考慮行業(yè)用電特性的電量預(yù)測方法研究與應(yīng)用

葉琳浩，李達凱，黃 偉，張勇軍

(1.廣東電網(wǎng)有限責任公司 佛山供電局，廣東 佛山 528000；2.華南理工大學 電力學院，廣東 廣州 510640)

考慮行業(yè)用電特性的電量預(yù)測方法研究與應(yīng)用

葉琳浩1，2，李達凱1，黃 偉1，張勇軍2

(1.廣東電網(wǎng)有限責任公司 佛山供電局，廣東 佛山 528000；2.華南理工大學 電力學院，廣東 廣州 510640)

準確預(yù)測電力需求是進行電網(wǎng)規(guī)劃和建設(shè)的必要依據(jù)。本文提出并設(shè)計了一套考慮行業(yè)用電特性的GM(1,n)灰色模型預(yù)測方案，并研究了14個主導(dǎo)行業(yè)對禪城區(qū)電力需求的影響。通過關(guān)聯(lián)度計算，發(fā)現(xiàn)其中5個行業(yè)電量發(fā)展趨勢對禪城區(qū)電力需求的影響十分顯著，最后給出了考慮關(guān)鍵行業(yè)因素的最優(yōu)GM(1,n)預(yù)測模型。應(yīng)用實例表明，考慮用電特性的GM(1,n)模型精度較高，預(yù)測誤差較小，該電量預(yù)測方法具有實用性和有效性，為提高電網(wǎng)規(guī)劃水平提供了指導(dǎo)和參考。

灰色系統(tǒng)；GM(1,n)模型；行業(yè)用電特性；關(guān)聯(lián)度；電力預(yù)測

電量的預(yù)測對城市宏觀經(jīng)濟發(fā)展至關(guān)重要，是城市電網(wǎng)規(guī)劃的基礎(chǔ)，對確定規(guī)劃的整體規(guī)模、規(guī)劃項目和規(guī)劃過渡過程都起到關(guān)鍵作用。準確的電量預(yù)測有助于科學地開展電網(wǎng)規(guī)劃， 如何提高預(yù)測精度一直是學者關(guān)注的問題。

不同用電行業(yè)具有不同的用電特性，一個地區(qū)某個行業(yè)的用電量與該行業(yè)經(jīng)濟發(fā)展的增幅或降低相關(guān)，這些都會對整體的電量預(yù)測造成極大影響，深入分析各行業(yè)用電規(guī)律并進行準確的電量預(yù)測將是供電企業(yè)日益關(guān)注的領(lǐng)域。

1 預(yù)測算法研究與應(yīng)用方案

1.1 預(yù)測算法簡述

近年來，隨著科學技術(shù)的迅速發(fā)展，電力電量預(yù)測理論及其應(yīng)用技術(shù)也取得了長足的進步。目前，預(yù)測技術(shù)和方法不斷涌現(xiàn)，綜合國內(nèi)外的研究，電力需求的預(yù)測方法可以歸結(jié)為3種類型：經(jīng)典預(yù)測方法、傳統(tǒng)預(yù)測方法和現(xiàn)代預(yù)測方法[1]。從傳統(tǒng)的趨勢外推法、回歸分析法及時間序列分析法，到經(jīng)典的產(chǎn)值單耗法、負荷密度法和彈性系數(shù)法等，再到專家系統(tǒng)法、灰色預(yù)測法和模糊數(shù)學法，以及神經(jīng)網(wǎng)絡(luò)法、小波分析法等都有相關(guān)科研人員進行詳細分析研究，這為實際問題的研究和解決提供了有力的支持。

考慮到各種不確定因素及不同行業(yè)用電特性均會影響整體電量的趨勢和預(yù)測結(jié)果，不同行業(yè)發(fā)展與整體經(jīng)濟及其電量的發(fā)展將會形成多變量之間的關(guān)聯(lián)，本文選用多變量的灰色模型進行電量預(yù)測方案的研究與制定。

1.2 GM(1,n)灰色模型

灰色系統(tǒng)理論是一種兼?zhèn)滠浻部茖W特性的新理論，是一種對含有不確定因素的系統(tǒng)進行分析、建模、預(yù)測、決策和控制的預(yù)測方法?；疑A(yù)測具有要求樣本數(shù)據(jù)少、不考慮分布規(guī)律、運算方便、預(yù)測精度高和可檢驗性強等優(yōu)點，其缺點是數(shù)據(jù)離散程度越大，即數(shù)據(jù)灰度越大，預(yù)測精度越差[2]。

GM模型即灰色模型，是用原始數(shù)據(jù)列作生成處理后建立的微分方程，其可以利用灰色過程通過數(shù)的生成來尋找數(shù)據(jù)的規(guī)律。在灰色模型中，最具意義的模型是由m個變量的n階微分方程描述的模型，稱為GM(n,m)模型。以往一般用GM模型中的特例GM(1,1)模型，即1個變量的一階方程進行中、短期的電量預(yù)測。

本文考慮通過GM(1,n)模型反映n-1個相關(guān)因素對電量的一階導(dǎo)數(shù)，綜合考慮各種主要相關(guān)因素對電量的影響，構(gòu)建灰色電量預(yù)測方案，從而更精確的對電量進行預(yù)測。

設(shè)用電量的原始數(shù)據(jù)序列為：

x1(0)=[x1(0)(1),x1(0)(2),…,x1(0)(n)]

(1)

相關(guān)行業(yè)用電量因素序列為：

x2(0)=[x2(0)(1),x2(0)(2),…,x2(0)(n)]

(2)

x3(0)= [x3(0)(1),x3(0)(2),…,x3(0)(n)]

(3)

……

xn(0)= [xn(0)(1),xn(0)(2),…,xn(0)(n)]

(4)

對原始序列進行一階累加，得到xn(0)的一階累加生成序列(1-AGO序列)xn(1)，其中：

(5)

設(shè)Zn(1)為xn(1)的緊鄰均值生成序列，其中：

(6)

得到GM(1,n)的灰微分方程模型為：

(7)

式中，x1(0)(k)稱為灰導(dǎo)數(shù)；Z1(1)(k)稱為背景值；a稱為系統(tǒng)發(fā)展系數(shù)；bixi(1)(k)稱為驅(qū)動項；a、bi(i=2，3，…，n)稱為參數(shù)。

(8)

按最小二乘法可得：

(9)

式中，

(10)

(11)

則GM(1,n)的白化模型，也稱影子方程為：

(12)

影子方程的解為：

(13)

(14)

累計還原模擬值為：

(15)

1.3 關(guān)聯(lián)度分析方法

在收集到的眾多相關(guān)因素中，大多數(shù)與電量的關(guān)系并不十分密切，若將這些相關(guān)因素引入建模計算當中，勢必降低模型的精度。因此，需要對相關(guān)因素進行進一步的篩選。

關(guān)聯(lián)度就是表征事物之間關(guān)聯(lián)程度的量度，實際上就是曲線幾何形狀之間的比較，即幾何形狀越接近，發(fā)展變化趨勢就越相似，關(guān)聯(lián)度就越大。本文將利用關(guān)聯(lián)度選擇電量預(yù)測模型的主要相關(guān)因素，以期建立電量預(yù)測GM(1,n)最優(yōu)模型[3]。常用的關(guān)聯(lián)度分析方法有鄧氏關(guān)聯(lián)度、絕對關(guān)聯(lián)度和斜率關(guān)聯(lián)度等分析法。其中，由于斜率關(guān)聯(lián)度分辨率較高，所以經(jīng)常被使用。

1)計算斜率。

(16)

(i=1,…,n;t=1,…,(m-1))

(17)

2)計算關(guān)聯(lián)系數(shù)。

(18)

(i=1,…,n且i≠j;t=1,…,(m-1))

3)計算關(guān)聯(lián)度及選擇相關(guān)因素。

(19)

按照關(guān)聯(lián)度γij的大小選擇顯著相關(guān)因素。

2 禪城區(qū)用電量多因素的關(guān)聯(lián)度分析

禪城區(qū)位于廣東省佛山市的中心城區(qū)，面積為154.68 km2，是佛山政治、金融、文化、交通和信息中心。2013年，禪城區(qū)全區(qū)生產(chǎn)總值為1 342.35億元，用電量為75.80億kWh。目前，禪城區(qū)內(nèi)的用電行業(yè)眾多，2013年，禪城區(qū)的紡織業(yè)，化學原料及化學制品制造業(yè)，橡膠和塑料制品業(yè)，非金屬礦物制品業(yè)，有色金屬冶煉及壓延加工業(yè)，金屬制品業(yè)，通用及專用設(shè)備制造業(yè)，工藝品及其他制造業(yè)，批發(fā)和零售業(yè)，交通運輸、電氣、電子設(shè)備制造業(yè)，公共管理和社會組織、國際組織，住宿和餐飲業(yè)，租賃和商務(wù)服務(wù)、居民服務(wù)和其他服務(wù)業(yè)，以及電信和其他傳輸服務(wù)業(yè)共14個行業(yè)的總用電量為56.89億kWh，占禪城區(qū)用電量的75.05%。可見，把握上述各主導(dǎo)行業(yè)用電的規(guī)律和趨勢是掌握禪城區(qū)用電情況的關(guān)鍵。

本文綜合考慮禪城區(qū)經(jīng)濟社會發(fā)展情況，采用關(guān)聯(lián)度計算方法，分析禪城區(qū)2008～2013年上述14個主導(dǎo)行業(yè)與用電量的相關(guān)性并計算其關(guān)聯(lián)度，同時參考各相關(guān)因素與電量的關(guān)聯(lián)度，挑選關(guān)聯(lián)度>0.55的相關(guān)因素(見表1)參與建模計算。

表1 主導(dǎo)行業(yè)與用電量的關(guān)聯(lián)度

從表1可知，各相關(guān)因素與供、售電量之間的關(guān)聯(lián)度從大到小順序為：交通運輸、電氣、電子設(shè)備制造業(yè)，批發(fā)和零售業(yè)，住宿和餐飲業(yè)，橡膠和塑料制品業(yè)，非金屬礦物制品業(yè)。本文選取這5個主導(dǎo)行業(yè)的用電特性及其電量因素參與進行禪城區(qū)用電量的GM(1,n)建模。

3 考慮行業(yè)電量相關(guān)的禪城區(qū)電量預(yù)測

利用2007～2013年禪城區(qū)歷史電量數(shù)據(jù)及各行業(yè)電量數(shù)據(jù)(見表2)，將交通運輸、電氣、電子設(shè)備制造業(yè)，批發(fā)和零售業(yè)，住宿和餐飲業(yè)，橡膠和塑料制品業(yè)，非金屬礦物制品業(yè)5個行業(yè)作為相關(guān)因素引入，按照上述方法進行建模，得到GM(1,6)模型。將數(shù)據(jù)代入模型計算，分別對禪城區(qū)2013和2014年用電量進行預(yù)測(見表3和表4)，并進行校驗分析。

就城市電網(wǎng)規(guī)劃而言，當電量預(yù)測相對誤差<5%時可視為高精度預(yù)測，當相對誤差為5%～10%時可視為較好的預(yù)測。從表3和表4可以看出，GM(1,6)模型、GM(1,1)模型和隨機選用的一種經(jīng)典預(yù)測模型在此次預(yù)測檢驗中都有較好的精度。

表2 歷史用電量數(shù)據(jù) (萬kWh)

表3預(yù)測結(jié)果

用電量類型2013年2014年預(yù)測值/萬kWh實際值/萬kWh相對誤差/%預(yù)測值/萬kWh實際值/萬kWh相對誤差/%橡膠和塑料制品業(yè)50988.35527683.3751626536923.84非金屬礦物制品業(yè)128923.51322002.481189301217902.35交通運輸、電氣、電子設(shè)備制造業(yè)47485.10466741.7447028476911.4批發(fā)和零售業(yè)56888.69550573.3358135563053.25住宿和餐飲業(yè)17250.45173710.6920015197631.27禪城區(qū)總用電量778268.9757987.12.68763236.6748733.21.94

表4 不同模型預(yù)測結(jié)果對比

禪城區(qū)近幾年負荷幾乎處于飽和狀態(tài)，由于逐步開展產(chǎn)業(yè)轉(zhuǎn)移，不同行業(yè)用電量趨勢不一，全區(qū)電量增長緩慢，甚至出現(xiàn)負增長。從此次預(yù)測結(jié)果中可以看出，選用經(jīng)典預(yù)測模型或只考慮歷史電量的GM(1,1)模型，均未有考慮區(qū)內(nèi)主導(dǎo)行業(yè)用電特性的變化，依然根據(jù)歷史電量作趨勢預(yù)測，導(dǎo)致預(yù)測結(jié)果偏大。本文采用考慮了5大主導(dǎo)行業(yè)相關(guān)因素的GM(1,6)模型，既有效預(yù)測了不同行業(yè)用電量變化的趨勢，又很好地感應(yīng)到禪城區(qū)用電量飽和的狀況，預(yù)測結(jié)果貼近實際值，相對誤差≤3%。由此可見，考慮主導(dǎo)行業(yè)相關(guān)因素的GM(1,n)模型進行預(yù)測具有合理性和可行性，通過檢驗可見該模型具有較高的精度，預(yù)測結(jié)果貼近實際電量發(fā)展趨勢。

4 結(jié)語

本文提出了一種基于考慮行業(yè)用電特性的多因素GM(1,n)模型的預(yù)測方法，并對禪城區(qū)14個主導(dǎo)行業(yè)的電量進行了深入分析，得到禪城區(qū)各行業(yè)的發(fā)展趨勢，對禪城區(qū)主導(dǎo)行業(yè)電量與總電量進行關(guān)聯(lián)分析，得到禪城區(qū)考慮行業(yè)用電因素的最優(yōu)GM(1,n)模型。結(jié)果表明，經(jīng)過優(yōu)化的GM(1,n)模型對2013和2014年的預(yù)測值相對誤差僅為2.68%和2.2%，預(yù)測結(jié)果表明了該方法的精確性和有效性。本文設(shè)計的電量預(yù)測方案，其準確的電量預(yù)測結(jié)果可為電力營銷、電網(wǎng)規(guī)劃和運行等提供指導(dǎo)意見。本文算法已應(yīng)用于佛山禪城區(qū)電網(wǎng)的“十三五”規(guī)劃電量預(yù)測中。

值得注意的是灰色預(yù)測模型對數(shù)據(jù)處理要求較高，經(jīng)模擬計算，其遠期預(yù)測結(jié)果精度偏差較大，且多因素的預(yù)測誤差有可能會疊加至目標預(yù)測值；因此，如何改善該模型的遠期預(yù)測精度并減弱其多因素的疊加誤差，是未來研究的關(guān)注點。

[1] 牛東曉，曹樹華，趙磊，等. 電力負荷預(yù)測技術(shù)及其應(yīng)用[M]. 北京：中國電力出版社，1998.

[2] Mirasgedis S, Sarafidis Y, Georgopoulou E, et al. Modeling framework for estimating impacts of climate change on electricity demand at regional level: case of Greece[J]. Energy Conversion and Management, 2007, 48(5): 1737-1750.

[3] 黃晨宏. 影響上海電力需求的主要因素及電力需求預(yù)測[J]. 電力需求側(cè)管理，2011(3)：72-76.

責任編輯鄭練

ResearchandApplicationofElectricPredictionMethodConsideringtheElectricalCharacteristicsofDifferentIndustry

YE Linhao1,2, LI Dakai1, HUANG Wei1, Zhang Yongjun2

(1.Guangdong Power Grid Foshan Power Supply Bureau, Foshan 528000, China; 2.School of Electrical Power,South China University of Technology, Guangzhou 510640, China)

Planning and construction of power grid depends on accurate electric forecasting. This paper firstly brought forward the GM(1,n) prediction method based on electrical characteristics in different industry, and studied such effects on the electric power demand in Chancheng as its fourteen leading area. Then, it was found that five area had a significant influence on electric consuming by correlation degree analysis. Lastly, the optimal GM(1,n) model considering the key factors was brought out. Application examples showed that the forecasting by this method was more accurate. It demonstrated the validity and applicability of the optimized GM method and provided guidance and reference to improve the level of power grid planning.

grey system, GM(1,n) model, electrical characteristics, correlation degree, electric power prediction

TM 0

：A

葉琳浩(1983-)，男，博士研究生，主要從事電網(wǎng)規(guī)劃、電力系統(tǒng)運行與分析等方面的研究。

2015-01-21