基于组合方法的月度供电量预测研究

基于组合方法的月度供电量预测研究

宋树宏 王伟恒 王佳铮 张阔 尹天阳

国网辽宁省电力有限公司沈阳供电公司 ， 110002

摘要：作为电力企业的一类重要工作类型，电网供电量预测具有基础性的工作特征。现阶段做采取的月度电量预测方法包括灰色系统预测模型、随机森林组合算法等，但均有其应用的局限性。若能够应用组合式的分析方法对月度供电量进行预测，将实现电量预测精度提升的最终目标。本文简述了所应用的组合负荷预测方法，并对月度供电量的预测误差进行了深入分析，总结了月度供电量预测特征。

关键词：组合方法；月度供电量；预测方法；误差分析

引言：想要提升月度供电量预测精准度，就必须对负荷的发展趋势予以掌握，包括各地区负荷特点、供电量数据生成等。供电量预测工作具有完善电费管理、电价管理以及电力需求侧管理机制的重要作用，以电力系统中综合经济指标-线损管理为例，保证供电量预测的准确性是使线损始终处于可控状态的重要基础。因此，采取合适手段组合各类预测方法，并对供电量预测误差进行比较分析，具有极为重要的现实意义。

1 月度供电量预测方法

1.1常规方法

1.1.1系统动力学理念

作为具有综合性特征的新学科，系统动力学具有分析反馈系统认识的重要作用，也是研究与解决系统问题的常用方式。此种预测方法若从模型角度考虑，属于包含时滞的一阶微分方程组。其实际应用后所获得的一系列参数通常能够表现出明确物理意义，不同影响因素之间的关系清晰且具有较强直观性，提供了诸多方便条件且预测精准度较高^[1]。但此类方法在日常生活中的应用通常较少，无论是应用实例还是相关数据均处于缺乏状态，且由于模型构建原理简单，考虑因素过少的情况下对参数赋值的准确性造成了诸多影响，因此需要持续对此类预测方法予以改进。

1.1.2模糊预测法

此方法的主要应用目的是原本较为模糊的问题转化，基于模糊理论对与电力负荷相关的各类因素之间的关系予以深入分析，融入实际经验与模糊逻辑后鉴赏力模糊规则数据库。在数据库的应用基础上，针对具有非线性特点的负荷使用做线性逼近。此方法的应用优势在于所获得的预测区间与概率结合表现最终的预测结果，精准度较高。但其应用缺陷在于数据库的构建有大量历史数据的需求，应用不便且操作繁琐。

1.2组合负荷预测方法

1.2.1灰色理论

灰色理论将已知因素作为白色，未知设定为黑色，而两者之间的交叉区域则成为灰色，并在此基础上构建了灰色模型。灰色模型是应用并解析灰色控制理论的重要基础，其应用的主要方法为微分拟合法，经常出现的“模块”实际上是以时间数据为基础的平面时间序列X的逼近曲线，与时间轴之间所围合而成的区域。所获得的预测值上部与下部的交界区域为灰色平面，其大小受预测值灰区间因素的影响。确定现在时刻的基础上，灰色平面呈现出扇形的展开特征（向未来时刻）^[2]。简单来说，随着未来时刻越来越远灰区间也就越大，而灰色系统理论则针对此种现象提出了模型修正方案，将模型精度予以提升。

在基于灰色理论所建立的GM预测模型中，能够对目标做定量分析处理，主要包括：

第一是时间序列预测。此预测过程通过整合相同间隔时间的观测数据构建了灰色预测模型，而所选择的一系列数据则所针对的对象通常具有一定特征，例如产量、人口、利率等；第二是畸变预测。此预测手段在检测出异常量后将明确其可能出现的时区，并在结合预测模型后将出现时刻的预测准确性提升；第三是系统预测。根据系统所表现的行为特征构建灰色预测模型，特征指标之间相互关联继而实现对变化情况的预测目标。

1.2.2线性拟合

变量之间存在线性关系，是线性一元回归法的假设前提。即使实际并非线性关系，但同样能够通过转化手段改变其关系实质^[3]。若能够将历史供电量与实践作为应用线性一元回归模型的两个数据，即可建立直线方程以达到对未来某个时间段内的供电量值进行预测。

1.2.3组合预测

确保最大信息利用的前提下地单一模型所包含信息做集结处理并挑选最优组合，是组合预测方法的应用目的。需要注意的是，若仅仅应用单一预测方式虽然基本能够达到对预测结果进行改善的目的的，但由于因素有限使得预测准确性无法被保证。为解决这一问题，通常选择应用三种以上的组合方法进行分析，并将所获得的预测模型因素做集合处理，以实现预测结果改善目标。本文选择的组合预测方法理念主要包括：第一是多种预测方法同时分析获得多种结果，在适当权重的应用背景下计算多种预测结果；第二是针对不同预测方法做标准离差分析，确定拟合度，并选择出最佳的模型明确最终的预测结果。

2 月度供电量预测误差分析

2.1经济因素

供电区域大小、人口多少以及供电负荷特点等，皆是经济因素影响的具体内容，充分反映了国家经济随时间推移而产生的用电量变化，对供电量的提升与降低趋势造成了极大影响。周期较长是其主要特点。以大连地区为例，大工业用户的增多使得在其正式投入生产后，供电量有持续增长表现，同时由于大工业用户数量的变化因素较大，使得在对地区供电量进行预测时无法保证数据精准性。

2.2天气因素

大风、暴雪、大雨、温度等天气变化，均有可能会对供电量预测精准性产生影响。以温度为例，若夏季温度较高则空调、电风扇的使用频率将增大，农业层面也有对灌溉频率的需求^[4]。但同样也有部分温度较为恒定的地区，常年的电器使用频率较为固定，因此由于这一因素引起的供电量变化并不大。

2.3管理因素

月度供电量受电力政策调整、抄表管理要求等因素的影响较大。以所下发的电力营销文件为例，需要对用户的现场用电情况进行分类处理^[5]。明确用电类别后在进行调整的过程中，虽然整体来看供电量并不会有明显变化，但需要将用户根据用电类别的不同进行集中统计，用电类别的变化使得供电量相关数据必然会受到较大影响。

3 基于组合方法的月度供电量预测研究归纳总结

作为主要的电网企业产品，供电量数据是企业进行经营管理的关键指标，也是计算线损、利润、电价的基础数据。因此，若能够保证月度供电量预测准确性，将为电网企业经营决策提供完备条件，促使发电厂与电网保持合理运行状态。

第一是在对各地历史供电量进行总结后，根据用电类别对地区售电特性进行了分类分析，整体表现出以第二产业为主的用电结构特性。但需要注意的是，类比曲线之间差异并不大，因此考虑其中有随机性因素的影响。再加上商业与农业用电的季节性特征，因此曲线数据分析仅仅作为供电量预测的参考条件，不能将其作为最终的预测数据^[6]；第二是在应用组合方法对月度用电量进行预测时，发现存在内蕴误差，因此必须对模型与方法进行持续完善；第三是应明确预测模型与预测方法选择的重要性，以尽量消除地区负荷特性对供电量精准度的不良影响，提升数据准确性与预测可靠性。

结束语：综上所述，应用组合方法对月度供电量进行预测，具有极为重要的现实意义、相关数据计算人员在预测过程中，应考虑到不同因素最终预测数据的影响，采取合适的组合方式以提升数据精准度，为后续应用预测数据制定相关决策提供完备条件。

参考文献

[1] 金鑫. 基于双模型组合的月度售电量预测研究[J]. 湖南电力, 2019, 039(003):9-13.

[2] 刘成, 陈光宇, 张仰飞. 基于组合模型的台区售电量预测研究[J]. 电气技术, 2020, v.21;No.254(11):31-37.

[3] 吴飞, 唐志强, 陈思. 基于稳定性分析的居民小区月度用电量预测方法及装置:, CN109978278A[P]. 2019.

[4] 杨晓雷, 姚剑锋, 徐久益,等. 基于灰色预测和随机森林组合算法的电量预测[J]. 农村电气化, 2020(7):5.

[5] 李瑛莉, 韩贤斌, 刘骏涛,等. 一种基于ARMA和SVM模型组合的用电量预测方法:, CN110874802A[P]. 2020.

[6] 张静. 电网企业独立输配电定价的测算方法及模型研究[D]. 西安理工大学, 2020.