一種基于大數(shù)據(jù)分析的電力客戶服務(wù)需求預(yù)測(cè)方法

劉 洋

（內(nèi)蒙古電力（集團(tuán)）有限責(zé)任公司內(nèi)蒙古電力經(jīng)濟(jì)技術(shù)研究院分公司，內(nèi)蒙古 呼和浩特 010020）

0 前言

黨的“十四五”規(guī)劃中提到，我國(guó)電力企業(yè)開(kāi)始實(shí)現(xiàn)高質(zhì)量發(fā)展，新時(shí)代下，要不斷優(yōu)化電力需求的預(yù)測(cè)方法，更好地實(shí)現(xiàn)節(jié)約能源的目標(biāo)，促進(jìn)電力企業(yè)的健康發(fā)展。在以往傳統(tǒng)的電力需求預(yù)測(cè)模型中，模型的構(gòu)建主要是考慮區(qū)域內(nèi)的平均用電量以及最高用電負(fù)荷，這種預(yù)測(cè)模型還不能夠最大化地節(jié)約電力能源，因此需要研究出新的電力需求預(yù)測(cè)方法。

1 電力客戶服務(wù)需求預(yù)測(cè)的意義

1.1 為了滿足不斷增長(zhǎng)的電力需求

隨著科技水平的不斷提高，人們?cè)絹?lái)越離不開(kāi)電力，很多行業(yè)的自動(dòng)化發(fā)展也依賴于電力能源，各地區(qū)的用電量都在不斷增加，人們對(duì)于電力的需求也在不斷增長(zhǎng)。在這種情況下，電力企業(yè)在增加了一定機(jī)遇的同時(shí)，也增加了許多壓力，電力企業(yè)為了更好地滿足不斷增長(zhǎng)的電力需求，提出了對(duì)電力使用客戶進(jìn)行電力需求測(cè)試的方法，對(duì)于電力客戶的用電總負(fù)荷量進(jìn)行分析，從而完善自身的供電系統(tǒng)。

1.2 為了滿足社會(huì)發(fā)展的需要

進(jìn)行電力客戶服務(wù)預(yù)測(cè)工作也是為了滿足社會(huì)發(fā)展的需要，電力能源是當(dāng)今社會(huì)發(fā)展的基礎(chǔ)能源，各行各業(yè)的工作都離不開(kāi)電力能源，因此，電力企業(yè)的發(fā)展影響整個(gè)社會(huì)的發(fā)展。而電力客戶服務(wù)需求預(yù)測(cè)工作是電力企業(yè)發(fā)展所邁出的一大步，是電力企業(yè)適應(yīng)新的社會(huì)環(huán)境以及提升自身服務(wù)水平的重要工作，也是保障電力企業(yè)節(jié)約能源、提高供電效率、提升供電質(zhì)量以及實(shí)現(xiàn)智能化供電的重要舉措。

2 傳統(tǒng)電力需求預(yù)測(cè)模型存在的不足之處

對(duì)傳統(tǒng)電力需求預(yù)測(cè)模型進(jìn)行研究，發(fā)現(xiàn)傳統(tǒng)電力需求預(yù)測(cè)模型還存在2點(diǎn)不足：1）傳統(tǒng)電力需求預(yù)測(cè)模型中的一部分只是按照歷史相關(guān)資料進(jìn)行判斷預(yù)測(cè)，沒(méi)有考慮經(jīng)濟(jì)發(fā)展和社會(huì)變化等外界原因造成的影響。2）傳統(tǒng)電力需求預(yù)測(cè)模型中還有一部分只對(duì)外界原因造成的影響進(jìn)行主觀判斷，沒(méi)有從大量的資料數(shù)據(jù)中選擇重要的依據(jù)。

3 構(gòu)建電力客戶細(xì)分模型并分析

為了能夠構(gòu)建更為智能化的電力客戶服務(wù)需求預(yù)測(cè)模型，就要對(duì)電力使用客戶進(jìn)行分析，首先通過(guò)構(gòu)建電力客戶細(xì)分模型的方式進(jìn)行分析，然后根據(jù)分析得出具體數(shù)據(jù)，最后將數(shù)據(jù)作為需求預(yù)測(cè)模型的構(gòu)建基礎(chǔ)。電力客戶細(xì)分模型的構(gòu)建以人口信息、企業(yè)法人信息、宏觀經(jīng)濟(jì)信息以及其他經(jīng)濟(jì)信息為依據(jù)，首先通過(guò)這些信息來(lái)搭建一個(gè)數(shù)據(jù)倉(cāng)庫(kù)；然后對(duì)數(shù)據(jù)庫(kù)內(nèi)的信息進(jìn)行分析和抽取，在抽取出客戶的行為特征和自然特征中加入新的維度進(jìn)行分析；最后得出模型的特征，電力客戶細(xì)分?jǐn)?shù)據(jù)分析的過(guò)程如圖1所示。

圖1 電力客戶細(xì)分模型功能圖

3.1 構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)是基于數(shù)字化技術(shù)構(gòu)建的，隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)字化技術(shù)也在不斷的進(jìn)步并得到了廣泛的應(yīng)用。在電力客戶數(shù)據(jù)系統(tǒng)中，雖然有電力監(jiān)控、電力自動(dòng)化辦公以及財(cái)務(wù)等數(shù)據(jù)，但是隨著系統(tǒng)業(yè)務(wù)量的不斷增加，這些數(shù)據(jù)也處于一個(gè)不斷更新、修改和刪除的過(guò)程中。因此，在滿足電力客戶細(xì)分模型的需求的基礎(chǔ)上，該文構(gòu)建了一種新型的數(shù)據(jù)結(jié)構(gòu)模型。用該模型來(lái)搭建電力用戶需求數(shù)據(jù)倉(cāng)庫(kù)有效地節(jié)省了數(shù)據(jù)的儲(chǔ)存空間，使得數(shù)據(jù)的刪除周期變得更長(zhǎng)，提高了數(shù)據(jù)儲(chǔ)存的有效性。從個(gè)人用戶信息的方向進(jìn)行分析，首先采集電力用戶的個(gè)人信息、社會(huì)保險(xiǎn)信息以及地域特征信息，其次通過(guò)這些信息進(jìn)而分析個(gè)人用戶的電力價(jià)值，最后利用采集到的信息建立起用戶個(gè)人價(jià)值的區(qū)域圖。如圖2所示，圖中包括用戶的社保信息、公民個(gè)人信息、企業(yè)信息、住房公積金信息以及生活保障信息，這些信息能夠間接反映出用戶的電力價(jià)值，并將電力價(jià)值作為依據(jù)，對(duì)用戶進(jìn)行區(qū)域劃分[1]。

圖2 區(qū)域用戶電力價(jià)值組成圖

區(qū)域用戶電力價(jià)值組成圖的信息采集是以區(qū)域內(nèi)的宏觀經(jīng)濟(jì)和商業(yè)價(jià)值為依據(jù)。其中，區(qū)域內(nèi)宏觀經(jīng)濟(jì)信息的采集是通過(guò)當(dāng)?shù)氐馁Y產(chǎn)投資數(shù)據(jù)、貿(mào)易往來(lái)數(shù)據(jù)以及物價(jià)指數(shù)數(shù)據(jù)來(lái)進(jìn)行綜合采集的；主要是對(duì)當(dāng)?shù)氐馁Q(mào)易活動(dòng)進(jìn)行調(diào)查，再通過(guò)采集的信息將用戶進(jìn)行劃分。區(qū)域內(nèi)商業(yè)價(jià)值信息的采集主要是分析當(dāng)?shù)氐纳虉?chǎng)信息、企業(yè)信息以及法人信息等，將數(shù)據(jù)進(jìn)行分析抽取，以此來(lái)劃分電力用戶。

3.2 數(shù)據(jù)的清洗與挖掘

在構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)以后，要對(duì)數(shù)據(jù)進(jìn)行清洗與挖掘，開(kāi)展數(shù)據(jù)清洗與挖掘工作的目的是從大量的電力用戶信息中找到構(gòu)建模型所需要的數(shù)據(jù)。數(shù)據(jù)的清洗一般使用數(shù)據(jù)集成工具軟件來(lái)進(jìn)行，該文使用東方通（數(shù)據(jù)倉(cāng)庫(kù)技術(shù)，Extract-Transform-Load，簡(jiǎn)稱“ETL”）工具軟件來(lái)完成數(shù)據(jù)的清洗工作，最終清洗留下的數(shù)據(jù)為性別、民族以及跟身份證號(hào)碼設(shè)置有關(guān)的一系列信息；將這些數(shù)據(jù)用于電力客戶服務(wù)需求預(yù)測(cè)的基礎(chǔ)[2]。

在清洗挖掘得到有用數(shù)據(jù)后，利用聚類(lèi)算法對(duì)數(shù)據(jù)進(jìn)行分析計(jì)算；首先隨機(jī)選取若干個(gè)質(zhì)心，其次計(jì)算每一個(gè)數(shù)據(jù)樣本與這些質(zhì)心的相似程度，最后選擇一個(gè)相似程度最高的數(shù)據(jù)作為該組數(shù)據(jù)樣本的類(lèi)別。該文在對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)計(jì)算的過(guò)程中，要依據(jù)上述分析得到的區(qū)域用戶電力價(jià)值組成圖，聚類(lèi)計(jì)算在該文中的作用是可以有效解決信息孤島的問(wèn)題，同時(shí)還能加強(qiáng)資源共享，將用電的企業(yè)與用電的個(gè)人用戶區(qū)分開(kāi)來(lái)。首先該文在運(yùn)用聚類(lèi)算法對(duì)數(shù)據(jù)進(jìn)行分析的的基礎(chǔ)上提出了不同數(shù)據(jù)樣本之間然后根據(jù)這個(gè)觀點(diǎn)，然后根據(jù)這個(gè)觀點(diǎn)再求出數(shù)據(jù)樣本之間的相關(guān)系數(shù)。根據(jù)分析可知，數(shù)據(jù)樣本之間的相關(guān)系數(shù)<0時(shí)，2個(gè)數(shù)據(jù)樣本之間成負(fù)相關(guān)；最后以數(shù)據(jù)樣本之間的相似程度為依據(jù)來(lái)劃分聚類(lèi)中心。電力客戶的具體劃分過(guò)程為：1）進(jìn)行數(shù)據(jù)讀取工作以及提取數(shù)據(jù)特征工作，初始的數(shù)據(jù)集合是根據(jù)居民綜述以及特征維度來(lái)構(gòu)成的。2）從數(shù)據(jù)集合中選取幾個(gè)樣本，將這幾個(gè)數(shù)據(jù)樣本作為最開(kāi)始的聚類(lèi)中心。3）計(jì)算數(shù)據(jù)樣本的相似度指標(biāo)，將每次計(jì)算的均值作為新的聚類(lèi)中心。4）不斷重復(fù)聚類(lèi)計(jì)算法，劃分聚類(lèi)中心，以此作為構(gòu)建電力客戶細(xì)分模型的依據(jù)。

4 電力客戶服務(wù)需求預(yù)測(cè)分析

4.1 按照外界主觀因素對(duì)電力客戶需求進(jìn)行預(yù)測(cè)分析

電力需求的相關(guān)預(yù)測(cè)是從以往的歷史記錄中總結(jié)運(yùn)行規(guī)律，并建立預(yù)計(jì)估算的相關(guān)模型對(duì)將來(lái)使用電力的具體要求進(jìn)行判斷。出于外界、主觀等因素的影響，電力相關(guān)需求在正常情況下，具有連續(xù)性強(qiáng)、變化速度快和季節(jié)差異大等特性，使電力部門(mén)無(wú)法對(duì)用戶的具體使用電量情況進(jìn)行判斷推測(cè)。從影響電力客戶服務(wù)需求的角度分析，根據(jù)時(shí)間、氣候、社會(huì)等影響因素構(gòu)建電力需求的模型，其中使用的相關(guān)數(shù)據(jù)有4類(lèi)：1）宏觀經(jīng)濟(jì)指標(biāo)。這種指標(biāo)是展現(xiàn)當(dāng)?shù)亟?jīng)濟(jì)情況的一種形式，由當(dāng)?shù)貎?nèi)部經(jīng)營(yíng)生產(chǎn)總額、通貨膨脹、通貨緊縮、商業(yè)相關(guān)資金投入、人群消費(fèi)以及支出財(cái)政等組成，這種指標(biāo)對(duì)我國(guó)宏觀經(jīng)濟(jì)調(diào)整控制有重要的作用。我國(guó)第一、二、三種產(chǎn)業(yè)的總投資額度，在制造方面、文化娛樂(lè)方面以及基本設(shè)施的建設(shè)總體投資額度等。2）每年電力總體消費(fèi)數(shù)據(jù)。3）數(shù)據(jù)是已經(jīng)成立的用電客戶總體數(shù)據(jù)的細(xì)化。4）3種產(chǎn)業(yè)的總體用電量，用戶消費(fèi)及收入等數(shù)據(jù)。從上述信息可以得出，該文使用BP這種神經(jīng)型互聯(lián)網(wǎng)絡(luò)建造有關(guān)居民電力要求的測(cè)試模型。

4.2 按照其他方面因素對(duì)電力客戶需求進(jìn)行預(yù)測(cè)分析

為了更好地對(duì)電力客戶需求進(jìn)行預(yù)測(cè)分析，除了根據(jù)外界主觀因素進(jìn)行預(yù)測(cè)還可以從其他方面對(duì)電力客戶需求進(jìn)行預(yù)測(cè)分析。下面從網(wǎng)絡(luò)層、神經(jīng)元數(shù)量、初始設(shè)置網(wǎng)絡(luò)權(quán)重和學(xué)習(xí)速度等4個(gè)方面對(duì)電力預(yù)測(cè)模型進(jìn)行設(shè)計(jì)。

4.2.1 網(wǎng)絡(luò)層方面

雖然使用更高的網(wǎng)絡(luò)層能夠使電力預(yù)測(cè)模型的性能得到提升，但在一定程度上也會(huì)導(dǎo)致訓(xùn)練效率降低。因此，設(shè)計(jì)輸入、隱藏和輸出這種3層的網(wǎng)絡(luò)層模型是十分必要的。

4.2.2 神經(jīng)元數(shù)量

首先是輸入層次神經(jīng)元節(jié)點(diǎn)，輸入層次的日常工作是對(duì)數(shù)據(jù)進(jìn)行加載。因?yàn)槌鲆欢〝?shù)值的使用節(jié)點(diǎn)會(huì)吸引更多的雜音，相對(duì)較少的使用節(jié)點(diǎn)又會(huì)導(dǎo)致互聯(lián)網(wǎng)得到的資料數(shù)量不夠，不能很好地滿足需要。所以設(shè)置網(wǎng)絡(luò)的使用節(jié)點(diǎn)最好為65。其次是輸出層次神經(jīng)元節(jié)點(diǎn)，同時(shí)對(duì)5個(gè)位置的電力使用情況進(jìn)行評(píng)測(cè)，輸出層次的使用節(jié)點(diǎn)數(shù)量可以設(shè)為5，輸出層次的使用節(jié)點(diǎn)相當(dāng)于得到5個(gè)位置的電力使用情況。最后是隱含層次神經(jīng)元節(jié)點(diǎn)，隱含層次的使用節(jié)點(diǎn)公式如公式（1）所示。

式中：h為隱含層次的使用節(jié)點(diǎn)，0.02 m＜h＜4 m；m為輸入層次的使用節(jié)點(diǎn)；n為輸出層次的使用節(jié)點(diǎn)；a是1和10之間的常數(shù)，1＜a＜10。

由式（1）可知，該文設(shè)置的隱含層次使用節(jié)點(diǎn)為18。

4.2.3 初始設(shè)置的網(wǎng)絡(luò)權(quán)重及學(xué)習(xí)效率的制定

網(wǎng)絡(luò)層面的學(xué)習(xí)效率與網(wǎng)絡(luò)權(quán)重關(guān)系密切，如果將學(xué)習(xí)效率制定過(guò)高就會(huì)導(dǎo)致整體網(wǎng)絡(luò)權(quán)重降低和網(wǎng)絡(luò)出現(xiàn)不穩(wěn)定的狀況；如果學(xué)習(xí)的效率小于一定數(shù)值又會(huì)使訓(xùn)練花費(fèi)的時(shí)間變多，使網(wǎng)絡(luò)部分出現(xiàn)最小數(shù)值。因此，工作人員將學(xué)習(xí)效率調(diào)到0.01，以保證網(wǎng)絡(luò)中的訓(xùn)練相對(duì)穩(wěn)定。

為了不使網(wǎng)絡(luò)的部分得到最佳，該文使用一種新型的附加動(dòng)量方式使網(wǎng)絡(luò)的權(quán)重得到調(diào)整。附加的動(dòng)量方法是通過(guò)用一種動(dòng)量因子對(duì)網(wǎng)絡(luò)相關(guān)權(quán)值進(jìn)行調(diào)整，減少網(wǎng)絡(luò)權(quán)重進(jìn)入平坦地區(qū)?？梢酝ㄟ^(guò)對(duì)動(dòng)量因子的調(diào)整使網(wǎng)絡(luò)跳出最小的區(qū)域，對(duì)閾值進(jìn)行調(diào)整；在發(fā)生較大錯(cuò)誤時(shí)可以取消這次更新，減少網(wǎng)絡(luò)出現(xiàn)大范圍的錯(cuò)誤，可以使用下面的公式對(duì)相關(guān)條件進(jìn)行設(shè)置來(lái)確定是否對(duì)權(quán)值進(jìn)行修改。

如果動(dòng)量因子為0時(shí)，E（k）>1.04E（k-1）；如果動(dòng)量因子為0.95時(shí)，E（k）

5 仿真與試驗(yàn)結(jié)果

根據(jù)某地區(qū)電力相關(guān)信息情況，建立經(jīng)濟(jì)信息資料庫(kù)、地區(qū)往年使用電力的消費(fèi)信息資料庫(kù)、政府相關(guān)政策的數(shù)據(jù)信息資料庫(kù)和用電客戶詳細(xì)信息資料庫(kù)等圖表。在信息資料庫(kù)建設(shè)過(guò)程中將相關(guān)的身份資料刪除，選擇其中1 446 000個(gè)用戶作為用電判斷的樣本進(jìn)行模擬分析。根據(jù)這些樣本將這座城市以區(qū)域劃分不同的類(lèi)型：工廠區(qū)域、購(gòu)物區(qū)和住宅區(qū)，住宅區(qū)存在使用電力量大、使用電力人數(shù)多和電力信息復(fù)雜等特點(diǎn)，該文以居民日常和工作用電量作為研究憑證，根據(jù)企業(yè)有效資料對(duì)用戶情況加以分析；同時(shí)根據(jù)居民繳納的電費(fèi)金額和實(shí)際的電力花費(fèi)把使用電力客戶分為以下4類(lèi)：1）常生活使用電量（A類(lèi)）。2）工廠工作使用電量（B類(lèi)）。3）鄉(xiāng)村種植使用電量（C類(lèi)）。4）貿(mào)易活動(dòng)使用電量（D類(lèi)）。用電客戶詳細(xì)分類(lèi)的成果如下，A類(lèi)客戶的用戶數(shù)量為27 863，企業(yè)數(shù)量為289。B類(lèi)客戶的用戶數(shù)量為111 764，企業(yè)數(shù)量為791。C類(lèi)客戶用電數(shù)量為193 670，企業(yè)數(shù)量為1 650，D類(lèi)客戶的數(shù)量為1 112 750，企業(yè)數(shù)量為7 706。為了使文章提出的聚類(lèi)計(jì)算方法更加真實(shí)可靠，工作人員將傳統(tǒng)算法與聚類(lèi)計(jì)算方法的相關(guān)性能進(jìn)行對(duì)比，對(duì)比結(jié)果如下：1）算法中類(lèi)內(nèi)的距離平均值傳統(tǒng)算法為0.5754，聚類(lèi)計(jì)算方法為0.5452。2）類(lèi)內(nèi)具體的系數(shù)傳統(tǒng)算法為0.6362，聚類(lèi)計(jì)算方法為0.8164。3）類(lèi)中心的相對(duì)平均數(shù)值傳統(tǒng)算法是1.3059，聚類(lèi)計(jì)算方法為1.2516。4）類(lèi)中心實(shí)際系數(shù)傳統(tǒng)算法為0.3919，聚類(lèi)計(jì)算方法為0.3017。具體電力預(yù)測(cè)誤差見(jiàn)表1，從這些數(shù)據(jù)可以看出，該文提出的相關(guān)方法在距離這種屬性中表現(xiàn)并不突出，但是從增加樣本的相關(guān)上看成果顯著[4]。

表1 電力預(yù)測(cè)誤差的百分比

6 結(jié)論

綜上所述，電力客戶服務(wù)需求的預(yù)測(cè)是為了滿足社會(huì)發(fā)展的需要以及不斷增漲的電力需求。該文研究了一種基于大數(shù)據(jù)分析的電力客戶服務(wù)需求預(yù)測(cè)方法，首先該預(yù)測(cè)方法是根據(jù)電力用戶的外在信息來(lái)構(gòu)建客戶模型，并利用該模型對(duì)預(yù)測(cè)方法進(jìn)行研究；然后從多個(gè)因素的角度來(lái)進(jìn)行預(yù)測(cè)；最后根據(jù)仿真與測(cè)試結(jié)果的驗(yàn)證表明該預(yù)測(cè)方法能夠更好的滿足客戶對(duì)于電力的需求。