能源互聯(lián)網(wǎng)下的中長期電力需求預警理論框架

譚偉聰，明建成，盧世祥，羅敏

(1.中國南方電網(wǎng)廣東電網(wǎng)有限責任公司，廣州市510600；2.中國南方電網(wǎng)廣東電網(wǎng)有限責任公司電力科學研究院，廣州市510600)

能源互聯(lián)網(wǎng)下的中長期電力需求預警理論框架

譚偉聰1，明建成2，盧世祥2，羅敏2

(1.中國南方電網(wǎng)廣東電網(wǎng)有限責任公司，廣州市510600；2.中國南方電網(wǎng)廣東電網(wǎng)有限責任公司電力科學研究院，廣州市510600)

目前，我國經(jīng)濟結構正在發(fā)生大規(guī)模調(diào)整，能源體系轉型，作為經(jīng)濟發(fā)展風向標的電量增長也出現(xiàn)了新的變化。在如此復雜的形勢下，準確的中長期電力需求預警對電力系統(tǒng)資源的綜合規(guī)劃有著重要的意義。為此，提出了一種能源互聯(lián)網(wǎng)下的中長期電力需求預警理論框架，從大數(shù)據(jù)的視角重新審視電力需求預警。首先構建了中長期電力需求預警的理論框架，然后提出了基于內(nèi)因分析和基于外因分析的中長期電力需求預警方法，并介紹了相關性分析、預測分析、分類分析等中長期電力需求預警模型，最后，對未來中長期電力需求預警進行了總結和展望。

預警；大數(shù)據(jù)；預警概率；電力需求；能源互聯(lián)網(wǎng)

0 引 言

目前，我國正在進入經(jīng)濟發(fā)展的新常態(tài)，經(jīng)濟結構發(fā)生大規(guī)模調(diào)整，發(fā)展速度減速放緩，中國經(jīng)濟發(fā)展進入“增長速度換擋期”和“結構調(diào)整陣痛期”已經(jīng)是不爭的事實。在新的經(jīng)濟增速減緩，能源體系轉型時期，作為經(jīng)濟發(fā)展風向標的電量的增長方式也出現(xiàn)了新的變化，而在低碳發(fā)展的要求下，面對現(xiàn)階段的經(jīng)濟大環(huán)境，準確的電量預測與預警是能源市場經(jīng)濟的必然需要，是引導能源市場經(jīng)濟有序發(fā)展的必然要求。對電力需求預期過高可能導致大量資源如發(fā)電資源、需求響應資源等的浪費；對電力需求預期過低可能帶來電力供應短缺，妨礙經(jīng)濟發(fā)展等問題。電力系統(tǒng)的規(guī)劃需要對中長期電力需求有較為準確的預期，需要對電力需求可能存在的異常波動有較強的識別能力，做出提前預警，以盡早制定相應的解決方案[1]。

2015年7月，《國務院關于積極推進“互聯(lián)網(wǎng)＋”行動的指導意見》頒布，其中“互聯(lián)網(wǎng)＋智慧能源”被列為11項重點行動計劃之一，由此引發(fā)的能源互聯(lián)網(wǎng)研究熱潮正拉開序幕[2]。雖然人們對能源互聯(lián)網(wǎng)的定義不一而足，但重視數(shù)據(jù)的價值，充分挖掘電力大數(shù)據(jù)，實現(xiàn)知識發(fā)現(xiàn)是能源互聯(lián)網(wǎng)和互聯(lián)網(wǎng)思維的重要內(nèi)涵。電網(wǎng)數(shù)據(jù)采集系統(tǒng)的不斷改造升級以及其他行業(yè)數(shù)據(jù)逐漸走向開放，也為電力大數(shù)據(jù)的研究提供了良好的基礎。

電力需求受到的影響是多方面的。國民經(jīng)濟的發(fā)展直接影響到相關工業(yè)廠商的生產(chǎn)水平，從而導致電力需求發(fā)生變化；不同行業(yè)特別是上下游行業(yè)之間的電力需求變化具有傳導效應，從而導致其他行業(yè)電量發(fā)生變化[3]；隨著人們生活水平的不斷提高，特別是在寒冬或酷暑多發(fā)地區(qū)，氣象敏感電量占比將有所提升，使得總體電力需求受氣象因素影響也較大[4]。除了經(jīng)濟、氣象等因素的影響之外，某一行業(yè)甚至某一企業(yè)的經(jīng)營情況也可能在互聯(lián)網(wǎng)時代被放大，從而傳導到其他行業(yè)，所以對電量的預警也有必要跟蹤到專變用戶。

大數(shù)據(jù)時代下，不僅要強調(diào)數(shù)據(jù)量的大小，更注重數(shù)據(jù)來源的豐富性與多元數(shù)據(jù)的融合[5]。要做到準確的電力需求預警就需要從多元化數(shù)據(jù)出發(fā)，廣泛搜集和深入挖掘多元數(shù)據(jù)中蘊含的深刻含義。本文提出一種基于大數(shù)據(jù)的中長期電力需求預警框架，從大數(shù)據(jù)和數(shù)據(jù)挖掘的視角重新審視中長期電力需求預警，并從電力需求預警分析因素、分析模型等2個方面進行闡述。

1 電力需求預警

預警是指根據(jù)以往規(guī)律和現(xiàn)有觀測，對未來系統(tǒng)的演化方向做出預期性的評價，以防患于未然[6]。預警與預測既有關聯(lián)又有區(qū)別:預測是指對未來時間的定量估計，比如天氣預報，每天都要播報未來天氣情況；而預警更多的是對可能出現(xiàn)的危險進行定性的描述，比如天氣預警，只有在出現(xiàn)極端天氣情況時才會預警。

電力行業(yè)作為國民經(jīng)濟發(fā)展的重要基石，需要保證實時的電力供需平衡。然而電力需求變化復雜、原因多樣，需要深刻把握用戶用電規(guī)律，深入分析現(xiàn)有觀測數(shù)據(jù)，以做出準確的預警。本文主要關注中長期電力需求預警，將預警對象限定為電力需求，以期對電力需求進行更加深入的分析。我國2002年曾出現(xiàn)電力短缺現(xiàn)象，電力供需預警工作越來越受到電力部門的重視，廣大學者也對電力供需預警理論展開了深入研究。文獻[7]首先利用粗集理論篩選全社會用電量和年最高負荷的相關因素，然后用支持向量機預測全社會用電量和年最高負荷，再計算警情指標，得出預警結論。文獻[8]將上述預警模塊納入到了國家電力供需模擬系統(tǒng)中。文獻[9]提出并設計了以發(fā)電充裕度為基礎的電網(wǎng)供需預警評價防范體系。文獻[10]提出了基于指標時差分析和指標組合篩選的預警指標2步篩選方法。

預警主要包括確定警情、尋找警源、分析警兆、預報警度等4個方面的要素[10]。圖1所示為中長期電力需求預警的基本步驟。

圖1 中長期電力需求預警基本步驟Fig.1 Basic procedure for medium and long term power demand warning

(1)數(shù)據(jù)采集。廣泛收集經(jīng)濟、氣象、細化行業(yè)電量、細化居民電量，甚至包括各種問卷調(diào)查在內(nèi)的各種數(shù)據(jù)，為中長期電量預警的分析奠定基礎。

(2)數(shù)據(jù)處理。一方面對搜集的數(shù)據(jù)進行壞數(shù)據(jù)識別，缺失數(shù)據(jù)補充等數(shù)據(jù)清洗工作，另一方面則是對得到的數(shù)據(jù)進行標幺化等預處理，以便后期分析。

(2)確定警情。對警情進行明確的定義，例如電量正負增長率超過一定百分比、系統(tǒng)備用率小于一定百分比等，同時明確警情相關指標的閾值，從而構建警情識別系統(tǒng)，便于警情的分析和處理。

(5)尋找警源。在確定警情之后，分析產(chǎn)生警情的來源，包括來自經(jīng)濟、氣象等各方面因素，進行相關分析，從而確定警源。

（三）改善教學方法。對于高中生傳統(tǒng)文化素養(yǎng)的培育，大多依賴于語文課課堂上教師對古詩詞及文言文的講授方式進行，受應試教育的影響，教師習慣在這一過程中落入翻譯及要求背誦的教學模式中。

(6)分析警兆。對搜集到的數(shù)據(jù)進行時差分析、相關性分析等，確定能夠?qū)﹄娏窟M行預警的相關指標，并對指標進行不同級別的劃分和響應的組合，得到預警指標及其閾值，確定預警的先導時間，構建警情指標系統(tǒng)。

(7)預報警度。通過警情指標系統(tǒng)，對現(xiàn)行預警指標進行分析，根據(jù)指標種類的大小，確定警情的概率、級別等結果。

2 大數(shù)據(jù)時代下的中長期電力需求預警框架

中長期電力需求預警實質(zhì)上是一個數(shù)據(jù)挖掘的過程。大數(shù)據(jù)挖掘的流程往往是數(shù)據(jù)采集、特征選擇或數(shù)據(jù)提取、機器學習和知識發(fā)現(xiàn)這4個過程。中長期電力需求預警包括數(shù)據(jù)收集，預警指標選取或綜合指標，預警模型，預報警度等與之對應。

圖2給出了大數(shù)據(jù)時代下的中長期電力需求預警框架。首先，通過先進的計量系統(tǒng)對電量數(shù)據(jù)進行精細采集，并在數(shù)據(jù)中心融合業(yè)擴報裝數(shù)據(jù)，通過網(wǎng)絡爬蟲技術或和其他部門或單位合作，獲取經(jīng)濟數(shù)據(jù)、氣象數(shù)據(jù)、不同行業(yè)基本信息等；然后利用這些細粒度的數(shù)據(jù)進行跟蹤，即個性化地關注每個行業(yè)甚至每個專變用戶用電情況、每個省份甚至每個地市的經(jīng)濟演變情況等；再利用不同的數(shù)據(jù)，采用不同的分析方法分析各種數(shù)據(jù)之間的關聯(lián)關系，建立相應的分析模型；之后將分析模型與方法應用不同的時間尺度、不同空間尺度、不同行業(yè)尺度等進行全覆蓋全時域的電量預警分析，如圖3所示；最后構建相應的中長期電力需求預警體系，能夠動態(tài)篩選預警指標，預報預警級別與概率。

圖2 大數(shù)據(jù)時代下的中長期電力需求預警框架Fig.2 Framework of medium and long term power demand warning in big data era

圖3 全覆蓋全時域的電量預警體系Fig.3 Power demand warning system of full space and time domain

較傳統(tǒng)預警體系不同，大數(shù)據(jù)時代下的中長期電力需求預警更加重視數(shù)據(jù)來源的多元化、數(shù)據(jù)采集的精細化、數(shù)據(jù)分析的多樣化，使得各種數(shù)據(jù)更加融合、預警結果更加精確。

傳統(tǒng)的中長期電力需求預警主要關注于宏觀經(jīng)濟和電力需求之間的相互關系，認為宏觀經(jīng)濟是影響電力需求的根本原因，通過搜集各種反應宏觀經(jīng)濟的指標如國民生產(chǎn)總值、城鎮(zhèn)人口比例等，分析不同指標與電量直接的相關性，并取得了一定的成果[11]。

3 中長期電力需求預警要素分析

如圖4所示，影響電力需求變化的要素主要分為內(nèi)因和外因:內(nèi)因是指直接反應電量變化本身的因素，如專變、行業(yè)的電量數(shù)據(jù)，用戶的業(yè)擴報裝數(shù)據(jù)等；外因則是指外部環(huán)境對電量變化的影響，如宏觀、微觀經(jīng)濟數(shù)據(jù)，實時氣象數(shù)據(jù)等。能夠用于中長期電力需求預警的要素需要具有可采集性和全面性。可采集性保證待分析的要素能夠且容易獲取，以保證預警系統(tǒng)的自動化；全面性則是為了保證對電力需求變化規(guī)律的準確把握。

圖4 中長期電力需求預警要素分析Fig.4 Factors analysis for medium and long term power demand warning

3.1 內(nèi)因分析

通過分別分析不同行業(yè)電量需求波動大小、體量大小、與總電力需求的相關性等，可以識別出對總電力需求具有主導性的行業(yè)；更進一步地，還可以分析不同專變用戶的電量變化，分析該行業(yè)電量變化是僅有少數(shù)用電量較大的企業(yè)變化還是一種普遍現(xiàn)象，從而更好地把握該行業(yè)電量變化的趨勢。對各行業(yè)僅剝離開來分析不能研究不同行業(yè)之間電力需求具有復雜的關聯(lián)關系。建立相關的關聯(lián)模型，深入分析并量化不同行業(yè)電力需求之間的關聯(lián)性有利于揭示不同行業(yè)電力需求的波動與傳導效應，進而可以分析電力需求變化趨勢。

容量是用戶用電的基礎，根據(jù)用戶用電特點將容量分解為業(yè)擴容量和存量容量。存量容量是指已經(jīng)具備穩(wěn)定生產(chǎn)能力的用戶的用電容量，而業(yè)擴容量是指由于用戶發(fā)生了業(yè)擴申請，生產(chǎn)狀態(tài)尚無法達到穩(wěn)定的用戶用電容量。對于業(yè)擴容量，開展重點行業(yè)及全行業(yè)的業(yè)擴報裝、報停、減容等的申請容量，完成容量的增長趨勢及特點研究，在此基礎之上，提出基于數(shù)據(jù)統(tǒng)計與數(shù)據(jù)挖掘的業(yè)擴用戶用電生長曲線提取方法，設計用戶負荷達到穩(wěn)定的時間計算規(guī)則和逐月投運負荷比例計算規(guī)則，并對同類型業(yè)擴業(yè)務、用戶屬性業(yè)擴特征進行數(shù)據(jù)聚類，歸納不同類別用戶業(yè)擴報裝后用電生長曲線，形成對業(yè)擴容量的利用特征的研究；對于存量容量，由于無法直接獲取，可以依照“模糊提取-業(yè)擴挖掘聚類-精細校正”的研究步驟對重點行業(yè)和全行業(yè)存量容量進行提煉，并研究存量容量增長趨勢及特點，從而對未來的電量變化做出更加準確的預期。

3.2 外因分析

基于產(chǎn)業(yè)經(jīng)濟學的主導行業(yè)辨識方法研究，借鑒產(chǎn)業(yè)經(jīng)濟學中主導行業(yè)的方法，采用投入產(chǎn)出表方法，辨識行業(yè)間電量的數(shù)量和時間影響關系，從國民經(jīng)濟各行業(yè)中辨識出影響電力需求的主導行業(yè)，以及行業(yè)與行業(yè)間電量影響的先行滯后指標，并對行業(yè)的景氣做出判別，進而研究不同行業(yè)的電力需求變化規(guī)律。宏觀經(jīng)濟的運行與發(fā)展是一個抽象的過程，各種經(jīng)濟指標在經(jīng)濟運行中本來就互為條件，彼此關聯(lián)，同時各種經(jīng)濟指標與總電力需求之間也存在相應的對應關系，所以對各種經(jīng)濟指標與電力需求建立相應的關聯(lián)模型可以量化評估各經(jīng)濟指標對電力需求影響的大小和時效性，從而作為預警指標篩選的重要依據(jù)。

氣象對電力需求的影響主要是短期的，然而在中長期的電力需求預警中也具有重要意義:通過研究氣象條件與短期負荷之間的關系能夠量化不同行業(yè)特別是居民用戶電力需求對氣象的靈敏度，從而剝離出總電力需求中隨氣象變化的部分，從而得到真實反映經(jīng)濟水平的非氣象敏感電量。另外，隨著人們生活水平的提高，溫控設備的普及率也越來越高，氣象敏感電量占總電力需求的比例越來越大，有必要分析氣象敏感電量不同時段占比的變化規(guī)律，從而更好把握總體電量變化的趨勢，有助于中長期電力需求預警。

4 中長期電力需求預警模型

為了獲取更加準確的中長期電力需求預警，不僅需要充分利用各種數(shù)據(jù)，還需要建立不同的模型進行相互校驗與對比，最終做出決策。類比于負荷預測中的預測方法庫的概念，針對不同數(shù)據(jù)，建立不同分析模型，構建一個“電力需求預警方法庫”，通過虛擬預警等，實現(xiàn)不同預警方法在不同地域，不同時間，不同經(jīng)濟發(fā)展階段的自適應選擇與賦權。得到綜合的預警方法組合。根據(jù)不同預警方法得出的預警結果給出最終預警級別、預警概率等量化指標。相關性分析、有監(jiān)督學習(分類、預測等)是數(shù)據(jù)挖掘與機器學習重要的研究方向。本文嘗試從相關性分析、分類、預測這3個方向?qū)﹄娏π枨箢A警模型進行分類。

基于相關性分析的中長期電力需求預警。不同經(jīng)濟指標、行業(yè)電量等各種數(shù)據(jù)之間存在較強的相關性，通過時滯相關性分析能夠量化各指標對總電力需求影響的超前滯后關系。傳統(tǒng)的時滯相關性利用皮爾森線性相關性衡量，而各數(shù)據(jù)之間的關系可能具有較強的非線性關系，可以采用最大信息系數(shù)等新型指標進行衡量[12]。

基于預測分析的中長期電力需求預警，如果能夠?qū)﹄娏窟M行準確的預測，那么只需要識別符合警情判斷條件的情況就可以進行相應的預警，所以提高電力需求預測精度也是一種預警的方法，通過對電力需求構成的時間序列預測進行直接預警。特別地，概率化電力需求預測能夠?qū)崿F(xiàn)預警的級別和概率輸出。

基于分類分析的中長期電力需求預警，在篩選完各種預警指標后，可以把是否預警，或預警級別當作一個多分類問題，建立各種建立決策樹、神經(jīng)網(wǎng)絡、支持向量機等各種分類模型進行分析[13]。

5 結 論

能源互聯(lián)網(wǎng)時代的到來必將推動能源生產(chǎn)與消費的雙重革命，用戶的需求響應、分布式新能源的滲透等都給傳統(tǒng)的電力需求預測與預警帶來重大挑戰(zhàn)。本文提出了一種基于大數(shù)據(jù)思想的中長期電力需求預警框架，從大數(shù)據(jù)和數(shù)據(jù)挖掘的角度對傳統(tǒng)的電力需求預警進行了分析，提出了預警方法庫的概念，指出充分利用多元的數(shù)據(jù)開展多樣化的分析將有助于提高電力需求預警準確度。

[1]王思強.中長期能源預測預警體系研究與應用[D].北京:北京交通大學，2009.

Wang Siqiang.Study on the mid-long term energy forecasting and earlywarningsystem[D].Beijing:BeijingJiaotong University，2009.

[2]田世明，欒文鵬，張東霞，等.能源互聯(lián)網(wǎng)技術形態(tài)與關鍵技術[J].中國電機工程學報，2015，35(14):3482-3494.

Tian Shiming，Luan Wenpeng，Zhang Dongxia，et al.Technical forms and key technologies on energy internet[J].Proceedings of the CSEE，2015，35(14):3482-3494.

[3]王鵬，陳啟鑫，夏清，等.應用向量誤差修正模型的行業(yè)電力需求關聯(lián)分析與負荷預測方法[J].中國電機工程學報，2012，32 (4):100-107.

Wang Peng，Chen Qixin，Xia Qing，et al.Correlation analysis and forecasting method on industrial electricity demand based on vector error correction model[J].Proceeding of the CSEE，2012，32(4): 100-107.

[4]Black J D，Henson W L W.Hierarchical load hindcasting using reanalysis weather[J].IEEE Transactions on Smart Grid，2014，5 (1):447-455.

[5]Wang Y，Chen Q，Kang C，et al.Load profiling and its application to demandresponse:Areview[J].TsinghuaScienceand Technology，2015，20(2):117-129.

[6]黃茂民.區(qū)域電網(wǎng)的電力需求預測與預警技術研究[D].武漢:華中科技大學，2008.

Huang Maomi.Research on electric power demand forecasting and pre-warning of regional power grid[D].Wuhan:Huazhong University of Science＆Technology，2008.

[7]黃陳鋒.基于粗集-支持向量機的電力供需預警研究[D].北京:華北電力大學，2006.

Huang Chenfeng.Research on power supply-demand early warning based on rough set and support vector machine[D].Beijing:North China Electric Power University，2006.

[8]Hu Zhaoguang，Tan Xiandong.Study on the architecture of national electric power supply and demand simulationsystem[C]// International Conference on Power System Technology.Chongqing: IEEE，2006:1-5.

[9]劉江平.電網(wǎng)供需預警評價防范體系的探討與研究[J].華中電力，2005，18(4):31-34.

Liu Jiangping.Analysis and discussion on early-warning system and indexes of power supply risk[J].Central China Electric Power，2005，18(4):31-34.

[10]牟濤，夏清，康重慶.電力供需預警指標篩選方法研究[J].電力自動化設備，2008，28(8):23-27.

Mu Tao，Xia Qing，Kang Chongqing.Screening method for warning indicators of power supply and demand[J].Electric Power Automation Equipment，2008，28(8):23-27.

[11]彭小平.中長期電力負荷預測及預警系統(tǒng)的分析與設計[D].北京:華北電力大學，2007.

Peng Xiaoping.Analyze and design for medium and long-term electric load forecasting and prewarning system[D].Beijing: North China Electric Power University，2007.

[12]Reshef D N，Reshef Y A，F(xiàn)inucane H K，et al.Detecting novel associations in large data sets[J].Science，2011，334(6062): 1518-1524.

[13]Tan P N，Steinbach M，Kumar V.數(shù)據(jù)挖掘?qū)д揫M].北京:人民郵電出版社，2011:89-93.

(編輯：蔣毅恒)

Theoretical Framework of Medium and Long Term Power Demand Warning in Energy Internet

TAN Weicong1，MING Jiancheng2，LU Shixiang2，LUO Min2
(1.Guangdong Power Grid Co.，Ltd.，China Southern Power Grid，Guangzhou 510600，China；2.Electric Power Research Institute of Guangdong Power Grid Co.，Ltd.，China Southern Power Grid，Guangzhou 510600，China)

China is stepping into a new normal economic development，with the economic structure and the energy system adjusted extensively.As a signpost of economic development，the power demand growth has also changed with the uncertain environment.In such a complex situation，it is of great significance to guarantee accurate early warning in the medium and long term power demand for the integrated resources planning of power system.To this end，the theoretical framework of medium and long term power demand warning was proposed in energy internet.Firstly，the theoretical framework of medium and long term power demand warning was constructed.Then，the medium and long term power demand warning methods were proposed based on the internal analysis and external factors based analysis，and several early warning models such as correlation analysis，prediction analysis，and classification analysis were introduced.Finally，the future researches on medium and long term power demand warning were summarized and prospected.

early warning；big data；warning probability；power demand；energy internet

TM 715

A

1000-7229(2015)11-0098-05

10.3969/j.issn.1000-7229.2015.11.015

2015-07-22

2015-09-12

譚偉聰(1983)，男，碩士，工程師，主要研究方向為用電市場分析及電力需求預測；

明建成(1986)，男，碩士，工程師，主要研究方向為智能計量及智能用電數(shù)據(jù)挖掘；

盧世祥(1985)，男，博士，工程師，主要從事電能計量自動化、電能量數(shù)據(jù)挖掘工作；

羅敏(1985)，女，通信作者，碩士，工程師，主要從事智能計量及新能源應用工作。