气象因素对黄河流域地区居民电力需求的空间效应影响

刘丽丽，蔡林美，张金锁

（1.西安科技大学 管理学院，陕西 西安 710054；2.延安大学 经济与管理学院，陕西 延安 716000；3.西安科技大学 能源学院，陕西 西安 710054）

0 引 言

随着人们生活水平提高，对舒适性产生更高要求[1]。从气象角度讲，人体舒适度是指人体在不同气候条件下的舒适感[2]，当气象因素发生变化并超过人体舒适度范围时，人们会通过改变外界条件来维持自身舒适度要求。而由于全球变暖加剧中国多地创纪录高温，雷暴、大风等天气频发，根据中央气象部门数据显示，2022年7月以来，川渝及江南大部分地区出现10多天持续性高温，湖南、福建、新疆连续28天发布高温预警，区域性高温综合强度更是1961年有完整气象观测记录以来最强。一方面，人们需要借助空调、冰箱、风扇等设备满足取暖和制冷需求；另一方面，当自身电力需求无法满足时，电力规划部门需要利用省际间的电力互联、电力外送等满足部分地区的高电力需求。此外，受经纬度、地理地貌等影响，黄河流域气象因素空间异质性突出，上游暖干化、中下游地区暖湿化等特征加剧[3]，直接影响到风光等可再生资源分布，造成地区居民电力需求差异。那么，气象因素如何影响上中下游居民电力需求？在此背景下，研究气象因素对黄河流域地区居民电力需求的空间效应，旨在探究气象因素对黄河流域上中下游居民电力需求的影响机理，为优化上中下游地区电力空间布局，制定更科学合理的电力规划提供气象依据，对黄河流域高质量发展有重要现实意义[4-6]。

首先，涉及气象因素对黄河流域地区居民电力需求的空间效应研究颇少。一方面，气象因素对电力需求的影响已经受到广泛关注。DRYAR首次指出气象因素对电力负荷的影响，表明气象因素是影响电力需求变化的主要原因之一[7]。LI等、杨志明等证实温度对制冷和加热电力需求的影响[8-9]。HIRUTA等发现温度与湿度的相互作用与电力需求之间存在相关关系[10]。KAMAL等在研究中加入降雨量、相对湿度、风速、云量等多个气象因素，证实不同气象因素对电力需求的影响程度[11]。另一方面，有关电力需求的空间效应影响主要集中在对社会经济因素的研究。学者们已证实经济发展水平、人口因素、城镇化水平、收入水平等社会经济因素对居民电力需求存在显著的空间效应[12-16]。气象因素对居民电力需求具有较强的敏感性，将其纳入空间效应研究对于电力规划具有一定意义[17]。王文蝶等采用面板数据模型研究不同温度区域的居民用能变化，指出在进行用能规划时，不能忽略温度的空间差异，但并未具体研究温度对用能变化的定量影响[18]。CHEN等研究地表温度对荷兰城市能源需求的空间效应，发现温度对夏季和冬季能源需求的显著正向和负向空间效应[19]。申俊等发现，省际年均温度每增长1 ℃，城镇居民能源消费下降0.832%，将平均温度对居民能源消费的影响进行量化，证实温度对电力需求的显著空间效应[20]。刘明辉等发现电力消费对温度的响应程度随着地区发展和南北差异表现出明显的异质性[21]。黄河流域上中下游气象因素空间异质性突出，考虑其空间效应可为该地区居民电力需求研究提供新的理论视角。

其次，除温度外其他气象因素如降水、平均风速、日照时数、相对湿度等也会对居民电力需求的空间效应产生影响，LUIZ等、KAMAL等、ZHOU等学者们研究发现包含多种气象因素的电力需求模型得到的结果更优[22-24]。但在电力需求的空间效应研究中，只有EDIMILSON等在研究中加入温度和降水验证二者对巴西电力部门消费的空间效应[25]。文中在现有基础上引入相对湿度、平均风速、日照时数等气象因素进行研究。

综上，基于2006—2019年黄河流域61个城市的面板数据，研究平均温度、年降水量、相对湿度、日照时数和平均风速对居民电力需求的空间效应影响，旨在回答以下问题：黄河流域地区居民电力需求是否存在空间相关性？气象因素对黄河流域地区居民电力需求影响的空间效应主要表现是什么？

1 数据与方法

1.1 研究地区选择

根据黄河水利委员会划分，黄河流域（96°～119°E，32°～42°N）含青海、四川、甘肃、等9个省（区）69个地级市如图1所示。由于数据可获得性限制，最终选取黄河流域的61个地级市进行研究，见表1。图2近14年黄河流域气象因素平均变化显示，上中下游地区的年平均气温呈现增加趋势；年均降水量较多的地区主要位于中下游地区，上游地区除河源地区降水较多，其余地区降水较少；上中下游日照时数呈现逐渐减少趋势；年均相对湿度变化在30%～80%之间，中上游地区小于50%，中下游地区大于50%；年均风速变化在1.09～3.0 m/s之间，下游相比于上中游风速变化差异偏小。可以看出上中下游气象因素差异性显著，故按上中下游进行研究。

1.2 数据来源与变量选取

1.2.1 数据来源

气象数据包括平均温度、年降水量、相对湿度、日照时数、平均风速，主要来源于中国气象科学数据共享服务网络；社会经济数据包括地区年末人口、城镇化率、人口密度、居民人均可支配收入等，主要来源于各地级市城市统计年鉴、经济社会发展统计公报；电力需求数据选取各地级市的居民用电量数据，主要来源于《中国城市统计年鉴》，个别缺失数据采用线性插值法处理。

图1 黄河流域地形Fig.1 Topographic map of the Yellow River Basin（数据来源：高程数据基于全球高分辨率（30 m）DEM数据，来自国家地理数据云服务平台，坐标系为GCS_WGS_1984）

表1 黄河流域研究区域城市分布

1.2.2 变量选取

影响电力需求的社会经济因素主要有人均地区生产总值、年末人口数、人口密度、居民人均可支配收入、城镇化率等，文中采用相关性分析初步检验各变量之间的相关性，发现人均地区生产总值对居民用电量影响不显著，故剔除了人均地区生产总值的影响。平均温度、相对湿度、年降水量、平均风速和日照时数与黄河流域居民电力需求相关性显著，故选取这5个变量进行研究。变量描述见表2。

1.3 空间自相关分析

Moran’I指数分为全局和局部Moran’I指数，前者从整体上考察黄河流域居民电力需求的总体特征，后者从局部考察黄河流域居民电力需求的空间相关性[26]。引入经济距离的空间权重矩阵更加接近区域经济的现实[27]，基于地区生产总值来构建空间经济距离权重矩阵见式（1）～（2），Moran’I指数计算公式见式（3）。

图2 各气象因素近14年年均变化分布Fig.2 Average annual change distribution of meteorological factors in recent 14 years数据来源：中国气象科学数据共享服务网，坐标系为GCS_WGS_1984

表2 变量描述

（1）

（2）

（3）

1.4 空间杜宾模型设定

空间杜宾模型同时考虑了气象因素和居民电力需求的空间滞后效应，能全面反映变量之间的关系。气象因素对居民电力需求的空间效应通过偏微分的方法分解为直接、间接效应和总效应来检验[26]。同时为减少数据异方差和不平稳性，对所有数据进行对数化处理。模型设定见式（4）。

Yit=α+δWYjt+βXit+θWXit+μi+λt+εit

（4）

式中Yit为居民用电量向量，i=1，2，…，n；t=1，2，…，T；Xit为解释变量矩阵，包括气象变量和控制变量；W为标准化的邻接空间权重矩阵，黄河流域上中下游的空间权重矩阵分别为W1，W2，W3；α为常数项；δ为空间自回归系数，表示居民电力需求之间的依赖程度；β为所选取变量的回归系数，表示研究城市的气象变量和控制变量对居民电力需求的影响程度；θ为对应的气象变量的空间滞后项系数，表示相邻城市气象因素对所研究城市居民电力需求的影响；μi，λt，εit分别为空间特定效应、时间特定效应、残差项。

对无空间交互作用的模型进行了LM检验及稳健性LM检验，结果拒绝了原假设，即模型估计可进行空间模型分析。为保证所选模型的稳定性和可靠性，对空间面板模型设定形式进行了似然比（LR）检验、Wald检验及Hausman检验。结果显示，检验均显著拒绝了原假设，最终选取固定时间效应空间杜宾模型进行实证分析。

2 结果与分析

2.1 空间自相关检验结果

表3是黄河流域地区的居民用电量全局Moran’s I检验结果，结果显示，研究期内大部分年份均通过了10%显著性水平检验，说明黄河流域地区居民电力需求存在空间上的集聚效应。黄河流域地区居民用电量莫兰指数从2006年的0.104增长到2019年的0.317，年均增长8.95%，呈上升趋势，表明黄河流域地区居民电力需求的空间集聚效应逐渐增强。

选取2006年、2012年和2019年对上中下游地区居民电力需求进行局部相关性分析。莫兰散点结果如图3所示，上游地区居民用电量莫兰指数显著为正，居民电力需求存在显著空间正相关，高高或低低集聚明显。2006年，呼和浩特、兰州、西宁等位于第Ⅰ象限（高高集聚），这些城市及其周边包围的城市居民电力需求均较高，存在较强空间相关性；白银、定西、陇南等位于第Ⅲ象限（低低集聚），受地理位置和城市发育程度的影响，这些城市及其周边城市的电力需求较低，空间差异性较小，处于发展的盲点区；2012年乌海、鄂尔多斯等逐渐转移至高高集聚，集聚效应增强，主要与2012年中国居民用电实行阶梯电价有关；2019年，高高集聚城市由5个增加至8个，低高集聚城市减少至2个，在电力改革政策推动下，居民电力需求高的城市对周围城市居民电力需求拉动作用显著。

表3 居民用电量全局Moran’s I

中游地区居民用电量莫兰指数为负，居民电力需求存在显著空间负相关，高低或低高集聚明显。2006年，晋城、平凉、延安等城市属于第Ⅱ象限（高低集聚）；宝鸡、大同、临汾等城市属于第Ⅳ象限（低高集聚）。主要由于西安、太原等省会城市社会经济发展较快，居民电力需求增长较快，其他城市受到交通以及地理因素的影响，与周围城市的联系较弱；2012年，庆阳、朔州、铜川等城市由第Ⅲ象限转移至第Ⅳ象限，2019年，天水由第Ⅳ象限转移至第Ⅲ象限，高低集聚或低高集聚现象减弱，主要由于中游地区形成了晋中城市群、关中平原城市群和中原城市群相关，促进了中游地区城市之间的发展和联系。

下游地区与上游类似，居民电力需求高高或低低集聚显著。2006年，济南、镇州、淄博位于第Ⅰ象限（高高集聚）；德州、济宁、开封属于第Ⅲ象限（低低集聚）。随着经济快速发展及电能替代加快，2019年第Ⅰ象限城市由3个增加至5个，第Ⅲ，Ⅳ象限城市减少，逐渐向高电力需求地区周围集聚。与中上游地区相比，下游地区居民电力需求的空间集聚更加显著，主要由于下游地区城市发育程度高，区位优势优于中上游地区，居民电力需求带动作用更加明显。

图3 2006年、2012年和2019年上中下游居民用电量Moran’s I散点Fig.3 Moran’s I scatter diagram of residential power consumption in upstream，middle and downstream in 2006，2012 and 2019其中：a1,a2,a3为上游地区；b1,b2,b3为中游地区；c1，c2，c3为下游地区;z为莫兰指数取值范围；1～61为研究城市：1-安阳市；2-巴彦淖尔市；3-白银市；4-包头市；5-宝鸡市；6-滨州市；7-大同市；8-德州市；9-定西市；10-东营市；11-鄂尔多斯市；12-固原市；13-海东市；14-菏泽市；15-鹤壁市；16-呼和浩特市；17-济南市；18-济宁市；19-焦作市；20-晋城市；21-晋中市;22-开封市；23-兰州市；24-聊城市；25-临汾市;26-临沂市；27-陇南市；28-洛阳市；29-吕梁市;30-平凉市；31-濮阳市32；-庆阳市；33-三门峡市;34-商洛市；35-商丘市；36-石嘴山市;37-朔州市；38-太原市；39-泰安市；40-天水市；41-铜川市；42-渭南市；43-乌海市；44-乌兰察布市；45-吴忠市；46-武威市；47-西安市；48-西宁市；49-咸阳市；50-忻州市；51-新乡市；52-延安市；53-阳泉市；54-银川市；55-榆林市；56-运城市；57-枣庄市；58-长治市；59-郑州市；60-中卫市；61-淄博市。

2.2 回归结果

表4是上游地区空间杜宾模型和空间效应分解结果，可以看出上游地区空间自回归系数为正，居民电力需求存在空间正相关性。平均温度、平均风速、日照时数每增加1%，上游地区的居民用电量分别减少0.059%，0.161%，0.001%。另外，居民人均可支配收入、人口密度、城镇化率每增加1%，上游地区居民用电量分别增加1.519%，0.205%，0.014%，说明居民人均可支配收入、人口密度及城镇化率对居民电力需求具有显著影响，验证了控制变量的合理性。文中主要讨论气象因素对居民电力需求的影响，故后文对控制变量不进行讨论。

模型空间效应分解结果显示，平均温度的直接效应和间接效应分别在5%和1%的水平上显著为负，平均温度增加1%，本地居民用电量减少0.064%，相邻地区居民用电量减少0.307%，说明平均温度对上游居民电力需求的正向空间效应显著；相对湿度的间接效应在5%的水平上显著为负，相对湿度每增加1%，上游相邻地区居民用电量减少0.047%，对上游地区居民电力需求具有显著的负向空间效应；平均风速和日照时数对居民用电量的直接效应分别在5%和10%的水平上显著，平均风速增加1%，本地居民用电量减少0.151%；日照时数增加1%，本地区居民用电量减少0.001%，二者对上游相邻地区居民用电量的间接效应不显著。

表4 上游地区空间杜宾模型和空间效应分解结果

表5是中游地区空间杜宾模型和空间效应分解结果，结果显示中游地区空间自回归系数为-0.243，在1%的显著性水平下显著为负，表明黄河流域中游地区的居民电力需求具有明显的空间负相关性。平均温度、平均风速、相对湿度对中游地区居民电力需求具有显著相关性。平均温度、相对湿度每增加1%，中游地区居民用电量分别增加0.175%，0.017%；平均风速每增加1%，中游地区居民用电量减少0.172%。

模型空间效应分解结果显示，平均温度的直接效应在1%水平上显著为正，平均温度每增加1%，上游地区居民用电量增加0.179%；相对湿度的直接效应和间接效应分别在1%和5%的水平上显著，相对湿度每增加1%，本地居民用电量增加0.021%，相邻地区居民用电量减少0.068%，说明相对湿度对中游地区居民电力需求存在显著的负向空间效应；平均风速的直接效应为负，间接效应在5%的水平上显著为负，平均风速每增加1%，中游地区居民用电量减少0.118%，相邻地区居民用电量减少0.711%。说明平均风速的增加会减少本地区和相邻地区的居民电力需求，即平均风速对相邻地区居民电力需求的负向空间效应显著。

表5 中游地区空间杜宾模型和空间效应分解结果

表6是下游地区空间杜宾模型和空间效应分解结果，结果显示下游地区的空间自回归系数为0.331，在1%的显著性水平下显著为正，在空间上呈现出聚集现象。平均温度、平均风速、日照时数对下游地区居民电力需求具有显著相关性。平均温度每增加1%，下游地区居民用电量增加0.282%；平均风速、日照时数每增加1%，下游地区居民用电量分别减少0.152%，0.001%。

模型空间效应分解结果显示，平均温度的直接效应在1%水平上显著为正，间接效应为正，平均温度每增加1%，下游地区居民用电量增加0.271%，相邻地区居民用电量增加0.142%；平均风速的间接效应在5%的水平下显著为负，平均风速每增加1%，邻近地区居民用电量减少0.328%；日照时数的直接效应和间接效应在1%水平下显著，日照时数每增加1%，下游地区居民用电量减少0.001%，相邻地区居民用电量增加0.001%。

表6 下游地区空间杜宾模型和空间效应分解结果

2.3 结果讨论

1）基于2006—2019年黄河流域上中下游地区居民电力需求数据进行莫兰指数检验发现，上中下游地区居民电力需求主要表现为低低、高低、高高集聚，且空间集聚效应逐渐增强。究其原因首先是黄河流域空间布局形成了以省会为中心的都市圈，人口和经济空间分布多呈现中心-边缘结构，集聚效应主要体现在核心城市对其周边城市的辐射带动作用，但总体发育程度较低，大部分城市群还处在发育阶段；其次，随着经济社会发展，居民生活质量不断提升，逐渐向医疗、教育等优势资源集中的城市或其周围城市集聚，居民用电占比逐渐提升，且随着电力体制的改革，跨地区之间的交易壁垒逐渐打破，地区间联系则不断加强；最后，上游地区属于气候敏感区，人口密度较低且城市较分散，居民电力需求空间相关性较弱；与上游地区相比，中下游地区气候条件较好，大多数城市属于平原地区，完善的产业结构形成竞争优势，对周围城市的带动作用显著，促进了居民电力需求的集聚，这与黄河流域电力产业的时空发展格局相符[7]。因此，电力规划部门在制定电力规划时应充分考虑居民电力需求的空间集聚效应，鼓励中心城市发挥优势带头作用，为周围城市提供对口支援，强化上中下游地区间的电力互联，优化电力空间布局。

2）空间杜宾模型研究发现影响上中下游地区居民电力需求的气象因素不同，不同气象因素对上中下游地区的空间效应显著性不同。

平均温度、日照时数、平均风速是影响上游居民电力需求的主要气象因素。平均温度和相对湿度对上游地区居民电力需求存在显著负向空间效应。主要归因于气候变化背景下，上游地区暖干化现象加剧，夏季居民制冷增加的电力需求小于冬季居民加热减少的电力需求，电力需求整体表现为降低；上游地区风电和水电发展较快，水力资源开发基本饱和，故上游地区居民电力需求受平均风速的影响较大。

平均温度、平均风速、相对湿度对中游地区居民电力需求具有显著相关性。平均风速、相对湿度对中游地区居民电力需求的负向空间效应显著。主要由于中游大部分地区属于平原地区，气象资源优势使得风光等可再生能源发展较快，在电能替代政策的推动下，居民更多的转向更加清洁的电力，同时城市之间的集聚效应增强，对居民电力需求的空间效应较显著。此外还发现，居民电力需求随着平均气温的增加而增加，与上游呈现相反的变化趋势，主要由于中游地区平均气温较高，城市分布更加密集，温度的升高对居民电力需求影响更大；另外，相对湿度的变化往往伴随着平均温度的变化而变化，其共同作用对人体舒适度产生影响从而改变居民电力需求。

平均温度、平均风速、日照时数对下游地区居民电力需求具有显著相关性。平均温度和日照时数对下游地区居民电力需求具有正向空间效应，平均风速对下游地区居民电力需求具有负向空间效应。主要由于下游地区大部分城市属于资源型城市，居民电力需求对气象因素更加敏感；下游地区居民电力需求表现为高低集聚，电力需求高的地区人口密度较大，周围地区的人口密度较小，平均温度的增加会使得人们向人口密度较低的城市集聚，带动周围居民电力需求的增加，而平均风速的变化会对周围居民电力需求形成一定的抑制作用，日照时数对居民电力需求虽存在正向空间效应但影响较小，在平均温度的共同作用下影响减弱；此外，平均温度和平均风速对居民电力需求的影响与中游地区变化趋势一致，但平均温度的增加造成的居民电力需求增加的程度增大，而平均风速的增加造成的居民电力需求减少的程度减弱，主要在于与中游地区相比，下游地区城市发展更加成熟，温度的升高使得居民更多地使用空调等设备，造成的影响更大，同时由于人口密度较大，平均风速的影响减弱。

综上，提出充分发挥黄河流域上中下游地区气象资源优势，调动居民节能潜力。具体而言，上游地区应发挥可再生能源间互补特征，风、光与水电互补，优化资源配置；中下游地区采用光伏屋顶等储能设备，提高家电设备效率；在进行电力规划时，充分考虑平均温度、平均风速等气象因素对本地区以及周围地区居民电力需求的影响，完善跨区跨省电力建设，促进可再生资源消纳；加大居民对环境和节能政策的响应程度，鼓励居民使用高效节能设备，养成节能习惯，充分释放居民节能强力。

3 结 论

1）黄河流域居民电力需求存在显著的空间集聚效应。上中下游地区居民电力需求分别表现为低低、高低、高高集聚。在电力政策改革及社会经济快速发展的推动下，黄河流域上中下游地区居民电力需求差异性逐渐缩小。

2）气象因素对上中下游地区居民电力需求存在显著的空间效应。平均温度、相对湿度对上游地区居民电力需求存在显著的负向空间效应，相对湿度和平均风速对中游地区居民电力需求有显著的负向空间效应，平均风速和日照时数对下游地区居民电力需求分别具有显著的负向和正向空间效应。