刍议售电量预测方法的分析

刍议售电量预测方法的分析

康淼

(国网辽宁省电力有限公司朝阳供电公司)

摘要:随着电力市场竞争的日益加深，电力企业的服务意识也要随之改变，只有这样才能站稳自己的市场。在这种情况下，要求我们电力企业要按照电力市场的客观规律办事，实现有原来的主观决策向客观决策转变。那么，售电量预测工作就显得尤为重要。本文从当前售电量预测的重要性入手，来探讨售电量预测的预测方法。

关键词:售电量；预测；决策；研究

一、售电量预测概念和原理

售电量预测是指在正确的理论指导下，通过调查研究掌握大量的资料，运用可靠的方法和手段对公司售电量的发展趋势做出科学合理的推断。售电量预测工作是根据负荷的历史数据，通过预测模型得出其发展规律，从而预测售电量在以后某一时间范围内的变化，因此数据采集和数学模型选择是工作中最重要的两部分。售电量预测的基本原理有：可知性原理，也就是说被预测的目标的变化是有规律的，其以后的变化可以通过历史的现在的变化预测得到，这是所有预测工作的基础；可能性原理，事物的发展是多方向的，预测目标的发展也是有多种方式的，条件不同，预测目标的预测结果不同，因此要进行多方向的预测；连续性原理，预测工作是通过历史数据得出预测目标的变化规律，而达成这一目的的前提书这种变化是连续的。

二、售电量预测的重要性

2.1是社会主义市场经济发展的基本要求

近些年，随着经济全球化步伐的加快，我国的社会主义市场经济有了更深一步的发展。我国的电力企业也改变了以往垄断经营的态势而是选择了转向市场，这样一来，电力市场的竞争凸显的越来越明显。在现代市场经济运营下，电力企业的运营决策至关重要，其直接关系到电力企业如何把握好企业的航向，如何积极有效的开展市场营销。因此，对于电力企业来说，在有些方面的发展方向需要进一步的革新。在电力企业营销战略中，售电量的预测处于重要地位，面对激烈的市场竞争，电力企业必须适时的转变观念，由原来的主观臆测转变成根据电力市场发展的客观规律去做，只有这样才符合市场经济的发展规律，才能在激烈的市场竞争中找到自身的一席之地。

2.2为企业提供可靠的数据支持，有利于企业制定科学合理的发展规划

售电量的预测在电力企业营销中具有重要的战略意义。售电量预测科学与否直接关系到，电力企业的生产计划安排以及生产任务的顺利完成。售电量的预测是编制电力企业长期计划不可或缺的重要依据，同时也是电力企业电网规划的重要内容和依据。由此可以看出，售电量预测的重要性。

三、售电量预测决策模型体系研究

对售电量的分析与预测是电力企业的一项很重要的工作。在电力市场中，通过对电力企业售电量的数据分析，可以直接考察该企业的的经营管理情况以及该企业的经营收入情况，并可以总结出上一阶段制定的电价是否科学合理，该地区的电的消费结构如何。通过这些，我们可以看出对售电量的预测是解决电力企业未来发展过程中许多需要进行决策问题的前提和保障。售电量的预测根据时间的长短划分，可以分为长期预测、中期预测、短期预测。长期预测和中期预测主要是为了对电力企业在未来较长时期内的发展进行科学性、前瞻性的规划，如发电机组是否需要增加等等。

关于以往的对于售电量预测决策模型体系，已经无法满足当前的售电量预测的需求，因此，通过研究本人克服了目前很多电力企业对售电量的预测仅凭借营销人员或高层领导的直觉和经验来估算存在的弊端，从定性和定量相结合的两个方面进行预测，具体流程如下：

首先，从电力系统的数据库中读取出以往存储的基础数据，然后根据相关预测据侧模型理论进行预测，如季节比例模型理论、改进的BP网络模型、多元模糊线性回归模型来分别预测出各个细分市场下一阶段的售电量的情况。利用以上三个模型的预测值作为组合预测模型的输入，可以求出各细分市场下一月的售电量的预测值。

其次，根据上面提供的预测值，以及我们分析过程中存在误差值，来分析预测值是否可靠。如果可靠将各个细分市场售电量的预测值的综合与电网的供电能力进行比较，如果出现两者相差过大，则说明电网供需不平衡，就需要电力企业马上进行处理，调整这种供需不平衡的状况。一般情况下有两种方式科供选择，第一，可以提高电网的供电能力；第二，可以减小各个细分市场的售电量。如果不可靠工作人员继续进行修正。

四、售电量预测的常用方法

4.1季节比例模型

季节比例模型假定被预测变量在一个周期的特定部分的总量与周期中的总量的比例是一个常数。通过历史数据把这个常数确定后，就可以根据一个周期的前半部分的值预测后半部分未知的值。

4.2改进的BP网络模型

BP（BackPropagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层（hidelayer）和输出层（outputlayer）。

BP（BackPropagation）神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

4.3多元模糊线性回归模型

现实生活中，客观事物的变化往往受多种因素的影响，即使其中一个因素起主导作用，其它因素的作用也是不可忽视的。例如，在影响售电量变化的因素中，除主要与当地国民经济发展情况有关外，还与社会用电容量、售电单价、服务质量、供电可靠性等诸多因素有关，因而，多元线性回归算法也是人们在预测工作中使用较为普遍的工具，其预测原理也易为人们所接受。

结语

伴随着社会主义市场经济的不断发展，我国改革开放的不断深入。电力企业的竞争压力也越来越大，如何在市场中站稳自己的脚跟，为企业找到更好的发展出路。这就需要我们电力企业要转变自身的观念，一定要按照电力市场的客观规律办事，售电量的预测是电力企业的重要工作之一，以前我们都主观的对售电量进行预测，随着电力市场竞争压力的不断加大，这种预测模式也需要进行转变，应该根据电力市场运行的客观规律进行售电量的预测，只有这样才符合当前的市场经济的发展要求。

参考文献

[1]潘小辉,刘丽萍.提高月度售电量预测精度的一种新方法[J].电力需求侧管理.2013

[2]崔和瑞.基于季节ARIMA模型的华北电网售电量预测研究[J].华东电力.2009

作者简介

康淼，女，生日1983.03.14，单位：国网辽宁省电力有限公司朝阳供电公司，用于升副高