利用2008—2019年湖北省荆州、荆门、宜昌、咸宁、随州地区日最大电力负荷值和同期国家气象观测站气象资料,分析最大气象负荷的变化率(Lpm)与温湿指数(I)、气象敏感负荷条件指数(MSLI)、人体舒适度(ET)、体感温度指数(Te)等4种舒适度指数和温度的关系,采用多元回归和BP神经网络方法建立基于上述4种舒适度指数的日最大电力负荷预测模型。结果表明:Lpm与气温、4种舒适度指数在夏季呈正相关,冬季呈负相关,且夏季相关性比冬季显著;综合温度、湿度、风速的4种舒适度指数的变化能够引起Lpm的变化,且这种变化在夏季,尤其是7月和8月更明显;BP神经网络模型和多元回归模型的误差基本控制在电力部门的要求范围内;BP神经网络预测效果优于多元回归,后期业务应用中荆门和咸宁地区建议选取ET指数,其他地市4种指数皆可。
