張　魁，王亞明，劉　明，伏祥運(yùn)，李　紅

（連云港供電公司，江蘇連云港222004）

?

基于大數(shù)據(jù)及智能算法的連云港電量負(fù)荷預(yù)測研究

張魁，王亞明，劉明，伏祥運(yùn)，李紅

（連云港供電公司，江蘇連云港222004）

摘要：隨著連云港經(jīng)濟(jì)的快速發(fā)展，用電量和用電負(fù)荷也在快速增長，通過比對GDP和電量負(fù)荷的增長趨勢，并應(yīng)用大數(shù)據(jù)類比省內(nèi)經(jīng)濟(jì)發(fā)展較快城市的歷史電量以及負(fù)荷增長趨勢，尋找到發(fā)展規(guī)律相似程度較高的城市。結(jié)合連云港市的經(jīng)濟(jì)政策，通過智能算法預(yù)測出未來幾年內(nèi)的電量負(fù)荷數(shù)值，并與這些城市對應(yīng)時間的實(shí)際數(shù)值比較，電量及負(fù)荷數(shù)值基本吻合，預(yù)測準(zhǔn)確率較高，對連云港"十三五"電網(wǎng)規(guī)劃和建設(shè)具有重要參考價(jià)值。

關(guān)鍵詞：大數(shù)據(jù)；用電量；負(fù)荷；智能算法；預(yù)測

在市場經(jīng)濟(jì)日益完善的體制下，電力系統(tǒng)對電量及負(fù)荷預(yù)測的要求越來越高，保證電量及負(fù)荷預(yù)測的準(zhǔn)確性，進(jìn)而保證電力企業(yè)在近期月度、季度能夠合理安排生產(chǎn)計(jì)劃。中期電量及負(fù)荷預(yù)測則為電網(wǎng)規(guī)劃提供了重要依據(jù)，有利于電網(wǎng)企業(yè)合理提前安排項(xiàng)目及投資計(jì)劃，滿足地區(qū)電量及負(fù)荷快速增長的需要［ 1-4 ］。

近年來，連云港經(jīng)濟(jì)發(fā)展較為迅速，2000年至2013年間連云港市社會生產(chǎn)總值（GDP）由291.1億元增長到了1785億元。隨著經(jīng)濟(jì)的快速發(fā)展，連云港的全社會用電量 （以下簡稱電量）和全社會年最大負(fù)荷（以下簡稱負(fù)荷）也隨之快速增長。從統(tǒng)計(jì)數(shù)據(jù)可知，連云港市GDP近幾年均保持了較高增長，電量、負(fù)荷曲線的高峰低谷以及陡峭程度均與GDP接近。根據(jù)各個時期GDP以及電量負(fù)荷數(shù)值可以看出，經(jīng)濟(jì)社會發(fā)展跟電力發(fā)展在各自的發(fā)展規(guī)模、速度、結(jié)構(gòu)、質(zhì)量等方面均具有高度的正相關(guān)性。

1　基于大數(shù)據(jù)理論的電量負(fù)荷趨勢分析

江蘇省內(nèi)13個地級市發(fā)展速度各不相同，但發(fā)展政策及軌跡卻大同小異，經(jīng)濟(jì)較發(fā)達(dá)的蘇南城市前幾年經(jīng)濟(jì)狀況可能正是蘇北城市未來的發(fā)展方向，通過比較這些城市的GDP、電量及負(fù)荷的曲線及趨勢等情況，將各個城市歷年來的GDP數(shù)值、電量、負(fù)荷這些看似沒有關(guān)聯(lián)的大數(shù)據(jù)放在一起，通過橫向及縱向比較尋找其中的規(guī)律，為連云港市未來的電量負(fù)荷預(yù)測提供參考依據(jù)。

1.1電量校核分析

以連云港2013年和2014年電量數(shù)據(jù)為基準(zhǔn)，與江蘇其他地市級公司1995年至2005年電量數(shù)據(jù)進(jìn)行比較，尋找與連云港發(fā)展總量和趨勢最相似的2個城市及其時間區(qū)間；應(yīng)用常規(guī)方法預(yù)測出連云港2014—2020年的電量及負(fù)荷情況后，用發(fā)展趨勢相似城市2003—2012年的電量、負(fù)荷數(shù)據(jù)作為預(yù)測值的校核參考值，提升預(yù)測的準(zhǔn)確率。

連云港 1995—2014年電量與其他地市 1995—2005年電量數(shù)值對比如圖1所示。

連云港2013、2014年電量為135億kW·h，158億kW·h，與南京2002年162億kW·h、無錫2001年158 億kW·h、蘇州1999年154億kW·h、常州2004年152 億kW·h、南通2006年164億kW·h近似，對比情況如表1所示。

通過圖1及表1的數(shù)據(jù)分析，得出連云港與南通、常州的電量增長趨勢較為接近，蘇州、南京、無錫的電量增速則相對平緩，考慮以南通、常州的電量與負(fù)荷作為校核標(biāo)準(zhǔn)。

1.2負(fù)荷校核分析

根據(jù)以上分析得知，連云港的電量年趨勢與南通、常州相似，考察負(fù)荷趨勢是否吻合。表2為連云港2006年至2014年負(fù)荷數(shù)值、常州1996年至2004年負(fù)荷數(shù)值以及南通1998年至2006年負(fù)荷數(shù)值對比情況。從表2 可以得出，連云港近幾年負(fù)荷與常州及南通前幾年負(fù)荷趨勢相似，可以將常州及南通的負(fù)荷增長趨勢作為連云港未來幾年的參考。

經(jīng)過數(shù)據(jù)分析，連云港第三產(chǎn)業(yè)和城鄉(xiāng)居民生活用電的電量最高，第一產(chǎn)業(yè)與南通相似，第二產(chǎn)業(yè)增長趨勢與南通、常州相似。連云港2014年第一、二、三產(chǎn)及城鄉(xiāng)居民生活用電比例為3：71：11：15，南通2006年第一、二、三產(chǎn)及城鄉(xiāng)居民生活用電比例為2：78：7：13，常州2004年第一、二、三產(chǎn)及城鄉(xiāng)居民生活用電比例為6：74：11：9。綜合比較各行業(yè)電量使用情況，3個城市中連云港工業(yè)電量占比最小，第三產(chǎn)業(yè)及城鄉(xiāng)居民生活用電比例最高。因?yàn)楣I(yè)負(fù)荷較為穩(wěn)定，三產(chǎn)及城鄉(xiāng)居民生活負(fù)荷波動較大，所以在電量相似的情況下，3個城市中連云港的最大負(fù)荷利用小時數(shù)最低，年最大負(fù)荷最高。

表1　連云港與相似城市電量對比　億kW·h

表2　連云港與相似城市負(fù)荷對比　MW

2　連云港2015至2020年電量及負(fù)荷預(yù)測

根據(jù)連云港以往的歷史電量及負(fù)荷數(shù)據(jù)，綜合考慮未來幾年的規(guī)劃及政策經(jīng)濟(jì)等多方面因素，利用智能算法預(yù)測連云港市2015年至2020年的電量及負(fù)荷，并用增長趨勢相似的南通和常州2個城市的類比年份電量和負(fù)荷驗(yàn)證校核預(yù)測準(zhǔn)確率。

2.1電量預(yù)測分析

2.1.1電量預(yù)測方法介紹

國內(nèi)外電量預(yù)測的方法有很多，主要分為三類：經(jīng)典預(yù)測方法、傳統(tǒng)預(yù)測方法和智能預(yù)測方法。

文中采用智能算法中的灰色系統(tǒng)理論預(yù)測中期電量，灰色系統(tǒng)理論是一種介于白色和黑色之間即確定性和不確定性問題之間的理論方法，它可以通過研究較少的歷史電量數(shù)據(jù)、較匱乏的影響因素信息，從中找出較強(qiáng)的規(guī)律性，提取出電量預(yù)測需要的有價(jià)值的信息，用這些提取出的有用信息去預(yù)測未來的電量，這種方法對短期電量預(yù)測具有較好的效果［ 5-7 ］。

灰色模型即GM模型會先對歷史的電量數(shù)據(jù)序列做一次累加，目標(biāo)是讓一次累加之后的電量數(shù)據(jù)能夠呈現(xiàn)出一定的規(guī)律，希望經(jīng)過多次累加后，達(dá)到預(yù)期的電量數(shù)據(jù)規(guī)律，假設(shè)為電量數(shù)據(jù)初始序列：

對初始序列x（0）作一次累加，得到新的電量數(shù)據(jù)序列x（1），則x（1）中的第t項(xiàng)是由初始電量數(shù)據(jù)序列x（0）前t項(xiàng)的加和構(gòu)成的，即：

對累加一次后的電量數(shù)據(jù)序列x（1）建立灰色模型方程，得到：

該方程的解為：

GM（1，1）模型是灰色理論中提出相對較早的預(yù)測模型，GM（1，1）是一階微分方程，系統(tǒng)模型的建立，一般要經(jīng)過思想開發(fā)、因素分析、量化、動態(tài)化、優(yōu)化5個步驟，稱為5步建模思想。

2.1.2電量預(yù)測實(shí)例

采用灰色系統(tǒng)模型GM（1，1）對電量進(jìn)行預(yù)測，綜合考慮歷史電量數(shù)據(jù)、連云港未來經(jīng)濟(jì)發(fā)展趨勢以及影響未來幾年電量需求增長的各種因素，得到3種預(yù)測結(jié)果，即高、中、低3種方案，如表3所示。

表3　連云港“十三五”電量預(yù)測

考慮到連云港市現(xiàn)在的經(jīng)濟(jì)發(fā)展?fàn)顩r以及未來幾年的經(jīng)濟(jì)政策規(guī)劃，選取中方案作為連云港市2015年至2020年的全社會預(yù)測用電量，即到2020年連云港全社會用電量達(dá)到280.22億kW·h，年平均增長率為11.21%。

按照3個城市經(jīng)濟(jì)發(fā)展趨勢，將連云港預(yù)測電量與常州2003年至2010年實(shí)際電量及南通2005年至2012年實(shí)際電量作對比分析，分別如表4所示。

表4　連云港預(yù)測電量與相似城市對比 億kW·h

從中可以看出，連云港市的預(yù)測電量與常州及南通的電量基本吻合，預(yù)測準(zhǔn)確率很高。

2.2負(fù)荷預(yù)測分析

2.2.1負(fù)荷預(yù)測方法介紹

負(fù)荷預(yù)測多采用神經(jīng)網(wǎng)絡(luò)及其優(yōu)化算法，其具有預(yù)測準(zhǔn)確率高、速度快等優(yōu)點(diǎn)，神經(jīng)網(wǎng)絡(luò)可以看作是一種模仿人類大腦的機(jī)器語言寫成的程序，它具有類似大腦突觸和神經(jīng)元的網(wǎng)絡(luò)結(jié)構(gòu)，由輸入層、中間層和輸出層構(gòu)成，而每一層則通過大量的權(quán)值和閾值連接起來，形成獨(dú)立的網(wǎng)絡(luò)框架；通過對已有事物如負(fù)荷數(shù)據(jù)的層層分析處理，就會具有自動記憶和判別的能力，能夠?qū)o出的新數(shù)據(jù)做出合理的趨勢和數(shù)值判斷，并在判斷過程中不斷優(yōu)化修改判斷的方法，以達(dá)到負(fù)荷預(yù)測的效果［ 1 ］。

基于BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測有3個步驟。如圖2所示，第一步，設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的模型，按照實(shí)際輸入輸出矩陣確定網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)；第二步，用盡可能多的歷史數(shù)據(jù)訓(xùn)練建立BP神經(jīng)網(wǎng)絡(luò)，增進(jìn)網(wǎng)絡(luò)精準(zhǔn)度，使網(wǎng)絡(luò)性合格；第三步，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測。

圖2　BP神經(jīng)網(wǎng)絡(luò)算法流程

2.2.2負(fù)荷預(yù)測實(shí)例

采用神經(jīng)網(wǎng)絡(luò)BP算法對負(fù)荷進(jìn)行預(yù)測，綜合考慮歷史負(fù)荷數(shù)據(jù)、連云港未來天氣變化、經(jīng)濟(jì)發(fā)展趨勢、大用戶增長數(shù)量及規(guī)模等各種因素，得到3種預(yù)測結(jié)果，即高、中、低3種方案，如表5所示。

表5　連云港“十三·五”負(fù)荷預(yù)測

考慮到連云港市現(xiàn)在的經(jīng)濟(jì)發(fā)展?fàn)顩r以及未來幾年的經(jīng)濟(jì)政策規(guī)劃，選取高方案作為連云港市2015年至2020年的全社會預(yù)測負(fù)荷，即到2020年連云港全社會負(fù)荷將達(dá)到5300 MW，年平均增長率為11.6%。

按照3個城市經(jīng)濟(jì)發(fā)展趨勢，將連云港預(yù)測負(fù)荷與常州2003年至2010年實(shí)際負(fù)荷及南通2005年至2012年實(shí)際負(fù)荷作對比分析，分別如圖3所示。

圖3　連云港預(yù)測負(fù)荷與相似城市對比

從中可以看出，連云港市的預(yù)測負(fù)荷與常州及南通的實(shí)際負(fù)荷曲線相似。連云港最大負(fù)荷預(yù)測結(jié)果與南通歷史負(fù)荷數(shù)據(jù)基本相同，隨著連云港工業(yè)負(fù)荷的大幅增長，工業(yè)負(fù)荷趨于穩(wěn)定，最大負(fù)荷利用小時數(shù)將下降，負(fù)荷將與南通趨于一致水平。

3　結(jié)束語

由以上分析可知，以南通、常州歷史電量、負(fù)荷情況校核連云港2015年至2020年預(yù)測情況，連云港的預(yù)測結(jié)果較為接近南通、常州的歷史數(shù)據(jù)，對校驗(yàn)預(yù)測準(zhǔn)確率具有較高的參考價(jià)值。下一步可結(jié)合常州、南通電網(wǎng)規(guī)劃、建設(shè)經(jīng)驗(yàn)，進(jìn)一步發(fā)揮大數(shù)據(jù)在電網(wǎng)規(guī)劃電量負(fù)荷預(yù)測中的作用。

參考文獻(xiàn)：

［1］ 劉 明. 基于小波和神經(jīng)網(wǎng)絡(luò)理論的電力系統(tǒng)負(fù)荷預(yù)測研究［D］. 南京：南京理工大學(xué)，2012.

［2］ 袁啟洪. 電力零售市場下的電量預(yù)測［D］. 北京：華北電力大學(xué)，2007.

［3］ 周 琪. 幾種電量預(yù)測的實(shí)用方法［J］. 江蘇電機(jī)工程，2006，25 （6）：52-54．

［4］ 王子琦，婁 南，楊麗徙，等. 優(yōu)化灰色模型在中長期電力負(fù)荷預(yù)測中的應(yīng)用［J］. 鄭州工業(yè)大學(xué)學(xué)報(bào)，1999，20（1）：79-81.

［5］ 郭 銳. 華北電網(wǎng)的售電量預(yù)測研究［J］. 中小企業(yè)管理與科技，2007（9）：73-74.

［6］ 朱韜析，江道灼，汪 泉. 一二月份用電量的預(yù)測［J］. 繼電器，2005，33（6）：62-65.

［7］ 邵 丹，林 輝. 考慮春節(jié)影響的中期電量預(yù)測［J］. 電機(jī)與控制學(xué)報(bào)，2007，11（5）：555-558.

張魁（1969），男，安徽全椒人，高級工程師，從事電力系統(tǒng)規(guī)劃設(shè)計(jì)管理及負(fù)荷預(yù)測等方面的工作；

王亞明（1980），男，江蘇連云港人，高級工程師，從事電網(wǎng)規(guī)劃工作；

劉明（1986），男，江蘇徐州人，工程師，從事電力系統(tǒng)調(diào)度運(yùn)行及負(fù)荷預(yù)測等方面的工作；

伏祥運(yùn)（1977），男，江蘇連云港人，高級工程師，從事電力系統(tǒng)調(diào)度運(yùn)行管理、無功功率補(bǔ)償和諧波抑制等方面的工作；

李紅（1980），女，江蘇連云港人，高級工程師，從事電網(wǎng)規(guī)劃管理、設(shè)計(jì)及分析等工作。

Research on Electricity Consumption and Load Prediction of Lianyungang Based on Big Data and Intelligent Algorithm

ZHANG Kui， WANG Yaming， LIU Ming， FU Xiangyun， LI Hong
（Lianyungang Power Supply Company， Lianyungang 222004， China）

Abstract：The economy of Lianyungang is developing rapidly； also the electricity consumption is in rapid growth. By analyzing the growth trend of GDP and power consumption and analoging the power consumption to the cities with faster economic development speeds， the cities with similar development law are found. According to the economic policy of Lianyungang， the load values of the next few years are predicted by using intelligent algorithm. The actual value and prediction values of corresponding times are compared， which indicates those two values are almost the same. The perdition method is helpful to Lianyungang's 13th plan of five-year power grid development.

Key words：big data； electricity consumption； load； intelligent algorithm； forecasting

中圖分類號：TM715

文獻(xiàn)標(biāo)志碼：A

文章編號：1009-0665（2016）03-0049-04

作者簡介：

收稿日期：2015 -11-30；修回日期：2016-02-24