著正相關，而冬季相關不顯著；張立祥[10]等對沈陽市供電量與氣象要素的關系分析發現，沈陽市受氣象條件影響顯著的季節為過渡冬季和夏季，而秋季和隆冬季節影響很??；武輝芹等[11]研究指出河北省南部農作物的各生長階段氣象條件對電力負荷有明顯影響；孟明等[12]對北方和南方城市居民住宅負荷對比分析得出北方冬季寒冷，取暖負荷比重相對較大，冬季日負荷僅次于夏季，南方降溫負荷出現的時間較早，降溫負荷持續時間比北方更長。綜上所述，不同地區電力負荷對氣溫、降水、相對濕度、風速等氣象影響因子敏感程度不同，此外，由于各地經濟結構、氣候條件和發展水平不同，主要氣象敏感因子對電力負荷的主要影響時期和影響方式也不同。

宜昌位于長江北岸、三峽東口，境內擁有長江、清江等大小河流100多條，已建成三峽、葛洲壩、隔河巖等水電站400余座，有“世界水電之都”稱譽。宜昌水電資源豐富，如何保障電網安全穩定運行一直是電力部門十分關心的問題，近年來，宜昌電力調度部門對電力氣象服務需求越來越高。因此，本文深入研究宜昌電力負荷的變化特性和發展規律，著重探討電力負荷與氣象因子的關系，并基于主要氣象敏感因子，建立日最大電力負荷預報方法，以期為宜昌電力部門提供更有針對性的電力氣象服務產品。

1 資料與方法

選取的電力負荷資料為宜昌地區2015年1月1日—2017年12月31日逐日每15 min一次的監測值，取每日24次(01—24時)整點負荷平均值得到逐日平均電力負荷；逐日最大電力負荷和逐日最小電力負荷為監測值。氣象資料為宜昌地區11個國家氣象站同期氣溫、氣壓、相對濕度、風速等觀測資料，11個站的觀測值求平均得到宜昌氣象要素值，在統計氣象要素逐日最大值、最小值、平均值時，為了與電力負荷資料時間同步，一天24次統一按01—24時來計算。分析宜昌電力負荷特征與氣象因子關系時主要采用相關分析及回歸分析等數理統計方法。

2 電力負荷特征

2.1 電力負荷年變化趨勢分析

從宜昌2015—2017年逐日電力負荷的變化曲線(圖1)可見，宜昌逐日電力負荷呈逐年增長趨勢，同時表現出明顯的季節變化特征，整體呈現出“兩峰兩谷”的態勢，夏季負荷最高，冬季次之，春秋季負荷相對較低。這與夏季天氣炎熱，氣溫顯著升高，空調降溫負荷明顯增加，部分大宗用戶的用電負荷逐漸恢復有直接關聯。冬季電力負荷自初冬起到春節前夕，出現次高峰。這是由于冬季氣溫較低，取暖負荷大幅增加，部分新增負荷用電及原有大宗用戶年底負荷增加導致負荷穩定增長。節假日對電力負荷影響較大，特別是中國最隆重的傳統節日——春節，日電力負荷從春節前一個星期開始急速下降，到春節后3 d左右降為全年最低。

圖1 2015—2017年宜昌日最大電力負荷、日平均電力負荷、日最小電力負荷變化曲線Fig.1 Variation of daily maximum，mean and minimum power load in Yichang from 2015 to 2017

年最大電力負荷和年最小電力負荷是電力部門十分關注的指標，從2015—2017年宜昌電力負荷年變化(圖2)來看，年平均電力負荷、年最大電力負荷逐年穩步增長，年均增幅分別為3.9%和11.8%，年最大電力負荷增速最快，最大電力負荷最高值達3 085.6 MW，出現在2017年7月25日13時11分；年最小電力負荷，先減小后增加，最小電力負荷最低值達1 092.9 MW，出現在2016年2月13日06時。這與2015—2016年冬季，氣溫整體偏高，為弱暖冬年有關，特別是2016年2月13日正值春節假期，且前期連續5 d日平均氣溫超過10 ℃，日最高氣溫達20 ℃以上。長假期間停工停產，加之氣溫偏高取暖負荷不明顯，使得電力負荷明顯偏低。

圖2 2015—2017年宜昌年最大電力負荷、年平均電力負荷、年最小電力負荷變化Fig.2 Variation of annual maximum，mean and minimum power load in Yichang from 2015 to 2017

2.2 電力負荷月變化特征分析

宜昌電力負荷月變化如圖3所示，各月電力負荷存在明顯差異，夏季和冬季為電力負荷高峰期，春季和秋季為低谷期。月平均電力負荷最高值出現在8月，最低值出現在2月。8月月平均最大電力負荷達2 318.8 MW，2月月平均最大電力負荷僅有1 870.6 MW。另外統計發現，2015、2016和2017年，春節假期均在2月份，可見節假日對電力負荷的影響十分明顯。

圖3 2015—2017年宜昌月平均最大電力負荷、月平均電力負荷、月平均最小電力負荷變化Fig.3 Variation of monthly maximum，mean and minimum power load in Yichang during 2015—2017

從宜昌2015—2017年電力負荷月均峰谷差變化(圖4)可知，宜昌電力負荷月均峰谷差隨著季節的變化呈規律性的變化，月均峰谷差在291.6～498.8 MW之間，夏冬峰谷差大，春秋峰谷差小。宜昌四季分明，冬夏長而春秋短，夏季降溫負荷、冬季取暖負荷增加，使得高峰負荷增大，造成峰谷差較大。春季隨著氣溫的回升，加之低谷用電負荷的增加，峰谷差逐漸減少；秋季隨著氣溫的下降，空調降溫負荷消失，高峰負荷減少，峰谷差降低。

圖4 2015—2017年宜昌電力負荷月均峰谷差變化Fig.4 The monthly variation of peak-valley diffence power load in Yichang during 2015—2017

2.3 電力負荷周變化特征分析

盡管電力負荷受多種因素影響，每時每刻都在發生變化，但負荷的變化是具有周期性的[17]?；谇懊娴姆治?，節假日對電力負荷影響很大，本文在分析電力負荷周變化特征時，按正常工作日(正常上班的周一至周五)和周末(正常休息周六、周日，不包括法定節假日及國家調休規定上班的周六、周日)分別進行統計和分析。從宜昌2015—2017年電力負荷周變化特征(圖5)可見，日平均電力負荷從周一開始增長，周四達到頂峰，周五開始下降，周一至周五電力負荷差異較小，周末放假休息，電力負荷有所下降，周六負荷明顯減少，周日降至最低。這與人們以周為單位的生產、生活規律密切相關。

圖5 2015—2017年宜昌電力負荷周變化Fig.5 Variation of daily mean power load from Monday to Sunday in Yichang during 2015—2017

2.4 電力負荷日變化特征分析

電力負荷日變化同樣按正常工作日和周末分別進行統計和分析，從圖6宜昌2015—2017年電力負荷平均日變化曲線可得，正常工作日電力負荷日變化呈“三峰三谷”的特點，即：早高峰、下午高峰、晚高峰、凌晨低谷、午間休息低谷和傍晚下班低谷。一天之中04時左右為最低值，隨后負荷逐漸上升，09時出現早高峰，12時午間休息出現低谷，下午負荷有所增加然后一直維持較高的水平，17時左右達到最高值，隨后負荷有所下降出現傍晚下班低谷，21時左右出現晚高峰之后負荷開始下降。周末電力負荷日變化特征與正常工作日相似，除00—05時周末電力負荷稍高于正常工作日，其他時段正常工作日負荷均高于周末。

圖6 2015—2017年宜昌電力負荷平均日變化Fig.6 Diurnal variation of hourly power load and non-working days in Yichang from 2015 to 2017

3 電力負荷與氣象要素的關系

電力負荷受當地經濟條件、人們生活水平、天氣變化、節假日等諸多因素影響，為了分析電力負荷與氣象要素的關系，首先需從總負荷中提取出因天氣變化引起的氣象敏感負荷，由于電網調度部門最為關心的是每天的最大電力負荷，因此主要考慮日最大電力負荷分離后得到的氣象敏感負荷，按照式(1)：

Lmax=Lt+Ls+ε

(1)

其中，Lmax為日最大電力負荷，Lt為長期趨勢變化項，表示隨著時間的增長，由社會發展所引起的電力負荷的變化項，LS為氣象敏感負荷，ε為誤差分量，是一個不可預知的較小隨機分量，通常忽略不計。Lt是滿足人民生活基本需要的負荷，隨社會經濟發展呈線性遞增趨勢，計算時剔除非正常數據和節假日數據，求得2015—2017年日最大負荷趨勢方程為：

Lt=0.3611d+1 884

(2)

胡江林等[15]指出氣象敏感負荷與長期趨勢負荷的比值為氣象負荷率，更能反映負荷的變化規律，進而求出日最大氣象負荷率rmax。

rmax=Ls/Lt

(3)

3.1 氣象負荷率與日平均氣溫的關系

氣溫是影響氣象負荷最重要的氣象因子，從宜昌2015—2017年逐日氣象負荷率與日平均氣溫的變化曲線(圖7)來看，日平均氣溫呈正弦曲線變化，波峰出現在夏季，波谷出現在冬季，均與氣象負荷率的峰值區相對應，說明氣象負荷率與日平均氣溫之間有明顯的相關關系。從數值來看，夏季和冬季氣象負荷率普遍為正值，夏季氣象負荷率基本在0%～45%之間，冬季基本在0%～20%之間，由于夏季天氣變化快，隨著氣溫的升降，氣象負荷率波動起伏也尤為劇烈；春秋季氣象負荷率普遍為負值，氣象負荷率受氣象條件影響較小，曲線變化相對平緩。

圖7 2015—2017年宜昌逐日氣象負荷率與日平均氣溫的變化Fig.7 Variation of daily meteorological power load rate and daily mean temperature in Yichang from 2015 to 2017

進一步分析氣溫變化對氣象負荷率的影響，對2015—2017年宜昌逐日氣象負荷率按日平均氣溫每間隔1 ℃進行分類統計，得到日平均氣溫與日氣象負荷率的擬合曲線如圖8所示。

圖8 2015—2017年宜昌日平均氣溫與氣象負荷率的關系Fig.8 The relationship of daily mean temperature and daily meteorological power load rate in Yichang from 2015 to 2017

由圖8可見，隨著日平均氣溫的升高，氣象負荷率先減小后增大，當日平均氣溫T=17 ℃，氣象負荷率rmax最小,此時氣溫非常適宜，電力負荷受氣溫的影響最小。具體分析氣溫與氣象負荷率的關系，可將其劃分為4個階段：當T≥26 ℃，rmax為正，隨著氣溫的上升，rmax快速上升，T與rmax呈顯著正相關；當17 ℃≤T<26 ℃時，rmax為負，隨氣溫上升rmax緩慢上升；當7 ℃≤T<17 ℃時，rmax為負，氣溫上升rmax下降；T<7 ℃時，rmax為正，隨氣溫下降rmax上升，T與rmax為負相關。

3.2 氣象負荷率與氣象要素的關系

每日選取11個要素：日平均氣壓P、日最高氣壓Pmax、日平均氣溫T、日平均氣溫的5 d滑動平均T5、日平均氣溫的3 d滑動平均T3、日最高氣溫Tmax、日最低氣溫Tmin、氣溫日較差T24、最高氣溫的24 h變化量Tmax24、日平均相對濕度U和日平均風速W，按照上述劃分的4個階段，分別計算氣象負荷率與氣象要素的相關系數，結果見表1。

表1 不同日平均氣溫下氣象負荷率與氣象要素的相關系數Tab.1 Correlation coefficients of daily meteorological power load rate and meteorological elements under different daily mean temperatures

從表1可以看出，影響氣象負荷率最主要的氣象因子是氣溫，T、T5、T3、Tmax、Tmin與氣象負荷率rmax的相關系數絕對值平均分別為0.540、0.532、0.531、0.479、0.395，氣壓、相對濕度和風速僅個別階段與氣象負荷率顯著相關。

不同階段影響氣象負荷率的主要氣象因子各不相同。夏半年氣象負荷率與氣壓呈負相關，與氣溫呈顯著正相關。其中與最高氣溫的24 h變化量Tmax24全年均為負相關，天氣相對穩定，最高氣溫波動越小，氣象負荷越高；氣溫日較差與氣象負荷率相關性較低；當17 ℃≤T<26 ℃時，除了氣溫因素，相對濕度對氣象負荷率有一定的影響；當T≥26 ℃，平均風速與氣象負荷率呈顯著正相關。冬半年氣象負荷率與氣壓呈正相關，與氣溫呈顯著負相關，冬半年相對濕度、平均風速與氣象負荷率相關性不高。當7 ℃≤T<17 ℃時，除了氣溫對氣象負荷有明顯影響，氣壓與氣象負荷率相關性也十分顯著；當T<7 ℃時，僅氣溫對氣象負荷影響顯著，但與氣溫的相關系數較其他階段明顯較低，這應該與低溫階段停工停產及春節期間用電的特殊性有關。

3.3 氣象負荷率分階段預報

由于氣象負荷率隨日平均氣溫呈現出明顯的階段性變化特征，故根據各階段影響氣象負荷率的主要氣象敏感因子，采用逐步回歸方法，分別得到17 ℃≤T<26 ℃、T≥26 ℃、7 ℃≤T<17 ℃、T<7 ℃這4個階段氣象負荷率的預報方程，Y為氣象負荷率的預測值(單位：%)。

當17 ℃≤T<26 ℃時：

Y=1.075T3-0.141U-17.425

(4)

當T≥26 ℃時：

Y=4.134T5+1.564T+0.807Tmax-171.296

(5)

當7 ℃≤T<17 ℃時：

Y=-1.501T5-0.52Tmax+0.957T3+10.387

(6)

當T<7 ℃時：

Y=-1.383T+12.736

(7)

3.4 電力負荷預報檢驗

在實際應用中，由上面的預報方程計算得到氣象負荷率預測值，由式(2)計算得到趨勢負荷預測值，結合式(1)和式(3)即可計算出電力負荷的預測值。由趨勢方程計算得到的趨勢負荷，由于時間間隔太長，會加大趨勢負荷預測的誤差[8]，在實際預測中可考慮由短時間內(前1 d、2 d、3 d等前n天)的趨勢負荷平均值作為預報日的趨勢負荷。根據過去一段時間日最大電力負荷實況和天氣要素實況，代入預測模型計算出每日趨勢負荷，求其平均值作為預報日趨勢負荷，進而求得電力負荷預測值。

(8)

Lf=Ltn(1+rf)

(9)

其中，n為過去日數，Li為過去第i日的負荷實況，ri為過去第i日的氣象負荷率預測值，Ltn為過去n日趨勢負荷平均值，rf為預報日的氣象負荷率預測值，Lf為日最大負荷預測值。

對2018年正常工作日日最大負荷進行試報，根據7種不同時段(前1 a、前1 d、前2 d、前3 d、前2～3 d、前2～4 d、前2～5 d)分別計算趨勢負荷。其中，前1 a即根據2017年日最大電力負荷長期變化趨勢，代入其趨勢方程求得2018年趨勢負荷；前2～3 d、前2～4 d、前2～5 d即根據前幾日的趨勢負荷求平均作為預報日的趨勢負荷。

不同溫度階段不同時段計算得到趨勢負荷，由式(9)得到預報日的日最大負荷，并計算日最大負荷預報相對誤差絕對值見表2。

表2 不同溫度階段不同趨勢負荷下日最大負荷預報相對誤差絕對值(單位：%)Tab.2 Absolute relative error of daily maximum power load forecast with different time period in calculating trend power load under different daily mean temperatures

從表2的測試結果來看，預測效果比較理想，基本能夠滿足電力部門預報準確率高于96%的要求。利用預報日前1d的趨勢負荷作為預報日趨勢負荷，預報的相對誤差最小，4個階段電力負荷預報相對誤差絕對值均低于3.3%，預報準確率高于96.7%；其次是利用前2～3 d和前2～4 d的趨勢負荷平均值作為預報日趨勢負荷，預報相對誤差絕對值全年平均為3.8%。在實際業務中，由于預報日前1 d的數據實況無法獲得，建議利用前2～3 d或2～4 d的趨勢負荷來計算。從不同階段來看，基于主要氣象敏感因子建立的負荷預報方法，夏季和冬季的預報誤差小于春秋和秋季。這與夏季和冬季電力負荷對氣象條件的變化更為敏感，氣象因子對電力負荷的貢獻更顯著有關系。

4 結論

①宜昌電力負荷呈逐年增長的趨勢，表現出“兩峰兩谷”的態勢，夏季和冬季電力負荷高，春季和秋季電力負荷相對較低。年最大電力負荷出現在夏季，年均增幅達11.8%，節假日對電力負荷影響較大，年最小電力負荷均出現在春節期間。電力負荷周變化和日變化規律與生產、生活密切相關。

②電力負荷與氣象要素關系密切，特別是氣溫對氣象敏感負荷影響最顯著，隨著日平均氣溫的升高，氣象負荷率先減小后增大，當日平均氣溫T為17 ℃時氣溫最適宜，氣象負荷率rmax最小，從而劃分了4個變化階段17 ℃≤T<26 ℃、T≥26 ℃、7 ℃≤T<17 ℃、T<7 ℃，不同溫度階段氣象負荷率與氣象要素關系不同，夏半年氣象負荷率與氣壓呈負相關，與氣溫呈顯著正相關；冬半年氣象負荷率與氣壓呈正相關，與氣溫呈顯著負相關，相對濕度、風速僅個別階段與氣象負荷率顯著相關。

③利用逐步回歸法基于各階段主要氣象敏感因子建立分階段負荷預報方法，總體而言，基本能夠滿足電力部門負荷預測的精度要求，相較于春季和秋季的預報，夏季和冬季的預測效果更佳。試驗結果表明，可利用前2～3 d或前2～4 d的趨勢負荷平均值作為預報日趨勢負荷預測值。

④電力負荷預測是電力調度的重要參考依據。近年來，隨著低碳經濟和綠色生活的倡導，大量清潔能源推廣利用，大規模的分布式可再生能源入網，加大了電力負荷預測的復雜性和不確定性[20-21]，后期可結合人工智能算法，進一步提高電力氣象負荷預測的穩定性和準確性。