引言

新疆用电负荷大体由三部分组成：城市用电、工业用电及农业灌溉用电。而农灌用电在春夏季占总电量的60%~70%。城市和工业用电量相对稳定，规律性较强，比较好预测。而农业灌溉用电与天气密不可分，经常因天气变化导致用电负荷发生异常波动，成为电力负荷预测的难点，直接影响着新疆电力行业的经济效益。

国内外对用电负荷与气象条件的研究很多^[1-4]，但多以城市用电负荷作为研究对象。据电力工作人员经验，新疆农业灌溉用电与城市用电有很大不同，降雨对农灌负荷的影响最为显著，而城市用电与气温的关系更为密切。到底新疆的天气对农业区电力负荷的影响有多大？如何用气象要素来解释农业区电力负荷的变化及预测呢？这正是本文研究的目的，也是为了满足新疆电力行业的预报服务需求。

1 资料选取和有效时间序列数据的建立

选取奇台农业区作为研究重点，原因奇台是新疆的主要农业大县，农灌负荷占全县电力负荷的90%以上，而其它用电量(包括生活和极少数的工业用电等)少而平稳。奇台电力负荷资料来自准东电业局，资料年限为2005—2006年和2007年4月1日到9月30日的逐时资料，同时收集了奇台气象站逐时常规气象资料，包括气温、气压、相对湿度、风和降水量。

将电力负荷资料中限电、跳闸及检修等特殊情况资料逐一剔除，同时将其对应的气象数据剔除，建立了有效的逐时电力负荷和常规气象资料的时间序列，日平均资料则由每日24个时次的逐时有效数据计算得到。

2 电力负荷的气候变化特征 2.1 电力负荷年、季变化

电力负荷年变化不明显。每年以4月15日到9到30日前电力负荷波动明显，10月到翌年4月15日前变化幅度很小，7月初前后出现用电最高峰(见图 1)。

电力负荷的变化也恰好反映了当地农事活动的规律。通常4月15日前后正是奇台春播时期，用电量随着农业灌溉呈现迅速的增加，到9月末农事基本结束，用电量也明显减少了。

2.2 电力负荷日变化

利用奇台2005—2006年电力负荷、相对湿度和气温的逐时对应资料，统计得到了电力负荷与湿度、气温的日变化(见图 2)。以早6：00到10：00为用电量上升最快的时期，晚上21：00以后用电明显下降，夜间波动较小。日用电最高峰在12：00前后，另一个次高峰在17：00到18：00，这个次高峰与日最高气温及日最小相对湿度出现时间基本一致。

图 1反映出了农事活动会明显增加电力负荷，但期间负荷也会有不同程度的波动。经统计，两年中电力负荷24小时降幅最高可达62.5%，也就是说上一日电力负荷还接近80MW，但到当日就可能不到30MW了。表 1是2005—2006年电力负荷24小时降幅列前五位出现的时间、变化的统计表。

3 电力负荷与气象要素的相关分析

考虑到奇台农事活动从4月中下旬开始到9月下旬结束，因此采用2005—2006年的4月16日至9月30日的日平均电力负荷与气象要素资料，来进行相关性统计分析。表 2给出了统计结果。表 3是将降雨日和无降雨日分段后，得到的统计结果。因降雨日样本少，其中4—5月和8—9月合并统计。

据电力工作人员经验，降雨对农灌负荷的影响最为显著。当我们调查电力负荷与降水的关系时，确实发现每一次负荷出现明显波动时，都有一场降雨天气相配合，几乎是大降雨对应着明显的负荷下降。表 1电力负荷降幅明显的个例中，有4天出现了大于10mm的降雨，列当年降水量前4位，有1天降雨大于5mm。

由表 2得到气温、湿度与负荷相关较好，而降水量的相关性较差；表 3在降雨天气下，只有不到半数月份的湿度、降水量与负荷相关性较好，其它结果与电力人员经验判断还是有差异的。

为了进一步反映气象要素对负荷的影响，将日平均电力负荷的24小时变化值与对应的气象要素的24小时变化值建立时间序列，再做相关对比分析(见表 4)。

由表 4看出，降水量、湿度和气温与电力负荷相关较好，气压和风速在部分月份的作用也不可忽视，这更接近电力工作人员的经验判断。

4 误差分析

分别将上述表 2、表 3和表 4中电力负荷及变化量与气象要素及变化量的时间序列，采用逐步回归方程建立模式，表 5是各模式的复相关系数，均通过0.001显著性检验。其中降水日要素模式中的4—5月和8—9月因降水样本少，分别将两月合并计算得到复相关系数。

表 6是对表 5中的各模式分别在降雨日和无降雨日模拟的相对误差绝对值的分析。用上一日负荷计划当日负荷是假设电力部门不考虑天气的影响下，参照上一天的电力负荷来做当日的负荷计划。通过误差分析，可以清楚地看到，用要素差值模式预测的效果无论是有降雨和无降雨的天气条件下，综合效果是较好的，约80%的负荷波动可用气象要素的变化来解释。

5 预测效果检验

图 3给出了用要素差值模式模拟的2006年5月电力负荷的波动与实际波动的对比。月内最大降雨11.2mm出现在5月18日，电力负荷实际下降了49.8MW，模拟下降了40MW，19日负荷再次上升，其模拟的结果与实况更加接近，效果是比较好的。

图 4是利用要素差值模式，对2007年5月电力负荷波动进行试报，以检验该模式对负荷波动的实际预测能力，其中所用检验样本均为独立样本。可以看出预测结果与实际情况较为吻合，特别是在降雨天气出现的前后，对负荷出现大的波动预测的比较准确。由此可以看到，利用气象要素的变化来预测电力负荷的波动是完全可行的。随着天气预报准确率的不断提高，为农业区提供短期负荷预测分析产品对当地的电力调度更有指导性。

表 7是对2007年5月电力负荷预测结果的误差分析。可以看到，在降雨天气影响下，用上一日负荷计划当日负荷的误差高达63.2%，而用要素差值模式预测电力负荷的误差为18.7%，5月平均预测误差由前者的26.0%下降到13.4%，可见天气对电力负荷的影响有多大。

6 结语

(1) 新疆农业区电力负荷的变化与当地农事活动的规律相符。

(2) 电力负荷日变化的最高峰在12时前后，次高峰在17—18时，与日最高气温、最小相对湿度出现时间基本一致。

(3) 新疆农业区电力负荷与天气关系较为密切，约80%的负荷波动可用气象要素的变化来解释。通过对2007年5月的预测检验得出，用气象要素的变化进行农业区电力负荷预测是可行的，特别是在降雨日，会大幅提高电力负荷的预测准确率，对电力调度有一定指导性。

(4) 本文提出了利用要素差值建模，其预测效果好于常采用的要素建模的预测效果，而且在业务应用中，可直接提供给电力行业未来24小时的变化量，实用性较强。

(5) 气象要素预报的准确率会直接影响电力负荷预测的结果，如何减少天气预报误差对负荷的影响，将是本文提出的一个新问题。

(6) 新疆农业区电力负荷的变化除与气象要素有关外，还与农事活动有关，存在一定的不确定因素。