气象因子同气象敏感负荷之间的关系研究

随着人们生活水平的提高,降温和采暖等气象敏感负荷的比重不断升高,气象对电网负荷的影响越来越大。将气象领域的体感温度、舒适度指数、风寒指数、持续气象因子等概念引入到电力负荷分析预测研究中,使考虑的气象因子增加,并进行分区间分析,使气象变化对电力负荷影响的分析结果更加接近实际。

基于基因表达式编程算法的参考作物腾发量模拟计算

选取都安气象站5年(2008—2012年)的逐日气象数据,包括日最高气温、最低气温、平均风速、日照时数以及相对湿度5个气象要素的不同组合作为输入,并以FAO-56 Penman-Monteith法(FAO P-M)的计算结果作为标准值,采用基因表达式编程算法(GEP)及径向基函数网络算法(RBFNN)对参考作物腾发量ETo进行模拟计算,并将模拟结果与Hargreaves模型的计算结果进行比较,用决定系数R2和均方根误差RMSE作为评价指标。结果表明,GEP模型能够捕捉到ETo的变化,具有较强的适用性,与FAO P-M公式的计算值有很高的一致性。引入关键气象因子(气温和相对湿度)后,模型的决定系数R2达到0.914,均方根误差RMSE为0.240 mm/d。在相同输入情况下GEP模型计算精度高于RBFNN模型和Hargreaves模型,并建立了可以替代Hargreaves模型的GEP模型及缺少相对湿度RH时的GEP模型。结果表明,在缺乏相关气象因子时,可以利用GEP模型模拟ETo。

BP-ET_0预测模型精度的影响因素分析

以海河流域安阳站参考作物腾发量预测为例,分别从气象因子数量、资料系列长度和隐含层节点数研究了BP-ET0模型的预测精度的影响因素。研究结果表明,四个气象输入因子中平均气温对ET0的影响最大,日照时数次之,相对湿度对其影响最小;9 a数据资料中,系列长度为6 a时预测精度最高,即数据资料系列长度并非越长越好。

山西省大气污染物时空演化特征及源区识别

山西省是黄河中游重要的煤炭生产基地,频繁的大气污染对该区域经济高质量发展造成极大威胁。该研究对山西省2015-2020年6种大气污染物时空演化特征进行分析;其次,使用多元决策树探讨各污染物与气象因子组合之间的关系。在此基础上,量化了研究区主要潜在粉尘源区。结果发现,除臭氧外,其余5种污染物年均浓度均呈下降态势,其中冬季浓度最高,其次为秋季、春季,夏季浓度最低。污染物日变化呈双峰双谷。较低平均气温和较小光照时长的气象因子组合对各污染物的影响较大,较高平均气温和较大降水量的气象因子组合对各污染物的影响最小。研究区主要潜在粉尘源区分别为毛乌素沙地、巴丹吉林沙漠和腾格里沙漠、内外蒙古交界戈壁区、京津冀地区。