基于判別分析和支持向量機(jī)結(jié)合的在建工業(yè)園區(qū)短期負(fù)荷預(yù)測研究

石佳 解林超 王仲鋒

摘? 要：在電改背景下，文章提出一種基于判別分析和支持向量機(jī)結(jié)合的在建工業(yè)園區(qū)月度負(fù)荷需求預(yù)測模型。針對(duì)近期將入駐園區(qū)的企業(yè)，參照當(dāng)前同行業(yè)負(fù)荷數(shù)據(jù)，進(jìn)行預(yù)測;對(duì)園區(qū)現(xiàn)有企業(yè)，基于96點(diǎn)負(fù)荷數(shù)據(jù)及其相關(guān)影響因素，判斷其增容需求。從而結(jié)合兩項(xiàng)結(jié)果對(duì)園區(qū)近期電力需求進(jìn)行綜合預(yù)測，為園區(qū)配電網(wǎng)規(guī)劃提供決策依據(jù)。

關(guān)鍵詞：判別分析;支持向量機(jī);在建工業(yè)園區(qū);負(fù)荷預(yù)測

中圖分類號(hào)：TM715 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：2095-2945（2019）10-0061-02

Abstract： Under the background of electric power reform， this paper proposes a monthly load demand forecasting model of industrial park under construction based on discriminant analysis and support vector machine （SVM）. For the enterprises that will enter the park in the near future， we refer to the current load data of the same industry to forecast; for the existing enterprises in the park， based on the 96-point load data and its related influencing factors， we judge the demand for capacity increase. Therefore， combined with the two results， the comprehensive forecast of the short-term power demand of the park is carried out， which provides the decision-making basis for the distribution network planning of the park.

Keywords： discriminant analysis; support vector machine （SVM）; industrial park under construction; load forecasting

引言

近年來，我國工業(yè)發(fā)展水平快速提升，對(duì)電力供應(yīng)的可靠性需求不斷上升。配電網(wǎng)作為直接面向終端用電客戶的電能輸配系統(tǒng)，電網(wǎng)企業(yè)對(duì)其科學(xué)規(guī)劃，可提高配電網(wǎng)供電質(zhì)量[1]。

隨著國家電改的推進(jìn)，社會(huì)資本進(jìn)入配售電領(lǐng)域，工業(yè)園區(qū)成為主要的改革試驗(yàn)田。

工業(yè)企業(yè)普遍存在耗電大、供電可靠性要求高的用電負(fù)荷特點(diǎn)[2]。在建工業(yè)園區(qū)的配電網(wǎng)規(guī)劃要滿足未來用電負(fù)荷增長需要，確?？沙掷m(xù)發(fā)展。電力負(fù)荷預(yù)測是配電網(wǎng)規(guī)劃的基礎(chǔ)和依據(jù)，因此，開展準(zhǔn)確的工業(yè)園區(qū)負(fù)荷預(yù)測，為在建工業(yè)園區(qū)制定配電網(wǎng)規(guī)劃具有指導(dǎo)借鑒意義。

本文提出了一種結(jié)合判別分析和支持向量機(jī)的工業(yè)園區(qū)未來最大負(fù)荷預(yù)測模型。綜合考慮園區(qū)未來新增企業(yè)最大負(fù)荷需求，預(yù)測現(xiàn)有企業(yè)負(fù)荷增長需求，對(duì)工業(yè)園區(qū)未來月度最大負(fù)荷需求預(yù)測，為在建園區(qū)配電網(wǎng)規(guī)劃提供科學(xué)的依據(jù)。

1 基本原理

1.1 判別分析原理

判別分析是在分類確定的條件下，對(duì)某一研究對(duì)象的各種特征值判斷其歸屬問題的多變量統(tǒng)計(jì)分析方法。

Fisher判別，先投影再判別，先將數(shù)據(jù)點(diǎn)投影到將來自不同總體的樣本盡可能分開的方向[3]，如圖1。然后利用距離遠(yuǎn)近，判別新樣本屬于的類別。

1.2 支持向量機(jī)原理

對(duì)于回歸問題，支持向量機(jī)模型目標(biāo)是讓訓(xùn)練集中的點(diǎn)擬合到一個(gè)線性模型中。對(duì)于復(fù)雜的非線性問題，支持向量機(jī)通過映射，將低維輸入空間轉(zhuǎn)換到高維空間[4]，在高維特征空間中尋找輸入變量和輸出變量間的線性關(guān)系，如下圖2。

2 基于判別分析和支持向量機(jī)結(jié)合的增量負(fù)荷預(yù)測模型

2.1 基于判別分析的園區(qū)新入駐企業(yè)負(fù)荷預(yù)測模型

對(duì)于園區(qū)內(nèi)新入駐企業(yè)，其負(fù)荷歷史數(shù)據(jù)缺乏[5]，需建立判別分析模型，對(duì)其電力需求進(jìn)行預(yù)測。

首先，對(duì)浙江某地區(qū)行業(yè)所有企業(yè)的月用電負(fù)荷進(jìn)行分類，形成行業(yè)負(fù)荷需求規(guī)模指標(biāo);其次，獲取企業(yè)的注冊(cè)資金、生產(chǎn)計(jì)劃、占地面積、辦公面積等企業(yè)信息作為判別指標(biāo)，建立負(fù)荷需求Fisher判別模型;最后，對(duì)于新入駐企業(yè)，通過其企業(yè)信息，對(duì)負(fù)荷需求規(guī)模進(jìn)行判別。累加負(fù)荷需求，即下月新增企業(yè)負(fù)荷需求。

2.2 基于支持向量機(jī)的園區(qū)已有企業(yè)負(fù)荷預(yù)測模型

對(duì)于園區(qū)已有企業(yè)，以近兩年負(fù)荷數(shù)據(jù)作為樣本，以歷史期數(shù)負(fù)荷、天氣、生產(chǎn)檢修、行業(yè)情況等作為影響因素[6]，建立園區(qū)內(nèi)已有企業(yè)負(fù)荷預(yù)測模型。

2.2.1 月度最大負(fù)荷及相關(guān)影響因素預(yù)處理

經(jīng)過研究發(fā)現(xiàn)，園區(qū)內(nèi)企業(yè)負(fù)荷一般不受氣候變化影響[7]，其關(guān)鍵影響因素指標(biāo)[8]包括：歷史月度最大負(fù)荷、用電量、生產(chǎn)設(shè)備變更、檢修天數(shù)、季節(jié)類型等。

將分類變量轉(zhuǎn)化成啞變量，均值替代指標(biāo)缺失值。

2.2.2 訓(xùn)練樣本集構(gòu)建

以企業(yè)月最大負(fù)荷作為訓(xùn)練數(shù)據(jù)集[9]中的輸出，上述關(guān)鍵指標(biāo)作為輸入，構(gòu)建月度最大負(fù)荷支持向量機(jī)模型。以本年數(shù)據(jù)作為測試集，進(jìn)行驗(yàn)證。

3 實(shí)例分析

本文以浙江某地市在建化工園區(qū)前兩年至今負(fù)荷數(shù)據(jù)為例，對(duì)該模型應(yīng)用進(jìn)行說明。

根據(jù)園區(qū)建設(shè)規(guī)劃，2018年8月將入駐園區(qū)企業(yè)有2家，其中A企業(yè)屬于基礎(chǔ)化學(xué)原料制造、B企業(yè)屬于專用化學(xué)產(chǎn)品制造。對(duì)這2家企業(yè)最大負(fù)荷采用判別分析進(jìn)行預(yù)測。

獲取該市這2類行業(yè)企業(yè)近兩年負(fù)荷數(shù)據(jù)、企業(yè)信息;根據(jù)行業(yè)分類，分別建立負(fù)荷需求規(guī)模判別模型。

獲取即將入駐園區(qū)的2家企業(yè)信息，分別放入2類行業(yè)判別模型中。最終，企業(yè)A通過判別分析，屬于行業(yè)負(fù)荷需求規(guī)模的高水平，預(yù)計(jì)最大負(fù)荷需求為4227kW;同理，企業(yè)B最大負(fù)荷需求為116kW。

采用支持向量機(jī)模型對(duì)園區(qū)內(nèi)已有企業(yè)下月最大負(fù)荷開展預(yù)測，其中，部分企業(yè)2018年8月最大負(fù)預(yù)測值與真實(shí)值如表1。

其中，負(fù)載率反映企業(yè)最大負(fù)荷與變電設(shè)備總?cè)萘恐萚10]，接近1，滿負(fù)荷運(yùn)行，存在增容需求;反之，容量充足。負(fù)載率偏差，反映模型準(zhǔn)確性指標(biāo)，公式如下：

4 結(jié)束語

本文基于判別分析模型，以同類行業(yè)現(xiàn)有市場用電負(fù)荷作為參考，預(yù)測新入駐企業(yè)負(fù)荷，較為科學(xué)合理;基于支持向量機(jī)模型，預(yù)測園區(qū)現(xiàn)有企業(yè)下月負(fù)荷，結(jié)合企業(yè)合同容量信息，計(jì)算企業(yè)當(dāng)前用電負(fù)載情況，據(jù)此判斷增容需求。通過綜合考慮兩個(gè)模型結(jié)果，有效提升了預(yù)測方法的強(qiáng)壯性和結(jié)果的準(zhǔn)確性。

基于判別分析和支持向量機(jī)結(jié)合的工業(yè)園區(qū)下月負(fù)荷預(yù)測具有現(xiàn)實(shí)使用意義，對(duì)在建園區(qū)配電網(wǎng)的規(guī)劃具有一定的指導(dǎo)作用。

參考文獻(xiàn)：

[1]孔濤，程浩忠，李鋼，等.配電網(wǎng)規(guī)劃研究綜述[J].電網(wǎng)技術(shù)，2009，33（19）：92-99.

[2]李華，張赟.工業(yè)園區(qū)電網(wǎng)規(guī)劃要點(diǎn)分析[J].經(jīng)濟(jì)管理，2017，04：141.

[3]王林峰，于強(qiáng).基于支持向量機(jī)的地區(qū)電網(wǎng)短期負(fù)荷預(yù)測模型研究[J].科技創(chuàng)新導(dǎo)報(bào)，2011，38：45-46.

[4]時(shí)昀.基于支持向量機(jī)的短期電力負(fù)荷預(yù)測[J].電子技術(shù)與軟件工程，2018：245.

[5]劉晨.基于支持向量機(jī)的電網(wǎng)負(fù)荷預(yù)測系統(tǒng)研究[D].河北農(nóng)業(yè)大學(xué)，2010：1-59.

[6]張偉漢.工業(yè)園區(qū)電力專項(xiàng)規(guī)劃要點(diǎn)分析[J].工程技術(shù)，2017：197.

[7]馬玉.用電負(fù)荷預(yù)測技術(shù)及其應(yīng)用[J].安徽電氣工程職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2017，12（1）：37-40.

[8]劉寶英，楊仁剛.基于主成分分析的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測模型[J].電力自動(dòng)化設(shè)備，2008，28（11）：13-17.

[9]劉暢，李曉琪，劉華.電網(wǎng)規(guī)劃中的容載比指標(biāo)[J].農(nóng)村電氣化，2015，11（342）：22-23.

[10]張闊，劉啟輝.判別分析在組織人才測評(píng)和選拔模型開發(fā)中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2007，27（2）：330-334.