用电量与气温变化关系分析

用电量与气温变化关系分析祁晖【摘要】文章采用定量分析与定性分析相结合的方法,使用实例数据分析和揭示了气温与用电量的关系,使分析的结论更好地指导实际工作.期刊名称】《江苏科技信息》年(卷),期】2011(000)001【总页数】2页（P46-47）【关键词】电量;温度;回归分析;定量分析【作者】祁晖【作者单位】江苏省电力公司泰州供电公司【正文语种】中文问题的提出根据经验，气温升高，空调负荷会逐步上升，带动用电量增长。但是两者之间的关联度有多大？对应关系又如何？本文选择某地区8月份的电量与气温数据作了分析（如图1）。从图1中可以看出，用电量曲线与平均气温曲线变化趋势基本一致，两者存在非常明显的相关性。定量分析使用数学方法对电量和平均气温两个指标相关性做定量分析（如图2）。从拟合图中可以发现，大部分的实际数据点离拟合直线较近，但是有5~6个点偏离较远。说明在这几天，气温和电量的关系并不十分符合图2表达式中的表述。进一步思考发现，气温是影响电量的重要因素，节假日也是影响电量的重要因素之一。大部分企事业单位星期六、星期天会放假，用电量会明显下降。基于这一点，将节假日因素排除后再作一次拟合分析（如图3）。根据图2、图3可以得到两个结论：①气温是影响8月份电量波动的主要因素，节假日会产生一定波动。②如果不考虑节假日，温度影响系数会增大，即工作日电量变化受温度影响更大。其中，第二点与现实基本吻合。事业单位、学校、写字楼等用户夏季非节假日空调负荷很大，而工业企业由于生产连续性等原因，工业用电不会有很大变化。工业生产消耗电量受气温变化影响较小，导致节假日地区供电量受气温影响变小。图18月全社会日用电量与气温变化关系图28月全社会日用电量和平均气温拟合图38月日用电量和平均气温拟合（除去节假日）定性分析根据上述分析可以基本掌握气温对地区用电量的影响。再采用定性分析法对实际数据做进一步分析。（1）回代数据分析差异。使用实际温度和拟合公式可以预测出用电量，再与实际用电量比较（见表1）。通过表1可以发现，大部分节假日的数据均低于按照工作日拟合公式计算出的预测值。偏差值与工作日与节假日电量偏差的平均水平接近（根据近几个月用电量数据分析，平均工作日与节假日电量偏差约250万kWh）。15号、21号偏差较大，甚至超过了预测值，这说明尽管气温是日用电量变化产生的主要原因，但是部分偶发因素产生的次要影响也较大。这些偶发因素主要是工业单位生产安排的变化。（2）多项式拟合。以上本文主要使用了线性拟合公式。实际在数学上还有指数、对数、多项式等多种拟合方式。使用线性拟合的方式比较容易找到温度影响系数值，即x的系数。下面本文将使用多项式拟合，并进一步分析。从图4可以看出，优化后的拟合线是一条曲线，拐点对应的温度值分别是26工和31.5°C。当气温低于26°C或高于31.5°C时，曲线趋于平缓，电量受气温的影响减小。实际情况中，当气温低于26C时，大部分家庭和单位均不会使用空调，气温继续下降，也不会减少供电量。气温从26°C开始上升后，各地空调陆续打开，气温越高空调使用率越高，电量迅速增长。而气温高于31.5C时，空调基本均已满负荷运转，气温再上升也不会带动电量迅速增长。表1节假日预测用电量与实际用电量对比日期平均气温（°C）用电量（kWhx104）星期拟合值偏差8月1日33.08147星期日8485.03388月7日30.07511星期六7828.03178月8日29.17296星期日7630.93358月14日32.58314星期六8375.5628月15日28.07607星期日7390.0-2178月21日30.38015星期六7893.7-1218月22日31.38115星期日8112.7-28月28日24.56535星期六6623.5898月29日25.96704星期日6930.1226图48月全社会日用电量和平均气温多项式拟合现实意义与不足通过以上分析，可以提供一种预测近期电量的方法，使供电部门能合理安排运作，保障电力供给。如果结合气象部门的月度气温情况，还可以预测月供电量，合理安排全月购电计划。本文涉及的分析方法还有以下不足：①文中对气温和电量关系的分析一般只适合7~9月。这几个月空调负荷对电量影响较大，变化规律容易掌握，而其他月份基本不使用空调，电量与气温关系不大，电量的波动主要是由于受工业用户生产的影响。②一般需要30天的