论文部分内容阅读
电力是现代工业文明的标志,电力规划是能源规划和建设的核心。城市是我国能源供需政策制定的基本单位,科学规划城市电力,需要对城市电力消费量(Electric Power Consumption,EPC)进行准确判断,并认识电力需求与经济发展的内在关系,这可以为政策制定和资源调度提供及时的依据与数据支撑。卫星遥感数据可以规避传统统计中数据缺失,统计尺度不统一等缺点,其时空特性更适合多尺度和长时间序列场景。随着卫星夜间灯光数据产品精度不断提高,发布频率加快,利用卫星夜间灯光数据(Nighttime Light Data,NTL)模拟城市EPC成为研究热点。目前的研究主要存在以下几个问题:(1)卫星影像的校正假设缺乏一定合理性,且两类卫星夜间灯光影像在2013年存在断层。(2)合理选择辅助数据对EPC模型的建立和模拟精度的提高尤为重要,却很少有研究讨论辅助数据的选择依据和评价标准。(3)样本城市的聚类方法多样,却很少有研究涉及机器学习算法并横向比较几种不同聚类方法下EPC模型的模拟结果。本课题针对现有方法存在的问题,展开了研究工作,首先,对DMSP-OLS和NPP-VIIRS两类卫星夜间灯光遥感影像开展了校正工作,提取形成中国城市夜间灯光数据集。其次,以单年数据集为样本,讨论了NTL-EPC基础模型、单因素模型和多因素模型的构建,并就统一评价标准找出最优模型,在构建模型的同时,探讨了常见社会经济因素对EPC的影响,并以此推测可能的城市发展模型。最后,提出K-Means样本城市分类方法,构建分类后的NTL-EPC模型,并横向比较传统分类下的其他模型,证明了该方法的可行性。实验结果表明:1)相较于DMSP-OLS卫星,NPP-VIIRS卫星夜间灯光影像是最更理想的EPC模拟数据源。NPP-VIIRS卫星NTL-EPC区域对数模型是最优的基础模型,该模型~2为0.73,均方根误差(RMSE)为71.75,平均相对误差(?R??E?)为44.51%,样本城市中,高精度城市比例有45.68%。2)加入社会经济因素后,大部分模型的表现更优,就模拟结果来看,黄土高原地区和一些东部城市的EPC高估现象有明显缓解,东北地区城市相对误差明显降低。最优单因素模型~2能达到0.93,RMSE为40.11,?R??E?为25.09%,高精度城市比例有61.88%,相较最优基础模型,有67.63%的城市有所降低。最优多因素模型为基于广度优先搜索算法的多因素区域模型,该模型的~2为0.96,RMSE为21.36,?R??E?为18.47%,高精度城市比例为69.78%。相较最优基础模型,有67.27%的城市有所降低。3)结合机器学习提出的基于灯光结构的K-Means城市分类算法,将样本城市按照城镇化水平划分为5个类别。分类后的NTL-EPC线性模型模拟结果?R??E?为32.02%,较不分类时减小25%。高精度城市达53.99%,较不分类时增加13.59%。有57.79%的城市较不分类时有所降低。而仅有19个EPC过小的城市RE较不分类时提高0.25个百分点以上。与传统分类方法相比,该算法的优点在于仅依靠灯光本身特征就能获得与前人方法相似甚至更优的模拟结果,可以摆脱统计数据的约束。4)在构建NTL-EPC模型的同时,探讨了人口、经济,产业结构等因素对EPC的影响。结果表明:当NTL不变时,城市EPC随大多数社会经济因素的发展而增加,随人类活动的聚集和年均温度的增加而增加。由于我国集中供暖的特殊国情,年均温度对城市EPC的正向影响在非供暖城市更加明显。将城市发展分为三个阶段:(1)初始发展阶段:人口,经济和科技因素对EPC的增长都产生正向影响,主要影响因素为经济因素。(2)人才发展阶段:人口,经济和科技因素对EPC的增长均产生正向影响,但主要影响因素转变为人口因素。(3)科技发展阶段:人口因素对EPC的正向作用逐渐减小,对城市EPC产生正向影响的主要因素又回归到经济因素。科技因素对城市EPC的影响为负向。