共查询到20条相似文献，搜索用时 796 毫秒
1.
《干旱气象》2016,(5)
基于冀北电力公司提供的2013—2014年冀北电网逐日最大电力负荷资料,采用数理统计方法分析日最大电力负荷的变化规律及其与气温等气象因子的相关关系,并重点讨论其与气温的关系。结果表明:冀北地区最大电力负荷有2个高峰时段,分别为夏季7—8月、冬季11—12月;日最大电力负荷具有周变化特征,周五、周六、周日为周电力负荷高峰期,周六电力负荷最高,周二电力负荷最低;夏季高峰期,日最大电力负荷与日平均气温、日最高气温、日最低气温、日平均相对湿度、日闷热指数呈正相关,并且通过显著性检验,且当日最高气温高于26℃(或日平均气温高于20℃)时,日最高气温对日最大电力负荷的1℃效应量约为21.19×104k W。 相似文献
2.
利用2006—2013年北京市逐日15 min电力负荷资料及北京平原地区6个人工气象观测站(朝阳、海淀、丰台、石景山、观象台、昌平)的气象要素观测资料,分析北京市电力负荷时间和空间的变化特征及其夏季(6—8月)日最大电力负荷与各种气象因子的关系,采用剔除逐日最大电力负荷、历年夏季最大电力负荷极值及历年夏季最大电力负荷平均值的变化趋势项3种方法提取气象负荷并进行对比,进一步研究累积气象因子与夏季气象负荷的相关性。结果表明:2006—2013年北京电力负荷呈逐渐增长的趋势,电力负荷年变化和日变化均呈"双峰型"。北京全市及各区最大电力负荷多数出现在夏季,部分地区最大电力负荷出现在冬季(11月至翌年2月),朝阳和海淀地区夏季最大电力负荷明显高于其他地区。北京市夏季日最大电力负荷与闷热指数及平均气温的相关性最好;气象负荷与气象因子的相关性好于原始负荷,且剔除夏季日最大电力负荷平均值变化趋势项获得的气象负荷优于其他方法;当气象因子累积2 d时,夏季气象负荷对气象因子的变化最敏感。 相似文献
3.
北京夏季日最大电力负荷预报模型建立方法探讨 总被引：2，自引：1，他引：1
为了探索夏季(6～8月)日气象负荷的最佳分离方式和引起日最大电力负荷波动的主要因子,以及建立预报模型最佳个数,基于北京市2005～2010年逐日最大电力负荷和同期的气象资料,分析了北京地区日最大电力负荷的变化规律,采用不同方法将气象负荷从夏季日最大电力负荷中分离出来,分析北京夏季气象负荷与气温、相对湿度、降水及炎热指数、高温持续日数、炎热日数持续时间、前一日气象负荷等因子之间的关系,并基于2005～2009年夏季逐日气象负荷和其主要影响因子采用逐步回归方法建立日最大电力负荷的预报模型,将2010年夏季北京日最大电力负荷作为预报效果的独立样本检验。结果显示:2005～2010年,北京逐日最大电力负荷具有明显的线性增长趋势,夏季日最大电力负荷具有显著的星期效应;与去掉逐年夏季日最大电力负荷趋势和夏季平均日最大电力负荷趋势相比,去掉全年逐日最大电力负荷变化趋势的夏季日气象负荷预报模型的拟合能力更优;北京夏季日气象负荷与当日气温的相关系数最高,与前一日气象负荷也关系密切;利用前一日相对气象负荷和当日气象要素一周逐日分别建立预报模型的拟合和预测效果较好。 相似文献
4.
《干旱气象》2017,(5)
利用2010年2月1日至2013年8月31日西安市逐小时电力负荷资料及对应时段地面气象观测站数据,分析西安电力负荷的变化特征,研究气象敏感负荷与主要气象因子的关系。结果表明:电力负荷在不同时间尺度上呈现出不同变化特征,夏季和冬季是一年中电力负荷的高峰期;极端电力负荷出现在夏冬两季,其中夏季极端电力负荷出现频率占总数的74%;相比于其他气象因子,气温与气象敏感负荷的相关性最强,在5—9月呈正相关,10月至次年4月呈负相关,逐日气象负荷率随日平均气温的增加先逐渐减小,再逐渐增加,当日平均气温为17℃时,气象负荷率最小;日最高气温34℃为夏季引起西安市最大电力负荷增加的初始气温敏感值,36℃为强气温敏感值,38℃为极强气温敏感值,日最低气温-2℃为冬季引起西安市最大电力负荷增加的初始气温敏感值,-4℃为强气温敏感值,-7℃为极强气温敏感值。 相似文献
5.
利用2016—2018年武汉夏季(6—9月)逐15 min电力负荷以及同期逐日气象数据,分析最大电力负荷变化特征及与气象因子的相关关系。利用逐步回归和双隐含层BP神经网络算法,建立了武汉夏季最大电力负荷的预测模型。结果表明:平均温度、平均最高温度、平均最低温度与气象电力负荷存在显著的正相关,其次是日照时数。前1 d最大电力负荷与当日最大电力负荷的相关性最好,当日电力负荷对前1 d温度的平均和舒适度指数的变化最为敏感。以历史电力负荷和气象数据为联合预报因子,逐步回归和BP神经网络算法对武汉夏季最大电力负荷具有较好的模拟效果,尤其是对持续高温造成高位运行的最大负荷模拟。当敏感性在10%以内时,逐步回归算法中气象因子正的贡献要小于负的贡献,BP神经网络算法中气象因子正的贡献要高于负的贡献;当敏感性高于10%时,两种算法中气象因子均为正的贡献。 相似文献
6.
体感温度对夏季气象负荷率变化的影响研究——以湖北省黄石市为例 总被引：1，自引：0，他引：1
本文以黄石市2007-2013年逐日电力负荷为研究对象,利用同期气象资料计算体感温度数据及舒适度等级,并以此对电力负荷进行分解,进而讨论体感温度对夏季气象负荷率变化的影响。结果表明:(1)利用体感温度及舒适度等级可对电力负荷进行更精细的分解,且体感温度同气象负荷率具有最高关联度;(2)研究时段内黄石市逐日最大电力负荷总体呈线性增长,但2008年金融危机期间电力负荷呈下降趋势;(3)2010年之前,工作日的气象负荷率高于节假日,但自2011年起,该现象出现反转,且差值逐渐增大;(4)研究时段内,体感温度高于22.9℃(工作日)或21.5℃(节假日)时,即会产生敏感负荷,而体感温度升高1℃最多可引起6%的气象负荷率增加。 相似文献
7.
气象条件对电力负荷的影响分析 总被引：2，自引：0，他引：2
利用河北省南电网提供的2000～2006年逐日最大电力负荷资料.分析了日最大电力负荷的变化规律.以石家庄市为例,采用相关分析方法,分年逐月分析了日最大电力负荷与对应6个气象因子的相关性,得出不同时段电力负荷的主要气象影响因子;分析了6～9月和11月受气温影响显著月电力负荷的1℃效应量、3～8月10 mm以上降水量对电力负荷的影响变化率;采用多元回归的方法分时间段建立了最大电力负荷的气象预测方程,加上逐年电力负荷变化趋势项即可做电力负荷预测预报. 相似文献
8.
利用2005—2009年河南逐日最大电力负荷和气象资料,分析了河南日最大电力负荷的变化特征及其与气象因子的关系。河南日最大电力负荷季节变化呈双峰型,最大的峰值出现在夏季,次峰值在冬季。夏季电力负荷与气温和炎热指数有密切的关系。用逐步回归方法,针对夏季(方案1,不区分工作日和休息日)以及周一至周日(方案2,区分工作日和休息日)分别建立日最大电力负荷预测模型,并对2010年夏季逐日最大电力负荷进行预测,两种预测方案对2010年夏季日最大电力负荷预测的平均相对误差均小于3%,相关系数均达到0.90,两方案在工作日预测结果都较好,但休息日预测误差相对较大。 相似文献
9.
福州市夏季电力气象等级预测模型初探 总被引：2，自引：1，他引：2
对福州市1999~2002年5~9月日电力负荷与日平均气温、日最高气温、日最低气温、日平均相对湿度和天气状况进行分析,发现气象要素的变化会直接影响到电力负荷的调整。从逐日电力负荷资料中提取气象要素引起电力负荷变化的部分即气象负荷,通过计算气象电力负荷与气象要素之间一系列相关指标,并利用回归分析方法建立福州市夏季气象电力负荷预测模型,利用气象要素预报,可实现对气象电力负荷的预测。预测结果通过检验、分析和判定,最后确定了气象电力负荷等级划分的标准。对2003~2005年福州市夏季逐日气象电力负荷等级进行回代检验,结果表明该预测模型有较好的预报能力。 相似文献
10.
利用2015-2017年宜昌市逐小时电力负荷资料及对应时段地面气象观测站数据,分析宜昌电力负荷的变化特征,研究气象敏感负荷与气象因子的关系,基于主要气象敏感因子通过逐步回归法建立宜昌电力负荷预报方法。结果表明:宜昌电力负荷呈逐年增长的趋势,夏季和冬季是一年中电力负荷高峰期,年最大电力负荷出现在夏季,年均增幅达11.8%,年最小电力负荷出现在春节期间;气温对气象敏感负荷影响最大,随着日平均气温T升高逐日气象负荷率先减小后增加,当T为17℃时,气象负荷率最小,从而划分了4个变化阶段:17℃≤T<26℃、T≥26℃、7℃≤T<17℃、T<7℃,基于各阶级主要气象敏感因子分别建立电力负荷回归预报方程,经检验,在实际应用中预报相对误差绝对值为3.8%,基本能够满足电力部门负荷预测的精度要求。后期可结合人工智能算法,进一步提高宜昌电力气象负荷预测的稳定性和准确性。 相似文献
11.
利用雷雨、大风等灾害天气资料和电力事故历史数据资料,分析了电力事故发生的时空分布特征及其与雷雨、大风、日平均气温等天气要素之间的关系。进而利用事件概率回归（regression estimation of event probability,REEP）和Logistic回归分析方法,得到了日照市电力事故发生概率与雷雨、大风和日平均气温之间关系的预警模型。研究结果表明：1）雷雨、大风是造成日照市电力事故的重要气象因素。2）雷雨、大风和高温等灾害天气对电力事故的发生虽都有促成作用,但影响能力存在较大差距。3）两种回归分析模型对因子和变量之间关系均有较好的拟合效果,相较而言,REEP模型更为直观,Logistic回归分析方法更为客观,适用性更强。4）回归分析结果建立在客观资料基础上,回归模型具有准确性、实用性,可为电力事故预警发布系统提供理论和技术支持。 相似文献
12.
13.
新能源利用效率低,控制策略复杂等不足制约着绿色农场的发展.引入储能部件可以提高新能源使用效率,将电网和分时电价政策引入系统,可以提升系统稳定性,降低用户用电花费.本文论证了最优控制策略在混合能源供电模式中的可行性,设计了一套基于LabVIEW的可视化太阳能-电网绿色农场能源监控管理系统.系统采用太阳能-电网混合供电模式,实现了输出功率与农场负载需求的匹配.仿真实验结果验证了系统的稳定性,使用NPV函数验证了系统经济性. 相似文献
14.
基于数值模拟和统计分析及智能优化的风速预报系统 总被引：2，自引：0，他引：2
风速预报是风力发电研究中的关键问题,也是一个十分困难的问题,其预测、评估技术还有待进一步提高.在预测短期风力(提前48～72 h对每小时的风速进行预测)时,通常采用数值天气预报模型进行预测.然而,初始扰动和模式物理过程的不确定性会影响气象数值预报的精度.将为数值天气预报模式提出一种新的后处理优化方法作为主要的思路,利用数据挖掘得到的关联规则来优化气象数值预报的结果,在中尺度模式WRF对风电场风速进行预报的基础上,将模式预测与统计分析及智能优化算法相结合,针对中国风电场的气候特征,利用一种新的修正模式误差的方法,极大地提高了风电场风速预报精度,提出了适合中国风力发电场的有效风速预报系统方案. 相似文献
15.
采用华山气象站1980—2007年的电线积冰观测资料和陕西省95个气象观测站资料,分析了电线积冰厚度与常规气象资料的相关性,并据此推算出各地距地面10m高度上历年标准的电线积冰厚度,用极值Ⅰ型推断30和50年一遇的最大积冰厚度。结合陕西省电力设计院设计经验、陕西省电网运行现状及历史电网冰灾事故调查情况,对陕西省电网冰区进行了初步划分。结果表明:最大积冰厚度与年雾凇日数、年雨凇日数有较好相关性;将全省分为6个积冰区,并分别绘制出全省不同区域30和50年一遇的1:500000积冰分布图。该结果已作为陕西省电力建设中电线积冰厚度设计的重要依据。 相似文献
16.
作者介绍了１９９４年１１月１５日，由邹县电厂至淄博５００ｋＶ超高压输电线路＃４４８ＺＭ塔倒塔事故的情况。并对造成这次倒塔事故的天气条件进行了分析。 相似文献
17.
根据1996—2009年北京市逐日电网灾害资料分析了北京市电网雷害的发生规律, 结果显示:北京市电网雷害存在季节变化和日变化特征。结合同期气象观测站的雷暴日资料、北京市各区县的经济和人口密度特征提出了电网雷害概率、电网雷害频度、电网雷害密度、经济易损模数和生命易损模数作为北京市电网雷害风险评估指标。在此基础上,采用4级分区法对上述电网雷害易损性评估指标进行分级,并将北京市各区县按照5个电网雷害评估指标的所属等级值累加,得到电网雷害综合易损风险评估的评估系数。结果表明:北京地区电网雷害高风险区集中在北京城区中心附近,山区和山前迎风坡地带尽管电网雷害频次较高,但电网雷害风险却相对较低。 相似文献
18.
作者介绍了１９９４年１１月１５日，由邹县电厂至淄博５００ｋＶ超高压输电线路＃４４８ＺＭ塔倒塔事故的情况。并对造成这次倒塔事故的天气条件进行了分析 相似文献
19.
北京市电网灾害的时空分布特征及与气象因素的关系 总被引：1，自引：0，他引：1
根据北京电力试验研究院提供的北京市1996—2009年逐日电网灾害资料,采用统计分析的方法研究了该市电网灾害的时空分布特征及其成因,结果表明：电网灾害的灾种分布中雷暴造成电网灾害（后文简称雷害）的比例最大,占电网灾害总数的71.3%,其次为风害和覆冰,三者之和占北京市电网灾害总数的92.1%;从地域分布上看多发区主要集中西部的房山和北部的延庆、昌平、密云、朝阳等地区,而南部的大兴、通州的电网灾害则相对较少;从月分布可以看到电网灾害主要发生在6—9月,主要的几种电网灾害均呈现出不同的月变化特征。 相似文献
20.
骆明佐 《高原山地气象研究》2011,31(2):70-74
本文从专业防雷的角度, 对安装有SPD却仍然年年遭雷击而损坏电气电子设备的雷击事故实例进行了分析, 再次充分说明防雷工程是一项系统工程。其中任一环节设计不完善或被忽略掉, 一旦发生雷击, 电气电子设备就可能遭到毁坏。同时依据现代防雷理论, 指出了程控交换机电源系统雷电防护级数设计不够、信号系统没有安装SPD、机房没有采取屏蔽措施与等电位连接等是石油管理站电气电子设备遭雷击的重要原因。 相似文献