基于風(fēng)險(xiǎn)預(yù)警的銀川市用電負(fù)荷氣象服務(wù)指標(biāo)

肖云清 ，程瑤 ，馬少軍 ，?，任柏帆 ，趙騰

（1.中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室,寧夏 銀川 750002；2.銀川市氣象局,寧夏 銀川 750002；3.中國(guó)電信股份有限公司寧夏分公司,寧夏 銀川 750002）

0 引言

電力能源是銀川市用量最高的清潔能源之一。隨著經(jīng)濟(jì)的飛速發(fā)展，城鄉(xiāng)居民生活水平的提高，用電量節(jié)節(jié)攀升，而氣象條件在用電安全方面的影響也越來越大[1]，特別是近年來我國(guó)因雨雪冰凍、高溫干旱、雷電、霧霾以及臺(tái)風(fēng)等災(zāi)害性天氣對(duì)用電安全造成的損失約占70%[2]。電力負(fù)荷分析及用電氣象風(fēng)險(xiǎn)區(qū)劃是氣象為電力服務(wù)的技術(shù)準(zhǔn)備，關(guān)系到電力工業(yè)的規(guī)劃和建設(shè)。因此，對(duì)于銀川市用電氣象風(fēng)險(xiǎn)的研究具有重要的現(xiàn)實(shí)意義。

目前，國(guó)內(nèi)外學(xué)者已對(duì)用電負(fù)荷與氣象因素之間的關(guān)系及其預(yù)測(cè)方面開展了相關(guān)研究。徐亮亮等[3]、杜彩月等[4]、陳瀟瀟等[5]均發(fā)現(xiàn)城區(qū)溫度是影響用電量的主要?dú)庀笠蜃樱貏e是夏季用電量對(duì)氣溫變化的反應(yīng)更加敏感，而呂錕等[6]發(fā)現(xiàn)除了溫度，相對(duì)濕度和日照時(shí)數(shù)對(duì)用電量的影響也較為顯著，胡江林等[7]更是指出在25～28 ℃時(shí)氣溫對(duì)用電負(fù)荷變化最敏感。呂錕等[6]發(fā)現(xiàn)日最大用電負(fù)荷出現(xiàn)在上午，而徐亮亮等[3]和盧山等[8]發(fā)現(xiàn)日最大用電負(fù)荷出現(xiàn)在11 時(shí)和20 時(shí)左右。任文義等[9]發(fā)現(xiàn)與城市不同，農(nóng)村地區(qū)降水是影響用電量的主要因子。在用電負(fù)荷預(yù)測(cè)方面，郭崇蘭等[10]和趙娜等[11]分別采用灰色關(guān)聯(lián)度和溫濕指數(shù)來研究用電量的變化情況；陳海燕等[12]采用以氣溫為基礎(chǔ)的降溫負(fù)荷評(píng)估方程來預(yù)測(cè)用電情況，陳正洪等[13]建立了最大用電負(fù)荷氣象預(yù)測(cè)模型，李艷等[14]基于逐步回歸和SVR 方法建立了日最大電力負(fù)荷預(yù)測(cè)模型，李丹等[15]基于分時(shí)分區(qū)精細(xì)化氣象數(shù)據(jù)，研發(fā)一套地區(qū)電網(wǎng)短期負(fù)荷智能預(yù)測(cè)系統(tǒng)，汪付華等[16]運(yùn)用相關(guān)分析、多元回歸分析和曲線擬合等方法，建立了基于經(jīng)濟(jì)指標(biāo)的趨勢(shì)負(fù)荷預(yù)測(cè)模型，薛陽等[17]更是提出了一種新型熱氣候指數(shù)-最大信息系數(shù)(UTCI-MIC)與振幅壓縮灰色模型，其準(zhǔn)確率可達(dá)96.91%。田心如等[18]基于機(jī)器學(xué)習(xí)隨機(jī)森林算法對(duì)用電和氣象因素之間的關(guān)系擬合較好，武輝芹等[19]發(fā)現(xiàn)廣義相加模型在日最大電力負(fù)荷的預(yù)測(cè)上優(yōu)于逐步回歸和多元線性回歸。吳旭等[20]利用氣象指標(biāo)與氣象負(fù)荷建立了疫情期間南京市負(fù)荷預(yù)測(cè)模型。

以上研究發(fā)現(xiàn)，各地氣象因子與用電量或用電負(fù)荷均有相關(guān)關(guān)系，但各地的氣候特點(diǎn)不同，用電方式不同，相關(guān)關(guān)系各有其特點(diǎn)。銀川市用電負(fù)荷逐年增加，但有關(guān)氣象因子對(duì)用電負(fù)荷影響的研究較少，故本文基于風(fēng)險(xiǎn)預(yù)警的方法對(duì)銀川用電負(fù)荷氣象服務(wù)指標(biāo)進(jìn)行分析研究和界定，通過分析銀川市用電負(fù)荷與氣象因子的相關(guān)關(guān)系，找到銀川市用電負(fù)荷氣象風(fēng)險(xiǎn)的關(guān)鍵因子，分析各致災(zāi)因子對(duì)電力指標(biāo)的影響，以風(fēng)險(xiǎn)預(yù)警指標(biāo)為依據(jù)，對(duì)銀川市用電負(fù)荷氣象服務(wù)指標(biāo)進(jìn)行研究分析，以期為電力部門提供更精細(xì)化、專業(yè)化、基于氣象風(fēng)險(xiǎn)的服務(wù)產(chǎn)品，為銀川市電力調(diào)度、運(yùn)行安排等提供科學(xué)的依據(jù)。

1 資料與方法

1.1 資料說明

本文所用資料：（1）氣象數(shù)據(jù)：銀川市區(qū)域內(nèi)2014～2020 年1 個(gè)國(guó)家氣象觀測(cè)站和22 個(gè)具有代表性的區(qū)域氣象自動(dòng)站經(jīng)過地面數(shù)據(jù)質(zhì)量控制標(biāo)準(zhǔn)規(guī)范修訂后的氣象數(shù)據(jù)（降水、氣溫、極大風(fēng)速、天氣現(xiàn)象等），數(shù)據(jù)來源于寧夏氣象綜合數(shù)據(jù)庫(kù)管理系統(tǒng)；（2）基礎(chǔ)地理信息資料：1∶25 萬縣界圖來自國(guó)家基礎(chǔ)地理信息中心。地形數(shù)據(jù)來源于美國(guó)國(guó)家航空航天局（NASA）發(fā)布的30 m 和90 m 空間分辨率的NAS-0A ASTER GDEM2 數(shù)據(jù)集；（3）災(zāi)情資料：銀川市2014～2020 年各災(zāi)種的災(zāi)情資料，來源于銀川市氣象局、銀川市供電局、銀川市市政管理局等災(zāi)情統(tǒng)計(jì)；（4）用電負(fù)荷資料，來源于銀川市供電局。

1.2 技術(shù)方法

1.2.1 災(zāi)害風(fēng)險(xiǎn)模型

根據(jù)學(xué)者研究，由氣象災(zāi)害發(fā)生的危險(xiǎn)性、災(zāi)害發(fā)生區(qū)域的敏感性、災(zāi)害發(fā)生區(qū)域的易損性、災(zāi)害發(fā)生區(qū)域的防災(zāi)抗災(zāi)能力4 個(gè)因子構(gòu)成氣象災(zāi)害風(fēng)險(xiǎn)模型。氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)定義為[21]：

其中 FDRI為氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)，其數(shù)值越大，發(fā)生災(zāi)害風(fēng)險(xiǎn)程度越高；Ve、Vh、Vs、Vr分別為敏感性、危險(xiǎn)性、易損性和防災(zāi)抗災(zāi)能力；We、Wh、Ws、Wr分別為4 個(gè)評(píng)價(jià)因子的權(quán)重。

1.2.2 層次分析法

層次分析法（AHP）將與決策有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性及定量分析。按總目標(biāo)、各層次目標(biāo)、評(píng)估指標(biāo)順序分解為不同層次結(jié)構(gòu)，每個(gè)層次結(jié)構(gòu)中都有若干影響因素，根據(jù)劃分的評(píng)估指標(biāo)，計(jì)算每個(gè)影響因素的風(fēng)險(xiǎn)隸屬度，進(jìn)一步構(gòu)建用于計(jì)算各因素權(quán)重，最后再加權(quán)計(jì)算各元素對(duì)總目標(biāo)的最終權(quán)重。經(jīng)歸一化后便得到同一層次相應(yīng)因素對(duì)于上一層次某因素相對(duì)重要性的權(quán)值。完成權(quán)重向量的計(jì)算后，必須進(jìn)行一致性檢驗(yàn)。一致性指標(biāo)為[21]：

當(dāng) CI=0，有完全的一致性；CI接近于0，有滿意的一致性；CI越大，不一致性越嚴(yán)重。

1.2.3 加權(quán)評(píng)價(jià)法

根據(jù)各指標(biāo)的重要性，賦予其不同的權(quán)重，以指標(biāo)乘以權(quán)重后相加，獲得評(píng)價(jià)得分。[21]

式中：

Wi——不同評(píng)價(jià)因子的權(quán)重；

Xi——不同評(píng)價(jià)因子；

Y ——評(píng)價(jià)指數(shù)。

1.2.4 百分位法

如果將一組數(shù)據(jù)從小到大排序，并計(jì)算相應(yīng)的累計(jì)百分位，則某一百分位所對(duì)應(yīng)數(shù)據(jù)的值就稱為這一百分位的百分位數(shù)。可表示為：一組 n個(gè)觀測(cè)值按數(shù)值大小排列。如，處于 p %位置的值稱第 p百分位數(shù)。計(jì)算步驟為[21]：

1）以遞增順序排列原始數(shù)據(jù)（從小到大排列）。

2）計(jì)算指數(shù) i=n·p%。

3）若 i不是整數(shù)，將 i 向上取整。大于 i的毗鄰整數(shù)即第 p 百分位數(shù)的位置；若 i 是整數(shù)，則第 p百分位數(shù)是第 i 項(xiàng)與第（i+1）項(xiàng)數(shù)據(jù)的平均值。

1.2.5 歸一化計(jì)算方法

為消除各影響指標(biāo)因子間的量綱及數(shù)量級(jí)差異，對(duì)每個(gè)評(píng)價(jià)因子進(jìn)行歸一化處理[21]，即：

式中：

y ——指標(biāo)因子的歸一化值；

x ——指標(biāo)因子的原值；

max x ——指標(biāo)因子的最大值；

min x ——指標(biāo)因子的最小值。

1.2.6 GIS 空間分析方法

本項(xiàng)目使用ArcGIS 空間分析模塊中的內(nèi)插分析、柵格計(jì)算、掩膜提取、自然斷點(diǎn)分級(jí)等方法完成銀川市用電災(zāi)害風(fēng)險(xiǎn)評(píng)估計(jì)算及風(fēng)險(xiǎn)區(qū)劃圖繪制。其中內(nèi)插分析采用反距離加權(quán)插值法（IDW）進(jìn)行[21]。

1.2.7 相關(guān)系數(shù)分析法

相關(guān)分析是統(tǒng)計(jì)兩個(gè)或兩個(gè)以上的隨機(jī)變量間的相關(guān)程度的分析方法。本文采用Jarque-Bera 檢驗(yàn)[22]（Jarque and Bera,1987）方法，對(duì)統(tǒng)計(jì)數(shù)據(jù)是否符合正態(tài)分布的偏度和峰度的擬合優(yōu)度進(jìn)行檢驗(yàn)，結(jié)果發(fā)現(xiàn)僅氣溫三要素服從正態(tài)分布，故本文采用斯皮爾曼相關(guān)系數(shù) (Spearman)[23]來確定氣象因子對(duì)用電負(fù)荷的影響程度。

1.2.8 線性回歸方程建立

一元回歸方程如下[21]：

式中：

k——斜率；

b——截距。

2 電力負(fù)荷與氣象要素的相關(guān)性分析

分析了電力負(fù)荷的變化特征，電力負(fù)荷與氣溫、濕度、蒸發(fā)量、風(fēng)速等相關(guān)關(guān)系，發(fā)現(xiàn)溫度為影響銀川用電的主要?dú)庀笠蜃?，特別是夏季用電負(fù)荷對(duì)氣溫變化的相關(guān)性較為明顯。

2.1 電力負(fù)荷的變化特征

1）用電負(fù)荷年變化

影響用電量長(zhǎng)期變化的因素很多，主要貢獻(xiàn)有3 個(gè)方面：社會(huì)經(jīng)濟(jì)的發(fā)展（經(jīng)濟(jì)負(fù)荷）、環(huán)境因素項(xiàng)（主要為氣象要素）和隨機(jī)項(xiàng)[7]。近年來，銀川市經(jīng)濟(jì)增長(zhǎng)速度加快，如圖1 所示，2017 年1 月1 日至2020年7 月20 日，銀川市的日平均用電負(fù)荷隨時(shí)間的變化，呈增長(zhǎng)趨勢(shì)，平均用電負(fù)荷每日增加147.1 kW。2）用電負(fù)荷月變化

圖1 2017 年1 月1 日至2020 年7 月20 日銀川市日平均用電負(fù)荷Fig.1 Daily average electricity load in Yinchuan City from January 1,2017 to July 20,2020

如圖2 所示，通過分析銀川市平均用電負(fù)荷、最大用電負(fù)荷和最小用電負(fù)荷的月變化，可以看出用電負(fù)荷在全年波動(dòng)變化總體有3 次達(dá)到峰值，其中高峰出現(xiàn)在11～12 月，次峰值出現(xiàn)在1 月、3 月、6～7 月和10 月。相關(guān)研究表明，銀川市近60 a 來實(shí)際供暖期基本上統(tǒng)一從每年11 月1 日開始，至次年3 月31 日結(jié)束[24]，而1 月、3 月、11～12 月均處于供暖期，10 月處于供暖期的過渡月，這些月份用電負(fù)荷的增加可能與居民用電取暖有關(guān)；6～7 月為夏季月，此時(shí)銀川市最高氣溫在29～30 ℃，用電負(fù)荷的增加可能與居民使用空調(diào)降溫有關(guān)。用電低谷出現(xiàn)在4 月和9 月，是春夏季和夏秋季過渡月，氣溫適宜，不需要空調(diào)降溫或取暖，用電負(fù)荷較低（與汪付華[16]、程瀟瀟[5]和田心如等[18]研究結(jié)果基本一致）。

圖2 2017～2019 年銀川市最大、最小和平均用電負(fù)荷月變化Fig.2 Monthly changes in maximum,minimum,and average electricity loads in Yinchuan City from 2017 to 2019

2.2 電力負(fù)荷與氣溫的相關(guān)性分析

為深入研究氣象因子對(duì)用電負(fù)荷的影響，計(jì)算2017～2019 年最大、最小和平均用電負(fù)荷與不同氣象因子（氣溫、濕度、蒸發(fā)量、風(fēng)速等）之間的Spearman相關(guān)系數(shù)，并選取相關(guān)性較好的因子（最高氣溫、最低氣溫和平均氣溫）進(jìn)一步分析。如圖3 所示，平均用電負(fù)荷與氣溫要素相關(guān)性最好的月份在7～9 月，呈顯著的正相關(guān)，相關(guān)系數(shù)在大部分年月大于0.5。其中，平均用電負(fù)荷與最高氣溫、平均氣溫的相關(guān)性在7～8 月較好，甚至在2017 年8 月相關(guān)系數(shù)大于0.9，與最低氣溫的相關(guān)性在7～9 月較好。而在氣溫較低的月份：1 月、3 月、10～12 月，氣溫與平均用電負(fù)荷呈負(fù)相關(guān)關(guān)系，但相關(guān)性并不顯著，表明供暖期氣溫對(duì)于用電負(fù)荷的影響相對(duì)較小。進(jìn)一步分析7～9 月的最大、最小和平均用電負(fù)荷與氣溫的相關(guān)性發(fā)現(xiàn)，最大、最小用電負(fù)荷與不同氣溫因子的相關(guān)性與平均用電負(fù)荷類似，7～8 月總體上與氣溫的相關(guān)性最好，如表1 所示，呈顯著的正相關(guān)。

表1 2017～2019 年7～9 月用電負(fù)荷與氣溫相關(guān)系數(shù)分布Tab.1 Distribution of correlation coefficients between electricity load and temperature from July to September 2017 to 2019

圖3 2017～2019 年平均用電負(fù)荷與氣溫的Spearman相關(guān)系數(shù)Fig.3 Monthly average electricity load and correlation coefficient variation curve with different temperature factors from 2017 to 2019

由此可知，氣溫與用電負(fù)荷在7～9 月有著較好的正相關(guān)關(guān)系，且氣溫越高，用電負(fù)荷也越大，氣溫與用電負(fù)荷的相關(guān)性也越好。比如在7～8 月，氣溫總體偏高，月均最高氣溫在30～31℃，用電負(fù)荷也明顯偏大，最大用電負(fù)荷達(dá)到了2～2.03 MW。故本文選擇高溫天氣（最高氣溫≥35 ℃）為用電氣象風(fēng)險(xiǎn)因子。另外，最高氣溫越高時(shí)，高溫出現(xiàn)頻率也會(huì)越高，高溫強(qiáng)度越強(qiáng)，在選取危險(xiǎn)性指標(biāo)時(shí)，重點(diǎn)考慮高溫強(qiáng)度和頻率做為二級(jí)風(fēng)險(xiǎn)因子。

3 用電氣象災(zāi)害風(fēng)險(xiǎn)模型的確定

3.1 氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)分析

通過相關(guān)性分析等方法分析出氣象風(fēng)險(xiǎn)因子為最高氣溫≥35 ℃的高溫天氣，將日最高氣溫≥35 ℃，稱為一次高溫災(zāi)害。通過收集整理，篩選出銀川市高溫災(zāi)害天氣過程2014～2019 年銀川市高溫災(zāi)害天氣共計(jì)16 次，2020 年共計(jì)4 次。選取國(guó)家氣象觀測(cè)站和區(qū)域自動(dòng)站共22 站，用于分析計(jì)算銀川城區(qū)高溫頻率和高溫強(qiáng)度。其他風(fēng)險(xiǎn)因子如：用電氣象風(fēng)險(xiǎn)指數(shù)的危險(xiǎn)性、脆弱性和易損性指標(biāo)，是通過數(shù)據(jù)統(tǒng)計(jì)分析結(jié)合實(shí)地調(diào)研走訪、調(diào)查問卷、專家打分、網(wǎng)絡(luò)查詢等方法確定。

3.2 危險(xiǎn)性指標(biāo)

通過相關(guān)性分析及專家問卷調(diào)查，確定用電氣象風(fēng)險(xiǎn)的危險(xiǎn)性一級(jí)指標(biāo)是日最高氣溫≥35 ℃，危險(xiǎn)性二級(jí)指標(biāo)為高溫≥35 ℃強(qiáng)度、高溫≥35 ℃頻率。

3.3 敏感性指標(biāo)

通過調(diào)研走訪、調(diào)查問卷、專家打分、網(wǎng)絡(luò)查詢等確定用電風(fēng)險(xiǎn)敏感性的一級(jí)指標(biāo)為生活用電、工業(yè)用電，二級(jí)指標(biāo)為日用電量、用電負(fù)荷。

3.4 易損性指標(biāo)

通過實(shí)地調(diào)研、調(diào)查問卷、專家打分、網(wǎng)絡(luò)查詢等，確定了用電氣象風(fēng)險(xiǎn)易損性一級(jí)指標(biāo)為小區(qū)概況，包括小區(qū)的人口、綠化面積、新舊等情況，易損性的二級(jí)指標(biāo)為人口密度、小區(qū)用電設(shè)施等情況。用電氣象風(fēng)險(xiǎn)指標(biāo)如表2 所示。

表2 用電災(zāi)害風(fēng)險(xiǎn)指標(biāo)Tab.2 Risk indicators for power supply disasters

3.5 氣象災(zāi)害風(fēng)險(xiǎn)指標(biāo)權(quán)重

根據(jù)表2 中各指標(biāo)的重要性，利用專家問卷打分、調(diào)查、網(wǎng)絡(luò)查詢等方法，賦予表2 中各指標(biāo)不同的權(quán)重，以指標(biāo)乘以權(quán)重后相加，獲得評(píng)價(jià)得分。各因子權(quán)重的確定：設(shè)計(jì)了高溫對(duì)用電的調(diào)查問卷模型（問卷內(nèi)容如圖4 所示），根據(jù)相關(guān)行業(yè)100 名專家問卷調(diào)查，每份問卷5 頁內(nèi)容，通過相關(guān)專家選擇回答問卷內(nèi)容，再根據(jù)問卷的結(jié)果和統(tǒng)計(jì)，確定了主要影響因子及權(quán)重，其中權(quán)重小于0.01 時(shí)，按0 計(jì)算，權(quán)重為0 的因子省略，得到用電災(zāi)害風(fēng)險(xiǎn)各指標(biāo)權(quán)重，如表3 所示。

表3 用電災(zāi)害風(fēng)險(xiǎn)指標(biāo)權(quán)重Tab.3 Weighting of power supply disaster risk indicators

圖4 高溫對(duì)用電的影響調(diào)查問卷模型Fig.4 Questionnaire model on the Impact of high temperature on power supply

3.6 用電氣象災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)模型的建立

為消除各影響指標(biāo)因子間的量綱及數(shù)量級(jí)差異，對(duì)每個(gè)評(píng)價(jià)因子進(jìn)行歸一化處理。利用銀川城區(qū)用電致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體脆弱性（易損性）等因子構(gòu)建銀川市用電氣象風(fēng)險(xiǎn)評(píng)估模型，利用層次分析法結(jié)合專家打分情況，得出了風(fēng)險(xiǎn)評(píng)估模型：

其中F 為用電氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)，其數(shù)值越大，發(fā)生災(zāi)害風(fēng)險(xiǎn)程度越高；I1、I4、I3分別為致災(zāi)因子的危險(xiǎn)性、敏感性、易損性，a、b、c 分別為敏感性、危險(xiǎn)性、易損性評(píng)價(jià)因子的權(quán)重；危險(xiǎn)性因子為高溫強(qiáng)度和高溫頻率兩項(xiàng)，因此評(píng)價(jià)模型可寫為：

用電氣象災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)模型如下式所示：

式中：

F ——用電氣象風(fēng)險(xiǎn)指數(shù)；

I11——高溫強(qiáng)度；

I12——高溫頻率；

I4——日供水量；

I3——人口密度。

按照百分位法確定銀川城區(qū)用電氣象風(fēng)險(xiǎn)區(qū)劃指數(shù)等級(jí)劃分標(biāo)準(zhǔn)。計(jì)算臨界百分位數(shù)（98%、95%、90%、80%、60%），根據(jù)不同百分位數(shù)臨界值將用電氣象風(fēng)險(xiǎn)致災(zāi)因子的危險(xiǎn)性、敏感性、易損性劃分為5 個(gè)等級(jí)，如表4 所示，按百分位數(shù)，分別計(jì)算銀川城區(qū)用電氣象風(fēng)險(xiǎn)區(qū)劃指數(shù)等級(jí)，如表5 所示。

表4 用電氣象風(fēng)險(xiǎn)致災(zāi)因子指數(shù)等級(jí)Tab.4 Index level of meteorological risk factors causing disasters in power supply

表5 銀川城區(qū)用電氣象風(fēng)險(xiǎn)區(qū)劃指數(shù)等級(jí)標(biāo)準(zhǔn)Tab.5 Index level standard for meteorological risk zoning of power supply in Yinchuan urban area

利用 GIS 中的空間分析方法，按銀川城區(qū)用電氣象風(fēng)險(xiǎn)區(qū)劃指數(shù)等級(jí)區(qū)間，將致災(zāi)因子危險(xiǎn)性、敏感性、易損性圖層按照公式（11）進(jìn)行圖層計(jì)算，并根據(jù)表5 所示風(fēng)險(xiǎn)指數(shù)等級(jí)區(qū)間劃分標(biāo)準(zhǔn)，得到銀川城區(qū)用電氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖和風(fēng)險(xiǎn)級(jí)別，如圖5 所示。

圖5 用電風(fēng)險(xiǎn)區(qū)劃圖Fig.5 Power supply risk zoning map

由圖5 可知，銀川市用電氣象風(fēng)險(xiǎn)區(qū)劃的高風(fēng)險(xiǎn)區(qū)和較高風(fēng)險(xiǎn)區(qū)主要在金鳳區(qū)，興慶區(qū)主要處于中風(fēng)險(xiǎn)地區(qū)，西夏區(qū)以較低風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)為主。

根據(jù)用電風(fēng)險(xiǎn)區(qū)劃圖，劃分了風(fēng)險(xiǎn)級(jí)別、風(fēng)險(xiǎn)預(yù)警顏色、風(fēng)險(xiǎn)指數(shù)區(qū)間，并根據(jù)風(fēng)險(xiǎn)級(jí)別的高低提出相應(yīng)的建議及措施，如表6 所示。

表6 用電氣象風(fēng)險(xiǎn)產(chǎn)品指標(biāo)Tab.6 Meteorological risk product indicators for power supply

4 結(jié)論

1）用電負(fù)荷峰值出現(xiàn)在供暖期及過渡期（1 月、3 月、10～12 月）和夏季（6～7 月），低谷出現(xiàn)在4 月和9 月。

2）高溫與用電負(fù)荷有很好的正相關(guān)關(guān)系，7～9月用電負(fù)荷與氣溫相關(guān)性最好，為顯著的正相關(guān)關(guān)系。日平均氣溫、最高氣溫、最低氣溫是影響用電負(fù)荷的主要的氣象因子，且氣溫越高，氣溫與用電負(fù)荷相關(guān)性越好。

3）通過實(shí)地調(diào)研、調(diào)查問卷、專家打分、網(wǎng)絡(luò)查詢等方法，確定銀川用電氣象風(fēng)險(xiǎn)指數(shù)的危險(xiǎn)性指標(biāo)為高溫（≥35 ℃）強(qiáng)度和高溫頻率，脆弱性指標(biāo)主要為日用電量，易損性指標(biāo)主要為人口密度。

4）銀川市用電氣象風(fēng)險(xiǎn)區(qū)劃中，高風(fēng)險(xiǎn)區(qū)和較高風(fēng)險(xiǎn)區(qū)主要在金鳳區(qū)，而在興慶區(qū)主要處于中風(fēng)險(xiǎn)地區(qū)，西夏區(qū)主要以較低風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)為主。

5）依照用電氣象風(fēng)險(xiǎn)產(chǎn)品指標(biāo)，并結(jié)合用電部門的需求，經(jīng)過實(shí)際調(diào)研試用，最后確定用電需采取的合理電力調(diào)度和供給策略，用電系統(tǒng)的絕緣、低壓配電裝置、低壓電器檢查等方面給出了用電氣象風(fēng)險(xiǎn)預(yù)警（共4 個(gè)級(jí)別及顏色）防御指南。

項(xiàng)目簡(jiǎn)介中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室、寧夏氣象局指令性項(xiàng)目，項(xiàng)目完成銀川市供水、供電、供暖、交通、旅游等基于風(fēng)險(xiǎn)預(yù)警的災(zāi)害災(zāi)害風(fēng)險(xiǎn)區(qū)劃和基于風(fēng)險(xiǎn)預(yù)警的服務(wù)產(chǎn)品指標(biāo)，完成銀川市供暖期精細(xì)化供暖指數(shù)預(yù)報(bào)，對(duì)銀川市區(qū)城市內(nèi)澇風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行訂正的優(yōu)化，并將5 類指標(biāo)與銀川市城市氣象服務(wù)平臺(tái)和銀川市葡萄服務(wù)平臺(tái)進(jìn)行對(duì)接。形成銀川市旅游、銀川市交通、銀川市城市運(yùn)行保障（供水、供電、供暖）、銀川市城市內(nèi)澇、釀酒葡萄等五大氣象風(fēng)險(xiǎn)指標(biāo)并業(yè)務(wù)化、流程化，利用智能化3級(jí)平臺(tái)預(yù)報(bào)預(yù)警產(chǎn)品與各類氣象風(fēng)險(xiǎn)預(yù)警指標(biāo)相比對(duì)形成檢驗(yàn)評(píng)估機(jī)制，自動(dòng)生成銀川市城市氣象服務(wù)平臺(tái)相應(yīng)模塊的預(yù)報(bào)預(yù)警產(chǎn)品，為各行業(yè)聯(lián)動(dòng)及決策提供氣象服務(wù)產(chǎn)品參考。

項(xiàng)目名稱中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室指令性基金資助項(xiàng)目（CAMP-201918）

承擔(dān)單位中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室

項(xiàng)目概述該項(xiàng)目為中國(guó)氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室、寧夏氣象局指令性項(xiàng)目，基于風(fēng)險(xiǎn)預(yù)警的銀川市氣象災(zāi)害風(fēng)險(xiǎn)模型建設(shè)，建立氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型并完成風(fēng)險(xiǎn)區(qū)劃，構(gòu)建和更新基于風(fēng)險(xiǎn)預(yù)警的銀川市氣象服務(wù)指標(biāo)體系。項(xiàng)目完成銀川市供水、供電、供暖、交通、旅游等基于風(fēng)險(xiǎn)預(yù)警的災(zāi)害災(zāi)害風(fēng)險(xiǎn)區(qū)劃和基于風(fēng)險(xiǎn)預(yù)警的服務(wù)產(chǎn)品指標(biāo)，完成銀川市供暖期精細(xì)化供暖指數(shù)預(yù)報(bào)，對(duì)銀川市區(qū)城市內(nèi)澇風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行訂正的優(yōu)化，并將5 類指標(biāo)與銀川市城市氣象服務(wù)平臺(tái)和銀川市葡萄服務(wù)平臺(tái)進(jìn)行對(duì)接。

主要?jiǎng)?chuàng)新點(diǎn)（1）完成了供水、供電、供暖氣象風(fēng)險(xiǎn)模型和風(fēng)險(xiǎn)區(qū)劃，完成基于風(fēng)險(xiǎn)的氣象服務(wù)指標(biāo)，自動(dòng)發(fā)布滾動(dòng)發(fā)布銀川市供暖期精細(xì)化供暖指數(shù)預(yù)報(bào)及供水、供電、供暖基于風(fēng)險(xiǎn)的氣象服務(wù)產(chǎn)品；（2）建立銀川市主要旅游景點(diǎn)氣象風(fēng)險(xiǎn)模型，研發(fā)銀川市旅游氣象風(fēng)險(xiǎn)指標(biāo)，自動(dòng)發(fā)布銀川市旅游景點(diǎn)基于風(fēng)險(xiǎn)預(yù)警的氣象服務(wù)產(chǎn)品；（3）更新和優(yōu)化銀川市城市內(nèi)澇原有氣象風(fēng)險(xiǎn)指標(biāo)；（4）在天氣預(yù)警的基礎(chǔ)上研發(fā)對(duì)交通有影響的災(zāi)害性天氣氣象風(fēng)險(xiǎn)預(yù)警指標(biāo)，確定了災(zāi)害性天氣對(duì)交通影響的臨界風(fēng)險(xiǎn)指標(biāo)，自動(dòng)生成預(yù)警產(chǎn)品。