论文部分内容阅读
摘要：本文利用2011-2015年（5-9月）气象要素和数据处理技术，结合淮北电网提供的实测高温负荷资料，通过多元回归方程定量预测方法，分析高温对负荷影响的气象因子，建立高温天气对淮北电力负荷预测模式，应用先进的负荷预测理论和数据处理技术，以计算机语言编程软件，并且运用2015年气象和高温负荷实测值反复对比试验；其研究结果是：软件预测值准确率达96.3%（去掉突变值）以上，全省首例。课题成果为本地区电力部门提高用电率，用电安全性，节约能源，合理调度，提高经济效益等方面提供了强有力的依据和技术保障；以省为单位，每年增加经济效益数亿元；并且提高了气象为电力高温负荷预测服务准确率，成果应用预期前景有着明显的经济效益和社会效益。
关键词：高温负荷；预测模式；应用软件
0 引言
电力负荷是根据系统运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。电力负荷预测是电力系统中的一项重要考核管理工作，负荷预测工作的水平，已经成为衡量一个电力企业的管理是否走向现代化、科学化的显著标志之一。精确的负荷预测，尤其是短期负荷预测对电力系统的生产安排、经济调度和安全运行都起着十分重要的作用。电力负荷预测模式研究，近年来受到气象部门和电力系统的高度关注。刘建等选用适宜本题所需要的负荷预测模式从气候变化对江苏省城市用电影响方面进行了分析，指出夏季高温异常是居民和城市系统用电增加的重要气候因子。袁顺全等从我国能源结构变化方面分析了气候变化对电力的影响。张立祥等的研究得出供电量与气象条件显著相关的时段，并分月建立了供电量的预测模式。杜彦巍等引入实感温度、温湿指数、寒湿指数、舒适度4个综合气象指数来分析气象因素对电力负荷的影响，并对电力负荷与降水量进行了定性分析。另外，还有吴熳红、杨继旺的几种电力负荷预测方法及其比较，王芳芳的负荷预测模式的建立及基于回归分析法的负荷预测，等等。以上的研究表明：电力负荷对气候、季节和天气的变化比较敏感，不同区域的气候以及当地工农业生产的特点不同，气象条件对电力负荷的影响特征也不同。负荷预测模式虽然多种，更重要的是要选用适宜本题所需要的负荷预测模式。本文分析高温天气对本地区用电力荷的影响关系，选用适宜本题所需要的负荷预测模式——回归方程法，制作高温负荷预测模式软件，有针对性地提供专业气象服务，对电力部门提高用电率、节约能源、安全用电、合理调度、提高经济效益有着重要意义。因此，本文分析淮北供电公司（2011-2015年5-9月）高温日最大电力负荷与相应日最高气温、最低气温、平均气温、降水量、平均相对湿度、风速等气象要素的相关性，得出高温季节电力负荷的主要气象影响因子和多元回归定量预测模式方程，采用先进的预测模式理论方法和数据处理技术，编程高温负荷预测模式应用软件——软件增加每年初始值修正，为今后电力负荷预测技术，专业气象服务提供强有力的指导依据。
1 数据与方法
气象数据选取定量化的基本观测项目，即淮北气象台（2011-2015年5-9月）选用日最高气温（Tg），最低气温（Td），平均气温（T），降水量（r），平均相对湿度（Yn），风速（f）等气象因子及电力负荷数据为淮北供电公司提供的日最大电力负荷数据实测值，采用相关处理技术和先进的理论分析方法，求出高温负荷预测模式方程；为了提高高温负荷预测准确率，先后补充增加了两年的实测负荷值和气象观测资料，而且开发的高温负荷预测模式软件功能增加了查验自动翻页日历和修正值功能，进一步提高了高温负荷预测模式的准确率及应用价值。研发的高温负荷预测模式采用先进理论和数据处理技术方法，有效弥补了江苏省高温负荷预测技术与服务工作的不足，经过2015年（6-8月）高温负荷实测值的反演试验证明，高温负荷预测准确率达96.3%（去掉突变值）以上，全省首例；以省为单位对比计算，提高经济效益数亿元，有着明显的社会经济效益及项目研发前景。
2 气候对电力负荷影响分析
淮北市地处中纬度地区，属暖温带半湿润季风气候区。主要气候特征是季风明显，四季分明，气候温和；雨水适中，春温多变，秋高气爽，冬季显著，夏雨集中。
淮北市夏季（6-8月）炎热多雨，多吹东南风或东风，降水集中且强度大，日照充足。夏季平均气温为26.5℃，最高气温达41.1℃。降水量历年平均475.3 mm，超过全年降水量的一半以上。淮北市主汛期也集中在夏季，同时夏季也是用电的高峰期。淮北供电公司担负着淮北市三区一县及周边部分地区的工农业生产和人民生活供电任务。从淮北电力负荷时间序列图（图1）可以看出夏季用电高峰在6月上、中旬到8月中、下旬之间，该时段对应的淮北气候为高温天气，降水集中，光照和温度变化强烈。基于高温天气做电力负荷预测研究，以期对淮北电力发展有指导性帮助。
电力负荷的影响因素多样，政策改变和城乡规划及各大产业发展变迁都有可能影响全市用电情况，在保证基础模态基无大变化的前提下，从气候角度出发研究各气象要素与电力负荷情况的相关性，可使夏季电力负荷预测的准确率的提高成为可能。
3 高温负荷预测模式方程
3.1 2008年电力负荷对比曲线特征
图2是2008年淮北电网逐日最大电力负荷变化及线性趋势线。2008年6月6日-8月29日为高温天气时段，基本与往年一致。1-3月预测负荷与实际负荷趋势基本一致，预测值略低，2月电力负荷值低，呈漏斗形；4月预测值略低；6-8月预测、实际负荷曲线基本一致；9-11月趋势基本一致，预测值略低；12月两值基本一致。因此，6-8月夏季预测模式为研究本区高温天气的负荷预测模式提供重要依据。
3.2 电力负荷预测方程
签于电力负荷受地方经济发展、气象条件以及不确定因素的影响，采用公式E=（Ei+Eq）+&来描述电力负荷值。其中Ei=bt+a（a为常数项，b为线性倾向值，t为时间）表示随时间的增长、社会发展所引起电力负荷的变化项。Eq为受气象条件所影响的电力负荷项，&为不确定因素引起的电力负荷变化项，由于&项影响较小，有时往往忽略不计。 电力负荷月、季节变化显著，因此，分1-2月，3-5月，6-8月，9-10月，11-12月5个时间段分别建立电力负荷的气象预测方程，选用日最高气温（Tg），最低气温（Td），平均气温（T），降水量（r），平均相对湿度（Yn），风速（f）等为气象因子在不同月份的显著相关性。5个方程入选的气象因子个数不同，最少的9-10月选2个因子。最多的6-8月，11-12月选5个因子。方程（1）～（5）给出了2008年电力负荷气象预测方程。
Eq=1145.1+0.166Td-1.984T-1.547Yn+2.87f 方程（1）
R=0.483×F=4.26×a=0.005
Eq=1147.3+0.955r-0.108T+0.273Tg+0.199Yn 方程（2）
R=0.478×F=4.17×a=0.005
Eq=573.3-0.769Tg+3.111×T+0.142Td+0.15r+0.003Yn 方程（3）
R=0.617×F=6.75×a=0.001
Eq=1288.2-0.566T-0.106Tg 方程（4）
R=0.534×F=8.872×a=0.001
Eq=1327.5-1.09 T-0.318Td+0.40r-0.257Yn-0.013 F 方程（5）
R=0.843×F=27.01×a O.00
根据（1）～（5）预测的2008年逐日预测最大负荷与负荷实况对比折线图（图2）可以看出：用电力负荷预测模式对淮北电网具有较好的预报能力，预报与实况变化趋势基本一致。其中，1-3月预测与实况吻合，4月预测与实况比较，略有偏低，6-8月预测与实况变化趋势一致，只是实际波动很大。9-12月预测与实况比较接近。
总体上说，预测模式对淮北电力负荷有比较好的预报能力，且冬半年预测效果好于夏半年。6-8月夏季高温天气（最高气温（Tg）、最低气温（Td）、平均气温（T）、降水量（r）、平均相对湿度（rh）等气象因子）负荷预测值与实况变化一致，因此，方程（3）就是高温负荷预测模式方程。
3.3 高温负荷预测模式方程
高温负荷预测模式回归方程为
Eq=（573.3=c为常数项）-0.769Tg+3.111×T+0.142Td+0.15r+0.003Yn 方程（6）
检验方程式为
R=0.617×F=6.75×a=0.001
高温天气对淮北电力负荷预测模式方程（3）与2011-2015年5月-8月30日预测与实况在上升趋势是基本吻合的，只是不确定因素（气候变化、新农村城市化建设等）有所增加。因此，检验时以实测值确定c值，找出电力负荷上升规律，为进一步研究和提高准确率做文章。
4 淮北高温负荷预测模式及回归分析法
4.1 最大负荷时间序列图
从图3日最大负荷时间序列图分析3年（2011-2013年5-9月）最大电力负荷出现时间序列，不难看出，5月-8月30日为淮北市主汛期用电最大负载达到最大时段。
总结如下几点：
（1）6月6日-8月30日，主汛期淮北市用电最大负载达到最大时段。
（2）整体趋势：每年电力负荷逐年递增，受城市现代化、新农村建设进程逐年加快等原因影响。
（3）各年出现波动，峰值和谷值没有明显相同趋势，根据各年天气情况而不同。
4.2 负荷日较差时序图
从图4负荷日较差时序图分析，得出如下几点：
（1）6月15日-8月23日，淮北市用电力载出现最大波动时段。
（2）整体趋势：电力负荷波动在夏季波动程度逐年增强，电力负荷不稳定情况加剧，对电力部门的承载要求加大。
（3）各年出现波动，根据各年天气情况而不同，没有明显规律。
4.3 各要素各年与最大负载的相关系数表
从表1不难看出各要素各年（2011-2015年）与最大负荷的相关系数不同，分析总结以下几点：
（1）各要素各年与最大负荷“1”的相关系数都有所变化，但变幅不大。
（2）明显显示最高气温、平均气温、相对湿度是最大负荷的主要影响因子。其他气象因子影响不大。
（3）最大负荷在各年受气象因子变化影响，上升、下降的变幅不大，且明显。
4.4 高温负荷预测模式回归分析法及软件应用
4.4.1 高温负荷预测模式——回归分析法
量化气象因子贡献，是开发淮北电力负荷气象预测模式的基础，利用数学建模及气象统计模式分析，拟合淮北高温电力负荷预测模式。
先将（2011-2015年5-9月）大量气象观测（因子）要素与淮北供电公司相应时段实测电力负荷进行相关分析，利用主要影响气象因子和次要影响气象因子及降维数据处理技术，再做线性拟合回归分析，得出主要影响气象因子为平均气温和平均相对湿度。两因子均通过Iiy<0.05的信度检验；另外，最高气温、最大风速、降水量均有不同程度的影响，线性拟合关系比较清晰，散点图散点度比较好。
电力负荷预测模式相关分析法有多种（趋势分析法、回归分析法、指数平滑法、单耗法、灰色模型法、负荷密度法、弹性负数法等）。趋势分析法是最流行的定量预测方法，它将已知的历史资料数据拟合一条曲线，再选用线性多项式、对数、幂等数学模型来反映这条曲线，并按这个数字模型来测量未来某一时刻负荷测值。回归分析法是在掌握大量观测数据的基础上，利用数理统计方法，建立因变量与自变量之间的回归关系函数表达式（称回归方程式）Eq=573.30.769Tg+3.111×T+0.142Td+0.15r+0.003Yn。它依据事物内部因素变化的因果关系，来预测事物未来的发展趋势，因此，是适合本文需求的定量预测模式方法（其他方法略）。 从图5和表2、表3分析得出：
（1）预测、实际负荷随着温度升高而升高，降低而降低；实际上温度突然升高或者降低，预测负荷很难报准，过程性高温的把握也是预测准确率低的原因。
（2）预测、实际负荷随着温度而变化，且周期性变化不明显，但有明显上升趋势；根据实践经验不断总结，发掘相关因子的影响度，以待提高负荷预测准确率。
（3）通过Iiy<0.05的信度检验，得出主要影响气象因子为平均气温和平均相对湿度。
（4）最高气温、最大风速、降水量均有不同程度的影响，线性拟合关系比较清晰，散点图散点度比较好。
4.4.2 高温负荷预测模式软件修正值
通过对图6、图7四年的电力负荷序列进行分析发现，高温在3 5℃-40℃之间时，规律性比较好，但平均气温（32.34℃）区间内易出现突变值，误差较大。当高温超过40℃后，电力负荷降低，分析可能原因，是负荷转移他用，或者是高温停产、生活用电（应用其他能源）、安全等的保护措施所致。另外，近年因城乡建设和电力需求的变动，每年电力负荷都有不同程度的增长变化，所以需要每年进行初始值的修正。
4.4.3 高温电力负荷预测模式软件应用
（1）软件简介。此课题软件是采用5年（2011-2015年）气象与电力负荷的实测资料，应用先进的负荷预测理论和数据处理技术，以计算机语言编程的软件，并运用2015年气象和电力高温负荷实测值反复对比试验。其实验结果是：软件预测值86%～99%准确率达96.3%以上，全省首例。课题成果为本地区电力部门提高用电率、用电安全性、节约能源、合理调度、提高经济效益等方面提供了强有力的依据和技术保障；以省为单位，每年增加经济效益数亿元；并且提高了气象为电力高温负荷预测服务准确率，成果应用预期前景有着明显的经济效益和社会效益。
每年5月底以月平均实测负荷值（或下旬平均实测负荷值）输入订正一次，每年的第一个高温日以当日实测负荷值输入订正一次（每年共两次订正就够了，订正值-60.7左右，准确率比较高）；其余的订正值于每月自动订正。订正时出现“继续”与“停止”，点击“继续”就可，出现“非···”点击“确定”即可。
每年高温季节（6-8月），每天上午根据气象要素预报值（最高气温、平均气温、最低气温、平均相对湿度、降水、最大风速）输入相应的软件窗口（降水、最大风速没有数据输入“0”），核实每个输入数据无误后，点击“预测负荷”即可完成。
5 结论
（1）根据淮北地理环境和气候特征，淮北夏季用电高峰在6月上、中旬到8月中、下旬之间，该时段对应的淮北气候为高温天气，降水集中，光照和温度变化强烈。基于高温天气做电力负荷预测模式研究，以期对淮北电力发展有指导性的帮助。
（2）利用2011-2015年（5-9月）观测气象要素资料及降维数据处理技术，结合淮北电网提供的实测高温负荷值，通过多元回归分析高温对负荷影响的气象因子，建立高温天气对淮北电力负荷的预测模型方程式为Eq=573.30.769Tg+3.111×T+0.142Td+0.15r+0.003Yn；因为它的多元回归方程式是依据事物内部因素变化的因果关系来预测事物未来的发展趋势，所以是适合本文需求的定量预测模式方法。
（3）高温负荷预测模式总体趋势：电力负荷逐年递增，每年峰值和谷值没有明显相同趋势，负荷在夏季波动程度逐年增强，不稳定情况加剧，对电力部门的承载要求加大。因每年天气情况不同，各年电力负荷出现波动，且没有明显规律。
（4）对5年电力负荷序列进行分析发现，高温在35℃～40℃之间时，规律性比较好，但平均气温（32.34℃）区间内易出现突变值，误差较大。当高温超过40℃后，电力负荷降低，分析可能原因，是负荷转移他用，或者是高温停产、生活用电（应用其他能源）、安全等的保护措施所致。
（5）近年因城乡建设和电力需求的变动，每年用电力负荷都有不同程度的增长，而且每年气候变化总贡献在波动中稳定，所以需要每年进行初始值的修正。
（6）开发的高温负荷预测模式软件功能增加了查验自动翻页日历和修正值功能，进一步提高了高温负荷预测模式的准确率及应用价值。研发的高温负荷预测模式采用先进理论和数据处理技术方法，有效弥补了江苏省高温负荷预测技术与服务工作的不足，经过2015年（6-8月）高温负荷实测值的反演试验证明，高温负荷预测准确率达96.3%（去掉突变值）以上，全省首例。以省为单位对比计算，提高经济效益数亿元，有着明显的社会经济效益及项目研发前景。
本文对淮北高温负荷预测模式研究及软件应用，为本区电力部门提高用电率、生产安排、安全运行、节约能源和经济合理调度，进行气象专业预报服务有着重要的指导意义。
关键词：高温负荷；预测模式；应用软件
0 引言
电力负荷是根据系统运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。电力负荷预测是电力系统中的一项重要考核管理工作，负荷预测工作的水平，已经成为衡量一个电力企业的管理是否走向现代化、科学化的显著标志之一。精确的负荷预测，尤其是短期负荷预测对电力系统的生产安排、经济调度和安全运行都起着十分重要的作用。电力负荷预测模式研究，近年来受到气象部门和电力系统的高度关注。刘建等选用适宜本题所需要的负荷预测模式从气候变化对江苏省城市用电影响方面进行了分析，指出夏季高温异常是居民和城市系统用电增加的重要气候因子。袁顺全等从我国能源结构变化方面分析了气候变化对电力的影响。张立祥等的研究得出供电量与气象条件显著相关的时段，并分月建立了供电量的预测模式。杜彦巍等引入实感温度、温湿指数、寒湿指数、舒适度4个综合气象指数来分析气象因素对电力负荷的影响，并对电力负荷与降水量进行了定性分析。另外，还有吴熳红、杨继旺的几种电力负荷预测方法及其比较，王芳芳的负荷预测模式的建立及基于回归分析法的负荷预测，等等。以上的研究表明：电力负荷对气候、季节和天气的变化比较敏感，不同区域的气候以及当地工农业生产的特点不同，气象条件对电力负荷的影响特征也不同。负荷预测模式虽然多种，更重要的是要选用适宜本题所需要的负荷预测模式。本文分析高温天气对本地区用电力荷的影响关系，选用适宜本题所需要的负荷预测模式——回归方程法，制作高温负荷预测模式软件，有针对性地提供专业气象服务，对电力部门提高用电率、节约能源、安全用电、合理调度、提高经济效益有着重要意义。因此，本文分析淮北供电公司（2011-2015年5-9月）高温日最大电力负荷与相应日最高气温、最低气温、平均气温、降水量、平均相对湿度、风速等气象要素的相关性，得出高温季节电力负荷的主要气象影响因子和多元回归定量预测模式方程，采用先进的预测模式理论方法和数据处理技术，编程高温负荷预测模式应用软件——软件增加每年初始值修正，为今后电力负荷预测技术，专业气象服务提供强有力的指导依据。
1 数据与方法
气象数据选取定量化的基本观测项目，即淮北气象台（2011-2015年5-9月）选用日最高气温（Tg），最低气温（Td），平均气温（T），降水量（r），平均相对湿度（Yn），风速（f）等气象因子及电力负荷数据为淮北供电公司提供的日最大电力负荷数据实测值，采用相关处理技术和先进的理论分析方法，求出高温负荷预测模式方程；为了提高高温负荷预测准确率，先后补充增加了两年的实测负荷值和气象观测资料，而且开发的高温负荷预测模式软件功能增加了查验自动翻页日历和修正值功能，进一步提高了高温负荷预测模式的准确率及应用价值。研发的高温负荷预测模式采用先进理论和数据处理技术方法，有效弥补了江苏省高温负荷预测技术与服务工作的不足，经过2015年（6-8月）高温负荷实测值的反演试验证明，高温负荷预测准确率达96.3%（去掉突变值）以上，全省首例；以省为单位对比计算，提高经济效益数亿元，有着明显的社会经济效益及项目研发前景。
2 气候对电力负荷影响分析
淮北市地处中纬度地区，属暖温带半湿润季风气候区。主要气候特征是季风明显，四季分明，气候温和；雨水适中，春温多变，秋高气爽，冬季显著，夏雨集中。
淮北市夏季（6-8月）炎热多雨，多吹东南风或东风，降水集中且强度大，日照充足。夏季平均气温为26.5℃，最高气温达41.1℃。降水量历年平均475.3 mm，超过全年降水量的一半以上。淮北市主汛期也集中在夏季，同时夏季也是用电的高峰期。淮北供电公司担负着淮北市三区一县及周边部分地区的工农业生产和人民生活供电任务。从淮北电力负荷时间序列图（图1）可以看出夏季用电高峰在6月上、中旬到8月中、下旬之间，该时段对应的淮北气候为高温天气，降水集中，光照和温度变化强烈。基于高温天气做电力负荷预测研究，以期对淮北电力发展有指导性帮助。
电力负荷的影响因素多样，政策改变和城乡规划及各大产业发展变迁都有可能影响全市用电情况，在保证基础模态基无大变化的前提下，从气候角度出发研究各气象要素与电力负荷情况的相关性，可使夏季电力负荷预测的准确率的提高成为可能。
3 高温负荷预测模式方程
3.1 2008年电力负荷对比曲线特征
图2是2008年淮北电网逐日最大电力负荷变化及线性趋势线。2008年6月6日-8月29日为高温天气时段，基本与往年一致。1-3月预测负荷与实际负荷趋势基本一致，预测值略低，2月电力负荷值低，呈漏斗形；4月预测值略低；6-8月预测、实际负荷曲线基本一致；9-11月趋势基本一致，预测值略低；12月两值基本一致。因此，6-8月夏季预测模式为研究本区高温天气的负荷预测模式提供重要依据。
3.2 电力负荷预测方程
签于电力负荷受地方经济发展、气象条件以及不确定因素的影响，采用公式E=（Ei+Eq）+&来描述电力负荷值。其中Ei=bt+a（a为常数项，b为线性倾向值，t为时间）表示随时间的增长、社会发展所引起电力负荷的变化项。Eq为受气象条件所影响的电力负荷项，&为不确定因素引起的电力负荷变化项，由于&项影响较小，有时往往忽略不计。 电力负荷月、季节变化显著，因此，分1-2月，3-5月，6-8月，9-10月，11-12月5个时间段分别建立电力负荷的气象预测方程，选用日最高气温（Tg），最低气温（Td），平均气温（T），降水量（r），平均相对湿度（Yn），风速（f）等为气象因子在不同月份的显著相关性。5个方程入选的气象因子个数不同，最少的9-10月选2个因子。最多的6-8月，11-12月选5个因子。方程（1）～（5）给出了2008年电力负荷气象预测方程。
Eq=1145.1+0.166Td-1.984T-1.547Yn+2.87f 方程（1）
R=0.483×F=4.26×a=0.005
Eq=1147.3+0.955r-0.108T+0.273Tg+0.199Yn 方程（2）
R=0.478×F=4.17×a=0.005
Eq=573.3-0.769Tg+3.111×T+0.142Td+0.15r+0.003Yn 方程（3）
R=0.617×F=6.75×a=0.001
Eq=1288.2-0.566T-0.106Tg 方程（4）
R=0.534×F=8.872×a=0.001
Eq=1327.5-1.09 T-0.318Td+0.40r-0.257Yn-0.013 F 方程（5）
R=0.843×F=27.01×a O.00
根据（1）～（5）预测的2008年逐日预测最大负荷与负荷实况对比折线图（图2）可以看出：用电力负荷预测模式对淮北电网具有较好的预报能力，预报与实况变化趋势基本一致。其中，1-3月预测与实况吻合，4月预测与实况比较，略有偏低，6-8月预测与实况变化趋势一致，只是实际波动很大。9-12月预测与实况比较接近。
总体上说，预测模式对淮北电力负荷有比较好的预报能力，且冬半年预测效果好于夏半年。6-8月夏季高温天气（最高气温（Tg）、最低气温（Td）、平均气温（T）、降水量（r）、平均相对湿度（rh）等气象因子）负荷预测值与实况变化一致，因此，方程（3）就是高温负荷预测模式方程。
3.3 高温负荷预测模式方程
高温负荷预测模式回归方程为
Eq=（573.3=c为常数项）-0.769Tg+3.111×T+0.142Td+0.15r+0.003Yn 方程（6）
检验方程式为
R=0.617×F=6.75×a=0.001
高温天气对淮北电力负荷预测模式方程（3）与2011-2015年5月-8月30日预测与实况在上升趋势是基本吻合的，只是不确定因素（气候变化、新农村城市化建设等）有所增加。因此，检验时以实测值确定c值，找出电力负荷上升规律，为进一步研究和提高准确率做文章。
4 淮北高温负荷预测模式及回归分析法
4.1 最大负荷时间序列图
从图3日最大负荷时间序列图分析3年（2011-2013年5-9月）最大电力负荷出现时间序列，不难看出，5月-8月30日为淮北市主汛期用电最大负载达到最大时段。
总结如下几点：
（1）6月6日-8月30日，主汛期淮北市用电最大负载达到最大时段。
（2）整体趋势：每年电力负荷逐年递增，受城市现代化、新农村建设进程逐年加快等原因影响。
（3）各年出现波动，峰值和谷值没有明显相同趋势，根据各年天气情况而不同。
4.2 负荷日较差时序图
从图4负荷日较差时序图分析，得出如下几点：
（1）6月15日-8月23日，淮北市用电力载出现最大波动时段。
（2）整体趋势：电力负荷波动在夏季波动程度逐年增强，电力负荷不稳定情况加剧，对电力部门的承载要求加大。
（3）各年出现波动，根据各年天气情况而不同，没有明显规律。
4.3 各要素各年与最大负载的相关系数表
从表1不难看出各要素各年（2011-2015年）与最大负荷的相关系数不同，分析总结以下几点：
（1）各要素各年与最大负荷“1”的相关系数都有所变化，但变幅不大。
（2）明显显示最高气温、平均气温、相对湿度是最大负荷的主要影响因子。其他气象因子影响不大。
（3）最大负荷在各年受气象因子变化影响，上升、下降的变幅不大，且明显。
4.4 高温负荷预测模式回归分析法及软件应用
4.4.1 高温负荷预测模式——回归分析法
量化气象因子贡献，是开发淮北电力负荷气象预测模式的基础，利用数学建模及气象统计模式分析，拟合淮北高温电力负荷预测模式。
先将（2011-2015年5-9月）大量气象观测（因子）要素与淮北供电公司相应时段实测电力负荷进行相关分析，利用主要影响气象因子和次要影响气象因子及降维数据处理技术，再做线性拟合回归分析，得出主要影响气象因子为平均气温和平均相对湿度。两因子均通过Iiy<0.05的信度检验；另外，最高气温、最大风速、降水量均有不同程度的影响，线性拟合关系比较清晰，散点图散点度比较好。
电力负荷预测模式相关分析法有多种（趋势分析法、回归分析法、指数平滑法、单耗法、灰色模型法、负荷密度法、弹性负数法等）。趋势分析法是最流行的定量预测方法，它将已知的历史资料数据拟合一条曲线，再选用线性多项式、对数、幂等数学模型来反映这条曲线，并按这个数字模型来测量未来某一时刻负荷测值。回归分析法是在掌握大量观测数据的基础上，利用数理统计方法，建立因变量与自变量之间的回归关系函数表达式（称回归方程式）Eq=573.30.769Tg+3.111×T+0.142Td+0.15r+0.003Yn。它依据事物内部因素变化的因果关系，来预测事物未来的发展趋势，因此，是适合本文需求的定量预测模式方法（其他方法略）。 从图5和表2、表3分析得出：
（1）预测、实际负荷随着温度升高而升高，降低而降低；实际上温度突然升高或者降低，预测负荷很难报准，过程性高温的把握也是预测准确率低的原因。
（2）预测、实际负荷随着温度而变化，且周期性变化不明显，但有明显上升趋势；根据实践经验不断总结，发掘相关因子的影响度，以待提高负荷预测准确率。
（3）通过Iiy<0.05的信度检验，得出主要影响气象因子为平均气温和平均相对湿度。
（4）最高气温、最大风速、降水量均有不同程度的影响，线性拟合关系比较清晰，散点图散点度比较好。
4.4.2 高温负荷预测模式软件修正值
通过对图6、图7四年的电力负荷序列进行分析发现，高温在3 5℃-40℃之间时，规律性比较好，但平均气温（32.34℃）区间内易出现突变值，误差较大。当高温超过40℃后，电力负荷降低，分析可能原因，是负荷转移他用，或者是高温停产、生活用电（应用其他能源）、安全等的保护措施所致。另外，近年因城乡建设和电力需求的变动，每年电力负荷都有不同程度的增长变化，所以需要每年进行初始值的修正。
4.4.3 高温电力负荷预测模式软件应用
（1）软件简介。此课题软件是采用5年（2011-2015年）气象与电力负荷的实测资料，应用先进的负荷预测理论和数据处理技术，以计算机语言编程的软件，并运用2015年气象和电力高温负荷实测值反复对比试验。其实验结果是：软件预测值86%～99%准确率达96.3%以上，全省首例。课题成果为本地区电力部门提高用电率、用电安全性、节约能源、合理调度、提高经济效益等方面提供了强有力的依据和技术保障；以省为单位，每年增加经济效益数亿元；并且提高了气象为电力高温负荷预测服务准确率，成果应用预期前景有着明显的经济效益和社会效益。
每年5月底以月平均实测负荷值（或下旬平均实测负荷值）输入订正一次，每年的第一个高温日以当日实测负荷值输入订正一次（每年共两次订正就够了，订正值-60.7左右，准确率比较高）；其余的订正值于每月自动订正。订正时出现“继续”与“停止”，点击“继续”就可，出现“非···”点击“确定”即可。
每年高温季节（6-8月），每天上午根据气象要素预报值（最高气温、平均气温、最低气温、平均相对湿度、降水、最大风速）输入相应的软件窗口（降水、最大风速没有数据输入“0”），核实每个输入数据无误后，点击“预测负荷”即可完成。
5 结论
（1）根据淮北地理环境和气候特征，淮北夏季用电高峰在6月上、中旬到8月中、下旬之间，该时段对应的淮北气候为高温天气，降水集中，光照和温度变化强烈。基于高温天气做电力负荷预测模式研究，以期对淮北电力发展有指导性的帮助。
（2）利用2011-2015年（5-9月）观测气象要素资料及降维数据处理技术，结合淮北电网提供的实测高温负荷值，通过多元回归分析高温对负荷影响的气象因子，建立高温天气对淮北电力负荷的预测模型方程式为Eq=573.30.769Tg+3.111×T+0.142Td+0.15r+0.003Yn；因为它的多元回归方程式是依据事物内部因素变化的因果关系来预测事物未来的发展趋势，所以是适合本文需求的定量预测模式方法。
（3）高温负荷预测模式总体趋势：电力负荷逐年递增，每年峰值和谷值没有明显相同趋势，负荷在夏季波动程度逐年增强，不稳定情况加剧，对电力部门的承载要求加大。因每年天气情况不同，各年电力负荷出现波动，且没有明显规律。
（4）对5年电力负荷序列进行分析发现，高温在35℃～40℃之间时，规律性比较好，但平均气温（32.34℃）区间内易出现突变值，误差较大。当高温超过40℃后，电力负荷降低，分析可能原因，是负荷转移他用，或者是高温停产、生活用电（应用其他能源）、安全等的保护措施所致。
（5）近年因城乡建设和电力需求的变动，每年用电力负荷都有不同程度的增长，而且每年气候变化总贡献在波动中稳定，所以需要每年进行初始值的修正。
（6）开发的高温负荷预测模式软件功能增加了查验自动翻页日历和修正值功能，进一步提高了高温负荷预测模式的准确率及应用价值。研发的高温负荷预测模式采用先进理论和数据处理技术方法，有效弥补了江苏省高温负荷预测技术与服务工作的不足，经过2015年（6-8月）高温负荷实测值的反演试验证明，高温负荷预测准确率达96.3%（去掉突变值）以上，全省首例。以省为单位对比计算，提高经济效益数亿元，有着明显的社会经济效益及项目研发前景。
本文对淮北高温负荷预测模式研究及软件应用，为本区电力部门提高用电率、生产安排、安全运行、节约能源和经济合理调度，进行气象专业预报服务有着重要的指导意义。