引言

对于地区电网而言，预测未来24小时的负荷电量是每天的日常工作，但如何提高预测准确率却是不容易做到的。有大量的研究表明，电力负荷与气象要素关系较为密切，特别是城市用电和农业用电与天气和气候变化的关系更为密切^{[1, 7]}。如气温常是城市用电的重要影响因子，而降雨量、空气湿度在农业用电中成为敏感因子^{[5, 7]}。国内不少研究人员利用气象要素建立回归方程进行电力负荷预测^{[8, 9]}，而用T213数值天气预报模式输出产品来预测电力负荷的变化，还未查到有关方面的文献。有国外研究表明，使用预报模式输出产品可以更好地表征用电量的变化，特别重要的影响因子不是从气象观测值中提取，而是从数值天气预报模式产品中提取。

1 资料的选取

选取2005—2007年准东电网每15分钟的电力负荷实时数据和2007年的计划负荷数据(每天上报的未来24小时预测负荷)，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。同时选取当地2005—2007年T213的全部预报产品资料。经过对当地天气预报的经验和研究，初步选取T213每6小时输出的以下主要预报产品：500 hPa高度、温度、风向风速，700 hPa相对湿度、水汽通量，850 hPa温度、相对湿度、水汽通量、风向风速，925 hPa温度、相对湿度、风向风速，地面的气压和每3小时输出的降水量等共14个预报因子。

需要说明的是，准东电业局主管新疆米泉、阜康、奇台、吉木萨尔、木垒五县供电，其中70%为农业用电，30%为城市、工业用电。每年4月中旬，随着农事活动的开展，负荷开始明显增大，到9月随着农事活动的结束，负荷明显下降。10月到翌年3月，主要为城市和工业负荷，变化平缓，比较好预测。尽管电业局与当地气象局签定了天气预报合同，电业局在考虑天气变化的情况下做出下一日的计划负荷，但4—9月这段时间的预测一直存在较大的误差，成为电业局的工作难点。本文利用T213预报产品，主要对4—9月的电力负荷波动的预测方法进行试验研究。

2 重要预报因子的筛选 2.1 有效时间序列数据的建立

将2005—2006年4—9月每日15分钟的负荷数据求平均，得到每日的日平均负荷时间序列数据，对应T213未来24小时的同一时间序列的上述14个预报因子的日平均值。其中降水量因子为未来24小时中每3小时的降水日合计值，其他13个因子的日平均值为未来24小时中每6小时的预报值求平均后得到。再将当日数据与前一日数据相减，以得到日平均电力负荷的24小时变化值和气象因子的24小时变化值的时间序列数据。

这样做的目的是，只需要研究和预测由天气变化带来的负荷日变化量。电业局可根据前一日的负荷，和未来负荷的日变化量，加上其他影响因素，进行下一日负荷的综合预测。不需要将实时负荷数据提供给气象局，满足了行业用户提出的资料保密性的要求。

2.2 负荷与气象预报因子的相关分析

由表 1可以看到，除地面气压差和500 hPa温度差与负荷差的相关性较差，没有通过0.001显著性水平检验外，其他因子与电力负荷的差值变化存在较好的相关性，说明用T213预报产品进行电力负荷的预测是可行的。

2.3 重要预报因子的确定

采用逐步回归方程，对通过相关性检验的因子逐一进行筛选，最后确定了700 hPa水汽通量、850 hPa水汽通量、降水量3个因子为该地区的重要气象预报因子，其中700 hPa水汽通量差值和850 hPa水汽通量差值分别以 $X_{1}、X_{2}$ 表示，降水量以 $X_{3}$ 表示，建立了日平均电力负荷变化的预报方程，其复相关系数为0.7720。

$Y= 3.3-0.34X_{1}-0.42X_{2}-2.29X_{3}$

(1)

3 模式对电力负荷变化的预测能力检验

图 1给出了用预报方程(1) 即T213重要因子建模，得到的对2006年5—7月准东电网负荷波动的模拟与实况的对比。可以看到负荷波动的模拟与实况变化是比较一致的。表 2是负荷波动前5位的实况和模拟值以及当天降雨量实况和T213预报降雨量的对比分析情况，可以看到负荷波动与实际变化方向完全一致，但模拟值与实况存在一些偏差。分析主要原因，一方面是T213对降雨天气的预测存在一定的误差，另一方面说明负荷波动存在不确定的因素，并非完全依赖于气象要素的变化。但图 1的模拟效果已经让我们对T213模式在负荷预测中的应用树立了信心。

图 2是预报方程(1) 对准东电网2007年5—7月电力负荷波动进行试报的情况，由图 2可以看到，负荷波动变化的趋势预测与实际较吻合，但有几天实际负荷出现明显波动，而模式并没有预测准确。如5月13日、5月22日、7月15日。对预测出现明显偏差的这几天，我们反查了T213的天气预报准确程度，发现T213数值预报模式与实际天气出现很大误差，特别是把中度或中强以上的强降雨天气，预报成弱降雨天气，导致负荷波动预测出现偏差。

4 预报方程的改进方案

通过T213重要预报因子的筛选，得到影响准东电业局管辖地区负荷变化的因子主要与降雨天气有密切关系，而T213数值天气预报模式在降雨的准确率上还存在一定的误差。采用模式与预报员经验相结合，会使降雨的准确率有所提高。因此，我们又从实际5县的地面气象观测要素中，再次筛选影响因子，最后确定了奇台县降雨量为显著影响因子。

考虑到预报员在降雨预报时，只是进行雨的量级预报，因此按照正常的预报习惯，并参照新疆24 h降水量等级标准，对奇台县的降雨具体定义如下指示码, 详见表 3。

将奇台降雨量级因子( $X_{4}$ )与预报方程(1) 中3个重要预报因子700 hPa水汽通量差值( $X_{1}$ )、850 hPa水汽通量差值( $X_{2}$ )、降水量( $X_{3}$ )，重新建立新的预报方程，复相关系数提高到0.8300。

$Y= 4.77-0.2X_{1}-0.42X_{2}-1.64X_{3}-3.665X_{4}$

(2)

图 3是利用预报方程(2) 即改进后重新建模，对2007年5—7月准东电网负荷波动的再预测。可以看到比图 2预测准确率有了较明显的提高，特别是负荷波动明显的几天都预测得比较准确。如2007年5月9日，实际负荷下降57.3 MW，改进前预测下降22.7 MW，而改进后的预测值为下降50.2 MW，已大大接近实际的变化。

5 各模式负荷预测的误差分析

表 4是各模式对准东电网2007年4—9月试报的逐月误差分析。计划负荷是准东电业局每天需上报的未来24小时准东电网负荷预测值，据电力工作人员介绍，这是在参考了当地天气预报的情况下的计划负荷，比过去预报准确率(即没有参照当地天气预报时)已有些提高。由表 4可以看出，用T213重要预报因子建模对2007年4—9月预测误差，比计划负荷误差低，说明利用T213预报产品来制作电力负荷预测是完全可行的，且有利于实现业务化。

通过改进后重新建模将准确率再次提高，特别是在4—8月农忙时节，误差比过去减少了50%以上。对于9月模式预测的并不理想，发现农事活动进入结束期，农业用电明显减少，负荷波动日趋平缓。9月天气多为秋高气爽的好天气，降雨日数大大减少。

降雨天气条件下，计划负荷误差为22.3%，T213建模误差为13.4%，通过改进后重新建模的预测误差降低到8.9%，可见采用改进后的模式，可大大提高电力负荷预报准确率。

6 结语

(1) 从T213预报产品中筛选出该地区的重要预报因子，分别是700 hPa水汽通量、850 hPa水汽通量和降水量。

(2) 用T213重要预报因子建模，模拟效果较好，对准东电网2007年4—9月进行试报，发现波动变化趋势预测较好。由于T213对降雨预报存在误差，使得几次负荷明显波动的预测存在偏差。

(3) 提出预报方程的改进方案。从实际气象观测要素中，提取奇台降雨因子，采用T213预报产品与预报员经验相结合，增加奇台预报量级因子，重新建模，预测效果有了进一步提高。

(4) 通过误差分析得到，用T213建模对2007年4—9月准东电网负荷预测的误差，比计划负荷的误差低，说明利用T213预报产品来制作电力负荷预测是完全可行的，且有利于实现业务化。

(5) 通过改进重新建模使得误差进一步缩小。特别是降雨天气条件下，预测误差由原来的22.3%降低到8.9%，大大提高了预报准确率。因此采用T213预报产品，结合预报员经验，可为电力行业提供短期电力负荷预测，甚至可以提供未来3~5天的负荷趋势预测，实现为专业用户提供指导性的专项服务产品。