施永益　凌衛(wèi)家　郭陽　夏洪濤　趙燕波

摘 要：隨著智能電網的建設，國網系統內積累了海量的設備運行數據和客戶用電數據，但是，這些數據并未被充分利用，并發(fā)揮其潛在的價值。本文將基于客戶的歷史用電數據，從不同維度分析客戶的用電行為，并分維度進行售電量預測，以此作為對客戶行業(yè)、用電屬性、規(guī)模和電壓等級等客戶類別信息的補充，從而為精細化的管理提供幫助。

關鍵詞：大數據 客戶用電行為 售電量預測

一、引言

隨著數字時代的到來，全球信息資源進入了一個新的快速增長期，大數據浪潮已在各行各業(yè)引起了產業(yè)效應，成為除人財物之外的又一大生產要素。近幾年，國家電網公司信息化建設不斷深入，尤其是SG-ERP、SG-186工程的建設，公司積累了體量可觀的數據資源，其潛藏的巨大價值得到了業(yè)內專家的一致認可，這些數據資源將成為國網公司提高生產力水平、提升社會價值、實現能源互聯網的關鍵生產要素。但是，在實踐方面，公司還沒有有效的讓這些數據發(fā)揮效用的規(guī)劃方案，對于目前的數據缺乏有效的管理，數據處理方法只能滿足基本的業(yè)務需求，隨著數據量的不斷增加和業(yè)務需求復雜度的不斷提升，目前的數據處理方法在數據存儲、處理體量、分析效率都出現了瓶頸現象，這嚴重制約了公司信息化從數字化向智能化的發(fā)展。

二、分析目的

本次分析工作基于浙江某地區(qū)的數據，分析范圍涉及全行業(yè)用戶，分析結果能夠幫助公司管理層或者政府部門從宏觀層面掌握行業(yè)發(fā)展狀況，進而為決策制定提供理論依據：通過分行業(yè)售電量趨勢分析，便于供電企業(yè)掌握轄區(qū)各行業(yè)的售電量分布及行業(yè)發(fā)展狀況，在用電高峰期可輔助有序用電計劃的；通過對未來一年全社會、分行業(yè)售電量的預測結果，可幫助供電企業(yè)合理安排購電計劃和電網生產計劃，輔助電網規(guī)劃決策。

三、分析方法及工具

利用R語言[4]和Tableau對售電量行業(yè)分布及異常情況進行趨勢分析、分類分析以及售電量預測分析。通過從區(qū)域和行業(yè)兩個維度分析月度售電量按照時間序列的分布情況，發(fā)現不同行業(yè)、區(qū)域之間的不同特征，為售電量預測提供幫助。

四、售電量分析

本章分析主要著眼于行業(yè)售電量的分布情況及變化趨勢，幫助管理決策人員從宏觀層面掌握轄區(qū)的產業(yè)分布、發(fā)展狀況以及經濟發(fā)展趨勢。截止到2015年5月經計算，該地區(qū)用電客戶數為162086，其中，行業(yè)用戶數為31339，占全社會用戶數的19.33%，如圖1所示。行業(yè)用戶中，用戶數排名前三的是工業(yè)、農林牧漁業(yè)、商業(yè)住宿和餐飲業(yè)，占到全行業(yè)用戶的64.22%。用戶數排名第一的工業(yè)用戶中，用戶數較多的是通用及專用設備制造業(yè)、紡織業(yè)、食品飲料和煙草制造業(yè)，高耗能行業(yè)的用戶數達到326戶，其中，非金屬礦物制造業(yè)用戶數最多，為192戶。2014年1月至2015年5月全社會售電量趨勢如圖5所示，全行業(yè)用電量占到全社會用電量的90%以上，該地區(qū)地區(qū)躉售電量為0。全社會用電中居民用電比較平穩(wěn)，在高溫期的8月用電量突增，在9月份又回歸正常水平。全行業(yè)售電量波動較大，顯現出明顯的季節(jié)波動性，春節(jié)期間，由于多數企業(yè)會停產造成售電量顯著下降，且年度用電趨勢比較類似。在全行業(yè)用電量中，工業(yè)用電量占到90%以上，剔除掉工業(yè)后，其余行業(yè)的用電量趨勢如圖6所示，7大行業(yè)的用電量趨勢波動較相似，其中交通運輸倉儲郵政業(yè)、信息傳輸計算機服務和軟件業(yè)用電量全年比較平穩(wěn)，其余均表現出明顯的季節(jié)波動。

五、售電量預測

電網以售電為主營業(yè)務，售電量的多少直接影響公司的經營效益，對售電量進行準確的預測有利于公司進行有效的購電計劃安排，提高供電可靠性。通過分析2013年1月至2015年5月該地區(qū)售電量的歷史用電數據、氣象數據，得出預測目標的變化規(guī)律。

已知全社會售電量具有顯著的周期性和季節(jié)性特征，以一年為周期，并且每年的7月份和8月份為用電高峰，2月份和3月份為用電低谷，因此采用季節(jié)ARIMA模型進行預測，經驗證，該地區(qū)縣的全社會售電量符合季節(jié)周期為12的模型。

六、結語

通過全量數據的趨勢分析得出，全社會用電中居民用電比較平穩(wěn)，在高溫期的8月用電量突增，在9月份又回歸正常水平。全行業(yè)售電量波動較大，年度用電趨勢類似。對全行業(yè)用電量進行分解分析得出，各行業(yè)的用電量趨勢波動較相似，其中交通運輸倉儲郵政業(yè)、信息傳輸計算機服務和軟件業(yè)用電量全年比較平穩(wěn)，其余均表現出明顯的季節(jié)波動。通過應用大數據分析挖掘的方法，結合電力系統內外部數據和影響因素，針對不同行業(yè)用戶特性的售電量分別建立對應的售電量組合預測模型，與傳統方法相比，大大提高了結果的精確度。

參考文獻：

[1]陳毅波，陳乾，眭建新. 基于大數據技術的電網運營分析決策系統研究[J]. 電力信息與通信技術， 2015（8）：128-131.

[2]汪滔，張偉，呂萌明，汪沄. 基于時間序列的地區(qū)電網售電量預測方法研究[J]. 電氣技術， 2010（11）：9-12.

[3]崔和瑞，王娣. 基于季節(jié)ARIMA模型的華北電網售電量預測研究[J]. 華東電力， 2009， 37（1）：70-72.

[4]楊云瑩，任玉瓏，段鍇. 基于虛擬變量與時間序列法的電量需求預測[J].電力需求側管理， 2011， 13（5）：17-20.

[5]梁甜甜，高賜威，王蓓蓓. 智能電網下電力需求側管理應用[J].電力自動化設備， 2012， 32（5）：81-85.

[6]劉壯志，許柏婷，牛東曉. 智能電網需求響應與均衡分析發(fā)展趨勢[J].電網技術， 2013（6）：1555-1561.

[7]王蓓蓓，李揚. 面向智能電網的電力需求側管理規(guī)劃及實施機制[J].電力自動化設備， 2010， 30（12）：19-24.

[8]胡學忠. 智能電網技術在用電營銷中的應用研究[D].浙江大學，2012年.