一種基于用電行業(yè)分類的中長期電量預測方法

李 翔,歐陽森,馮天瑞,吳裕生,王克英

（華南理工大學電力學院,廣東廣州 5lO64O）

文章編號：lOO7-2322（2Ol5）O6-OO86-O6 文獻標志碼：A 中圖分類號：TM7l5

一種基于用電行業(yè)分類的中長期電量預測方法

李 翔,歐陽森,馮天瑞,吳裕生,王克英

（華南理工大學電力學院,廣東廣州 5lO64O）

0 引 言

中長期電量預測［1-4］是電網(wǎng)調(diào)峰、電源和電網(wǎng)建設規(guī)劃以及電力需求側(cè)管理等工作的基礎。長期以來,廣大電力研究人員對中長期電量預測方法進行了大量研究,主要集中于對預測算法的改進和創(chuàng)新,而在預測思路上,則很單一,比如預測地區(qū)總電量,就把地區(qū)總電量的歷史數(shù)據(jù)帶入預測模型,預測某行業(yè)的電量,就對某行業(yè)的電量歷史數(shù)據(jù)進行分析。這種預測思路簡單直接,但是沒有看到各層次預測之間的聯(lián)系。那么,能否利用各層次預測之間聯(lián)系提高電量預測的有效性呢？

應當注意到,不同行業(yè)都有各自的用電特性,行業(yè)電量發(fā)展規(guī)律較為明顯,對行業(yè)電量預測具有較高的可信度；而地區(qū)總電量等于各行業(yè)電量之和,地區(qū)電量預測與各行業(yè)電量預測之間具有天然的聯(lián)系。因此,可以從分行業(yè)電量預測角度來對中長期電量預測方法進行改進。

分行業(yè)電量預測至少有兩點意義:①能夠得到各行業(yè)的電量預測值,有利于供電部門把握各行業(yè)的電量趨勢,服務精細化；②行業(yè)電量預測與總電量預測一起構成一個相互聯(lián)系的預測體系。利用行業(yè)電量預測值與總體電量預測值的聯(lián)系,相互參照,提升的整體預測準確度。

關于分行業(yè)電量預測的研究并不多,文獻［5］用改進的GM（1,1）模型對保定市的8個行業(yè)各自的用電量和全社會用電量分別進行了預測；文獻［6］將重慶市城區(qū)供電局的負荷分為大宗工業(yè)等9個行業(yè),并用BP神經(jīng)網(wǎng)絡來進行電量預測；文獻［7］對社會總用電量進行了預測,對江門地區(qū)各行業(yè)的三次產(chǎn)業(yè)、城鄉(xiāng)居民和工業(yè)及重點行業(yè)僅進行了用電分析。文獻 ［5-7］對于分行業(yè)電量預測做出了有益的探索,但都僅僅涉及意義①,而且選取的電量預測方法單一,適應性不強。

深入研究可知,分行業(yè)電量預測面臨著幾個問題:①如何進行用電行業(yè)分類。近些年來我國經(jīng)濟快速發(fā)展,行業(yè)格局也在不斷變化,某些行業(yè)的電量發(fā)展規(guī)律性較差,直接利用原始的用電行業(yè)分類勢必會影響整體的電量預測精度；②在對各層次單獨進行電量預測時選擇什么預測方法；③各層次都進行獨立的預測之后,如何實現(xiàn)各層次電量預測結(jié)果之間的相互影響。簡單的加和,或者人為的調(diào)整可以實現(xiàn)簡單情況下的 “相互影響”,但主觀性太強,缺乏科學依據(jù),適應性差。

本文擬建立一套適用于電量預測的用電行業(yè)分類的原則和方法,實現(xiàn)科學的行業(yè)分類。優(yōu)選組合預測方法［8-9］是近年來應用較廣泛的電量預測方法,由于集結(jié)了多種單一預測算法的信息,該方法具有很強的適應性,預測準確度較高。用優(yōu)選組合預測方法來實現(xiàn)各層次的電量預測比較合適。對于問題③,本文擬引入多級預測協(xié)調(diào)原理［lO-l4］來處理。多級預測協(xié)調(diào)原理是用于解決負荷預測方面不同維度上下級預測值不協(xié)調(diào)問題的一套理論。利用最小二乘法得到最合適的修正值,能夠有效實現(xiàn)各維度各級別預測結(jié)果之間的相互影響。

本文提出了一種基于行業(yè)分類的中長期電量預測方法。該方法擴展預測思路,通過用電行業(yè)分類,各層次獨立預測,多級預測協(xié)調(diào)3個主要步驟,得到協(xié)調(diào)統(tǒng)一的地區(qū)總體及各行業(yè)電量預測值群。通過各預測值之間相互參照和修正,削弱預測誤差,提高整體的預測精度。

1 用電行業(yè)分類原則和方法

供電企業(yè)統(tǒng)計的電量數(shù)據(jù)一般是按照電價類別和國家標準 《國民經(jīng)濟行業(yè)分類》［l5-l6］來對用電行業(yè)進行分類。其中 《國民經(jīng)濟行業(yè)分類》將用電行業(yè)分為門類、大類、中類和小類,共有4個層次,分類的細致程度逐層加深。

可見,用電行業(yè)的分類隨著分類標準和細致程度的不同會有多種結(jié)果。而且,實際分類過程中可能會出現(xiàn)一些規(guī)律性非常差的行業(yè),會給電量預測帶來負面影響。因此,有必要在分類過程中進行一些人為的調(diào)整和篩選。為此,本文建立了相應的用電行業(yè)分類原則和方法。

1.1 用電行業(yè)分類原則

本文建議原則如下:

①以供電企業(yè)對電力用戶的分類方式為主要分類依據(jù)；

②分類后各行業(yè)電量數(shù)據(jù)呈現(xiàn)良好的歷史發(fā)展規(guī)律；

③分類過程中滿足不重疊無遺漏。

1.2 用電行業(yè)分類方法

根據(jù)以上原則,制定了相應的用電行業(yè)分類方法,假設分類結(jié)果用A表示,對應有a個行業(yè),已收到過去b個年份的電量數(shù)據(jù),uij為第i個年度第j個行業(yè)總電量（i=1,2,3,…,b；j=1,2，3,…,a）:

①對從供電企業(yè)獲取詳細的原始電量歷史數(shù)據(jù),根據(jù)對細致程度的要求,在相應層次上進行分類,得到第一步分類結(jié)果Al,有al個行業(yè)；

②對Al中的行業(yè)按數(shù)據(jù)規(guī)律的優(yōu)劣分為兩類。為避免人為判斷的主觀性,這里采用簡單的算法來對數(shù)據(jù)規(guī)律優(yōu)劣進行區(qū)分。對各行業(yè)的年度電量歷史數(shù)據(jù)分別進行一次多項式擬合,得到各行業(yè)的一次擬合多項式fj,求

設立閾值N,當Mj＞N時,將行業(yè)j歸為規(guī)律差的一類,當Mj≤N時,將行業(yè)j歸為規(guī)律好的一類。

③對規(guī)律好的行業(yè)保留,對規(guī)律差的行業(yè)拆分為更小的行業(yè)或者與其他行業(yè)組合。

④重復此步驟②和③,直到得到較合理的分類結(jié)果A2,對應a2個行業(yè)。

2 多級預測協(xié)調(diào)原理

多級預測協(xié)調(diào)原理是用來解決在實際電量預測中,不同維度不同級別的電量預測結(jié)果之間存在不統(tǒng)一、不協(xié)調(diào)問題的一套理論。其思路是對不同維度上下級電量預測結(jié)果進行整體分析,利用各個預測結(jié)果之間應有的數(shù)學關系并基于最小二乘法做出最優(yōu)協(xié)調(diào),使每個預測值做出最小最合適的調(diào)整,最終實現(xiàn)預測結(jié)果之間的 “統(tǒng)一”和 “協(xié)調(diào)”。

本文應用多級預測協(xié)調(diào)原理的最優(yōu)協(xié)調(diào)來實現(xiàn)預測值之間的相互作用,提高整體的預測準確度。因分行業(yè)電量預測及年度和季度預測,在行業(yè)維度和時間維度上都存在上下級不協(xié)調(diào)問題,實際上形成了二維二級不協(xié)調(diào)問題,下文將根據(jù)多級預測協(xié)調(diào)原理建立一個二維二級協(xié)調(diào)模型來處理。

3 算法設計

3.1 總體流程設計

①全面收集待預測區(qū)域的電量歷史數(shù)據(jù)；②按照本文設計的用電行業(yè)分類原則及方法對收集到的電量歷史數(shù)據(jù)進行用電行業(yè)分類；

③選取若干單一預測方法構造優(yōu)選組合預測模型,對待預測區(qū)域整體及各行業(yè)分別獨立地進行年度和季度的電量預測；

④運用多級預測協(xié)調(diào)理論建立二維二級協(xié)調(diào)模型,處理上一步得到的電量預測值；

⑤得到在時間維度和行業(yè)維度都能達到上下級統(tǒng)一的區(qū)域整體以及各行業(yè)未來年度和季度的電量預測值,作為最終的預測結(jié)果。

相應的流程圖如圖1。

3.2 優(yōu)選組合預測模型設計

優(yōu)選組合預測法可以集結(jié)多種單一模型所包含的信息進行最優(yōu)組合,進而達到改善預測結(jié)果的目的,具有很強的適應性和抗干擾性。因此本文方法3個步驟中的第二步采用優(yōu)選組合預測方法。

3.2.1 優(yōu)選

即單一預測方法的篩選。本文根據(jù)年度和季度電量預測歷史數(shù)據(jù)較少且無明顯周期性的特點,選擇了8種單一預測方法:灰色預測GM（1,1）模型、加權擬合直線方程、累加線性擬合法、一元線性回歸法、雙曲線模型、對數(shù)曲線模型、S形曲線模型、倒指數(shù)曲線模型。

圖1 算法流程圖

3.2.2 組合

即對8種預測方法科學合理的分配權重。權重分配方法如下:

假設對某個行業(yè)進行電量預測,優(yōu)選組合預測模型中有c個預測方法,現(xiàn)有該行業(yè)過去d個年度的電量歷史數(shù)據(jù)。年度電量或者月度電量數(shù)據(jù)的年度序列歷史數(shù)據(jù)為yj（j=1,2,3,…,d）,經(jīng)過組合預測最終的預測值為yO。其中,用預測方法i（i= 1,2,3,…,c）進行預測,得到d個年度的擬合值為yij（j=1,2,3,…,d）,得到的預測值為yiO。設給第i種預測方法分配的權重為wi（i=1,2,3,…,c）,則有

設為達到最優(yōu)擬合的效果,令目標函數(shù)為

求解可得各預測方法的權重。帶入各預測方法的預測值和權重,由式（4）可得優(yōu)選組合預測模型的預測值。

3.3 二維二級協(xié)調(diào)模型設計

3.3.1 獲取二維二級原始電量預測值

二維二級協(xié)調(diào)模型處理的是2個維度2個級別各自獨立預測得到的電量預測值,假設用矩陣Z=（zij）（m+1）×（n+1）（i=O,1,…,m；j=O,1,…,n）來表示,行表示行業(yè)維度,列表示時間維度,則zO,O表示各行業(yè)各季度總電量預測值,即全地區(qū)年度電量預測值；zOj（j≠O）表示第j個季度各行業(yè)總電量預測值；ziO（i≠O）表示第i個行業(yè)年度總電量預測值；zij（i,j≠O）表示第i個行業(yè)第j個季度的電量預測值。

3.3.2 建立二維二級協(xié)調(diào)模型

設預測年份的電量真實值矩陣為X= （xij）（m+1）×（n+1）（i=O,1,…,m；j=O,1,…，n）,矩陣X中元素的下標意義同矩陣Z。則由2個維度的電量上下級統(tǒng)一,可得2個約束方程如下:

其中,（8）式j從1開始,是為了保證方程之間的相互獨立性。

由最小二乘法的思想,可以認為Δzirj=（zij—xij）/zij（i=O,1,…,m；j=O,1,…,n）加權平方和達到最小的估計值即為各級電量預測的最優(yōu)協(xié)調(diào)值,可得

式中:vij為權重,與zij的預測精度呈正相關。

式（7）、（8）、（9）即建立起適用于本文方法的二維二級協(xié)調(diào)模型。

4 算例分析

為檢驗本文設計的方法的準確性、實用性,將以某供電局（簡稱1局）的售電量數(shù)據(jù)為例來驗證。

①按照第1章用電行業(yè)分類的原則和方法對1局的售電量數(shù)據(jù)進行用電行業(yè)分類。1局所有用戶原本分為工業(yè)用戶、非工業(yè)用戶、商業(yè)用戶、住宅用戶、其他用戶五大類。工業(yè)用戶又可分為大宗工業(yè)用戶和普通工業(yè)用戶,其中大宗工業(yè)用戶的電量趨勢規(guī)律性較好,而非工業(yè)用戶和普通工業(yè)用戶的電量趨勢規(guī)律性較差,將二者合并為非工業(yè)普通工業(yè)用戶,簡稱非普工業(yè)用戶。其他用戶的電量在總電量中的占比小于O.5％,舍去。最終分類結(jié)果為:大宗工業(yè)、非普工業(yè)、商業(yè)、住宅4大類。售電量年度歷史數(shù)據(jù)見表1,售電量季度歷史數(shù)據(jù)見表2。

限于篇幅,以下僅給出1局總以及大宗工業(yè)的數(shù)據(jù)。

表1 售電量年度歷史數(shù)據(jù) MWh

表2 售電量季度歷史數(shù)據(jù) MWh

②用3.2節(jié)設計的優(yōu)選組合預測模型對1局2Ol3年總售電量和各個行業(yè)售電量分別進行獨立的年度和季度預測。預測結(jié)果見表3。

表3 基于傳統(tǒng)方法的2013年售電量預測值 MWh

③采用3.3節(jié)的二維二級協(xié)調(diào)模型處理上一步優(yōu)組預測模型得到的預測值。協(xié)調(diào)后預測值見表4。

表4 基于本文方法的2013年售電量預測值 MWh

表5 2013年售電量實際值 MWh

表6 預測值相對誤差 ％

⑤分析以上數(shù)據(jù)可知:

a.由表4可見,本文分行業(yè)進行電量預測最終得到在時間維度和行業(yè)維度都達到上下級統(tǒng)一的1局整體以及各行業(yè)未來年度和季度的電量預測值,可以為決策人員提供了更加全面有效的輔助決策依據(jù),在這一點上優(yōu)于傳統(tǒng)方法。

b.由表6可見,本文采用的優(yōu)組預測方法預測值相對誤差基本都在5％以內(nèi),取得了不錯的預測效果。

c.由表6可見,用傳統(tǒng)方法得到的1局總電量年度預測值相對誤差為—3.O7％,大宗工業(yè)電量年度預測值相對誤差為—3.46％；而本文方法得到的1局總電量預測值相對誤差為1.47％,大宗工業(yè)電量年度預測值相對誤差為1.l3％,相對誤差明顯減??；同時,本文方法得到的8個季度電量預測值中,有6個相對誤差小于傳統(tǒng)方法得到的預測值,由此可見本文方法希望通過利用不同層次預測值之間的相互聯(lián)系來提高整體的預測準確度是切實可行的。

5 結(jié)束語

本文建立了用電行業(yè)分類原則和方法,開拓了靈活地進行行業(yè)分類為電量預測服務的新思路。

通過對總電量和各行業(yè)電量分別進行獨立年度和季度預測,形成了一個多維的預測體系,并利用各項預測之間本質(zhì)的物理關聯(lián)構建多級預測協(xié)調(diào)模型,實現(xiàn)所有預測結(jié)果的一致性,克服了以往電量預測方法孤立片面的缺點。

相對于傳統(tǒng)的中長期電量預測片面研究預測模型而言,本文方法對電量歷史數(shù)據(jù)挖掘更加深入,預測工作更加嚴謹,更加注重同一地區(qū)各維度各級別電量預測之間的緊密聯(lián)系。

算例表明,本文方法能夠提高中長期電量預測的準確性,并能夠得到行業(yè)和時間維度上下級協(xié)調(diào)的電量預測結(jié)果,幫助決策機構從行業(yè)角度更好把握電量需求的發(fā)展趨勢。

［1］ 康重慶,夏清,劉梅.電力系統(tǒng)負荷預測 ［M］.北京:中國電力出版社,2OO7:2 24.

［2］ 牛東曉,曹樹華,趙磊,等.電力負荷預測技術及其應用［M］.北京:中國電力出版社,2OO9:1-6.

［3］ 周潮,邢文洋,李宇龍.電力系統(tǒng)負荷預測方法綜述［J］.電源學報,2Ol2（6）:32-39.

［4］ 徐玉華.中長期電力負荷預測方法分析 ［J］.寧夏電力,2OO7（4）:6 7；46.

［5］ 于永杰.保定市行業(yè)用電分析及電力需求預測研究［D］.保定:華北電力大學,2OO5.

［6］ 熊磊.分類負荷售電量的預測系統(tǒng)研究［D］.重慶:重慶大學,2OO7.

［7］ 崔璐.基于行業(yè)電力負荷預測的江門地區(qū)開拓用電市場研究［D］.北京:華北電力大學,2011.

［8］ 朱偉華,常虹.基于GRA的優(yōu)選組合技術在中長期負荷預測中的應用 ［J］.煤炭技術,2Ol3（1）: 2l3-2l5.

［9］ 甘霖.組合預測模型在中長期電力負荷預測中的應用［D］.南昌:南昌航空大學,2Ol2.

［lO］康重慶,牟濤,夏清.電力系統(tǒng)多級負荷預測及其協(xié)調(diào)問題（一）研究框架 ［J］.電力系統(tǒng)自動化，2OO8（7）:34-38.

［ll］牟濤,康重慶,夏清,等.電力系統(tǒng)多級負荷預測及其協(xié)調(diào)問題（二）基本協(xié)調(diào)模型［J］.電力系統(tǒng)自動化,2OO8（8）:l4-l8.

［l2］牟濤,康重慶,夏清,等.電力系統(tǒng)多級負荷預測及其協(xié)調(diào)問題（三）關聯(lián)協(xié)調(diào)模型［J］.電力系統(tǒng)自動化,2OO8（9）:2O-24.

［l3］CONEJO A J,DE LA TORRE S,CANSS M.An optimization approach to multiarea state estimation. IEEE Trans on Power Systems,2OO7,22（1）: 2l3 22l.

［l4］WILLIS H 1,ENGEL M V,BURI M J.Spatial load forecasting［J］.IEEE Computer Applications in Power,l995,8（2）:4O-43.

［l5］王卓.我國行業(yè)分類與國際標準行業(yè)分類的比較研究［J］.統(tǒng)計研究,2Ol3（4）:l5 2O.

［l6］GB/T 4754 2011,國民經(jīng)濟行業(yè)分類［S］.

馮天瑞（l989—）,男,碩士研究生,研究方向為負荷預測、電能質(zhì)量；

吳裕生（l99l—）,男,碩士研究生,研究方向為電能質(zhì)量分析；

王克英（l963—）,男,教授,工學博士,研究方向為電力系統(tǒng)運行與控制。

（責任編輯:林海文）

A Medium and Long-term Electricity Demand Forecasting Method Based on Industry Classification

LI Xiang,OUYANG Sen,FENG Tianrui,WU Yusheng,WANG Keying
（College of Electric Power,South China University of Technology,Guangzhou 5lO64O,China）

針對傳統(tǒng)中長期電量預測方法思路單一，忽視不同層次電量預測之間的內(nèi)在聯(lián)系而影響中長期電量預測精度的問題，提出了一種基于用電行業(yè)分類的新型中長期電量預測方法。首先，設計了適用于電量預測的用電行業(yè)分類原則和方法；然后，以8種特性互補的預測方法為基礎，建立優(yōu)選組合預測模型，對待預測區(qū)域整體以及各用電行業(yè)的電量需求分別進行年度和季度的預測；最后，運用多級預測協(xié)調(diào)理論建立了一個二維二級協(xié)調(diào)模型，對上一步的電量預測值進行修正，改善預測精度，得到上下級統(tǒng)一的區(qū)域整體以及各行業(yè)未來年度和季度的電量預測值。以實際的電量數(shù)據(jù)進行了算例分析，驗證了該方法的有效性。

中長期電量預測；用電行業(yè)分類；多級預測協(xié)調(diào)原理；優(yōu)選組合預測

As to the problem that the accuracy of medium and long-term electricity demand forecasting is affected by such factors as the singleness of traditional method and the weak inner link between different power prediction levels,a new medium and long-term electricity demand forecasting method is proposed based on industry classification.Firstly，electricity industry classification principles and methods are designed.Then,an appropriate optimized combination prediction model is built to forecast annual and quarterly electricity demand of the predicted district and its electricity consuming industries based on eight basic complementary predicting methods.Finally,a two-dimension and two-level coordinated model is designed based on multilevel forecasting and coordinated principle to correct the predicted value,to improve the predicting accuracy,and to obtain future annual and quarterly electricity demand of whole district andeach industry.The actual data is used to test the effectiveness of the proposed method.

medium and long term electricity demand forecasting；industry classification；multilevel forecasting and coordinated principle；optimized combination forecast

2Ol4-lO-l4

李 翔（l989—）,男,碩士研究生,研究方向為電能質(zhì)量分析,E-mail:lxup@foxmail.com；

歐陽森（l974—）,男,副研究員,工學博士,研究方向為電能質(zhì)量、節(jié)能技術與智能電器等,E-mail:ouyangs@scut.edu.cn；

國家自然科學基金重點資助項目（5O937OOl）；中央高?；究蒲袠I(yè)務費專項資金資助項目（2Ol2ZMOOl8）