电网负荷影响及预报模型浅论论文.doc

电网负荷影响及预报模型浅论论文 电网负荷影响及预报模型浅论论文预读: 摘要:1乌—昌电网负荷与气象因子的相关分析1.1电力负荷与降水量的关系由于电力负荷主要是由于农业灌溉用电造成的,那么其与降水量的关系必然有着密切的关系.我们提取了2008—2010年夏半年乌—昌地区出现0.1mm以上降水的降水日共计110天,同时计算了该降水日与前一日电力负荷的变化量（图3）.发现电力负荷24小时变量与降水有着很好的负相关关系,两者相关系数达-0.48,通过了0.001的显著性检验,表明两者的负相关关系是非常显著的,并且降水量量级越大或者降水持续时间越长相应的负荷减少量也越明显.1.2电力负荷与相对湿度的关系乌—昌地区电力负荷与日降水量有较好的相关性,因此与湿度也应该有一定的相关关系.计算了乌—昌地区夏半年的逐日电力负荷、相对湿度及其变化,发现电力负荷的变化与相对湿度的变化具有较好的负相关关系,相关系数达-0.36.1.3电力负荷与气温的关系从图2中发现,乌—昌地区的电力负荷与气温有较好的正相关关系,气温升高,电力负荷迅速增加,并有一定的滞后性,二者的平均相关系数为0.346（图5）.特别是气温异常偏高,出现35℃以上的高温时,二者的相关系数通过0.001的信度检验,表现为极显著相关,表明高温是乌—昌地区夏季用电增加的一个重要因素.1.4电力负荷与风速的关系当有大风天气（风速＞17m/s）出现时,电力负荷会有一定程度的减小.在乌—昌地区大风时常是伴随降水出现的,因此与电力负荷的变化有一定的对应关系.但是从整体相关性分析来看,电力负荷与风速并不存在显著地相关性,没有规律可循.1.5电力负荷极值与气象要素变化的关系选取了5次电力负荷变化较大的过程.可以看到,有明显降水时,气温下降,湿度增大,电力负荷会迅速减小,而当无持续降水,气温维持较高,湿度较小时,电力负荷会逐渐增加,日变化幅度相对偏小.2电力负荷预报模型选用乌—昌地区2008—2010年夏半年（4—9月）逐日电力负荷日变量和同一时段T639、ECMWF和德国降水模式不同层次预报量的变量,取出资料缺失或明显异常资料,共得到546个样本,选取的模式输出与气温、湿度、降水相关的预报因子如表1,采用逐步回归的方法,建立乌—昌地区夏半年电力负荷日变量预报模型.电力负荷的月季变化明显,且不同时段的主要气象影响因子不同,因此,分4—5月、6—7月、8—9月3个时间段分别建立电力负荷日变量的气象预测方程.根据电力负荷与气象因子在不同时段的显著相关性,3个方程入选的气象因子个数不同,除了降水量主观预报为必选因子外,4—5月和8—9月选入6个因子,6—7月选入5个因子.3小结与讨论3.1乌—昌地区夏半年的电力负荷呈非常明显的逐年增长趋势,与当地工农业生产和社会经济的发展有着必然的联系；每年的电力负荷也有明显的月季变化：4月负荷最小,6、7月最大；电力负荷的日变化也较明显：日出后增多,夜间迅速减小,这与人们的工作生活规律密切相关.3.2气象要素对乌—昌地区夏半年的电力负荷的影响显著,电力负荷与气温呈显著地正相关关系,与降水量、相对湿度呈显著地负相关关系.用电量主要由农业用电、工业用电和居民用电三部分组成,一般情况下,居民用电量相对较小,工业用电较为恒定,因此,可以认为乌—昌地区的电力负荷的变化主要是由农业用电量的变化而造成的.而农业用电主要是用于农田灌溉,所以与气温、降水、湿度等气象要素的变化有密切的关系.3.3根据乌—昌地区夏半年的电力负荷月变化特征和与气象要素的相关关系,采用多元回归方法,分时段建立的电力负荷气象预测方程,可以应用于电力负荷的预测服务中,通过2011年的预报效果分析,建立的预报模型具有非常好的预报能力,但也存在着相当的误差,分析原因,气象条件是影响电力负荷的主要因素之一,其它因素的作用也必然会导致电力负荷的变化.此外,当有降水时,电力负荷有快速的下降,但当降水结束气温升高时,电力负荷的上升存在一定的滞后效应,也会造成一定的预报误差.总的来说,如果要减小电力负荷的预测误差,就需要考虑到影响其变化的各个方面,这将是一个很大的工程,而利用气象要素的变化来预测电力负荷的变化相对投入小得多,误差也在一定的范围之内,因此是可行的.。