一个考虑人为热的日最大热岛强度诊断方程的适用性检验

城市热岛(Urban Heat Island,UHI)对热舒适、能源和生态安全有重要影响。准确预测日最大城市热岛强度(Maximum Urban Heat Island Intensity,UHIImax)可以预警能源消耗和保障室外热安全。基于局地气候分区(Local Climate Zone,LCZ)框架,在广州选择多个LCZ分区,并进行长达3年的局地气候观测。基于实测结果验证一个欧洲学者提出的未考虑人为热的日UHIImax诊断方程的适用性;进一步检验考虑人为热后扩展方程在广州的适用性。结果表明,该原始方程诊断结果与观测结果的相关系数为0.63,均方根误差(Root Mean Square Error,RMSE)为1.50 K,平均绝对误差(Median Absolute Error,MEAE)为0.97 K,d=0.60,诊断精度可适用。考虑人为热的扩展方程比原始方程诊断结果更加准确,RMSE降低了0.12 K,MEAE降低了0.10 K,d增加了0.04。方程在不同的LCZ的检验结果存在差异表明应针对不同的LCZ特征对方程进行修正,但增加人为热可提升在各LCZ的诊断表现。综上,该修正方程可以作为预测局地UHI发展的工具,提高湿热地区局地UHI的诊断精度。

基于敏感气温空间分布的度夏度冬日最大负荷预测与应用研究

随着电气化率的提升,新型电力系统“双高双峰”特性愈发明显,准确预测度冬度夏日最大负荷对电力平衡安排、迎峰保电保供的重要性也更加突出。采用负荷分解理论,提出了基于敏感气温空间分布的夏季和冬季日最大负荷预测方法。利用社会发展因素,建立基础负荷与国内生产总值(gross domestic product,GDP)、居民消费价格指数(consumer price index,CPI)关联模型,为基础负荷的估算提供更客观、严谨的理论依据。根据各区域电网负荷占比识别重点分区,采用M-K(Mann-Kendall)检验确定分区敏感气温并统计各分区温变负荷范围,结合聚类分析方法构建分档位温变负荷预测模型。以国家电网有限公司经营区2021年度冬度夏日最大负荷预测为例,预测结果相比ARIMA(autoregressive integrated moving average)时序预测法、支持向量回归法(support vector regression,SVR)的结果更具优势。结合2022年度夏日最大负荷预测算例,进一步验证了所提方法和模型的有效性。

基于气象因子的长沙市日最大电力负荷预测对比研究

基于长沙市2018—2020年逐日日最大电力负荷和同期逐日气象要素数据,统计分析了日最大电力负荷的变化规律及节假日/周末效应。用趋势法分离出气象敏感负荷,并将气象敏感负荷与气象要素做相关性分析,最后用支持向量机方法和多元线性回归法对负荷进行模拟预测。结果表明:长沙市日最大电力负荷在一年内有2个峰值,分别出现在夏季和冬季,长沙市日最大电力负荷整体呈现增长趋势。日最大电力负荷的节假日/周末效应不明显。在春季和秋季,气象敏感负荷和气象因子的相关性较差,在夏季和冬季,温度是影响气象负荷最重要的气象因子。支持向量机方法对长沙市日最大电力负荷模拟效果较好,且加入综合气象指数使得模拟结果变好。

结合改进聚类算法与PSO-GA-BP神经网络算法的日最大负荷预测方法

为向负荷预测模型提供准确可靠的相似日训练样本集合,针对现有聚类算法在初始聚类中心选取方面的不足,提出了一种基于数据中心度的改进聚类算法,并搭建集数据筛选、聚类、优化、训练、预测为一体的日最大负荷预测模型.首先,基于各被聚类对象的中心度,选取聚拢效果最好的对象作为第一个聚类中心代入Canopy算法,形成初始聚类中心集合;然后,采用K-means聚类算法,得到不同类别相似日的训练样本;最后,利用PSO-GA-BP神经网络算法搭建日最大负荷预测模型进行预测分析.算例对某地区2011—2012年日最大负荷开展预测分析,结果表明:所提方法在聚类指标与预测指标上均具有一定优越性,具备一定实际工程应用价值.

北京夏季日最大电力负荷预报模型建立方法探讨

为了探索夏季(6～8月)日气象负荷的最佳分离方式和引起日最大电力负荷波动的主要因子,以及建立预报模型最佳个数,基于北京市2005～2010年逐日最大电力负荷和同期的气象资料,分析了北京地区日最大电力负荷的变化规律,采用不同方法将气象负荷从夏季日最大电力负荷中分离出来,分析北京夏季气象负荷与气温、相对湿度、降水及炎热指数、高温持续日数、炎热日数持续时间、前一日气象负荷等因子之间的关系,并基于2005～2009年夏季逐日气象负荷和其主要影响因子采用逐步回归方法建立日最大电力负荷的预报模型,将2010年夏季北京日最大电力负荷作为预报效果的独立样本检验。结果显示:2005～2010年,北京逐日最大电力负荷具有明显的线性增长趋势,夏季日最大电力负荷具有显著的星期效应;与去掉逐年夏季日最大电力负荷趋势和夏季平均日最大电力负荷趋势相比,去掉全年逐日最大电力负荷变化趋势的夏季日气象负荷预报模型的拟合能力更优;北京夏季日气象负荷与当日气温的相关系数最高,与前一日气象负荷也关系密切;利用前一日相对气象负荷和当日气象要素一周逐日分别建立预报模型的拟合和预测效果较好。

典型气象因素对省网夏季日最大负荷的影响

针对湖南省的气象特点和电源特点,研究该地区夏季持续高温、连续晴天和持续降水等典型气象因素对省网日最大统调负荷的影响.刻画高温累积效应以直观描述持续高温对负荷产生的影响,定义连续晴天数和降水累积滞后效应,用以反映连续晴天和持续降水对小水电出力的影响.通过分析典型气象因素和人们生产生活规律等影响因素,建立基于差分法的多元线性短期负荷预测模型.对近年湖南夏季日最大统调负荷进行模型仿真和实例预测,取得了较好的预测效果.

基于贝叶斯框架和回声状态网络的日最大负荷预测研究

为克服神经网络中的伪回归问题,对标准的回声状态网络进行改进,用贝叶斯理论提高网络的泛化能力。在实证算例分析中,采用某地区的实际负荷数据和相关气候数据,对该地区的日最大负荷进行预测,验证所提方法的有效性和适用性。对比试验的预测结果表明,改进的回声状态网络比标准回声状态网络和前馈神经网络预测效果更精确,网络泛化能力更强。

北京地区日最大边界层高度的气候统计特征

使用北京气象站探空观测数据和地面气温观测数据,以干绝热曲线法估算1984-2013年逐日最大边界层高度,同时计算对应的边界层平均风速和通风量。统计分析这3个边界层参量的平均特征,并利用2001-2012年的空气污染指数（API）,探讨大气污染与边界层参量的关系。结果表明：（1）日最大边界层高度的30年月均值以春季和夏初（3-6月）最高,约1600 m;夏季和秋初（7-10月）次之,约1300 m;冬季（11月、12月和1月）最低,约1000-1200 m。（2）夏季,日最大边界层高度不同数值的频率大致为对称分布,峰值处于1000-1600 m范围;秋、冬季,频率分布系统性地向低值一方偏斜,600-800 m的出现频率大大增加;春季边界层高度的变化极大。（3）各季边界层平均风速以夏季为最小。（4）一年中春季通风量最大,秋季次之,冬季较低,夏季最小。（5）秋、冬季,北京中度和重污染个例（API〉200）集中分布于弱风、低边界层和小通风量条件,反映污染物局地累积的作用;春季污染个例半数以上以高风速、高通风量为特征,反映沙尘类外部输入性污染的作用。

基于日最大风速记录的建筑群风环境评估方法

提出将各风向的风速比与日最大风速概率分布相结合,进行风环境评估,并按照风速大小划定建筑功能区域的基本方法。首先利用地面风速探头在风洞中对建筑群周边区域的风场进行定量测量,得出不同风向下各测点的风速比。再根据多年日最大风速记录和广义极值分布函数族,得出不同风向的日最大风速概率分布参数。由此即可求出各测点日最大风速超过风速阈值的概率。参照风环境评估准则,可对各区域的舒适度进行定量评估,并对其进行功能分区。通过对某高层建筑群的实验研究,验证了该方法的有效性和简便性,研究结果对建筑设计有直接的指导意义。

南四湖流域暴雨分布特征及可能日最大降水量计算

利用南四湖流域11县市1971～2007年的暴雨资料,分析南四湖流域首次和末次暴雨的开始和结束时间以及暴雨的时空分布特征,发现南四湖流域暴雨的时空分布差异较大,但日降水极值的概率分布却有一定规律,呈Λ(x)型渐进分布。利用耿贝尔分布计算南四湖流域多年一遇的日最大降水量极值,计算的未来10年、20年、40年的日最大降水量与历史上10年、20年、40年的日最大降水量重现期基本一致,对未来50～200年的估算值也具有一定的参考价值。

日最大负荷特性分析及预测方法

电力调度和市场营销部门对电力负荷数据的走势形态和预测方法十分重视。在实际应用中,电力市场对提前预测未来连续多天的日最大负荷提出了新的要求。本文根据电力系统中日最大负荷的历史数据,分法定假日与非假日两部分单独研究其特性。对于假日最大负荷的预测,设定假日因子;对于非假日,通过小波分解提取日最大负荷变化的周期特征,再分别建立相应的BP神经网络模型进行预测。通过对某市电力负荷数据的预测及结果表明:采用这种组合方法可行有效、预测精度满足行业要求。有较强的理论意义和广泛地应用前景。

基于逐步回归和SVR方法的上海夏季日最大电力负荷的模拟研究

利用20132017年上海夏季(69月)逐日最大电力负荷和同期气象资料,对上海夏季的气温、炎热累积效应等气象因子与用电负荷进行相关分析,筛选建模自变量。基于逐步回归及SVR支持向量回归方法,分别建立了夏季日最大电力负荷预测模型并进行模拟误差对比。其中,以气象要素为自变量构建了逐步回归模型“方案1”,在方案1基础上加入前一天气象负荷构建了逐步回归模型“方案2”,并利用拓展后的特征值构建了SVR支持向量回归模型。对比两种方案的逐步回归模型和SVR支持向量回归模型的模拟结果可知,SVR支持向量回归模型的模拟误差最小,为3.3%,逐步回归模型的模拟误差分别为4.5%(方案1)和3.8%(方案2);从逐月的模拟效果来看,6月和9月逐步回归模型的模拟效果均优于SVR回归模型的模拟结果,而7、8月SVR支持向量回归模型的模拟效果又明显优于逐步回归模型的模拟结果,表明SVR方法能很好地模拟上海夏季高温条件下的极端负荷,在今后的实际负荷预测业务中可综合利用两类模型开展工作。

用日最大降雨量获得站点雨强的方法研究

全国降雨特性对卫星通信、毫米波通信等具有重要的实际意义.但对无详细降雨记录地区,要获得其降雨特性,必须要先得到该地区的雨强分布.提出了用日最大降雨量计算雨强的方法,经过检验证明这种方法的精度较高,是一种计算无降雨记录地区雨强的有效方法之一.

乌鲁木齐市日最大边界层高度变化特征分析及其与空气质量的关系

利用2007—2017年乌鲁木齐市L波段探空雷达和地面常规观测数据,以Holzworth干绝热曲线原理,估算该地逐日最大边界层高度,并计算对应的边界层平均风速和通风量等数据。同时,应用2015—2017年空气污染指数(AQI),探讨空气质量与大气边界层参数的关系。结果表明:乌鲁木齐市日最大边界层年均高度为1415 m,总体上呈下降趋势,平均降幅为5. 9 m·a^(-1)。时间序列上,日最大边界层高度分布呈明显周期性。逐月数据呈"抛物线"状,1月平均高度最低(336 m),6月平均高度最高(2400 m)。冬季边界层平均风速最小,为2. 6 m·s^(-1),春季和夏季最大,均为5. 6 m·s^(-1)。一年中,1月平均通风量最小,为977. 0 m^2·s^(-1),5月平均通风量最大,为14835. 9 m^2·s^(-1),4—9月为平均通风量大值期,平均通风量为13282. 3 m^2·s^(-1)。大气污染物在风速弱、边界层高度低和通风量小条件下的累积,易造成中度以上污染。冬季,乌鲁木齐常处于蒙古高压后部或底部,为造成冬季污染严重的重要原因之一。

枣树茎直径日最大收缩量影响因子分析

选取4年生梨枣树(Zizyphus jujuba Mill.),设置4个土壤水分梯度,研究不同水分条件下梨枣树不同生育期茎直径日最大收缩量(DMDS)变化规律,确定DMDS与土壤水分及气象因子(参考作物蒸发蒸散量E、水汽压亏缺日均值V)的关系。结果表明:1)土壤水分条件影响梨枣树DMDS对气象变化的敏感度,水分适宜处理梨枣树DMDS对气象变化最为敏感,其余水分处理梨枣树DMDS的变化规律与其一致,但波动幅度较小;2)不同生育期DMDS与气象因子关系存在差异,果实膨大期、果实成熟期与E、V关系均极显著,萌芽展叶期与开花坐果期相关系数较小;3)不同水分处理梨枣不同生育期DMDS与气象因子关系不同,高水分处理(T1)开花坐果期DMDS与V关系显著,与E极显著,其他处理均不显著;4)在不同水分条件下,梨枣全生育期内参考作物蒸发蒸散量E是影响茎直径日最大收缩量的关键因素。

考虑高温累积效应的夏季日最大负荷预测

对湖南地区夏季日最大负荷与温度进行敏感性分析,得出夏季温度对负荷的影响可分为2个阶段,并提出变换公式来描述平均温度对负荷的阶段性影响。确定出现高温累积效应的温度界限值,并以高温持续天数与最高温度定义高温累积效应,直观反映持续高温对负荷的影响程度。引入温度的"1度效应"和高温累积的"1天效应"概念,并对其进行分析。建立考虑温度变化、持续高温和人们生产、生活规律的夏季日最大负荷预测模型,验证了高温累积效应的方法合理、有效。

基于高阶BP神经网络的日最大负荷预测

随着社会的发展,人们的日常生活和工作生产越来越依赖于电力系统.精准的电力负荷预测是电网安全、稳定运行的重要保障.为减小节假日在日最大负荷预测过程中的影响,提出了法定节假日对日最大负荷的影响及日类型量化处理方法,并采用一种改进的BP(back propagation)神经网络——高阶BP神经网络进行连续多天最大负荷预测.实验算例结果表明:该数据处理和预测方法能有效地减小节假日对负荷预测的影响,提高了预测精度,并有较强的工程实践价值和应用前景.

日最大降温时堆石坝混凝土面板温度应力研究

以在建的公伯峡水电站混凝土面板堆石坝为例，针对面板施工期发生日最大降温(日温差)这一特殊气候条件，实时模拟面板的施工过程，对面板的温度场和温度应力进行了仿真分析，获得了在发生日最大降温情况下混凝土面板温度场和温度应力的变化及分布规律。

影响桃树茎干日最大收缩量变化因素分析

试验共设计2个处理和1个对照,分别将土壤水势控制在-10～-20 kPa和-40～-60 kPa,对照为自然条件。选取土壤水势、日最高温度、日平均温度、日温差几个因素,分析各因素与桃树茎干日最大收缩量(MDS)之间的相关关系。分析表明,3月份各因子与MDS变化之间相关性由高到低的顺序为:日温差>日最高温度>日平均温度>土壤水势;4月份为:日温差>日平均温度>日最高温度>土壤水势;5月份为:日最高温度>日平均温度>日温差>土壤水势。结果表明,在一定条件下,土壤水分不是影响桃树茎干日最大收缩量变化的主要因素,MDS不能准确反映土壤的干旱程度以及土壤水分对植物的有效性。因此,以MDS作为灌溉控制指标具有很大的局限性。

青岛港日最大降水量及其出现日期的联合统计分析

以青岛地区近30年历年日最大降水量(R_Y)与其在该年中的出现日期(L_Y),以及各月的日最大降水量(R_M)与其在该月中的出现日期(L_M)的13个样本序列为例,基于4种二维Copula函数(Clayton Copula、Frank Copula、Gumbel-Hougaard Copula和Gaussian Copula)建立二维联合分布模型;通过假设检验和拟合优度评价,选取拟合较优的二维Frank Copula函数所构建的日最大降水量及其出现日期的联合分布模型,对(R_Y,L_Y)和各月(R_M,L_M)进行了详细分析。通过历年各月日最大降水量及其出现日期的联合统计分析,在一定联合重现期时,当日最大降水量给定某一重现值时,可以估计该值在一年中(或某个月份中)最可能的出现日期,为合理港口装卸作业给建设意见。