基于大數(shù)據(jù)挖掘電量預(yù)測(cè)方法的創(chuàng)新及應(yīng)用

郝月

摘要：為了可以使現(xiàn)代電力企業(yè)更好的實(shí)現(xiàn)對(duì)供電區(qū)域精細(xì)化管理的理念，就需要通過(guò)現(xiàn)代化的數(shù)據(jù)挖掘技術(shù)，來(lái)創(chuàng)新出更加有效的電量預(yù)測(cè)方法，從根本上幫助電力企業(yè)實(shí)現(xiàn)對(duì)各供電區(qū)域的電量精細(xì)化管理。

關(guān)鍵詞：：大數(shù)據(jù)挖掘;電量預(yù)測(cè)方式;創(chuàng)新及應(yīng)用

1基于大數(shù)據(jù)挖掘電量預(yù)測(cè)方法的算法研究

1.1ARIMA模型

ARIMA模型又被稱(chēng)作為差分自回歸移動(dòng)平均模型，其中AR代表了自回歸、I代表了差分、MA代表了移動(dòng)平均。通常情況下ARIMA模型主要包含了3個(gè)參數(shù)，分別為：p、d、q。其中p代表了自回歸的階數(shù)，d代表了差分的階數(shù)，而q代表了移動(dòng)平均的階數(shù)。ARIMA模型的在運(yùn)作的過(guò)程中，首先是對(duì)非平穩(wěn)的時(shí)間序列進(jìn)行d次差分處理，使其形成較為穩(wěn)定的數(shù)據(jù)排列，而后將平穩(wěn)書(shū)序擬合ARMA（p、q）模式，最后將原本的d次差分進(jìn)行還原，最終就可以得到原本的序列預(yù)測(cè)數(shù)據(jù)。

1.2灰色預(yù)測(cè)模型

對(duì)灰色系統(tǒng)建立的預(yù)測(cè)模型稱(chēng)為灰色模型，簡(jiǎn)稱(chēng)GM模型，是微分方程模型，可用于對(duì)描述對(duì)象作長(zhǎng)期、連續(xù)、動(dòng)態(tài)的反映，它揭示了系統(tǒng)內(nèi)部事物連續(xù)發(fā)展變化的過(guò)程?；疑Ｐ途褪峭ㄟ^(guò)少量的、不完全的信息，建立灰色微分預(yù)測(cè)模型，對(duì)事物發(fā)展規(guī)律作出模糊性的長(zhǎng)期描述?；疑A(yù)測(cè)需要樣本量較小，運(yùn)算方便，建模精度高。

2基于大數(shù)據(jù)挖掘電量預(yù)測(cè)方法的應(yīng)用

2.1數(shù)據(jù)獲取

通過(guò)對(duì)指標(biāo)的研究梳理發(fā)現(xiàn)，臺(tái)區(qū)或行業(yè)的電量數(shù)據(jù)可以從平臺(tái)數(shù)據(jù)庫(kù)中獲取，經(jīng)濟(jì)類(lèi)指標(biāo)可以從統(tǒng)計(jì)局網(wǎng)站上獲取，氣象類(lèi)指標(biāo)可以從氣象局網(wǎng)站上獲取。

2.2相關(guān)分析

從平臺(tái)數(shù)據(jù)庫(kù)獲取電量數(shù)據(jù)進(jìn)行深度挖掘，找出和電量相關(guān)性較大的因素，分別是經(jīng)濟(jì)類(lèi)因素、持續(xù)假期、報(bào)裝容量和氣象類(lèi)因素（雷電、風(fēng)力和氣溫），選擇和開(kāi)發(fā)分別適合短期、中期和長(zhǎng)期電量預(yù)測(cè)的數(shù)據(jù)挖掘算法時(shí)加入不同的影響因素，增加電量預(yù)測(cè)準(zhǔn)確率。

2.2.1經(jīng)濟(jì)類(lèi)因素與用電量的相關(guān)性分析

將經(jīng)濟(jì)類(lèi)因素例如國(guó)內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資等與用電量進(jìn)行相關(guān)性分析，發(fā)現(xiàn)用電量與合同利用外資、批準(zhǔn)外資項(xiàng)目數(shù)呈負(fù)相關(guān)，與其余經(jīng)濟(jì)因素呈正相關(guān)，即隨著合同利用外資、批準(zhǔn)外資項(xiàng)目數(shù)的增加，用電量逐漸下降。隨著國(guó)內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資、出口總額等經(jīng)濟(jì)因素的增加，用電量逐漸上升，九個(gè)經(jīng)濟(jì)因素中與用電量相關(guān)性較強(qiáng)的是國(guó)內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資、出口總額、全社會(huì)零售消費(fèi)總額和財(cái)政總收入，可見(jiàn)相比對(duì)外經(jīng)濟(jì)因素，用電量與國(guó)內(nèi)經(jīng)濟(jì)因素相關(guān)性更大。

2.2.2氣溫與用電量的相關(guān)性分析

由圖可知，用電量與日最高溫間的簡(jiǎn)單相關(guān)系數(shù)為系數(shù)為0.423，與日最低溫間的簡(jiǎn)單相關(guān)系數(shù)為0.458，與日平均溫間的簡(jiǎn)單相關(guān)系數(shù)為0.451，它們的相關(guān)系數(shù)檢驗(yàn)的概率p值都近似為0。因此，當(dāng)顯著性水平α為0.01時(shí)，都應(yīng)拒絕相關(guān)系數(shù)檢驗(yàn)的零假設(shè)，認(rèn)為用電量與日最高溫存在線性關(guān)系，用電量受日最高溫的正向影響。

2.3電量預(yù)測(cè)模型的構(gòu)建

2.3.1GM模型的構(gòu)建

GM模型的具體構(gòu)建過(guò)程主要包括：（1）生成用電量數(shù)據(jù)并將其制作為模型參數(shù)，（2）針對(duì)模型計(jì)算數(shù)據(jù)與實(shí)際數(shù)據(jù)之間的差距進(jìn)行修訂，而后構(gòu)建出差分微分方程模型，（3）根據(jù)用電量之間的關(guān)聯(lián)度收斂情況進(jìn)行下一步的具體分析，（4）針對(duì)GM模型得出的數(shù)據(jù)進(jìn)行逆生成還原。

2.3.2ARIMA模型的構(gòu)建

ARIMA模型的具體構(gòu)建過(guò)程主要包括：（1）獲取用電量數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，（2）試驗(yàn)?zāi)Ｐ褪欠衿椒€(wěn)并針對(duì)數(shù)據(jù)進(jìn)行d次差分與零均值化，（3）計(jì)算出數(shù)據(jù)的相關(guān)函數(shù)（ACF）與偏自相關(guān)函數(shù)（PACF），（4）全面檢查模型中存在的未知參數(shù)，并檢驗(yàn)構(gòu)建的模型是否具備有效性。

2.4應(yīng)用的價(jià)值

電力系統(tǒng)用電量預(yù)測(cè)是指從電力負(fù)荷自身的變化情況以及經(jīng)濟(jì)、氣象等因素的影響規(guī)律出發(fā)。通過(guò)對(duì)歷史數(shù)據(jù)的分析，探索事物之間的內(nèi)在聯(lián)系和發(fā)展變化規(guī)律，以未來(lái)的經(jīng)濟(jì)、氣象等因素的發(fā)展趨勢(shì)為依據(jù)，對(duì)電力需求作出預(yù)先估計(jì)和推測(cè)，對(duì)于提高用電量預(yù)測(cè)的精度對(duì)增強(qiáng)電力系統(tǒng)運(yùn)行安全性和改善其經(jīng)濟(jì)性具有重要意義，而且在電改形勢(shì)下，預(yù)測(cè)結(jié)果越準(zhǔn)確就越能使電力公司等市場(chǎng)參與者在競(jìng)爭(zhēng)且多變的環(huán)境下做出更加明智的商業(yè)決策。

3電量預(yù)測(cè)模型的驗(yàn)證

以某區(qū)域?yàn)槔?，模型預(yù)測(cè)出該區(qū)2019年7月工業(yè)用電量為34941.49萬(wàn)千瓦時(shí)，2019年8月工業(yè)用電量為32445.32萬(wàn)千瓦時(shí)，2019年9月工業(yè)用電量為28817.10萬(wàn)千瓦時(shí)，而實(shí)際用電量分別為34316.55萬(wàn)千瓦時(shí)、32044.84萬(wàn)千瓦時(shí)和30108.93萬(wàn)千瓦時(shí)，預(yù)測(cè)誤差分別為，1.82%、1.25%和4.29%，該模型累計(jì)平均誤差為2.71%，認(rèn)為模型預(yù)測(cè)效果良好。

4年度用電預(yù)測(cè)模塊功能

年度用電預(yù)測(cè)模塊的主要目的是為了更好的提供集中年度預(yù)測(cè)和單項(xiàng)預(yù)測(cè)功能。其具體操作方式包括：點(diǎn)擊預(yù)測(cè)菜單、選擇年度電量預(yù)測(cè)、打開(kāi)年度預(yù)測(cè)頁(yè)面，具體情況如下圖所示：

5結(jié)語(yǔ)

本文主要是運(yùn)用大數(shù)據(jù)挖掘的電量預(yù)測(cè)技術(shù)，結(jié)合各供電區(qū)域內(nèi)的電量變化趨勢(shì)，將經(jīng)濟(jì)影響、氣象影響等諸多因素的影響融合進(jìn)電量預(yù)測(cè)中，并充分運(yùn)用GM模型、ARIMA模型來(lái)構(gòu)建出電量預(yù)測(cè)方式，實(shí)現(xiàn)對(duì)于未來(lái)用電量的精準(zhǔn)預(yù)測(cè)。

參考文獻(xiàn)

[1]徐俊，徐文輝，曾鑫，等.基于大數(shù)據(jù)挖掘電量預(yù)測(cè)方法的創(chuàng)新及應(yīng)用[J].電力大數(shù)據(jù)，2018，21（10）：63-67.

[2]馬發(fā)軒.配網(wǎng)用戶(hù)用電特性市場(chǎng)分析預(yù)測(cè)應(yīng)用系統(tǒng)方案設(shè)計(jì)[J].電力系統(tǒng)保護(hù)與控制，2017，45（12）：120-128.