CN117371243A - 短期负荷预测中考虑积温效应的体感温度修正方法 - Google Patents

Abstract

本发明涉及一种短期负荷预测中考虑积温效应的体感温度修正方法，具体是将被测区域的用电负荷E分解为代表用电负荷平均值的基础负荷E_b、代表星期效应的星期效应负荷E_r以及与体感温度相关的气象负荷E_m；分别确定基础负荷E_b、星期效应负荷E_r和气象负荷E_m；建立体感温度积温修正模型，对第i天的最高体感温度进行修正。本发明构建了考虑积温效应的体感修正模型，研究了界限温度、最大累积天数和累积效应系数的确定方法，通过温升曲线和负荷温度弹性系数确定体感温度的界限温度，并利用相关系数求解最大累计天数和累积效应系数，建立用电负荷预测中对体感温度修正模型，并用实例进行了验证。

Description

短期负荷预测中考虑积温效应的体感温度修正方法

技术领域

本发明涉及一种应用气象技术，具体地说是一种短期负荷预测中考虑积温效应的体感温度修正方法。

背景技术

随着经济发展水平的提高，电力终端设备中的温度敏感性负荷的比重也在逐年增长，夏季负荷受温度因素影响尤其明显。在短期负荷预测中，考虑温度因素的研究很多，也有从不同角度研究夏季持续高温所造成的积温效应对短期负荷预测的影响。在实践中发现，对于城市夏季用电负荷而言，综合考虑气温、相对湿度和风速的体感温度与短期负荷的相关性，明显优于单纯的气温与短期负荷的相关性。

发明内容

本发明的目的就是提供一种短期负荷预测中考虑积温效应的体感温度修正方法，以为准确地对夏季尤其是连续高温时的体感温度进行修正，为电力部门的电力调度提供可靠的决策依据。

本发明的目的是这样实现的：一种短期负荷预测中考虑积温效应的体感温度修正方法，包括以下步骤：

a、将被测区域的用电负荷E分解为代表用电负荷平均值的基础负荷E_b、代表星期效应的星期效应负荷E_r以及与体感温度相关的气象负荷E_m：

E＝E_b+E_r+E_m

b、基础负荷E_b的确定：收集被测年度的春季代表月份和秋季代表月份的电力负荷数据，分别统计春季代表月份的电力负荷P_1w,h以及秋季代表月份的电力负荷P_3w,h，对春季代表月份的电力负荷求取平均值，作为春季代表月负荷P_1W,h；对秋季代表月份的电力负荷求取平均值，作为秋季代表月负荷P_3W,h，以春季代表月负荷P_1W,h与秋季代表月负荷P_3W,h之和的平均值作为基础负荷E_b，其具体表达式为：

c、星期效应负荷E_r的确定：通过被测区域春季各月的单日用电负荷按周一到周日分别求取平均后作为星期效应负荷E_r；

d、气象负荷E_m的确定：气象负荷E_m为用电负荷E与基础负荷E_b和星期效应负荷E_r的差值，其具体表达式为：

E_m＝E－(E_b+E_r)

e、体感温度Tg的确定：以日最高气温时对应的体感温度，作为当日最高体感温度：

Tg＝1.07×T+0.2×e-0.065×V-2.7

其中，T为气温，e为水汽压，V为风速，RH为相对湿度；

f、建立体感温度积温修正模型，对第i天的最高体感温度进行修正，修正模型如下：

其中，T_i为待预测日i的体感温度，T_i≥T_m；T_i-j为待预测日前第j天的最高体感温度；T_m为体感温度累积的界限温度；k_ij为累积效应系数，且根据“近大远小”的原则满足条件：k_i1＞k_i2＞…＞k_ip；p＝min(n,d_max)，第i天前n天的日最高体感温度连续高于界限温度，d_max为最大累积天数。

上述修正模型中的三个参数：界限温度T_m、最大累计天数d_max和累计效应系数k_ij是彼此相关的，界限温度T_m和最大累积天数d_max均为独立求解，而累积效应系数k_ij的求解结果与界限温度T_m和最大累积天数d_max的取值相关，因此求解参数时要按照先后顺序求解。

首先，根据体感温度Tg与日最大电力负荷之间关系，通过历史数据和最小二乘法拟合得到两者之间的函数表达式：

L＝f(T)；

因曲线中每一点负荷随温度变化的趋势与幅度不同，可以根据上式求取最高负荷对最高体感温度的敏感程度e(T_i)，其公式如下，将其极大值出现时的温度值作为界限温度T_m。

然后确定最大累积天数d_max，考虑的累积天数过多，则累积效应的强度对于高温持续天数不再敏感；累积天数过少，则不足够反映累积效应的强度。采用皮尔逊相关系数，描述温度与负荷的线性相关程度，通过实验的方式计算考虑不同累积天数滚动平均的最高体感温度与日最大负荷的相关程度，求取使相关程度最高的最大累积天数d_max。

最后计算累积效应系数k_ij。待预测日最高体感温度不同，积温效应的影响程度不同，即累积效应系数k_ij与待预测日最高体感温度Ti有关；日前各天的温度对待预测日的影响也不同，因此采用离散化的累积效应系数序列。最高体感温度小于界限温度时，负荷随温度常规变化,不考虑积温效应；最高温度超过T_max时，无论前几日温度如何，降温负荷基本处于饱和状态，也不考虑积温效应。

选取样本数据：可采用历史年6-8月份工作日的最高体感温度和最高负荷数据(实际预测中可进行滚动修正)，筛选出日最高体感温度大于界限温度的数据，通过分析求解不同温度下的累积效应系数，具体步骤如下：

①对累计效应系数k_ij进行离散化处理，结果如下表所示。修正温度时，根据待预测日的原始最高体感温度所处的温度区间选择对应的累积效应系数序列。表1中p＝min(n,d_max)，即所需考虑的累积天数取决于最大累积天数的取值d_max和实际连续高温天数n。

表1：累积效应系数k_ij的离散化

②按照上表中的温度区间分类整理历史数据，包括待预测日最高体感温度及对应的最高负荷、待预测日前p＝min(n,d_max)天的最高体感温度数据。

③运用体感温度积温修正模型对待测日的最高温度T_i进行修正，修正所用的累积效应系数为表1中待预测日最高体感温度对应的值，修正后的最高体感温度向量为T_i’，对应的最高负荷向量为L_i,其中T_i’为k_ij的函数。

为了使修正后的体感温度与最高负荷之间有更强的相关性，k_ij的求解公式为：

其中，R为修正后的日最高体感温度与日最高负荷的相关系数，T_i为日最高体感温度向量，T_i’为修正后的日最高体感温度向量，L_i为日最高负荷向量，0≤k_ij≤1,k_i1＞k_i2＞…＞k_ip。

本发明考虑到了日最大降温负荷受经济、人类生产活动以及气象等多方面因素的影响，且各种因素的作用占比在当前信息背景下是不全面和不充分的前提条件下，将日最大降温负荷预测系统设计为“小样本、缺信息”的灰色系统，借助灰色模型、墨西哥帽小波分析、相关性分析等方法，同时考虑相同时刻日基准负荷是具有稳定发展趋势的时间序列，再去除因节假日效应、重大活动保障、电网调价、农业灌溉等不确定因子的作用，从而构建出夏季逐15分钟的日基准电力负荷，再将降温负荷从中进行剥离，并引入了人体舒适度指标——温湿指数，通过相关分析法和分段回归法得到日最大降温负荷预测模型，由此即可实现对日最大降温负荷的逐日预测，为电力部门“迎峰度夏”和提高能源利用效率提供了有效的参考依据。

具体实施方式

本发明短期负荷预测中考虑积温效应的体感温度修正方法包括以下步骤：

a、将被测区域的用电负荷E分解为代表用电负荷平均值的基础负荷E_b、代表星期效应的星期效应负荷E_r以及与体感温度相关的气象负荷E_m：

E＝E_b+E_r+E_m

b、基础负荷E_b的确定：收集被测年度的春季代表月份和秋季代表月份的电力负荷数据，分别统计春季代表月份的电力负荷P_1w,h以及秋季代表月份的电力负荷P_3w,h，对春季代表月份的电力负荷求取平均值，作为春季代表月负荷P_1W,h；对秋季代表月份的电力负荷求取平均值，作为秋季代表月负荷P_3W,h，以春季代表月负荷P_1W,h与秋季代表月负荷P_3W,h之和的平均值作为基础负荷E_b，其具体表达式为：

c、星期效应负荷E_r的确定：通过被测区域春季各月的单日用电负荷按周一到周日分别求取平均后作为星期效应负荷E_r；

d、气象负荷E_m的确定：气象负荷E_m为用电负荷E与基础负荷E_b和星期效应负荷E_r的差值，其具体表达式为：

E_m＝E－(E_b+E_r)

e、体感温度Tg的确定：以日最高气温时对应的体感温度，作为当日最高体感温度：

Tg＝1.07×T+0.2×e-0.065×V-2.7

其中，T为气温，e为水汽压，V为风速，RH为相对湿度；

f、建立体感温度积温修正模型，对第i天的最高体感温度进行修正，修正模型如下：

其中，T_i为待预测日i的体感温度，T_i≥T_m；T_i-j为待预测日前第j天的最高体感温度；T_m为体感温度累积的界限温度；k_ij为累积效应系数，且根据“近大远小”的原则满足条件：k_i1＞k_i2＞…＞k_ip；p＝min(n,d_max)，第i天前n天的日最高体感温度连续高于界限温度，d_max为最大累积天数。

应用实例：

将考虑积温效应的体感温度修正模型应用于石家庄市，使用的日最大负荷是原始日最大负荷减去基础负荷和星期效应之后的气象负荷数据。利用2017年6-8月的各地市日最高体感温度和处理后的气象负荷数据构建修正模型，比较修正前后的体感温度与气象负荷的关系变化。

①限温度的确定：

对石家庄的历史数据进行分析，利用最小二乘法对样本数据进行模拟，比较不同次数多项式的拟合结果(见表2)：

表2：各多项式的拟合结果

一般次数较高时，界限温度的取值趋于一个稳定值，改变次数对界限温度的求取结果影响很小，而当拟合次数过高时容易发生过拟合。选取四次拟合结果作为温升曲线公式：

L＝–0.0306T⁴+3.6894T³–156.908T²+2854.3T–19025

对温升曲线公式进行求导，得到公式：

e(T)＝–0.1224T³+11.0682T²–313.816T+2854.3

然后对求导公式求取最大值，得到37℃作为界限温度。

②定最大累积天数d_max：

利用滑动平均求相关，选取2017年6月1日到2017年8月31日的数据，对当天及其前d_max天的温度取平均，负荷不变，为6月7日到8月31日的逐日最大负荷，进行相关系数计算，得到各累积天数对应的相关系数(见表3)，发现相关系数随累积日数的增加而减小，累计1天相关系数最高，于是以2天作为最大累积天数进行计算。

表3：滑动平均相关系数表

③定累积效应系数：

选取2017年6～8月份工作日的最高温度和最高负荷数据，筛选出日最高温度大于界限温度的数据，同时，当到较高温度时，空调负荷会完全释放，负荷不再随温度上升而明显上升，根据经验确定修正的最高体感温度为45℃，筛选后按照温度进行离散化处理，通过分析求解不同体感温度下的累积效应系数，得到表4。

表4：不同温度下的累积效应系数

④验证：

应用修正系数，对2017年6～8月的体感温度进行修正，同时与单纯日最高气温、未处理的体感温度进行对比，结果见表5。

表5：日最高气温、原始体感温度、修正后的体感温度与负荷的相关系数表

从与气象负荷的相关关系来看，体感温度明显比日最高气温更具代表性，而修正后的体感温度比修正前相关系数进一步提升。

本发明构建了考虑积温效应的体感修正模型，研究了界限温度、最大累积天数和累积效应系数的确定方法，通过温升曲线和负荷温度弹性系数确定体感温度的界限温度，并利用相关系数求解最大累计天数和累积效应系数，建立用电负荷预测中对体感温度修正模型，并用实例进行了验证。

Claims (1)

1.一种短期负荷预测中考虑积温效应的体感温度修正方法，其特征是，包括以下步骤：

a、将被测区域的用电负荷E分解为代表用电负荷平均值的基础负荷E_b、代表星期效应的星期效应负荷E_r以及与体感温度相关的气象负荷E_m：

E＝E_b+E_r+E_m

b、基础负荷E_b的确定：收集被测年度的春季代表月份和秋季代表月份的电力负荷数据，分别统计春季代表月份的电力负荷P_1w,h以及秋季代表月份的电力负荷P_3w,h，对春季代表月份的电力负荷求取平均值，作为春季代表月负荷P_1W,h；对秋季代表月份的电力负荷求取平均值，作为秋季代表月负荷P_3W,h，以春季代表月负荷P_1W,h与秋季代表月负荷P_3W,h之和的平均值作为基础负荷E_b，其具体表达式为：

c、星期效应负荷E_r的确定：通过被测区域春季各月的单日用电负荷按周一到周日分别求取平均后作为星期效应负荷E_r；

d、气象负荷E_m的确定：气象负荷E_m为用电负荷E与基础负荷E_b和星期效应负荷E_r的差值，其具体表达式为：

E_m＝E－(E_b+E_r)

e、体感温度Tg的确定：以日最高气温时对应的体感温度，作为当日最高体感温度：

Tg＝1.07×T+0.2×e-0.065×V-2.7

其中，T为气温，e为水汽压，V为风速，RH为相对湿度；

f、建立体感温度积温修正模型，对第i天的最高体感温度进行修正，修正模型如下：

其中，T_i为待预测日i的体感温度，T_i≥T_m；T_i-j为待预测日前第j天的最高体感温度；T_m为体感温度累积的界限温度；k_ij为累积效应系数，且根据“近大远小”的原则满足条件：k_i1＞k_i2＞…＞k_ip；p＝min(n,d_max)，第i天前n天的日最高体感温度连续高于界限温度，d_max为最大累积天数。