论文部分内容阅读
京津冀城市群、长江三角洲城市群和珠江三角洲城市群是我国城市化程度最高的地区,研究三个地区的城市化气候效应与电力需求的关系具有重大的科学和实际意义。本文利用国家基本、基准站1959-2013年的逐日气象资料、北京市2006-2010年的日电力负荷资料、1985-2013年的城市人口、GDP和电力消费等社会经济资料以及CMIP5模式中22个模式的历史与未来RCP2.6、RCP4.5以及RCP8.5三种情景的模拟资料,通过度日、多元线性回归和人工神经网络等方法分析了三大城市群历史的城市化气候效应以及电力需求和气候指标之间的关系,建立了模型,预测了未来不同气候情景下电力需求的可能变化。首先利用历史温度资料分析了三大城市群的温度变化特征。结果表明:1)1959-2013年期间三大城市群中京津冀地区增温最为明显;三个地区在20世纪80年代至90年代以及90年代到21世纪初这两个年代之间增温较为明显;三个地区冬半年温度均持续增长,而夏半年气温在20世纪60年代到70年代都有明显的下降;2)长三角地区以浙江沿海地区温度增长最快,京津冀地区以河北东部地区温度增长较为迅速,而珠三角地区南部沿海地区温度增长速度较快。其次对CMIP5中22个模式的模拟能力进行了检验。结果表明:1)BNU-ESM与CSIRO-MK3.6.0这两个模式对三大城市群温度的模拟效果较好;模式集合(MME: Multi-model Ensemble)可以较好地反映三大城市群的温度变化趋势,但其表现出的温度变化幅度较实际变化情况弱;2)模式集合也可以反映出三大城市群温度的空间变化梯度,且其对珠三角地区模拟效果最佳,京津冀地区模拟效果最差。然后对北京市2006-2010年日电力负荷变化特征进行了分析,并且结合CMIP5未来不同排放情景下的模拟温度资料,使用人工神经网络的方法对未来电力需求进行了预测。结果表明:1)北京市日电力负荷变化具有明显的季度、星期以及节假日特性;2)人工神经网络可以很好地拟合北京市电力负荷变化特性,并且具有较好的预测能力,即在更远的时间段(2096-2100年)里与在更高的排放情景(RCP8.5)下,电力负荷的波动幅度相对更大,即夏季高温时需要更多的电力负荷,冬季、节假日等时期对电力负荷的需求更低。最后,利用多元线性回归与人工神经网络两种方法,对三大城市群的历史电力消费进行了拟合,并且对三个区域未来20年的电力需求进行了预测。结果表明:两种方法均可以对历史电力消费进行很好地拟合,但是人工神经网络法在样本数较少的情况下,对未来电力需求的预测能力弱于常规的多元线性回归法。