基于組合方法的月度售電量預測分析

吳海森

摘要：能源危機是影響當前社會經濟持續(xù)穩(wěn)定發(fā)展的重要因素，其逐漸引起社會各界的重視，并成為全世界國家共同面對的焦點性問題。本文從準確預測月度售電量的必要性分析入手，介紹基于組合方法的月度售電量預測相關工作，為全面提升月度售電量預測工作的整體水平供參考。

關鍵詞：組合方法；月度；售電量；預測

前言

電力企業(yè)售電量會受到多方面因素的影響，比如用電方式、電價政策、電網設備特性等，因此想要準確預測出售電量具有一定的難度；但是由于月度售電量預測的準確性將在很大程度上影響到電力企業(yè)的經營決策，采用組合方式科學、合理的預測月度售電量，將為切實提升預測結果的準確性與真實性提供重要基礎支撐。

一、準確預測月度售電量的重要性

電力能源由于受到其特殊屬性的限制，無法對其進行存儲工作等，因此，需全方位進行科學合理的月度售電量預測工作，對其所涉及的各項工作進行分析和研究，為電力企業(yè)開展經營管理工作提供科相關數據的支持，為保障電力企業(yè)穩(wěn)定發(fā)展奠定良好的基礎。

此外，電力負荷預測工作是電力企業(yè)生產運行過程中的重要工作內容，是各項規(guī)劃工作順利開展的重要組成部分，保證科學準確的負荷預測效果，能夠強化決策正確性的重要基礎，為電力企業(yè)制訂各項生產、投資、維護以及財務收支計劃等提供保證，為增加電力企業(yè)的經濟效益和社會效益提供支持。

二、基于組合方法的月度售電量預測

（一）組合預測方法的概念

組合預測方法，是指從最大化利用信息的基礎上將眾多單一模型中所包含的各項信息進行綜合收集，并開展最優(yōu)組合的排列工作，從而發(fā)揮出組合預測的作用，有效改善預測的結果。通常情況下，在預測各項信息過程中，單一形式的預測方法無法呈現出多方面的因素和信息，而通過不同形式的預測方法所重點采用的各項因素存在較大不同，對此想要準確性的預測出最終結果，需積極采用多種預測方法[1]。

研究和分析各個單一預測方法的使用效果，判斷其總體的應用情況，并根據預測結果做好相關數據的分析工作，從而實現良好的預測綜合，并且集合多種預測模型可不斷改善最終的預測結果。需要注意到是，實際使用組合預測方法，多在單個預測模型無法保障其效果時使用，如使用單一形式預測模型可滿足預測得到準確的預測結果，則無需使用其他方面的預測方法。組合預測方法的應用優(yōu)勢：

（1）選擇多種類型的預測方法開展預測和分析工作來實現多形式的預測結果，并通過一些計算方式得出最終的加權結果，可在一定程度上保證其結果的準確性。

（2）使用多種不同類型的預測方式，開展標準離差分析和擬合度分析工作，尋找開展預測工作的最佳方式[2]。

（二）構建組合預測模型

針對月度售電量進行全面充分的預測，將能更好的發(fā)揮其作用和優(yōu)勢，具體開展預測工作的過程中，需要積極構建起科學合理的預測模型。采用組合預測模型，開展月度售電量預測工作，最主要的目標是從某個序列之中，尋找到其中的一組權重，盡可能的控制好綜合預測模型的擬合誤差，使其處在最小范圍內。構建起完整合理的數字模型，可以按照K個序列 kt（k=1，2，3……q；t=1，2，3……n）進行構建，最終的模型公式表示為 ，通過這一公式構建相應的預測模型，最為重要的是確定出合適的組合權值β，將會直接影響到月度售電量預測模型的構建效果[3]。確定實際組合權值過程中，首先需針對各個單一預測方式的權值檢測結果進行分析，并按照其預測的優(yōu)劣程度進行選擇，如果預測結果準確性較好，將賦予其較大的權值，反之則使用較小的權值。在應用組合預測方式時，可保證預測結果的可靠性、精確性以及綜合性較高[4]。

三、組合預測方式在月度售電量中的應用

通過組合預測方法開展月度售電量預測工作，需從地區(qū)用電的實際情況出發(fā)做好全方位的分析和總結工作[5]。2018年6月開始，某市為了良好應對即將到來的夏季用電高峰期，將過去三年內夏季高峰期的售電量作為基準，結合本年度內1-5月份和往年售電量的對比情況，通過構建組合預測模型，更為準確的預測出夏季用電高峰期的售電量情況，以期能為充分有效滿足當地居民用電需求提供重要前提。

首先，該市結合以往售電量，開展線性擬合工作。在一元回歸模型中，只需針對變量X和變量Y之間的關系進行綜合考慮，設定有n對觀測值，即（x1，y1），（x2，y2），（x3，y3）……（xn，yn），從而使用最小二乘法原則，歷史售電量和時間將作為x和y，形成直線方程，由此預測某個時段的售電量。

其次，從一元回歸理論模型y=a+bx+ε出發(fā)，其中a和b是未知參數；具體應用這一模型進行計算時，則形成 ，這其中只有 是未知的，相應得出預測出回歸方程 。再者，在估計模型參數的過程中，使用最小二乘法，實現誤差或者殘差的預估效果。ei代表誤差，能夠針對 和b的正確與否情況進行衡量，只有當殘差符合要求的時候才能夠保證回歸模型擬合成功。在估計殘差的過程中，需要通過以下公式進行：

最后，通過將這些公式使用最小二乘法進行計算，能夠得到：

由此將能夠得預測出該市在2018年夏季高峰期的售電量情況，為后續(xù)開展各項電力管理工作提供合理支持。

結束語

月度售電量的預測工作，對電力企業(yè)的整體生產和經營規(guī)劃工作有著重要的影響，通過積極采用科學、合理的方式以分析與應對，以提升預測結果的準確性和真實性。從組合預測分析的方法出發(fā)，開展月度售電量的整體的預測工作，通過采用多種方式來加強和保障預測結果的真實性，使其為電力企業(yè)各項規(guī)劃工作的順利開展提供數據支持，切實有效的提升電力企業(yè)的經濟效益和社會效益。

參考文獻：

[1]樊嬌，馮昊，牛東曉，等.基于小波分析和GM-ARIMA模型的月度售電量預測[J].華北電力大學學報（自然科學版），2015，42（4）：101-105.

[2]莊劍，李凱，劉展展，等.基于季節(jié)調整和回歸分析法的月售電量預測方法研究[J].經濟研究導刊，2018（19）：00125-00126.

[3]潘小輝，劉麗萍，李揚.提高月度售電量預測精度的一種新方法[J].電力需求側管理，2013（3）：11-15.

[4]冷華，陳鴻琳，李欣然，等.基于功率或電量預測的智能配電網統(tǒng)計線損同期化方法[J].電力系統(tǒng)保護與控制，2016，44（18）：108-114.

[5]王旭，WANGXu.基于X12和回歸分析模型的業(yè)擴報裝與售電量關系的研究與應用[J].電子設計工程，2017（24）：143-147.

[6]秦麗娟，曾博，嚴旭，等.多模型自動篩選法在中長期電量預測中的應用[J].電氣應用，2015（S2）：99-102.