共查询到10条相似文献，搜索用时 281 毫秒
1.
基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。 相似文献
2.
基于南京地区2014—2016年逐日电力负荷资料,采用谐波分析、功率谱等方法分析该地区电力负荷的变化规律及其与自然周的关系,并对极端电力负荷日中离差曲线型与气温、湿度等气象要素及环流形势的关系进行分析。结果表明:南京地区电力负荷的季节变化呈双峰型;在季节内(月际)尺度上,存在30d周期;在月内尺度上,存在7d周期且与自然周同步。夏季极端负荷日离差曲线主要存在3种类型:典型双峰型(Ⅰ)、单峰型(Ⅱ)、非典型双峰型(Ⅲ)。Ⅰ型和Ⅲ型与气温和炎热指数均呈显著正相关,而3种类型都与相对湿度呈显著负相关。Ⅰ型对应环流场上副高持续控制南京地区,冷空气活动偏弱,气温日变化小;Ⅱ型对应冷空气活动频繁,副高具有东西摆动特征,南京常出现阵雨或雷阵雨天气;Ⅲ型对应的副高强度弱于Ⅰ型,冷空气强度弱于Ⅱ型。采用逐步回归方法建立极端负荷日的预测模型,3种型的平均相对误差分别为6.4%、5.6%和5.3%,较好地对极端电力负荷进行了定量预报。 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.
5.
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
6.
基于2007—2014年西安地区兵马俑、翠华山等7个旅游景点区域自动气象站观测资料,分析西安景区的旅游气象条件,应用本地化的人体舒适度指数预报方法对西安景区旅游气象舒适度进行了评价。结果表明:西安旅游景区气温冬季气温较低,月平均气温低于5℃,夏季气温较高,月平均气温大都高于20℃;人文景区气温高于自然景区。冬半年的相对湿度低于夏半年,7—10月相对湿度较高;大部分自然景区相对湿度高于人文景区。风速整体较小,月平均风速为0.2~1.1m/s,全年风速变化不大。(2)4—10月为西安的旅游气候舒适期,其中,4—5、9—10月是平原人文景区最佳游览时期,6—10月是山岳自然景区旅游的最佳时期。 相似文献
7.
《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
8.
9.
通过分析1997-2003年5-10月广西电网电力负荷月、周和节假日的变化特征,及与气温的相关关系,发现:电力负荷基本呈逐年增加的趋势,工作日和非工作日有着不同的变化特征,电力负荷与气温有明显的相关关系。采用逐步回归方法,建立了广西电网逐日电力负荷预测模型,对2002-2003年模型的拟合结果及2004-2005年模型的预测结果分析表明:模型对广西逐日电力负荷具有较好的拟合和预测效果,对逐日电力负荷的季节变化具有较好的拟合效果,尤其是夏季预测与实况趋势基本吻合。 相似文献
10.
辽宁电网负荷与气象要素相关分析 总被引：1，自引：0，他引：1
通过对2000～2002年辽宁电网负荷与气温、降水量资料的相关分析，探讨了电网负荷变化与气温和降水量的对应关系，并介绍了利用气象要素预报制作电网负荷预测的基本方法。 相似文献