武輝芹，楊琳晗，張中杰

(河北省氣象服務(wù)中心，河北 石家莊 050021)

引 言

電力是國(guó)家經(jīng)濟(jì)活動(dòng)和居民日常生活的基本保障，安全穩(wěn)健的電力系統(tǒng)已成為現(xiàn)代社會(huì)城市正常運(yùn)行的必要條件之一。電力系統(tǒng)安全受多種因素影響，其中電網(wǎng)運(yùn)行和電力負(fù)荷調(diào)度受氣象因素影響明顯，電網(wǎng)運(yùn)行受大風(fēng)、冰害、雷電等災(zāi)害性天氣影響[1-4]，電力負(fù)荷受氣溫、濕度、風(fēng)等氣象要素變化影響[5-6]。近年來(lái)，隨著人們對(duì)美好生活需求的不斷提高，電力負(fù)荷不斷攀升，因此研究電力負(fù)荷變化規(guī)律及其主要影響因子，提高電力負(fù)荷的預(yù)報(bào)準(zhǔn)確率具有重要意義。目前，國(guó)內(nèi)對(duì)電力負(fù)荷的研究主要側(cè)重于兩方面，一是氣象因子、氣象指數(shù)與電力負(fù)荷的關(guān)系研究[7-9]，針對(duì)多地的研究表明考慮氣溫累積效應(yīng)后的因子對(duì)電力負(fù)荷的影響顯著，溫濕指數(shù)、體感溫度等綜合氣象因子對(duì)電力負(fù)荷影響的顯著性高于單個(gè)氣象因子[10-12]；二是采用不同方法構(gòu)建電力負(fù)荷預(yù)測(cè)模型，如BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型[13]、回歸分析模型[14]以及門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)和多元線性回歸組合后的預(yù)測(cè)模型[15]。盡管前期對(duì)氣象條件與電力負(fù)荷關(guān)系及其預(yù)測(cè)做了諸多工作[16-18]，但準(zhǔn)確預(yù)測(cè)電力負(fù)荷依然存在難度。

前期關(guān)于石家莊電力負(fù)荷的研究主要針對(duì)夏季電力負(fù)荷變化[7,12,19]。電力部門為當(dāng)?shù)亟?jīng)濟(jì)提供能源支撐，受地方政策影響，石家莊從2016年開(kāi)始推行“煤改電”試點(diǎn)工作，電力負(fù)荷的年變化規(guī)律發(fā)生改變，電力需求量明顯上升，年最大電力負(fù)荷由2016年的7681.36×106W上升至2019年的8586.47×106W，3 a內(nèi)上升近900×106W。為保證電力負(fù)荷變化的一致性，本文主要針對(duì)石家莊2017—2019年電力負(fù)荷數(shù)據(jù)進(jìn)行分析，以期為當(dāng)前電力負(fù)荷氣象服務(wù)提供理論支撐，提高電力負(fù)荷預(yù)報(bào)的準(zhǔn)確性。

1 資料與方法

1.1 資 料

所用資料包括電力負(fù)荷資料、氣象資料和空氣質(zhì)量指數(shù)(AQI)資料。從2014年1月1日至2019年8月7日石家莊逐15 min電力負(fù)荷監(jiān)測(cè)值中，選取逐日最大值作為日最大電力負(fù)荷；氣象資料為石家莊2017年1月1日至2019年8月7日日最高氣溫、最低氣溫、平均氣溫、降水量、平均氣壓、平均相對(duì)濕度、 最小相對(duì)濕度、平均風(fēng)速和日照時(shí)數(shù)共9個(gè)要素；空氣質(zhì)量指數(shù)(AQI)資料為石家莊2017年1月1日至2019年8月7日逐日資料。

1.2 廣義相加模型

廣義相加模型(generalized additive model, GAM)是廣義線性模型(generalized linear model, GLM)的非參數(shù)擴(kuò)展，可以擬合非參數(shù)回歸，適用于處理因變量和眾多解釋變量間過(guò)度復(fù)雜的非線性關(guān)系[20]。GAM包括兩部分，分別描述自變量與因變量的線性和非線性關(guān)系，打破了線性模型中關(guān)于自變量與因變量的線性相關(guān)的假定[21]。GAM模型可表示為

(1)

式中：yi為因變量，i=1,2,3,…，L，L為樣本數(shù)；β0為截距；m為線性因子個(gè)數(shù)；βj為線性部分回歸系數(shù)；xji為線性因子；s(xki)為平滑函數(shù)，本文使用多項(xiàng)式作為平滑函數(shù)；n為非線性因子個(gè)數(shù)；xki為非線性因子；εi為隨機(jī)誤差。

夏季(6—8月)模型建模樣本數(shù)為180，冬季(2017和2018年冬季為當(dāng)年1—2月和11—12月，2019年冬季為當(dāng)年1—2月 )模型建模樣本數(shù)為168，模型參數(shù)部分檢驗(yàn)用t檢驗(yàn)，非參數(shù)部分檢驗(yàn)用F檢驗(yàn)。

1.3 電力負(fù)荷組成及變幅

電力負(fù)荷由基礎(chǔ)負(fù)荷、氣象負(fù)荷、隨機(jī)負(fù)荷三部分組成[10]，公式如下：

L=Lt+Lm+Ls

(2)

式中：L為電力負(fù)荷；Lt為基礎(chǔ)負(fù)荷，基礎(chǔ)負(fù)荷主要受當(dāng)?shù)卣吆徒?jīng)濟(jì)發(fā)展影響，具有一定的穩(wěn)定性，隨時(shí)間呈線性變化：Lt=at+b，a、b為常數(shù)，t為時(shí)間；Lm為氣象負(fù)荷，氣象負(fù)荷受氣象因素影響，隨天氣變化明顯；Ls為隨機(jī)負(fù)荷，隨機(jī)負(fù)荷受節(jié)假日、短時(shí)限電、重大活動(dòng)等影響，對(duì)電力負(fù)荷影響相對(duì)較小。

日最大電力負(fù)荷變幅是指當(dāng)日最大電力負(fù)荷與前一日最大電力負(fù)荷的差值與前一日最大電力負(fù)荷的百分比。公式如下：

(3)

式中：P為日最大電力負(fù)荷變幅；P1為前一日最大電力負(fù)荷；P2為當(dāng)日最大電力負(fù)荷。

2 石家莊電力負(fù)荷特征

2.1 日最大電力負(fù)荷年變化

圖1為2014—2019年石家莊日最大電力負(fù)荷變化[22]?？梢钥闯?，夏季日最大電力負(fù)荷最大，其次是冬季，春秋季日最大電力負(fù)荷相對(duì)較小。進(jìn)一步分析發(fā)現(xiàn)， 2014—2016年石家莊日最大電力負(fù)荷總體變化趨勢(shì)不明顯，線性傾向率為0.1045×106W ·d-1，且日最大電力負(fù)荷峰值夏季明顯高于冬季；2017—2019年日最大電力負(fù)荷呈上升趨勢(shì)，線性傾向率為1.0707×106W ·d-1。兩個(gè)時(shí)間段的線性傾向率相差近10倍，并且2017—2019年冬季日最大電力負(fù)荷峰值與春秋季的谷值差距加大，這與當(dāng)?shù)叵嚓P(guān)部門為保護(hù)環(huán)境，推行“煤改電”政策，冬季用電量增加有關(guān)?？紤]2014—2016年和2017—2019年日最大電力負(fù)荷的變化差異及當(dāng)前專業(yè)氣象服務(wù)需求，本文主要研究2017—2019年的日最大電力負(fù)荷特征。

圖1 2014—2019年石家莊逐日最大電力負(fù)荷變化

2.2 日最大電力負(fù)荷周變化和法定假日特征

從2017—2018年石家莊日最大電力負(fù)荷中剔除法定節(jié)假日負(fù)荷，得到日最大電力負(fù)荷的周變化(圖2)。 可以看出，周一至周三，日最大電力負(fù)荷呈上升趨勢(shì)，周三最高，其后開(kāi)始下降，尤其是周六和周日下降明顯，周日最低，周內(nèi)最高和最低值相差88×106W?！懊焊碾姟闭咄菩星埃兆畲箅娏ω?fù)荷周一至周三變化不大，周四開(kāi)始增長(zhǎng)，周五達(dá)到頂峰，周六開(kāi)始下降，周日達(dá)到最低[23]?！懊焊碾姟鼻昂笕兆畲箅娏ω?fù)荷周變化特征既有相似又有差異，相同點(diǎn)是周六、周日負(fù)荷均是持續(xù)下降，周日最低；不同點(diǎn)是最高值出現(xiàn)時(shí)間不同，“煤改電”以前是周五，“煤改電”之后是周三。日最大電力負(fù)荷周末下降原因與石家莊產(chǎn)業(yè)結(jié)構(gòu)相關(guān)，根據(jù)統(tǒng)計(jì)年鑒可知石家莊工業(yè)、事業(yè)單位的用電量占總用電量的70%左右，大多數(shù)企事業(yè)單位在周末休息，導(dǎo)致電力負(fù)荷在周末出現(xiàn)明顯下降。

圖2 2017—2018年石家莊日最大電力負(fù)荷周變化

由于日最大電力負(fù)荷具有明顯的年際變化和周變化，應(yīng)剔除其影響，才能更好地體現(xiàn)法定假日日最大電力負(fù)荷的變化，因此，將2017—2018年石家莊法定假日前一周的日最大電力負(fù)荷平均值作為標(biāo)準(zhǔn)負(fù)荷，法定假日期間日最大電力負(fù)荷平均值減去標(biāo)準(zhǔn)負(fù)荷值，得到法定節(jié)假日日最大電力負(fù)荷的變化(表1)?？梢钥闯?，元旦和端午期間日最大電力負(fù)荷變化為正，說(shuō)明這兩個(gè)法定假日期間日最大電力負(fù)荷高于標(biāo)準(zhǔn)負(fù)荷，分析發(fā)現(xiàn)，2017年端午法定假日為5月28—30日，2018年為6月16—18日，在此期間石家莊日最高氣溫可達(dá)32 ℃以上，達(dá)到夏季空調(diào)用電負(fù)荷增長(zhǎng)的初始?xì)鉁孛舾悬c(diǎn)[12]，日最大電力負(fù)荷變化受氣象因子影響明顯，其他法定假日期間日最大電力負(fù)荷均低于標(biāo)準(zhǔn)負(fù)荷，尤其是春節(jié)期間最為明顯。春節(jié)作為中國(guó)最重要的傳統(tǒng)節(jié)日，日最大電力負(fù)荷受其影響尤為顯著，一般從臘月二十左右，日最大電力負(fù)荷開(kāi)始下降，正月初一達(dá)到最低，初六左右開(kāi)始回升，一直到正月十五后變化平穩(wěn)，其原因是一些單位，如學(xué)校、建筑業(yè)大多是在正月十五以后才正式上班，春節(jié)期間電力負(fù)荷與臘月二十以前的一周相比，下降1587×106W左右。

表1 2017—2018年石家莊法定假日期間日最大電力負(fù)荷變化

3 日最大電力負(fù)荷變幅與氣象要素及AQI的關(guān)系

在對(duì)電力部門的服務(wù)中，由于日最大電力負(fù)荷資料的保密性，氣象部門不能及時(shí)獲取最新的日最大電力負(fù)荷數(shù)據(jù)，因此根據(jù)以往日最大電力負(fù)荷在不同氣象條件下的變化規(guī)律，得到日最大電力負(fù)荷變幅特征，以此對(duì)未來(lái)日最大電力負(fù)荷變化進(jìn)行預(yù)報(bào)。

3.1 日最大電力負(fù)荷變幅與氣象因子及AQI的關(guān)系

選取2017—2019年冬季及夏季待預(yù)報(bào)日最大電力負(fù)荷變幅當(dāng)天的平均氣溫、最高氣溫、最低氣溫、日降水量、平均氣壓、平均相對(duì)濕度、最小相對(duì)濕度、平均風(fēng)速、日照時(shí)數(shù)、AQI以及與前一日各相同要素的差值(如平均氣溫差為當(dāng)日平均氣溫與前一日平均氣溫的差值，其他依此類推)作為相關(guān)因子進(jìn)行分析?？紤]到日最大電力負(fù)荷的年變化特征，主要選取夏季和冬季日最大電力負(fù)荷變幅及相關(guān)因子進(jìn)行分析。

對(duì)冬季和夏季日最大電力負(fù)荷變幅與同期氣象因子及AQI進(jìn)行相關(guān)性分析，相關(guān)系數(shù)見(jiàn)表2。冬季，最高氣溫、平均氣溫差、最高氣溫差、AQI差與日最大電力負(fù)荷變幅呈負(fù)相關(guān)，其原因是氣溫降低取暖用電負(fù)荷將增加，另外冬季天氣形勢(shì)穩(wěn)定，大多數(shù)情況下AQI比夏季偏大，當(dāng)AQI增大到一定程度時(shí)，政府將對(duì)有關(guān)企業(yè)采取限產(chǎn)、停產(chǎn)措施，導(dǎo)致日最大電力負(fù)荷下降。日降水量、日降水量差、平均氣壓差與日最大電力負(fù)荷變幅呈正相關(guān)，其原因是降水量增加導(dǎo)致氣溫下降；而平均氣壓差加大預(yù)示冷空氣到來(lái)，氣溫下降。夏季，平均氣溫、最高氣溫、日照時(shí)數(shù)、AQI、平均氣溫差、最高氣溫差、最低氣溫差、日照時(shí)數(shù)差、AQI差與日最大電力負(fù)荷變幅呈正相關(guān)，其原因是氣溫增大，空凋制冷時(shí)用電負(fù)荷將增加，日照時(shí)數(shù)增加預(yù)示天氣晴好，氣溫一般較高，而夏季AQI一般不會(huì)達(dá)到重污染級(jí)別，AQI增加可以反映出企業(yè)生產(chǎn)活動(dòng)的增加，這也需要大量電力負(fù)荷來(lái)支撐；日降水量、平均氣壓、平均相對(duì)濕度、最小相對(duì)濕度、日降水量差、平均氣壓差、平均相對(duì)濕度差、最小相對(duì)濕度差與日最大電力負(fù)荷變幅呈負(fù)相關(guān)，其原因是降水量增大預(yù)示氣溫下降，空調(diào)制冷用電負(fù)荷將下降，氣壓下降預(yù)示天空狀況將轉(zhuǎn)差，濕度增加不利于氣溫升高，而且可能出現(xiàn)降水，這也引起空調(diào)制冷用電負(fù)荷下降。

表2 2017—2019年冬季及夏季石家莊日最大電力負(fù)荷變幅與氣象因子及AQI的相關(guān)系數(shù)

進(jìn)一步分析發(fā)現(xiàn)，日最大電力負(fù)荷變幅和氣象因子及AQI的相關(guān)性具有明顯的季節(jié)性，冬季與日最大電力負(fù)荷變幅呈負(fù)相關(guān)的因子在夏季與日最大電力負(fù)荷變幅呈正相關(guān)，冬季與日最大電力負(fù)荷變幅呈正相關(guān)的因子在夏季與日最大電力負(fù)荷變幅呈負(fù)相關(guān)；冬季日最大電力負(fù)荷變幅與因子的相關(guān)性比夏季日最大電力負(fù)荷變幅與因子的相關(guān)性略差。日最大電力負(fù)荷變幅與各因子差的相關(guān)性好于因子本身，總體上日最大電力負(fù)荷變幅與氣溫差的相關(guān)性最好，不同時(shí)段存在差異，冬季最高氣溫差與日最大電力負(fù)荷變幅的相關(guān)性最好，夏季平均氣溫差與日最大電力負(fù)荷的變幅相關(guān)性最好。

3.2 日最大電力負(fù)荷變幅預(yù)報(bào)模型

根據(jù)日最大電力負(fù)荷變幅與各因子的相關(guān)性，冬季選取最高氣溫、日降水量、平均氣溫差、最高氣溫差、日降水量差和平均氣壓差作為預(yù)報(bào)因子；夏季選取平均氣溫、最高氣溫、日降水量、平均氣壓、平均相對(duì)濕度、最小相對(duì)濕度、日照時(shí)數(shù)、平均氣溫差、最高氣溫差、最低氣溫差、日降水量差、平均氣壓差、平均相對(duì)濕度差、最小相對(duì)濕度差和日照時(shí)數(shù)差作為預(yù)報(bào)因子。將2017—2018年的數(shù)據(jù)作為建模數(shù)據(jù)，2019年的數(shù)據(jù)作為檢驗(yàn)數(shù)據(jù)，分別用逐步回歸、多元線性回歸、GAM建立預(yù)報(bào)模型，并對(duì)預(yù)報(bào)效果進(jìn)行對(duì)比。此外，考慮到AQI和AQI差代表空氣質(zhì)量的變化，分引入和不引入AQI兩種情況進(jìn)行建模，檢驗(yàn)空氣質(zhì)量對(duì)日最大電力負(fù)荷變幅的影響，最終選取最優(yōu)預(yù)報(bào)方法。

將2017年和2018年夏季資料帶入未引入和引入AQI的日最大電力負(fù)荷變幅模型進(jìn)行擬合檢驗(yàn)，發(fā)現(xiàn)多元線性回歸模型擬合值與實(shí)況之間的相關(guān)性略好于逐步回歸模型，引入AQI的多元線性回歸和逐步回歸模型的擬合值與實(shí)況之間的相關(guān)性均好于未引入AQI的模型。未引入AQI的GAM模型擬合值和實(shí)況的相關(guān)系數(shù)為0.842，引入AQI的GAM模型擬合值和實(shí)況的相關(guān)系數(shù)為0.844。未引入和引入AQI的日最大電力負(fù)荷變幅GAM模型擬合效果最好，其次是多元線性回歸模型。如果擬合值和實(shí)況值符號(hào)一致，則認(rèn)為模型擬合趨勢(shì)準(zhǔn)確。結(jié)果發(fā)現(xiàn)，未引入AQI前，多元線性回歸模型擬合趨勢(shì)準(zhǔn)確率為83.33%，逐步回歸模型為83.89%，GAM模型為83.89%；引入AQI后，多元線性回歸模型擬合趨勢(shì)準(zhǔn)確率為83.89%，逐步回歸模型為82.78%，GAM模型為83.33%(表3)。3種模型擬合趨勢(shì)準(zhǔn)確率相近，且是否引入AQI對(duì)趨勢(shì)準(zhǔn)確率的影響不明顯。

表3 石家莊2017及2018年夏季日最大電力負(fù)荷變幅模型擬合效果

將2019年夏季數(shù)據(jù)代入3種模型進(jìn)行預(yù)報(bào)檢驗(yàn)，未引入AQI時(shí)，多元線性回歸模型預(yù)報(bào)的日最大電力負(fù)荷變幅與實(shí)況的相關(guān)性(通過(guò)α=0.001的顯著性檢驗(yàn)，下同)最好，其次是GAM模型；引入AQI后，多元線性回歸模型預(yù)報(bào)的日最大電力負(fù)荷變幅與實(shí)況的相關(guān)性最好，其次是逐步回歸模型。3種模型在引入AQI后，預(yù)報(bào)值和實(shí)況的相關(guān)性均有提高(圖3)。引入AQI前，多元線性回歸模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率為87.50%，逐步回歸模型為82.81%，GAM模型為87.50%；引入AQI后，多元線性回歸模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率為82.81%，逐步回歸模型為84.38%，GAM模型為92.19%。3種模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率差距較大，GAM模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率最高，其次為多元線性回歸模型。

圖3 石家莊2019年夏季未引入(a)和引入(b)AQI模型預(yù)報(bào)的日最大電力負(fù)荷與實(shí)況的散點(diǎn)圖

用2017年和2018年冬季的資料對(duì)未引入和引入AQI模型的日最大電力負(fù)荷變幅進(jìn)行擬合檢驗(yàn)(表4)。其結(jié)果是多元線性回歸模型的擬合效果比逐步回歸模型略好，引入AQI后多元線性回歸和逐步回歸模型的擬合效果均有提高。未引入AQI前，GAM模型擬合的日最大電力負(fù)荷變幅和實(shí)況的相關(guān)系數(shù)為0.804，引入AQI后，相關(guān)系數(shù)提高為0.818。冬季，多元線性回歸、逐步回歸和GAM 3種日最大電力負(fù)荷變幅預(yù)報(bào)模型中，GAM模型的擬合效果較另外兩種有明顯提高，3種模型引入AQI后的擬合效果均比未引入前有所提高，但冬季各模型的擬合效果較夏季偏差。引入AQI前，多元線性回歸模型的日最大電力負(fù)荷變幅擬合趨勢(shì)準(zhǔn)確率為75.59%，逐步回歸模型為73.81%，GAM模型為82.74%；引入AQI后，多元線性回歸模型的趨勢(shì)準(zhǔn)確率為76.19%，逐步回歸模型為73.81%，GAM模型為83.93%。GAM模型的日最大電力負(fù)荷變幅擬合趨勢(shì)準(zhǔn)確率明顯好于另外兩類模型，且是否引入AQI對(duì)3類模型擬合的日最大電力負(fù)荷變幅趨勢(shì)準(zhǔn)確率的影響不大。

表4 石家莊2017年及2018年冬季日最大電力負(fù)荷變幅模型擬合效果

將2019年冬季數(shù)據(jù)代入模型進(jìn)行預(yù)報(bào)檢驗(yàn)，未引入AQI時(shí)，GAM預(yù)報(bào)的日最大電力負(fù)荷變幅與實(shí)況的相關(guān)性最好，其次是多元線性回歸模型；引入AQI后，逐步回歸模型預(yù)報(bào)的日最大電力負(fù)荷變幅與實(shí)況的相關(guān)性略好，另外兩類擬合結(jié)果與實(shí)況的相關(guān)系數(shù)相同。3種模型在引入AQI后，預(yù)報(bào)值和實(shí)況的相關(guān)性變化不大(圖4)。引入AQI前，多元線性回歸模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率為65.63%，逐步回歸模型為65.63%，GAM模型為68.75%；引入AQI后，多元線性回歸模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率為65.63%，逐步回歸模型為62.50%，GAM模型為68.75%。3種模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率差距較大，總體上GAM模型預(yù)報(bào)趨勢(shì)準(zhǔn)確率最高，其次是多元線性回歸模型，對(duì)于是否引入AQI對(duì)3類模型預(yù)報(bào)的日最大電力負(fù)荷變幅趨勢(shì)準(zhǔn)確率影響不大。

圖4 石家莊2019年冬季未引入(a)和引入(b)AQI時(shí)模型預(yù)報(bào)的日最大電力負(fù)荷變幅與實(shí)況的散點(diǎn)圖

綜上所述，在3種模型中GAM模型預(yù)報(bào)效果最好，其次是多元線性回歸模型，引入AQI后多元線性回歸和GAM模型預(yù)報(bào)結(jié)果與實(shí)況的相關(guān)性反而下降。冬季預(yù)報(bào)結(jié)果與實(shí)況的相關(guān)性和預(yù)報(bào)趨勢(shì)準(zhǔn)確率均比夏季偏差。

4 結(jié) 論

(1)2014—2016年石家莊日最大電力負(fù)荷變化平穩(wěn)，2017—2019年日最大電力負(fù)荷呈上升趨勢(shì)，并且冬季日最大電力負(fù)荷峰值與春秋季的谷值差距加大，這與當(dāng)?shù)叵嚓P(guān)部門推行“煤改電”政策導(dǎo)致冬季用電量升高有關(guān)?！懊焊碾姟闭咄菩星埃芤恢林苋娏ω?fù)荷變化不大，周五達(dá)到頂峰，周日最低；“煤改電”后，周內(nèi)電力負(fù)荷最高值出現(xiàn)在周三，最低值依然是周日。

(2)不同法定假日期間日最大電力負(fù)荷的變化也不相同，元旦和端午日最大電力負(fù)荷高于標(biāo)準(zhǔn)負(fù)荷，其他法定假日期間日最大電力負(fù)荷低于標(biāo)準(zhǔn)負(fù)荷，尤其是春節(jié)最為明顯。

(3)日最大電力負(fù)荷變幅和氣象因子及AQI的相關(guān)性具有明顯的季節(jié)性，在冬季與日最大電力負(fù)荷變幅呈負(fù)相關(guān)的因子在夏季與日最大電力負(fù)荷變幅呈正相關(guān)，反之亦然，其原因冬季用電取暖，夏季用空調(diào)制冷。夏季日最大電力負(fù)荷變幅和平均氣溫差相關(guān)性最好，其次是最高氣溫差；冬季日最大電力負(fù)荷與最高氣溫差相關(guān)性最好，其次是平均氣溫差。

(4)利用多元線性回歸、逐步回歸和GAM建立的日最大電力負(fù)荷變幅預(yù)報(bào)模型在夏季的預(yù)報(bào)效果好于冬季，從模型預(yù)報(bào)結(jié)果與實(shí)況的相關(guān)性和預(yù)報(bào)趨勢(shì)準(zhǔn)確率綜合分析，無(wú)論夏季還是冬季，GAM模型的預(yù)報(bào)效果最好；夏季引入AQI后，GAM模型日最大電力負(fù)荷變幅預(yù)報(bào)結(jié)果與實(shí)況的相關(guān)性變化不大，但預(yù)報(bào)趨勢(shì)準(zhǔn)確率明顯提高，在業(yè)務(wù)應(yīng)用中可選取含AQI的GAM模型；冬季引入AQI后，GAM模型日最大電力負(fù)荷變幅預(yù)報(bào)效果與實(shí)況相關(guān)性下降，預(yù)報(bào)趨勢(shì)準(zhǔn)確率變化不大，在業(yè)務(wù)應(yīng)用中可選取不含AQI的GAM模型。