共查询到20条相似文献，搜索用时 31 毫秒
1.
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
2.
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
3.
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
4.
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
5.
6.
《干旱气象》2021,39(4)
基于石家庄2017—2019年逐日最大电力负荷和同期气象资料,分析日最大电力负荷的变化规律,在分析日最大电力负荷变幅与气象因子及空气质量指数(AQI)的相关性基础上,采用逐步回归、多元线性回归和广义相加模型(GAM)分冬季和夏季建立日最大电力负荷变幅预报模型,将2019年冬季和夏季月资料作为预报效果独立检验样本。结果表明:2017—2019年石家庄日最大电力负荷存在明显增长趋势,电力负荷变幅和气象因子及AQI的相关性具有明显的季节性,冬季与日最大电力负荷变幅呈负相关的因子在夏季与日最大电力负荷变幅呈正相关,反之亦然;3种模型中,GAM模型的预报效果最好,且夏季预报效果好于冬季,在业务应用中,夏季可选取含AQI的GAM模型,冬季应选取不含AQI的GAM模型。 相似文献
7.
8.
电力负荷与气象条件密切相关,为建立上海市日最大电力负荷的预报模型,利用2010—2013年上海市日最大电力负荷数据及同期气象资料,分析日最大电力负荷的时间变化特征及其与气象因子的相关性,并基于滤波技术将日最大电力负荷分离为时间趋势项和逐日变化项,用逐步回归方法针对冬季和夏季分别建立预测模型。结果表明：①上海日最大电力负荷的各个节假日效应存在差异,春节节假日效应持续时间最长,影响最大,国庆节假期前半段节假日效应明显大于后半段。夏季的周末效应最强。②采用逐步回归方法建立的气象预报模型效果较好,回代年和预测年的平均预测相对误差均小于5%。 相似文献
9.
德令哈地区人体舒适度预报方法研究 总被引：1，自引：0，他引：1
本文利用德令哈地区2001年1月。2002年1月逐日最高、最低温度、平均相对湿度和风速的预报值，通过经验公式计算寒冷指数，预报人体舒适度。为今后开展城市环境预报服务工作做了一些有益的探讨。 相似文献
10.
针对秦皇岛市建设康养城市的气象服务需求,通过对秦皇岛地区近50年气候舒适度的深入研究,运用天气学、应用气象学原理,采用数学统计方法,分析了秦皇岛地区多种生活气象指数对气象要素的敏感度和依从性,确定了关键影响因子。综合考虑相关显著的气象要素,利用因子相乘等方法,建立了舒适度、户外游泳、海上观光、海钓、蓝天和户外锻炼等与秦皇岛居民生活息息相关的生活气象指数公式。采用文献检索法、访谈法、专家打分法等方法,基于人体安全、健康和舒适的角度,参考秦皇岛市近50年气候舒适度的研究结果,以及相关灾害性天气预报、预警发布标准等,根据人体适宜程度进行了单因子阈值确定。考虑专业气象服务实际需求,根据实用性原则,对指数计算结果进行了气象指数的分级,提出了基于气象视角的建议。依据气象台、海洋气象台等相关部门影响因子的预报结果,可计算出生活气象指数数值,根据等级划分标准,制作生活气象指数等级预报。生活气象指数预报指导人们更合理地安排生活和运动,既提高了人们的生活质量,也扩大了气象服务领域,有利于取得更高的社会效益和经济效益。 相似文献
11.
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
12.
利用255m天津气象塔数据定量评估了建筑暖通空调设计气象参数随高度的变化及其对设计负荷的影响,建立了一种气温垂直模型,明确了该模型可推算超高层建筑室外气温,基于此推算超高层建筑暖通空调室外设计气象参数。结果表明:在5—200m处,供暖设计温度、冬季空调室外设计温度和夏季空调室外设计干球温度均随高度降低,200m与5m高度处相比,分别降低2.0℃、1.4℃和2.8℃,导致供暖和冬季空调设计负荷分别增加5.78%和1.36%,而夏季空调设计负荷减少5.85%。基于气温垂直模型得到的200—500m气温数据计算气象参数,发现从200m到500m,供暖设计温度、冬季空调室外设计温度和夏季空调室外设计干球温度均随高度降低,降幅分别为0.52℃/100m、0.50℃/100m和0.66℃/100m。本研究表明,基于地面2m高观测数据计算的建筑暖通空调设计气象参数无法满足超高层建筑暖通空调设计需求,应充分考虑气象参数的垂直变化,选择合理的气象参数,为超高层建筑暖通空调设计提供基础,以保证室内热舒适环境达标,达到降低建筑能耗的目的。 相似文献
13.
利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明:利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。 相似文献
14.
基于2017—2020年石家庄市逐15分钟电力负荷及同期气象资料,计算人体舒适度指标有效温度和温湿指数,考虑基准负荷存在周期性和增长性,提出采用灰色模型GM(1,1)并结合滤波法、相关分析等方法,建立日峰降温电力负荷与人体舒适度指标分段回归模型。结果表明:石家庄电力负荷具有明显的逐年增长趋势;剥离出的日降温负荷曲线呈“W”型分布;分别对模型进行一次、二次和分段函数拟合,对3种预测模型进行检验发现分段函数预测精度较高,平均相对误差在4.8%～5.2%,有效温度和温湿指数的分段函数误差在-10%～10%所占比例分别为88.1%和90.5%;考虑了温度、湿度和风速的有效温度较温湿指数的夏季日峰降温电力负荷预测模型预测准确率更高,回归模型分段点为26.2℃,对电网“迎峰度夏”时期电力调度具有参考价值。 相似文献
15.
利用2010—2012年6—8月西安市逐日电力负荷资料及对应时段地面观测站数据,分析了高温天气过程中日最大电力负荷的变化特征。结果发现,3年间西安地区共发生晴热天气过程5次,闷热天气过程4次,其中晴热天气过程发生在6月,闷热天气过程发生在7、8月,且闷热天气过程的电力负荷增长更加明显;利用日最高气温变化跟踪气象负荷的变化发现,日最高气温33℃为西安市气象负荷初始气温敏感点,35℃为强气温敏感点,38℃为极强气温敏感点;引入积温累积效应,建立了多元回归的电力气象负荷预测模型,经2013年夏季模型应用检验表明,日最大电力负荷预测平均误差为6.0%,能较好的模拟电力负荷的实际变化,对西安市夏季电力气象服务工作有指导意义。 相似文献
16.
为进一步提高夏季舒适度预报质量,该文根据国际生物气象研究学会制定的体感指标计算软件和国内现行指标的计算方法,引进并修正了热气候指数(UTCI),根据对2009年8月21—25日在南京信息工程大学205名军训大学生开展的问卷调查资料,对比验证了国内外多种指标,结果表明:国内指标基本能够表征人体热感觉,但仍需进一步完善;热气候指数较其他体感指标能更好地表达人体实际热舒适度,结合天气数值预报结果和SolAlt模型预报的太阳辐射,非常适宜作为南京市人体舒适度的预报指标。热气候指数的建立,提高了南京市的公共气象服务质量。 相似文献
17.
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
18.
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
19.
以热量平衡为基础的体感温度模型及气候要素的效应分析 总被引：9，自引：2，他引：9
通过对丰季人体热量平衡方程的建立与计算，结合我国不同年龄段人群的新陈谢特点，分别建立了不同的体感温度模型，经与我国目前应用较为广泛的人体舒适度统计模型的计算结果相比较，证明以热量平衡为基础的人体感温度模型更具有普遍性。还分析了风，湿度，辐射对体感温度的影响效应。这些结果将为拓宽舒适度服务范围，建立以人体舒适度为核心的城市气象服务体系提供理论依据。 相似文献
20.
利用2006~2017年北京夏季（6~8月）逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP（Back Propagation）神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。 相似文献