李其軍（佛山供電局，廣東佛山，528200）

基于數(shù)據(jù)挖掘的電力需求預測探究

李其軍
（佛山供電局，廣東佛山，528200）

電力需求的預測是電力服務企業(yè)制定供電、購電的重要依據(jù)，因此，做好對電力需求的預測，對提高電力企業(yè)的經(jīng)濟運行能力具有重要的作用。本文結合原始預測系統(tǒng)中存在的問題，提出采用數(shù)據(jù)挖掘技術對原始數(shù)據(jù)的采集、預處理等，從而實現(xiàn)對電力需求預測的客觀性和準確性，更好的服務與電力企業(yè)和社會。

數(shù)據(jù)挖掘模型；綜合預測；電力需求

隨著信息化的發(fā)展，越來越多的電力企業(yè)開始采用信息技術實現(xiàn)對企業(yè)的自動化管理，如針對電力的需求，采用簡單的預測模型，實現(xiàn)對社會電力需求的整體預測。同時企業(yè)用電越來越走向精細化，做好對中長期城市用電的需求預測，是今后供電企業(yè)科學利用信息化技術的趨勢。但是，現(xiàn)代電力企業(yè)在電力預測方面模型簡單、操作復雜、工作量大以及預測的精度低等缺點給現(xiàn)代電力企業(yè)的服務帶來了很大的麻煩。因此，構建符合市場需求的更為精確的預測模型成為電企做好服務的重要環(huán)節(jié)。

1 系統(tǒng)設計的要求

結合現(xiàn)階段電力企業(yè)在電力需求預測方面存在的問題，本文對系統(tǒng)的設計提出以下的要求：

第一，對電力需求的預測將充分將國民經(jīng)濟的各項指標對電力的影響納入進來，其主要的原因是用電量的多少與國民經(jīng)濟增長有著很大的關系；

第二，將城鎮(zhèn)化納入到對電力需求的預測中，因為隨著我國經(jīng)濟的發(fā)展，城鎮(zhèn)化可反映居民增加的多少，從而對未來我國長期的用電量有著最為直觀的需求分析；

第三，將階梯電量計算給居民用電帶來的影響納入到預測當中，因為國家發(fā)改委在電力改革方面，采用階梯定價的方式，在一定程度上將影響居民的用電的多少。

第四，將國家節(jié)能減排對用電大戶所帶來的影響納入到系統(tǒng)當中。因為隨著國家對環(huán)保觀念的重視，未來在很大程度上將注重企業(yè)的節(jié)能減排，從而減少企業(yè)的用電量。

第五，針對現(xiàn)階段的數(shù)據(jù)挖掘算法，本文結合各個算法的優(yōu)缺點，采用多種算法綜合組合的方式，實現(xiàn)對電力需求的客觀預測。采用在不同的時刻和情況下采用不同的預測算法。

2 基于電力需求模型的綜合預測模型構建

2.1模型構建及其優(yōu)缺點比較

通過上述的分析，我們可以看出以往的對電力預測的算法通常都是采用單一的數(shù)據(jù)挖掘模式的形式，如BP神經(jīng)網(wǎng)絡算法、模糊預測法等。通過采用單一的算法，所挖掘的結果通常缺乏客觀性，如以吉林供電公司為例，其采用單一回歸預測，其預測的數(shù)據(jù)與實際應用的電量的多少存在很大的偏差。因此，為提高本系統(tǒng)預測的準確性，決定采用多種數(shù)據(jù)挖掘算法相結合的綜合預測模型。其具體的思路是首先構建綜合預測模型的方法庫，并通過單一模型檢測方法，對偏差比較大的模型進行剔除。對預測較好的模型進行反復的測算，并通過一定的方式將測算的結果進行組合，從而得到最佳的綜合預測的模型。

而對綜合預測模型的選擇，其關鍵點在于如何對模型的組合。對此，本文為解決該問題，采用加權平均的方式確定不同模型的權重系數(shù)。同時通過對不同數(shù)據(jù)挖掘算法的優(yōu)劣勢的比較，其具體的結果如圖1所示。

表1　各種不同算法的優(yōu)缺點比較

2.2算法應用實例

結合本文對電力預測的要求，本文通過采用對比的方式實現(xiàn)對綜合模型準確性的驗證與評價。同時以某省全社會的用電量作為綜合預測的目標。而所謂的全社會用電量包括生產(chǎn)用電和居民生活用電的總和。而做好對該省全社會的居民用電，為未來3-5年甚至更長時間的電力企業(yè)電網(wǎng)規(guī)劃、輸電線路布局等有著非常重要的作用。同時，在對數(shù)據(jù)進行選取的時候，必須對數(shù)據(jù)進行一定的平滑處理，從而剔除數(shù)據(jù)中的異常的值，以此更好的實現(xiàn)對數(shù)據(jù)挖掘的結果。

通過以該省1999年--2006年的歷史數(shù)據(jù)分析，對2007-2012年的社會用電總量數(shù)據(jù)進行單一預測，其不同算法得到的結果如表2所示。

表2　不同算法誤差分析

通過上述的算法分析可以看出模糊算法和自然增長算法所產(chǎn)生的預測誤差要遠遠小于其他的數(shù)據(jù)挖掘算法，因此，本文綜合模型采用自然增長和模糊兩種算法。通過選取2000年到2009年數(shù)據(jù)，對以后三年的用電進行預測，從而得到如表3所示。

表3　綜合模型與單一模型的誤差比較

通過上述的比較和驗證可以看出，通過綜合模型所得到的預測數(shù)據(jù)所與實際用電量相比所產(chǎn)生的誤差要小于采用單一模型所產(chǎn)生的誤差。因此，可以證明采用綜合模型預測要好于單一模型。

3 系統(tǒng)功能設計

結合系統(tǒng)設計的要求，本文將系統(tǒng)的功能設計為數(shù)據(jù)采集與處理、模型庫、系統(tǒng)維護、結果可視化查詢等功能模塊。

其中數(shù)據(jù)采集與處理包括對居民用電營銷、調度自動化、電網(wǎng)負荷等數(shù)據(jù)的采集。通過采用挖掘技術實現(xiàn)對數(shù)據(jù)從上到下的挖掘；

模型庫則主要包括數(shù)據(jù)挖掘的各種不同的算法，如灰色關聯(lián)、模糊預測、BP神經(jīng)網(wǎng)絡等算法在內(nèi)。

需求預測庫模塊主要對電力需求進行預測。其具體的步驟則為通過采用單一模型進行預測，通過比較選擇誤差最小的預測模型，并通過采用回歸分析的方式，實現(xiàn)對不同預測方法權重的比較，從而計算數(shù)據(jù)挖掘的結果。

結果可視化則是通過綜合預測模型對數(shù)據(jù)的計算，將其挖掘和預測的結果和電力增長的規(guī)律通過可視化的方式將其展現(xiàn)給用戶，使得用戶更為直觀了解電力需求的預測數(shù)據(jù)和該省電力需求的增長規(guī)律。

系統(tǒng)管理包括系統(tǒng)權限分配和系統(tǒng)維護。通過對不同使用角色的功能分配，實現(xiàn)對系統(tǒng)使用的正常運轉。同時通過對數(shù)據(jù)的日常維護、備份等，保障系統(tǒng)的運行。

4 系統(tǒng)架構設計

電力需求數(shù)據(jù)挖掘的計算設計多個不同的系統(tǒng)和數(shù)據(jù)庫，因此，對系統(tǒng)的設計采用最新的B/S模式，該模式其典型的優(yōu)點在于通過Internet網(wǎng)絡可實現(xiàn)對數(shù)據(jù)的采集。同時該模式還可有

效對系統(tǒng)進行維護，增加了系統(tǒng)的靈活性。其具體的架構設計如圖1所示。

圖1　 系統(tǒng)整體架構設計

從系統(tǒng)的架構來講，將系統(tǒng)分為三層：表現(xiàn)層、數(shù)據(jù)層和業(yè)務層。其中表現(xiàn)層主要用于與用戶的交互；業(yè)務層主要用于對不同業(yè)務功能模塊的邏輯分配；數(shù)據(jù)層用于與數(shù)據(jù)庫的數(shù)據(jù)交換。而該系統(tǒng)與電力企業(yè)的其他數(shù)據(jù)庫連接，包括營銷數(shù)據(jù)庫、電力負荷、電力生產(chǎn)、電力調度管理系統(tǒng)數(shù)據(jù)庫等等，從而方便對數(shù)據(jù)的采集。同時，因為涉及到很多不同的數(shù)據(jù)庫，本文采用ETL抽取技術，實現(xiàn)將不同的數(shù)據(jù)進行抽取，并對其格式等進行統(tǒng)一處理，從而更好的利于對后續(xù)的數(shù)據(jù)挖掘的進行。其具體的步驟是通過對數(shù)據(jù)的抽取、清洗、轉換和加載，從而形成數(shù)據(jù)倉庫。而數(shù)據(jù)倉庫是構建數(shù)據(jù)挖掘的基礎，為數(shù)據(jù)挖掘做準備。

5 結語

通過對上述系統(tǒng)的開發(fā)構建，提高了電力需求預測的準確性，并通過對數(shù)據(jù)的預測，實現(xiàn)對電網(wǎng)規(guī)劃的優(yōu)化，在工作轄區(qū)內(nèi)安裝7條10kv輸電線路，保障電力的更好的供應。因此，采用綜合預測模型提高了預測的準確度，并提高了電網(wǎng)服務的效率，對促進新形勢下的電力改革具有重要的意義。但是，本系統(tǒng)的開發(fā)中針對綜合模型的權重系數(shù)的計算還需要做進一步的改進，從而更好的提高該挖掘的結果。

［1］ 邰能靈，侯志儉.小波模糊神經(jīng)網(wǎng)絡在電力系統(tǒng)中短期負荷預測中的應用［J］.中國電機工程學報.2004，24（1）：24-2913（2）：480-492.

［2］ （加）韓家煒，堪博著 數(shù)據(jù)挖掘概念與技術（原書第 2 版）［M］.機械工業(yè)出版社.2007：：7-7.

［3］ 顧潔.電力系統(tǒng)中長期負荷預測理論與方法研究［D］.上海：上海交通大學，2002.110-116

李其軍，男，大學學士，工程師，主要從事供電企業(yè)營業(yè)廳工作，申報高級工程師

Forecasting electricity demand based on data mining

Li Qijun
（Foshan Power Supply Bureau，Guangdong Foshan，528200）

Electricity demand forecasting electricity supply service companies develop，purchase an important basis for electricity and， therefore， do a good job of forecasting electricity demand，the ability to improve the economic operation of power enterprises play an important role.In this paper，the original prediction system problems using data mining techniques proposed acquisition of the raw data，pre-processing ， etc.，in order to achieve objectivity and accuracy of forecasts of electricity demand，better service and electricity business and society .

data mining models；integrated forecasting；electricity demand

2014—05—12