丁業(yè)豪，麥琪

（廣東電網(wǎng)有限責(zé)任公司東莞供電局，廣東東莞523000）

0 引 言

基于大數(shù)據(jù)平臺(tái)模式下建立科學(xué)合理的電量分析預(yù)測管理辦法具有重要意義，有助于電力市場營銷部門制定有效的購售電策略，及電網(wǎng)企業(yè)充分挖掘潛在的用電用戶，更加科學(xué)合理地進(jìn)行錯(cuò)峰供電。基于大數(shù)據(jù)分析技術(shù)的電力市場用電量信息與多源信息的特性及之間關(guān)系的研究顯得尤為重要，這需要把握國內(nèi)具體行業(yè)的用電特性，對(duì)其用電量趨勢進(jìn)行精細(xì)化預(yù)測，并開展市場營銷工作的精細(xì)化管理與深度開發(fā)。

目前，我國的負(fù)荷與電量預(yù)測對(duì)象比較粗放，無法精準(zhǔn)把握具體行業(yè)或大用戶的用電特性，市場營銷工作難以進(jìn)行精細(xì)化管理與深度開發(fā)［1］。電量預(yù)測方面，文獻(xiàn)［2-5］針對(duì)中長期電量預(yù)測，分別提出一種基于改進(jìn)GM（1，1）和SVM的優(yōu)化組合預(yù)測模型、并行自適應(yīng)混沌優(yōu)化預(yù)測方法、基于多指數(shù)平滑預(yù)測模型和基于Odds-Matrix算法的Odds-Matrix組合預(yù)測方法，電量預(yù)測準(zhǔn)確度均有所提高，模型或方法具有一定的有效性；文獻(xiàn)［6-8］則針對(duì)月售電量預(yù)測，分別提出一種基于云模型及比重法的預(yù)測算法、基于偏最小二乘回歸與比重法的預(yù)測模型和基于季度售電量預(yù)測值的月度售電量新方法，預(yù)測精度均有一定提升，預(yù)測模型具有一定的準(zhǔn)確性；國內(nèi)外較為集中于電力負(fù)荷預(yù)測方面研究，其中，文獻(xiàn)［9-15］集中于短期電力負(fù)荷預(yù)測，多采用改進(jìn)的PSO-SVM、多級(jí)協(xié)調(diào)SLF法、自適應(yīng)混合方法、局域波-LSSVM法、二級(jí)偏差預(yù)測法、遺傳灰色RBF模型等預(yù)測方法，短期負(fù)荷預(yù)測準(zhǔn)確度較高。

國內(nèi)外研究多集中于超短期、短期、中長期和長期電力負(fù)荷預(yù)測，較少根據(jù)具體行業(yè)的用電特性，對(duì)電力市場用電量需求進(jìn)行預(yù)測研究。基于此，本文搭建用電量分析預(yù)測模型，結(jié)合廣東省某市歷年的歷史用電量數(shù)據(jù)，搭建基于行業(yè)用電特性的用電量市場分析預(yù)測模型。首先，基于行業(yè)細(xì)分，確立用電量市場分析預(yù)測模型及其總體設(shè)計(jì)方案；然后，討論用電量市場分析預(yù)測模型涵蓋的幾種常用的用電量分析預(yù)測方法，并介紹其內(nèi)部的行業(yè)信用等級(jí)評(píng)價(jià)模型和景氣指數(shù)分析模型；最后，基于電量市場分析預(yù)測模型，討論了電力市場中城區(qū)用戶與電網(wǎng)、售電商（還包括負(fù)荷集成商）之間的多方供需互動(dòng)關(guān)系，提出引入動(dòng)態(tài)博弈Nash均衡和Pareto解的多智能體強(qiáng)化學(xué)習(xí)算法，可以充分挖掘城區(qū)用戶的用電行為特征及用電潛力，為今后的深度電量分析預(yù)測奠定模型基礎(chǔ)。

1 分析預(yù)測模型及總體方案設(shè)計(jì)

根據(jù)城區(qū)用戶用電特性，建立其用電量市場分析預(yù)測模型，需要在大數(shù)據(jù)分析的趨勢下，系統(tǒng)地分析用電量信息與多源信息的特性及其之間的關(guān)系。在本文中，模型搭建的前提是進(jìn)行行業(yè)細(xì)分，并確定各行業(yè)關(guān)鍵驅(qū)動(dòng)因素，將各驅(qū)動(dòng)因素預(yù)測值與預(yù)測模型結(jié)合，利用數(shù)字回歸算法，計(jì)算出用電量預(yù)測值，并通過對(duì)歷史用電量的預(yù)測，驗(yàn)證電量預(yù)測模型的準(zhǔn)確性。根據(jù)預(yù)測結(jié)果，調(diào)整電力營銷策略。

1.1 行業(yè)細(xì)分，確定驅(qū)動(dòng)因素

行業(yè)細(xì)分是將營銷數(shù)據(jù)、客戶服務(wù)數(shù)據(jù)、配網(wǎng)數(shù)據(jù)、氣象數(shù)據(jù)、社交網(wǎng)絡(luò)、電商、信用評(píng)價(jià)等多角度、多層次的數(shù)據(jù)進(jìn)行有機(jī)整合，開展大數(shù)據(jù)分析挖掘，以“標(biāo)簽”的形式，構(gòu)建多層次、多視角、立體化的客戶全景畫像，實(shí)現(xiàn)對(duì)電力行業(yè)的聚類分群，從而使業(yè)務(wù)人員能夠快速獲取行業(yè)基本信息、用電偏好、信用風(fēng)險(xiǎn)和行為特征等精細(xì)特征。行業(yè)細(xì)分的總體思路是：歷史數(shù)據(jù)處理→市場分析→驅(qū)動(dòng)因素預(yù)測。以廣東省東莞市為例，其行業(yè)細(xì)分思路如圖1所示，利用二八原則，將重點(diǎn)放在用電量大的行業(yè)，具體行業(yè)細(xì)分如表1所示。

圖1 行業(yè)細(xì)分總體思路Fig.1 General thinking of industry subdivision

表1 行業(yè)細(xì)分表Tab.1 Industry subdivision table

行業(yè)細(xì)分完成后，接下來需確定各行業(yè)驅(qū)動(dòng)因素，以東莞為例，其目前各行業(yè)主要驅(qū)動(dòng)因素如表2所示。

表2 該市目前主要驅(qū)動(dòng)因素統(tǒng)計(jì)Tab.2 Current driving factor statistics in the city

續(xù)表2

1.2 模型分析預(yù)測步驟

如圖2所示，為電量市場分析預(yù)測模型涵蓋的主要的幾種電量分析預(yù)測方法。根據(jù)該圖，首先使用①驅(qū)動(dòng)因素法作為主預(yù)測法來實(shí)現(xiàn)行業(yè)電量的分析預(yù)測功能；然后使用；②GDP/電力彈性系數(shù)法及；③電力相似月法對(duì)主預(yù)測法進(jìn)行輔助與校驗(yàn)；最后通過專家經(jīng)驗(yàn)或國家政策等依據(jù)綜合使用；④專家調(diào)整法確定最終的預(yù)測數(shù)據(jù)供電力企業(yè)使用。

圖2 模型分析預(yù)測步驟Fig.2 Analysis and forecasting procedures of model

1.3 模型總體方案設(shè)計(jì)

電量市場分析預(yù)測模型的總體方案設(shè)計(jì)如圖3所示。該模型總體架構(gòu)包括源數(shù)據(jù)平臺(tái)、大數(shù)據(jù)計(jì)算平臺(tái)、業(yè)務(wù)應(yīng)用平臺(tái)等3個(gè)平臺(tái)，體現(xiàn)“數(shù)據(jù)是價(jià)值、平臺(tái)是基礎(chǔ)、應(yīng)用是核心”的大數(shù)據(jù)總體架構(gòu)思想。模型總體架構(gòu)基于分布式數(shù)據(jù)計(jì)算平臺(tái)及大數(shù)據(jù)算法模型包結(jié)構(gòu)，支撐整個(gè)大數(shù)據(jù)的應(yīng)用功能與體系。

如圖3，其中，源數(shù)據(jù)平臺(tái)層提供基于計(jì)量自動(dòng)化數(shù)據(jù)源及外部數(shù)據(jù)源為基礎(chǔ)的各類業(yè)務(wù)數(shù)據(jù)。主要包括：計(jì)量自動(dòng)化系統(tǒng)的檔案數(shù)據(jù)、計(jì)量點(diǎn)月電量數(shù)據(jù)以及年電量數(shù)據(jù)等。另外，外部數(shù)據(jù)源為氣象數(shù)據(jù)、宏觀經(jīng)濟(jì)數(shù)據(jù)、酒店數(shù)據(jù)、寫字樓數(shù)據(jù)、交通運(yùn)輸類等各種數(shù)據(jù)信息的大集合。

大數(shù)據(jù)計(jì)算平臺(tái)層主要為大數(shù)據(jù)技術(shù)框架及平臺(tái)實(shí)現(xiàn)，提供大數(shù)據(jù)計(jì)算平臺(tái)以及為業(yè)務(wù)應(yīng)用提供各種分析預(yù)測模型，包括多元回歸分析模型、電力相似月模型、電力彈性系數(shù)模型、行業(yè)信用度模型、行業(yè)景氣度模型等。

應(yīng)用平臺(tái)層負(fù)責(zé)提供各種應(yīng)用業(yè)務(wù)功能。系統(tǒng)人員應(yīng)用該層模塊分析各類業(yè)務(wù)應(yīng)用數(shù)據(jù)消費(fèi)，主要包括行業(yè)電量分析、行業(yè)電量預(yù)測、行業(yè)信用度評(píng)價(jià)以及行業(yè)景氣度分析等應(yīng)用功能。

1.4 基于大數(shù)據(jù)平臺(tái)的云計(jì)算技術(shù)架構(gòu)設(shè)計(jì)

基于傳統(tǒng)的電量預(yù)測方法，設(shè)計(jì)用電量市場分析預(yù)測模型需綜合考慮多源信息與電量的特性及其之間的關(guān)系，并利用基于多源信息的電量預(yù)測方法和設(shè)計(jì)行業(yè)景氣指數(shù)分析模型，實(shí)現(xiàn)自動(dòng)分析功能。因此，模型的設(shè)計(jì)基于大數(shù)據(jù)平臺(tái)的開發(fā)技術(shù)和應(yīng)用，采用滿足技術(shù)先進(jìn)性與成熟性相結(jié)合的大數(shù)據(jù)云計(jì)算架構(gòu)，以提高系統(tǒng)的靈活性、可擴(kuò)展性、安全性和并發(fā)處理能力，有效解決“數(shù)據(jù)孤島”的弊病，加強(qiáng)各種數(shù)據(jù)源間的碰撞，充分挖掘數(shù)據(jù)價(jià)值，如圖4所示為用電量市場分析預(yù)測模型的大數(shù)據(jù)云計(jì)算技術(shù)架構(gòu)。

圖3 模型總體架構(gòu)設(shè)計(jì)Fig.3 Overall framework design of model

圖4 大數(shù)據(jù)云計(jì)算技術(shù)架構(gòu)Fig.4 Big data cloud computation technical framework

圖4為一個(gè)集資源管理、平臺(tái)功能整合、應(yīng)用工具提供及場景應(yīng)用支撐于一體的整體平臺(tái)技術(shù)架構(gòu)。其中，第一層為 IAAS或hardware-as-a-servicec，提供場外服務(wù)器、存儲(chǔ)和網(wǎng)絡(luò)硬件等；第二層為PAAS或中間件，是整個(gè)技術(shù)開發(fā)層，其嵌入節(jié)省了時(shí)間和資源；第三層為 SAAS，可通過網(wǎng)頁瀏覽器接入，通過PAAS層為相關(guān)人員提供各類應(yīng)用支撐與交互界面。

2 用電量市場分析預(yù)測方法

模型涵蓋的幾種用電量市場分析預(yù)測方法主要分為：行業(yè)驅(qū)動(dòng)因素法、電力彈性系數(shù)法和電力相似月法等，結(jié)合廣東省某市歷史用電量數(shù)據(jù)，討論如下。

2.1 行業(yè)驅(qū)動(dòng)因素法

行業(yè)驅(qū)動(dòng)因素法關(guān)鍵在于確定各行業(yè)驅(qū)動(dòng)因素，其值影響最終的電量預(yù)測結(jié)果。設(shè)計(jì)分析預(yù)測模型應(yīng)用驅(qū)動(dòng)因素法時(shí)，主要利用行業(yè)驅(qū)動(dòng)因素，通過回歸分析實(shí)現(xiàn)對(duì)行業(yè)電量的分析預(yù)測，確定各行業(yè)驅(qū)動(dòng)因素的組合。該方法主要步驟包括：a）確定行業(yè)驅(qū)動(dòng)因素；b）確定驅(qū)動(dòng)因素趨勢；c）結(jié)合 a）和 b）進(jìn)行行業(yè)電量預(yù)測。如圖5所示為應(yīng)用行業(yè)驅(qū)動(dòng)因素法示意圖。

實(shí)際中確定驅(qū)動(dòng)因素主要使用指數(shù)平滑法和回歸分析法。其中，指數(shù)平滑法的基本公式為［16］：

式中S（t）為時(shí)間t的平滑值；y（t）為時(shí)間t的實(shí)際值；S（t-1）為時(shí)間t-1的平滑值；a為平滑常數(shù)，且易受主觀影響，其取值區(qū)間為［0，1］。

回歸分析法最重要的是單變量相關(guān)性和回歸擬合的擬合程度，單變量相關(guān)性可由相關(guān)系數(shù)R來決定，R為兩個(gè)現(xiàn)象之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)分析指標(biāo)，其絕對(duì)值越大，相關(guān)程度越高。而回歸擬合程度則由決定系數(shù)R2及擬合的P值來決定。R取值情況為：R＞0，正相關(guān)；R=0，不相關(guān)；R＜0，負(fù)相關(guān)。

回歸分析法中，線性回歸預(yù)測模型是電量需求預(yù)測的一個(gè)基礎(chǔ)模型，在該模型中，自變量是可控制或可精確觀測的變量［17］，例如產(chǎn)值用χ表示，可表示工業(yè)產(chǎn)值、農(nóng)業(yè)產(chǎn)值、GDP產(chǎn)值等；因變量是依賴于χ的隨機(jī)變量，用Y表示，回歸方程式表示為：

式中b0為回歸算法的截距值；χ1，χ2和χ3分別代表工業(yè)產(chǎn)值、農(nóng)業(yè)產(chǎn)值和GDP產(chǎn)值；ε定義為專家預(yù)測值（或手工調(diào)整值）；b1，b2和b3為利用線性回歸方式所計(jì)算的對(duì)應(yīng)預(yù)測參數(shù)或系數(shù)值。

以東莞市“批發(fā)零售行業(yè)”電量預(yù)測為例，應(yīng)用行業(yè)驅(qū)動(dòng)因素法預(yù)測該行業(yè)用電量。假設(shè)該行業(yè)共有2個(gè)驅(qū)動(dòng)因素，即“億元以上商場面積”和“溫度”，該行業(yè)用電量及驅(qū)動(dòng)因素的歷史數(shù)據(jù)如表3所示。

表3 批發(fā)零售行業(yè)用電量及驅(qū)動(dòng)因素歷史數(shù)據(jù)統(tǒng)計(jì)Tab.3 Historical data statistics of electricity consumption and driving factors for the wholesale and retail industry

續(xù)表3

利用多元回歸分析計(jì)算截距和系數(shù)，其中，回歸統(tǒng)計(jì)倍數(shù)為R=0.927 401 877，則R2=0.860 074 241，R2調(diào)整值為 ε=0.853 713 979，標(biāo)準(zhǔn)誤差為1 209.093 372，觀測值為47.0。則通過驅(qū)動(dòng)因素法計(jì)算得到驅(qū)動(dòng)因素預(yù)測值，并預(yù)測各月用電量值，如表4所示。表中，各月電量預(yù)測方法為：A月的電量預(yù)測=截距+A月驅(qū)動(dòng)因素預(yù)測值×A月驅(qū)動(dòng)因素系數(shù)+B月驅(qū)動(dòng)因素預(yù)測值×B月驅(qū)動(dòng)因素系數(shù)。

圖5 應(yīng)用行業(yè)驅(qū)動(dòng)因素法示意圖Fig.5 Schematic diagram of applying industrial driving factor method

表4 各月用電量和驅(qū)動(dòng)因素預(yù)測值Tab.4 Forecasting values of electricity consumption and driving factor for each month

2.2 電力彈性系數(shù)法

電力彈性系數(shù)（electricity elasticity coefficient）分為電力消費(fèi)彈性系數(shù)（elasticity coefficient of electricity consumption，ECEC）和電力生產(chǎn)彈性系數(shù)（elasticity coefficient of electricity production，ECEP）。ECEC為一段時(shí)間內(nèi)電力消費(fèi)增長速度與國民生產(chǎn)總值增長速度的比值，ECEP為電力生產(chǎn)量平均增長速度與國民經(jīng)濟(jì)年平均增長速度的比值［18］。其中，ECEC的計(jì)算公式為：

式中E1為上一年度用電量；E2為下一年度用電量；G1為上一年度GDP；G2為下一年度GDP。經(jīng)濟(jì)、環(huán)境、科技等多方面原因都會(huì)影響ECEC，但總趨勢是逐漸減小。

在GDP增長一定的情況下，電力彈性系數(shù)與單位電耗變化存在一一對(duì)應(yīng)關(guān)系。假設(shè)第1年與第2年的GDP總量分別為G1、G2（萬元），每萬元GDP能耗分別為D1、D2（萬元），消耗電量分別為E1、E2度，即E1=D1G1，E2=D2G2。則電力彈性系數(shù)的計(jì)算公式為：

式中g(shù)為GDP增長率變化系數(shù)；G2=G1（1+g）；σ為電耗變化系數(shù)；D2=D1σ；用電量預(yù)測增長率則等于GDP預(yù)測增長率與電力彈性系數(shù)κ的乘積。

以廣東省某市2009年用電量預(yù)測為例，設(shè)計(jì)模型應(yīng)用電力彈性系數(shù)法的流程為：a）查找2008年GDP增長率，如表5所示，計(jì)算2008年不變價(jià)萬元GDP電耗；b）計(jì)算2008年電耗系數(shù)；c）基于對(duì)2008年電耗系數(shù)的分析，預(yù)測2009年電耗系數(shù)，其中考慮節(jié)能減排政策的持續(xù)影響約占3%～4%，線損率降低影響約占0.2%，計(jì)及經(jīng)濟(jì)危機(jī)的影響可根據(jù)情況判斷其有無和大小；d）參照電耗系數(shù)與彈性系數(shù)的公式，代入2009年GDP預(yù)測增長率和電耗系數(shù)可得電力彈性系數(shù)，其值與GDP增長率的乘積即為2009年用電量的增長率。其中，該市2009年GDP增速分為高、中和低三種方案，預(yù)測值分別為10%、9%和8%，對(duì)應(yīng)能耗系數(shù)也分為高中低三種方案，對(duì)應(yīng)預(yù)測結(jié)果分別為：0.959、0.950和0.941，則該市2009年彈性系數(shù)及用電量增長預(yù)測如表6所示。

表5 該市2000～2008年用電量歷史數(shù)據(jù)Tab.5 Electricity consumption historical data of the city from year of 2000 to 2008

表6 該市2009年電力彈性系數(shù)及用電量增長預(yù)測Tab.6 Forecasting of elasticity elasticity coefficient and electricity consumption growth of the city in 2009

2.3 電力相似月法

該方法主要用于校驗(yàn)驅(qū)動(dòng)因素法的準(zhǔn)確性，強(qiáng)調(diào)在相同的時(shí)間段內(nèi)，氣候條件相似，生產(chǎn)周期相似，對(duì)于用電量的影響理論上也相對(duì)一致。其優(yōu)點(diǎn)是方法簡單、易掌握，而且只從宏觀層面考慮驅(qū)動(dòng)因素，對(duì)數(shù)據(jù)的依賴要求較小，且用于年底預(yù)測的準(zhǔn)確性較高。缺點(diǎn)是數(shù)據(jù)擬合度平滑，對(duì)高峰低谷因素的識(shí)別能力較差。

電力相似月法的預(yù)測流程為：（1）加入上一年的GDP溫度和用電量數(shù)據(jù)，對(duì)歷史數(shù)據(jù)進(jìn)行回歸分析，基于歷史數(shù)據(jù)，對(duì)去掉線損的用電量與溫度和GDP相對(duì)值進(jìn)行回歸分析得到相應(yīng)的回歸方程和各個(gè)變量對(duì)應(yīng)的系數(shù)；（2）采用過去10年的溫度，對(duì)未來的溫度數(shù)據(jù)進(jìn)行預(yù)測；（3）對(duì)未來的GDP進(jìn)行預(yù)測：進(jìn)行相關(guān)的搜索和研究，如經(jīng)濟(jì)無特殊變化，該增長率可直接適用于各個(gè)季度，否則需進(jìn)行判斷，適當(dāng)調(diào)高或調(diào)低某個(gè)季度；（4）代入數(shù)據(jù)進(jìn)行預(yù)測，可得出各月的不含線損的用電量預(yù)測結(jié)果，改用名義電量乘以相應(yīng)的線損率即可得到當(dāng)年的線損值，與上述預(yù)測結(jié)果相加即為全社會(huì)用電量，其中，線損率為線損電量與除線損外其它用電量的比例，需要考慮逐漸下降的，電力相似月法預(yù)測流程如圖6所示。

圖6 電力相似月法預(yù)測流程Fig.6 Forecasting flow chart of power similarity month approach

3 行業(yè)信用等級(jí)評(píng)價(jià)和景氣指數(shù)分析模型

3.1 行業(yè)信用等級(jí)評(píng)價(jià)模型

基于圖3設(shè)計(jì)的電量市場分析預(yù)測模型需涵蓋行業(yè)信用等級(jí)評(píng)價(jià)模型，其應(yīng)用流程如圖7所示。利用該模型建立信用評(píng)級(jí)制度，對(duì)電力行業(yè)客戶的信用等級(jí)進(jìn)行科學(xué)分類，并與社會(huì)公共事業(yè)機(jī)構(gòu)建立共享的信用記錄機(jī)制，依據(jù)不同的行業(yè)分類，對(duì)行業(yè)信用等級(jí)進(jìn)行統(tǒng)計(jì)分析，形成行業(yè)信用決策分析報(bào)告?；趫D7，行業(yè)信用等級(jí)評(píng)價(jià)模型的應(yīng)用過程描述如下。

圖7 信用等級(jí)評(píng)價(jià)模型應(yīng)用流程Fig.7 Application flow chart of credit rating evaluation model

（1）樣本數(shù)據(jù)的采集及分析過程：從業(yè)務(wù)數(shù)據(jù)中抽取樣本行業(yè)近兩年的電量電費(fèi)信息及其他信息，通過數(shù)據(jù)分析，確定評(píng)分指標(biāo)的權(quán)重；（2）建立行業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)數(shù)據(jù)池：根據(jù)信用評(píng)分指標(biāo)的數(shù)據(jù)要求，定期獲取各類目標(biāo)數(shù)據(jù)，為計(jì)算行業(yè)信用評(píng)分做準(zhǔn)備；（3）以目標(biāo)數(shù)據(jù)為基礎(chǔ)，結(jié)合評(píng)分指標(biāo)權(quán)重，通過標(biāo)準(zhǔn)化的數(shù)據(jù)處理規(guī)則，計(jì)算用戶的信用評(píng)分；（4）通過分析評(píng)分結(jié)果，結(jié)合業(yè)務(wù)經(jīng)驗(yàn)，確定信用等級(jí)劃分標(biāo)準(zhǔn)，客戶信用等級(jí)被分為6級(jí)：AAA、AA、A、B、C、D等。

3.2 行業(yè)景氣指數(shù)分析模型

計(jì)算國民經(jīng)濟(jì)各行業(yè)綜合景氣指數(shù)的方法為［18］：以國民經(jīng)濟(jì)各行業(yè)內(nèi)不同規(guī)模企業(yè)的企業(yè)銷售收入（或主營業(yè)務(wù)收入）比重為權(quán)數(shù)，對(duì)國民經(jīng)濟(jì)各行業(yè)不同規(guī)模企業(yè)的綜合景氣指數(shù)進(jìn)行加權(quán)。

其具體步驟為［19］：（1）分別計(jì)算各行業(yè)內(nèi)不同規(guī)模企業(yè)的綜合景氣指數(shù)；（2）從有關(guān)部門或根據(jù)資料計(jì)算各行業(yè)不同規(guī)模企業(yè)的企業(yè)銷售收入或主營業(yè)務(wù)收入；（3）計(jì)算各行業(yè)內(nèi)不同規(guī)模企業(yè)的企業(yè)銷售收入或主營業(yè)務(wù)收入比重；（4）以各行業(yè)不同規(guī)模企業(yè)的銷售收入或主營收入比重為權(quán)數(shù)，對(duì)各行業(yè)內(nèi)不同規(guī)模企業(yè)的綜合經(jīng)濟(jì)指數(shù)加權(quán)，即可算出各行業(yè)綜合景氣指數(shù)。

通過建立行業(yè)景氣指數(shù)分析模型，可在充分掌握各行業(yè)用電內(nèi)在規(guī)律的基礎(chǔ)上，充分兼顧多源信息及相關(guān)性特點(diǎn)，分析各行業(yè)景氣指數(shù)，提出合理可行的用電推廣策略，拓展供電局的營銷重點(diǎn)，為供電局的營銷工作提供決策依據(jù)。

3.3 行業(yè)與客戶信用評(píng)估體系

為提高客戶電費(fèi)回收率，應(yīng)充分利用電力市場電量分析預(yù)測的結(jié)果，及時(shí)對(duì)客戶信用評(píng)價(jià)進(jìn)行調(diào)整和預(yù)警。通過建立行業(yè)與客戶信用評(píng)估體系，對(duì)行業(yè)及客戶進(jìn)行信用度評(píng)分。其中，行業(yè)信用度計(jì)分是通過對(duì)過去一段時(shí)間內(nèi)，根據(jù)行業(yè)用電量分析預(yù)測的響應(yīng)情況進(jìn)行加權(quán)計(jì)算得出的；客戶信用度則是根據(jù)客戶賬戶劃扣、繳費(fèi)等電費(fèi)回收情況進(jìn)行加權(quán)計(jì)算得出的。

行業(yè)信用度計(jì)算模型為［20］：信用度=單項(xiàng)信用值×?xí)r間權(quán)重×信譽(yù)度因子+手動(dòng)調(diào)整值。其中，單項(xiàng)信用值即為信用事件，與時(shí)間權(quán)重、信譽(yù)度因子、手動(dòng)調(diào)整值無直接關(guān)聯(lián)關(guān)系；時(shí)間權(quán)重目前只考慮1年內(nèi)的情況，超過1年則用零參與計(jì)算；信譽(yù)度因子應(yīng)取因子值較低的參與計(jì)算，前提是用戶滿足2個(gè)或2個(gè)以上的信用因子；手動(dòng)調(diào)整值是對(duì)整個(gè)信用度進(jìn)行適當(dāng)調(diào)整的一個(gè)手段。

4 “電網(wǎng)-用戶-售電商”三方供需互動(dòng)關(guān)系探討

圖8 三方供需互動(dòng)建模示意圖Fig.8 Supply-demand interaction modeling schematic diagram for three sides

通過對(duì)電網(wǎng)-用戶-售電商三方供需互動(dòng)關(guān)系的探討，結(jié)合本文設(shè)計(jì)的用戶用電量市場分析預(yù)測模型，可為今后的基于行業(yè)用電特性的深度電量分析預(yù)測提供參考。對(duì)于三方在市場競爭環(huán)境下的供需互動(dòng)關(guān)系的研究，可采用多方動(dòng)態(tài)博弈理論和多智能體強(qiáng)化學(xué)習(xí)建模方法，模擬市場環(huán)境下三方的行為，對(duì)三方的行為決策進(jìn)行統(tǒng)一建模，形成博弈決策模型，如圖8所示為三方供需互動(dòng)建模示意圖。具體來說，將“電網(wǎng)-用戶-售電商”三者在電力市場競爭環(huán)境下的博弈（對(duì)策）過程抽象為雙層（購電層/售電層）動(dòng)態(tài)博弈模型，在互動(dòng)博弈中，智能體之間通過不斷交互各自的效益信息，得到滿足自身效益最大的Nash均衡點(diǎn)，通過求解Nash均衡點(diǎn)，預(yù)測三方博弈的動(dòng)態(tài)行為?？衫肕atlab平臺(tái)，編制可求解此類多方動(dòng)態(tài)博弈問題的Minmax-Q［21］、Nash-Q［22］、CEQ［23］、Friend-or-foe-Q［24］、Negotiation-Q［25］、Asymmetric-Q［26］等多智能體隨機(jī)對(duì)策算法。

基于圖8，在討論用戶與電網(wǎng)互動(dòng)博弈的輸入輸出時(shí)，可分考慮售電商和不考慮售電量兩方面進(jìn)行研究：

（1）考慮售電商

①電網(wǎng)側(cè)與售電商博弈

博弈輸入：以電網(wǎng)側(cè)削峰填谷及售電商購電成本等目標(biāo)的帕累托前沿，及電網(wǎng)側(cè)和售電商在不同購電成本和購電計(jì)劃策略組合下的目標(biāo)函數(shù)值；

博弈輸出：最優(yōu)納什均衡解，即最優(yōu)購電價(jià)格策略及購電計(jì)劃策略；

②售電商與用戶側(cè)博弈（電網(wǎng)可視作售電商之一）

博弈輸入：以售電商利潤及用戶用電費(fèi)用及用電舒適度等目標(biāo)的帕累托前沿，及售電商和用戶側(cè)在售電價(jià)格和用電計(jì)劃策略組合下的目標(biāo)函數(shù)值；

博弈輸出：最優(yōu)納什均衡解，即最優(yōu)售電價(jià)格策略及用電計(jì)劃策略。

（2）不考慮售電商

①用戶側(cè)上傳各類設(shè)備運(yùn)行數(shù)據(jù)及負(fù)荷需求數(shù)據(jù)至電網(wǎng)側(cè)EMS；②根據(jù)上傳的數(shù)據(jù)，電網(wǎng)側(cè)EMS以削峰填谷、用戶用電費(fèi)用及用電舒適度等為優(yōu)化目標(biāo)，采用某種算法求解出多個(gè)納什均衡方案（即各個(gè)激勵(lì)電價(jià)和用電計(jì)劃對(duì)應(yīng)的帕累托前沿）；③電網(wǎng)側(cè)EMS再將多個(gè)納什均衡方案下傳到用戶側(cè)EMS；④電網(wǎng)側(cè)和用戶側(cè)在以判斷對(duì)方選擇不同方案為思考前提，各自利用均衡求解器求解出期望效益值最大的納什均衡點(diǎn)（即最優(yōu)激勵(lì)電價(jià)策略及用電計(jì)劃）。

總的來說，博弈的求解輸入是：在得到的帕累托前沿上，電網(wǎng)側(cè)和用戶側(cè)在不同動(dòng)作策略組合下的目標(biāo)函數(shù)值；博弈的求解輸出是：最優(yōu)納什均衡解，即最優(yōu)激勵(lì)電價(jià)策略及用電計(jì)劃策略。

5 結(jié)束語

對(duì)電力市場用電量進(jìn)行細(xì)致、深入與合理的分析預(yù)測，對(duì)于電網(wǎng)公司未來電量的增長，及充分挖掘潛在的用電用戶、加大投入供電不足的區(qū)域、合理地進(jìn)行錯(cuò)峰供電等，具有重要意義。本文結(jié)合廣東省某市歷史用電量數(shù)據(jù)，通過對(duì)電力市場用電量需求預(yù)測模型的研究，可為市場營銷提供服務(wù)策略，在電網(wǎng)-用戶-售電商三方供需互動(dòng)博弈的市場競爭環(huán)境下，使市場從原來以用電內(nèi)部業(yè)務(wù)為驅(qū)動(dòng)真正向以市場和客戶需求為驅(qū)動(dòng)轉(zhuǎn)化，為電費(fèi)回收、行業(yè)信用度評(píng)價(jià)和預(yù)警提供決策分析基礎(chǔ)與數(shù)理依據(jù)。