電力市場(chǎng)代理交易目標(biāo)客戶群體分析

曹 敏，孫子雯，白澤洋，巨 健

（1. 國(guó)網(wǎng)陜西省電力公司，西安 710000；2. 南京師范大學(xué)，南京 210024；3. 國(guó)網(wǎng)西安供電公司，西安 710000）

0 引言

電力公司作為市場(chǎng)的參與者，為實(shí)現(xiàn)可持續(xù)發(fā)展與運(yùn)營(yíng)，需要不斷嘗試調(diào)整其市場(chǎng)功能與定位［1］，售電公司開展代理售電交易業(yè)務(wù)時(shí)，在對(duì)電力用戶的市場(chǎng)交易潛力和電力用戶用電偏差考核等方面面臨著巨大的挑戰(zhàn)。文獻(xiàn)［2］以江蘇武進(jìn)區(qū)大客戶為研究對(duì)象，利用隨機(jī)森林方法，探索并構(gòu)建了服務(wù)策略推薦模型，針對(duì)不同屬性的客戶制定不同的服務(wù)策略，實(shí)現(xiàn)差異化精準(zhǔn)推送。文獻(xiàn)［3］根據(jù)發(fā)電企業(yè)、售電公司及市場(chǎng)用戶的各主體特點(diǎn)、相關(guān)交易規(guī)則及博弈交互關(guān)系，設(shè)計(jì)了以主體收益函數(shù)為目標(biāo)的市場(chǎng)博弈模型。模型仿真結(jié)果表明，售電公司使得市場(chǎng)用戶的用電成本降低。文獻(xiàn)［4］利用K均值聚類方法根據(jù)電量、電價(jià)、容量等指標(biāo)，將大客戶分為5類，并根據(jù)聚類結(jié)果，針對(duì)各類別客戶具體的用電需求和需求分層情況，提出不同的資源配置建議。文獻(xiàn)［5］通過風(fēng)險(xiǎn)規(guī)避函數(shù)及預(yù)期收益定義風(fēng)險(xiǎn)效用，以風(fēng)險(xiǎn)效用最大化為目標(biāo)，構(gòu)建大用戶在現(xiàn)貨市場(chǎng)等多種交易市場(chǎng)中的決策行為模型，為大用戶交易中的決策提供方向和思路。文獻(xiàn)［6］針對(duì)售電側(cè)放開后電網(wǎng)企業(yè)面臨的新挑戰(zhàn)，為電網(wǎng)企業(yè)開拓市場(chǎng)路徑提供了多種方法，主要以提高服務(wù)能力和水平來提升市場(chǎng)份額。

綜上所述，目前對(duì)發(fā)電企業(yè)、售電公司和可參與市場(chǎng)用戶3者之間的資源配置等方面已開展了相關(guān)研究，但對(duì)未參與市場(chǎng)化用戶的潛力評(píng)估與已參與市場(chǎng)化客戶的考核預(yù)警方面的研究尚有不足。本文將利用數(shù)據(jù)挖掘技術(shù)，在對(duì)用電量預(yù)測(cè)的基礎(chǔ)上，從未參與市場(chǎng)化用戶和已參與市場(chǎng)化用戶2個(gè)方面著手，對(duì)未參與市場(chǎng)化用戶的電力用戶潛力進(jìn)行劃分，對(duì)已參與市場(chǎng)化用戶的用電偏差考核進(jìn)行預(yù)警等級(jí)劃分，協(xié)助售電公司提升市場(chǎng)化售電服務(wù)質(zhì)量。在用電量的預(yù)測(cè)方面，文獻(xiàn)［7］以日均用電量需求為因變量，以城鎮(zhèn)化率、國(guó)內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)產(chǎn)值比重和第三產(chǎn)業(yè)產(chǎn)值比重為自變量，建立了用電量需求的多變量時(shí)間序列帶控制量的自回歸模型（controlled auto?regressive，CAR）預(yù)測(cè)模型。文獻(xiàn)［8］利用時(shí)間序列的指數(shù)平滑法和差分平滑法對(duì)西北5個(gè)省份的2013年用電量進(jìn)行預(yù)測(cè)，結(jié)果表明指數(shù)平滑法預(yù)測(cè)偏差較小，效果較優(yōu)。文獻(xiàn)［9］以5 min 為計(jì)數(shù)頻率，收集了30天內(nèi)8 640個(gè)用電量樣本數(shù)據(jù)，建立粗糙集-混沌時(shí)間序列Elman神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明，此模型對(duì)短期用電量的預(yù)測(cè)較為有效。

由此可見，時(shí)間序列模型在用電量預(yù)測(cè)的研究中已經(jīng)應(yīng)用的比較成熟。近年來，非線性系統(tǒng)中的混沌時(shí)間序列越來越受到人們的重視，其在電力負(fù)荷［10—11］、水文［12］和產(chǎn)品銷售［13］等方面均有應(yīng)用?；煦鐣r(shí)間序列認(rèn)為:對(duì)于決定系統(tǒng)長(zhǎng)期演化的任一變量的時(shí)間演化，均包含了系統(tǒng)所有變量長(zhǎng)期演化的信息。因此，對(duì)系統(tǒng)的混沌行為的研究，可利用系統(tǒng)長(zhǎng)期演化的任一變量的時(shí)間序列來進(jìn)行［14］。本文嘗試?yán)没煦鐣r(shí)間序列重構(gòu)相空間，并結(jié)合支持向量機(jī)模型對(duì)可參與市場(chǎng)化的客戶用電量進(jìn)行動(dòng)態(tài)預(yù)測(cè)。其次，根據(jù)同行業(yè)、同電壓等級(jí)已參與市場(chǎng)化售電客戶電價(jià)降幅情況，測(cè)算其參與市場(chǎng)化后半年度用電成本降幅，并結(jié)合半年度用電預(yù)測(cè)結(jié)果，對(duì)未參與市場(chǎng)化電力用戶的售電潛力進(jìn)行評(píng)估。最后，根據(jù)動(dòng)態(tài)預(yù)測(cè)用電量，通過對(duì)比合同簽訂用電量與購(gòu)電周期預(yù)測(cè)用電量，按月對(duì)已代理客戶用電偏差進(jìn)行預(yù)警提示。

1 數(shù)據(jù)來源及預(yù)處理

本文建模分析主要使用的數(shù)據(jù)為陜西省可參與市場(chǎng)化電力用戶（2018 年用電量在300 萬kWh 以上）2015 年 1 月至 2019 年 6 月的用電量數(shù)據(jù)和歷年市場(chǎng)化售電的公示數(shù)據(jù)。為了保證月度用電量模型所需基礎(chǔ)數(shù)據(jù)的正確性、合理性，需要對(duì)數(shù)據(jù)準(zhǔn)備階段所采集的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，對(duì)數(shù)據(jù)格式不統(tǒng)一、出現(xiàn)重復(fù)數(shù)據(jù)、錯(cuò)誤數(shù)據(jù)以及缺失數(shù)據(jù)等問題進(jìn)行處理。處理后的陜西某公司歷史月用電量數(shù)據(jù)如表1所示。本文取交易電價(jià)與標(biāo)桿電價(jià)的差價(jià)為電價(jià)降幅數(shù)據(jù)。

表1 陜西某公司歷史月用電量Table 1 Historical monthly electricity consumption of a company in Shaanxi kWh

2 支持向量機(jī)-混沌時(shí)間序列預(yù)測(cè)模型

2.1 混沌時(shí)間序列

利用混沌系統(tǒng)對(duì)時(shí)間序列進(jìn)行提取，然后對(duì)未來時(shí)序進(jìn)行非線性預(yù)測(cè)是一個(gè)非常重要的研究方向。對(duì)混沌系統(tǒng)中的時(shí)間序列研究，離不開Packard［15］提出的重構(gòu)相空間理論，為了重建原動(dòng)力系統(tǒng)，將一維時(shí)間序列轉(zhuǎn)化為多維相空間，這就需引入延遲時(shí)間和嵌入維數(shù)。

給定用電量時(shí)間序列為{xi,i=1,2,…,n}，n為時(shí)間序列的長(zhǎng)度，引入嵌入維數(shù)m和延遲時(shí)間τ，重構(gòu)其相空間為

式中:i=1,2,…,N-(m-1)τ，N為m維相空間的相點(diǎn)；i個(gè)m維相空間就構(gòu)成一個(gè)相型。

確定延遲時(shí)間τ和嵌入維數(shù)m在相空間重構(gòu)問題中至關(guān)重要。

2.1.1 延遲時(shí)間的確定

延遲時(shí)間τ的確定在重構(gòu)相空間中非常重要，由于獨(dú)立變量:{xi,xi+τ,xi+2τ,…,xi+(m-1)τ} 需保持相互獨(dú)立，τ必須是采樣時(shí)間的倍數(shù)，而且不能太大或太小，τ太大，就會(huì)導(dǎo)致{xi,xi+τ,xi+2τ,…,xi+(m-1)τ} 不夠獨(dú)立，τ太小，就會(huì)導(dǎo)致{xi,xi+τ,xi+2τ,…,xi+(m-1)τ} 之間的連接值相當(dāng)于隨機(jī)，但混沌系統(tǒng)是介于線性和隨機(jī)之間的系統(tǒng)。已有研究中，自相關(guān)法和互信息法通常作為計(jì)算延遲時(shí)間τ的主要方法，其中，最為常用的方法為互信息法［9］。文獻(xiàn)［9］和文獻(xiàn)［11］利用互信息法確定延遲時(shí)間τ的大小，對(duì)于時(shí)間序列{xi,i=1,2,…,n}來說，xi出現(xiàn)的概率為P(xi)，對(duì)于延遲的時(shí)間序列 {xi+τ,i=1,2,…,N-τ}來說，xi+τ出現(xiàn)的概率為P(xi+τ)，則xi和xi+τ在 2 個(gè)序列中同時(shí)出現(xiàn)的聯(lián)合概率為P(xi,xi+τ)，所以它的互信息就是關(guān)于延遲時(shí)間τ的函數(shù)

利用式（2）代入i依次進(jìn)行計(jì)算，當(dāng)I(τ)首次達(dá)到極小值時(shí)，此時(shí)的τ作為延遲時(shí)間。

2.1.2 嵌入維度的確定

為了提高模型的預(yù)測(cè)效果，嵌入維度需要越大越好。本文在重構(gòu)相空間時(shí)，利用Cao 算法來確定嵌入維度［12］，對(duì)于時(shí)間序列為 {xi,i=1,2,…,n}它的重構(gòu)相空間如式（1）所示，則定義

式中:Ym+1(n(i,m))為Ym+1(i)的最鄰近的點(diǎn)；Ym(n(i,m))為Ym(i)最鄰近的點(diǎn)；α(i,m)為相空間中的點(diǎn)在各嵌入維數(shù)條件下的最臨近點(diǎn)的距離變化值；E(m)為所有的α(i,m)均值；E1(m)為E(m)的變化情況。

Takens 的嵌入式定理為嵌入維數(shù)m提供了一個(gè)下限，若2 個(gè)點(diǎn)在m維空間中離得近，則其在m+1 維空間中也離最近，當(dāng)m大于某值時(shí)，E1(m)不發(fā)生變化，此時(shí)飽和嵌入維數(shù)為m。

2.2 支持向量機(jī)模型介紹

以往研究中，大多用前饋型神經(jīng)網(wǎng)絡(luò)對(duì)混沌時(shí)間序列進(jìn)行預(yù)測(cè)［16］，但神經(jīng)網(wǎng)絡(luò)存在模型泛化能力較差的問題，支持向量機(jī)（support vector machine，SVM）是Vapnik［17］在20世紀(jì)90年代提出的可用于模式分類和非線性回歸的一種統(tǒng)計(jì)學(xué)習(xí)理論，其主要思想是創(chuàng)建一個(gè)決策曲面，起到最大化正例和反例之間的隔離邊緣作用，也叫做超平面［18］。由于其學(xué)習(xí)理論采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則，因而極大地提高了模型的泛化能力，所以，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比較，它能夠較好的對(duì)各種混沌系統(tǒng)進(jìn)行預(yù)測(cè)［19］。本文參考文獻(xiàn)［19］，利用混沌時(shí)間序列-支持向量機(jī)預(yù)測(cè)模型對(duì)用電量進(jìn)行預(yù)測(cè)。

2.3 支持向量機(jī)-混沌時(shí)間序列預(yù)測(cè)模型

利用SVM 模型對(duì)重構(gòu)的相空間進(jìn)行預(yù)測(cè)試驗(yàn)［19］，在t時(shí)刻，xit=(xt,xt+1,…,xt-(m-1)τ)，根據(jù)SVM 的非線性回歸函數(shù)得到t+1點(diǎn)預(yù)測(cè)模型為

式中:m為嵌入維數(shù)；τ為延遲的時(shí)間間隔；K(x,xi)為核函數(shù)；αi，，βi，≥0，為拉格朗日乘子；b為截距。

同理，對(duì)于相空間第t+p-1 點(diǎn)，xit+1=(xt+p-1,…,xt-(m-p+2)τ)，此時(shí)，得到第p步的預(yù)測(cè)模型為

3 潛力分析與動(dòng)態(tài)預(yù)警

本文主要利用支持向量機(jī)-混沌時(shí)間序列模型對(duì)用電量進(jìn)行預(yù)測(cè)分析，并在此基礎(chǔ)上分別對(duì)已參與市場(chǎng)化售電客戶進(jìn)行動(dòng)態(tài)預(yù)警，對(duì)未參與市場(chǎng)化售電用戶進(jìn)行潛力評(píng)估，具體分析思路如圖1所示。

3.1 潛力分析

圖1 電力市場(chǎng)代理交易目標(biāo)客戶群體分析流程圖Fig.1 Flow chart of target customer group analysis of agency transaction in power market

潛力分析主要利用用戶預(yù)測(cè)成本降幅情況與預(yù)測(cè)用電偏差情況，對(duì)目前未參與市場(chǎng)化售電的用戶可參與市場(chǎng)化售電的潛力進(jìn)行評(píng)估。

3.1.1 成本降幅分析

對(duì)于已經(jīng)具備市場(chǎng)化售電條件但還未參與的用戶，測(cè)算其參與市場(chǎng)化售電后半年度用電成本降幅，測(cè)算公式為

式中:C為用戶參與市場(chǎng)化售電后用電成本降幅；Q為同行業(yè)、同電壓等級(jí)已參與市場(chǎng)化售電的用戶平均電價(jià)降幅；k為用戶近半年度用電量。

根據(jù)用戶成本降幅情況，對(duì)共644 個(gè)用戶按成本降幅區(qū)間進(jìn)行劃分，劃分標(biāo)準(zhǔn)如表2所示。

表2 成本降幅區(qū)間劃分Table 2 Division of cost reduction intervals

3.1.2 預(yù)測(cè)用電偏差分析

利用支持向量機(jī)-混沌時(shí)間序列模型對(duì)半年度用電量進(jìn)行預(yù)測(cè)后，將預(yù)測(cè)用電偏差按區(qū)間進(jìn)行劃分。

（1）用戶的用電量模型預(yù)測(cè)結(jié)果與實(shí)際用電量偏差在±5%以內(nèi)，說明可以通過模型準(zhǔn)確預(yù)測(cè)用戶用電量，屬于低偏差，可直接進(jìn)行代理。

（2）對(duì)于預(yù)測(cè)結(jié)果與實(shí)際用電量偏差在±5%～±10%的用戶，屬于用電偏差中等。建議在進(jìn)行代理時(shí)，要求用戶提供生產(chǎn)計(jì)劃、產(chǎn)值、預(yù)估月度用電量等外部數(shù)據(jù)。利用外部數(shù)據(jù)進(jìn)行二次建模，提高用電量預(yù)測(cè)準(zhǔn)確度。

（3）對(duì)于預(yù)測(cè)結(jié)果與實(shí)際用電量偏差在±10%以上的用戶，屬于用電偏差較高，建議為該類客戶設(shè)置代理電量上限閾值。預(yù)測(cè)用電等級(jí)劃分如表3所示。

表3 未參與市場(chǎng)化售電用戶的預(yù)測(cè)用電偏差等級(jí)劃分Table 3 Classification of power consumption forecasting deviation grade for users not participating in marketization electricity sale

3.1.3 市場(chǎng)化售電潛力用戶分析

結(jié)合用戶預(yù)測(cè)成本降幅情況與預(yù)測(cè)用電偏差情況，對(duì)用戶參與市場(chǎng)化售電潛力進(jìn)行評(píng)估，并給出合理建議，具體如表4所示。

表4 未參與市場(chǎng)化售電的用戶潛力評(píng)估Table 4 Potential evaluation of users not participating in marketization electricity sale

3.2 已參與市場(chǎng)化售電客戶用電動(dòng)態(tài)考核預(yù)警分析

動(dòng)態(tài)考核預(yù)警是已參與市場(chǎng)化售電的客戶在一個(gè)購(gòu)電周期內(nèi)（半年），每月根據(jù)客戶歷史用電量預(yù)測(cè)未來月份的用電量。在購(gòu)電周期內(nèi)每月動(dòng)態(tài)預(yù)測(cè)用電量，通過對(duì)比合同簽訂用電量與購(gòu)電周期預(yù)測(cè)用電量，每月對(duì)客戶用電偏差進(jìn)行預(yù)警提示。并對(duì)預(yù)測(cè)偏差情況進(jìn)行分級(jí)，針對(duì)各客戶的用電偏差給出不同的預(yù)警提示，根據(jù)考核要求利用用電預(yù)測(cè)偏差來劃分考核預(yù)警程度，具體如表5所示。

4 實(shí)例分析

4.1 用電量預(yù)測(cè)

由于目前陜西地區(qū)電力市場(chǎng)化交易合同簽訂周期為半年，因此本文主要運(yùn)用用電客戶數(shù)據(jù)形成2015年1月至2018年12月的時(shí)間序列，建立支持向量機(jī)-混沌時(shí)間序列模型，分別預(yù)測(cè)各用電客戶的2019年1月至6月用電量，以此為基礎(chǔ)，分析未參與市場(chǎng)化用電客戶潛力，并對(duì)已參與市場(chǎng)化用電客戶的用電偏差動(dòng)態(tài)考核進(jìn)行預(yù)警，對(duì)于用電量的預(yù)測(cè)，主要分為半年度預(yù)測(cè)和動(dòng)態(tài)預(yù)測(cè)。

4.1.1 半年度預(yù)測(cè)

半年度預(yù)測(cè)是選取未參與市場(chǎng)化用電用戶為樣本，以用戶歷史用電量數(shù)據(jù)預(yù)測(cè)用戶未來6 個(gè)月用電量。本次預(yù)測(cè)試驗(yàn)利用用戶2015 年1 月至2018 年 12 月的用電 量 數(shù) 據(jù) ，預(yù)測(cè) 2019 年 1 月至2019 年6 月半年的用電量，并以±5%的偏差率作為準(zhǔn)確率指標(biāo)，對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析，結(jié)果見表6。

表6 用戶半年用電量預(yù)測(cè)結(jié)果Table 6 Forecast results for semi?annual electricity consumption of users

由表6 可知，陜西省未參與市場(chǎng)化售電用戶總計(jì)有644 戶，實(shí)際用電量為32.02 億kWh，總誤差電量為2.77億kWh，平均相對(duì)誤差達(dá)8.6%。

各行業(yè)用戶半年度用電量預(yù)測(cè)結(jié)果顯示:批發(fā)和零售、軟件和信息技術(shù)服務(wù)業(yè)行業(yè)的預(yù)測(cè)準(zhǔn)確率較高，半年度用電量預(yù)測(cè)誤差在5%以內(nèi)的用戶占比分別為26.9%和28.6%；而工業(yè)、交通運(yùn)輸和郵政業(yè)、租賃和商務(wù)服務(wù)業(yè)、建筑業(yè)的預(yù)測(cè)準(zhǔn)確率較低，半年度用電量預(yù)測(cè)誤差在5%以內(nèi)的用戶占比均在40%以上。

4.1.2 動(dòng)態(tài)預(yù)測(cè)

動(dòng)態(tài)預(yù)測(cè)是選取2019 年上半年已參與市場(chǎng)化售電的客戶數(shù)據(jù)為樣本數(shù)據(jù)，在一個(gè)購(gòu)電周期內(nèi)（半年），每月根據(jù)用戶歷史用電量預(yù)測(cè)未發(fā)生月份的用電量，然后通過與實(shí)際用電量對(duì)比，動(dòng)態(tài)預(yù)測(cè)客戶購(gòu)電周期的總用電偏差，部分客戶動(dòng)態(tài)預(yù)測(cè)結(jié)果統(tǒng)計(jì)見圖2。購(gòu)電周期預(yù)測(cè)用電量及用電量預(yù)測(cè)偏差計(jì)算方法如下:

購(gòu)電周期預(yù)測(cè)用電量=已發(fā)生月份用實(shí)際電量+未發(fā)生月份預(yù)測(cè)用電量

購(gòu)電周期內(nèi)總用電量預(yù)測(cè)偏差=（購(gòu)電周期預(yù)測(cè)用電量/實(shí)際用電量-1）×100%

圖2 購(gòu)電周期內(nèi)總用電量預(yù)測(cè)偏差示意圖Fig.2 Diagram of forecast deviation of total electricity consumption during a power purchase cycle

從已參與市場(chǎng)化售電客戶用電量的動(dòng)態(tài)預(yù)測(cè)結(jié)果整體來看，隨著月份的推移，購(gòu)電周期內(nèi)總用電量預(yù)測(cè)偏差逐漸減小，這也說明動(dòng)態(tài)預(yù)測(cè)的有效性。

4.2 未參與市場(chǎng)化用戶的潛力評(píng)估

4.2.1 未參與市場(chǎng)化用戶成本降幅測(cè)算結(jié)果

根據(jù)用戶成本降幅情況進(jìn)行統(tǒng)計(jì)，結(jié)果如表2所示。可以看出，本次測(cè)算用戶與半年度用電量預(yù)測(cè)用戶一致，選擇2019 年1 月至6 月共半年用電量進(jìn)行成本降幅測(cè)算，共計(jì)644 個(gè)用戶，其中，降幅在10萬元以內(nèi)的有578戶，降幅在10萬元以上且30萬元以下的52 戶，降幅在30 萬元以上的有14 戶。部分用戶成本降幅測(cè)算結(jié)果見表7。

4.2.2 預(yù)測(cè)用電偏差結(jié)果

根據(jù)4.1.1節(jié)的半年度用電預(yù)測(cè)結(jié)果，將預(yù)測(cè)用電偏差按表3 給出的區(qū)間進(jìn)行劃分并進(jìn)行統(tǒng)計(jì)，具體統(tǒng)計(jì)結(jié)果見表8。

未參與市場(chǎng)化售電用戶的預(yù)測(cè)用電偏差統(tǒng)計(jì)結(jié)果如表8所示，對(duì)2019年上半年用電量預(yù)測(cè)時(shí)，偏差較低的有405戶，預(yù)測(cè)值總計(jì)為18.16億kWh，在售電過程中，可直接代理。偏差為中等有110戶，其預(yù)測(cè)用電量為6.76億kWh，偏差略大，所以在售電過程中可要求用戶提供其他相關(guān)數(shù)據(jù)，進(jìn)行二次建模，提高預(yù)測(cè)準(zhǔn)確度。偏差較高的有129戶，這部分客戶用電量預(yù)測(cè)偏差較大，暫時(shí)對(duì)其設(shè)置售電上限閾值。

4.2.3 市場(chǎng)化售電用戶潛力劃分

結(jié)合表4，對(duì)用戶參與市場(chǎng)化售電潛力進(jìn)行評(píng)估，部分未參與市場(chǎng)化售電的用戶潛力評(píng)估結(jié)果見表7。

4.3 已參與市場(chǎng)化售電客戶用電動(dòng)態(tài)考核預(yù)警

根據(jù)表5 的劃分標(biāo)準(zhǔn)，對(duì)2019 年上半年已參與市場(chǎng)化售電的客戶，在4月份預(yù)測(cè)購(gòu)電周期用電量，并根據(jù)結(jié)果進(jìn)行預(yù)警等級(jí)劃分，具體見表9。

表7 部分未參與市場(chǎng)化售電的用戶潛力評(píng)估Table 7 Potential assessment of the users not participating in marketization electricity sale

表8 未參與市場(chǎng)化售電用戶的預(yù)測(cè)用電偏差統(tǒng)計(jì)表Table 8 Statistical table of predicted power deviation of users not participating in marketization electricity sale

5 結(jié)束語

本文主要應(yīng)用支持向量機(jī)-混沌時(shí)間序列模型對(duì)陜西省已參與市場(chǎng)化售電的客戶和未參與市場(chǎng)化售電的用戶的用電量分別進(jìn)行半年度預(yù)測(cè)和動(dòng)態(tài)預(yù)測(cè)；然后根據(jù)對(duì)未參與市場(chǎng)化用戶的半年度用電量預(yù)測(cè)偏差和成本降幅測(cè)算，綜合評(píng)估未參與市場(chǎng)化售電的用戶潛力；最后根據(jù)考核要求，利用已參與市場(chǎng)化售電客戶的動(dòng)態(tài)預(yù)測(cè)偏差值來進(jìn)一步對(duì)客戶是否被考核進(jìn)行評(píng)估并預(yù)警。此研究成果在陜西省綜合能源服務(wù)公司已進(jìn)行試用，并初步取得較好成效。本文研究均基于用電量預(yù)測(cè)進(jìn)行，用電量預(yù)測(cè)效果越好，后續(xù)研究應(yīng)用效果越好，為提高模型精度，可在后續(xù)研究中多引入用戶產(chǎn)值、生產(chǎn)計(jì)劃、用戶預(yù)估用電量等數(shù)據(jù)。

表9 部分2019年已參與市場(chǎng)化售電客戶的考核預(yù)警情況Table 9 The evaluation and warning situation of parts of the customers participating in marketization electricity sale in 2019