陳立 嚴(yán)正 徐瀟源

摘 要：電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的基礎(chǔ)性工作之一，是實(shí)現(xiàn)自動(dòng)發(fā)電控制和經(jīng)濟(jì)調(diào)度控制的前提。針對(duì)電力系統(tǒng)復(fù)雜、眾多的影響因素，文章基于城市用電構(gòu)成與城市用地劃分，提出了一種綜合考慮了經(jīng)濟(jì)、工業(yè)、城市化、城市居民生活等影響因素的負(fù)荷預(yù)測(cè)指標(biāo)體系，并采用聚類(lèi)分析法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測(cè)，為快速準(zhǔn)確估算上海市各區(qū)域負(fù)荷增長(zhǎng)提供了有效途徑，為上海電力系統(tǒng)規(guī)劃提供了可靠支撐。

關(guān)鍵詞：負(fù)荷預(yù)測(cè)；影響因素；BP神經(jīng)網(wǎng)絡(luò)；聚類(lèi)分析

中圖分類(lèi)號(hào)：TM715 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2019）20-0046-04

Abstract： Power load forecasting is one of the basic tasks of power system planning， and it is the premise of automatic generation control and economic dispatching control. In view of the complexity and many influencing factors of power system， based on the composition of urban power consumption and the division of urban land， this paper puts forward a load forecasting index system which comprehensively considers the influencing factors such as economy， industry， urbanization， urban residents' life and so on. The cluster analysis method and BP neural network are used for load forecasting， which provides an effective way to quickly and accurately estimate the regional load growth in Shanghai， and provides a reliable support for the power system planning in Shanghai.

Keywords： load forecasting； influencing factors； BP neural network； cluster analysis

引言

電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的基礎(chǔ)性工作之一，是實(shí)現(xiàn)自動(dòng)發(fā)電控制和經(jīng)濟(jì)調(diào)度控制的前提[1]。電力系統(tǒng)是一個(gè)規(guī)模龐大、層次復(fù)雜的大系統(tǒng)，其影響因素較多。而統(tǒng)計(jì)數(shù)據(jù)可用于評(píng)價(jià)某一區(qū)域的自然經(jīng)濟(jì)、社會(huì)、產(chǎn)業(yè)、人民生活等方面的發(fā)展水平，是定量統(tǒng)計(jì)分析的基礎(chǔ)型數(shù)據(jù)（如統(tǒng)計(jì)年鑒）。其中，官方發(fā)布的統(tǒng)計(jì)年鑒包含的大量指標(biāo)（如一般公共預(yù)算收入、工業(yè)產(chǎn)值、建筑面積等）對(duì)電力系統(tǒng)的發(fā)展有著一定的影響。由于統(tǒng)計(jì)年鑒中蘊(yùn)含的數(shù)據(jù)極其豐富、涉及的行業(yè)領(lǐng)域廣泛，如果對(duì)這些指標(biāo)進(jìn)行逐一分析，將導(dǎo)致耗時(shí)嚴(yán)重，因此有必要從這些指標(biāo)中辨識(shí)出對(duì)電力系統(tǒng)負(fù)荷影響最顯著的關(guān)鍵性指標(biāo)[2]。從電力系統(tǒng)的需求角度，根據(jù)掌握的數(shù)據(jù)進(jìn)行有效的特征選取，辨識(shí)出其中影響最顯著的幾個(gè)主導(dǎo)因素，已經(jīng)成為重要的研究課題。

因此，針對(duì)電力系統(tǒng)復(fù)雜、眾多的影響因素，本文基于城市用電構(gòu)成與城市用地劃分，提出了一種綜合考慮了經(jīng)濟(jì)、工業(yè)、城市化、城市居民生活等影響因素的負(fù)荷預(yù)測(cè)指標(biāo)體系，并用以進(jìn)行負(fù)荷預(yù)測(cè)，為快速準(zhǔn)確估算上海市各區(qū)域負(fù)荷增長(zhǎng)提供了有效途徑，為上海電力系統(tǒng)規(guī)劃提供了可靠支撐。

1 電力負(fù)荷的影響因素分析

為了深入研究電力負(fù)荷的變化規(guī)律和發(fā)展趨勢(shì)，進(jìn)一步認(rèn)識(shí)電力負(fù)荷特性，需要對(duì)電力負(fù)荷特性的主要影響因素進(jìn)行分析和討論。近年來(lái)，國(guó)內(nèi)有許多學(xué)者基于電力負(fù)荷的影響因素展開(kāi)了較深入的研究。

何曉萍等首次將城市化引入中國(guó)電力需求研究，基于中國(guó)快速的城市化進(jìn)程，選擇國(guó)民生產(chǎn)總值（GDP）、城市化水平、工業(yè)化水平、電力使用效率、電價(jià)水平等作為影響指標(biāo)，運(yùn)用面板數(shù)據(jù)非線(xiàn)性模型和協(xié)整模型進(jìn)行電力需求預(yù)測(cè)，結(jié)果表明城市化、工業(yè)化對(duì)中國(guó)電力需求有著非常顯著的正影響[3]。宋雅慧基于上海市電力負(fù)荷1999-2013

年的歷史數(shù)據(jù)分析得出，上海市電力需求與GDP、工業(yè)化、城市化、產(chǎn)業(yè)結(jié)構(gòu)、節(jié)能減排等多個(gè)影響因素有長(zhǎng)期的穩(wěn)定均衡關(guān)系，從而得出具有一定預(yù)測(cè)精度的長(zhǎng)期負(fù)荷預(yù)測(cè)模型[4]。李亦言等從城市化的角度，系統(tǒng)地提取了城市化過(guò)程對(duì)電力負(fù)荷的主要構(gòu)成因素3類(lèi)（人口、經(jīng)濟(jì)、地域）16個(gè)，運(yùn)用層次分析法和模糊聚類(lèi)量化這些指標(biāo)對(duì)電力負(fù)荷的影響，并應(yīng)用于城市飽和負(fù)荷預(yù)測(cè)，從而實(shí)現(xiàn)對(duì)飽和時(shí)間和飽和容量的預(yù)測(cè)[5]。劉思從當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、氣溫氣候三個(gè)角度出發(fā)，選取了14項(xiàng)指標(biāo)，構(gòu)建了一種考慮地域差異的負(fù)荷預(yù)測(cè)指標(biāo)體系，并應(yīng)用于日負(fù)荷曲線(xiàn)、負(fù)荷密度的預(yù)測(cè)中[6]。

隨著上海經(jīng)濟(jì)進(jìn)入轉(zhuǎn)型期的新常態(tài)，人口增長(zhǎng)趨于穩(wěn)定，第三產(chǎn)業(yè)占比不斷增加，先進(jìn)制造業(yè)、新興產(chǎn)業(yè)的層級(jí)逐步提升，對(duì)上海的用電負(fù)荷趨勢(shì)產(chǎn)生了一定的影響。程倩在分析上海經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、經(jīng)濟(jì)運(yùn)行狀況、人口導(dǎo)入和氣溫因素等對(duì)電力需求的因果關(guān)系和數(shù)量關(guān)系的基礎(chǔ)上，建立了最高氣溫下最大電力負(fù)荷的預(yù)測(cè)方法[7]。沈勇等從經(jīng)濟(jì)與社會(huì)、氣象兩個(gè)方面選取了人均可支配收入、電價(jià)與消費(fèi)品之比、人均建筑面積、空調(diào)數(shù)、總戶(hù)數(shù)、年平均氣溫、最高月平均氣溫、最低月平均氣溫等8個(gè)指標(biāo)因素，結(jié)合對(duì)2000-2010年上海地區(qū)的居民用電規(guī)律進(jìn)行了分析，建立了上海居民用電的預(yù)測(cè)模型，分析得知經(jīng)濟(jì)因素和社會(huì)因素都是影響居民用電的主要因素，而氣溫因素影響較小[8]。黃晨宏基于1991-2010上海市地區(qū)

GDP和用電的歷史數(shù)據(jù)，研究經(jīng)濟(jì)發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、季節(jié)性氣溫三個(gè)方面的因素與上海電力需求之間的關(guān)系，得出結(jié)論：經(jīng)濟(jì)發(fā)展是促進(jìn)上海電力消費(fèi)增長(zhǎng)的主力；產(chǎn)業(yè)結(jié)構(gòu)調(diào)整決定了上海電力需求的結(jié)構(gòu)變化；季節(jié)性氣溫對(duì)上海尖峰負(fù)荷的大小產(chǎn)生直接的影響[9]。

基于以上分析，得出電力負(fù)荷的影響因素包括經(jīng)濟(jì)發(fā)展水平、工業(yè)化水平、城市化水平、居民生活、氣象、宏觀(guān)政策影響等方面，如表1所示。

2 上海負(fù)荷預(yù)測(cè)指標(biāo)體系構(gòu)建

城市電網(wǎng)用電量與人們的生活生產(chǎn)規(guī)律息息相關(guān)，可以通過(guò)城市電網(wǎng)用電量預(yù)測(cè)歷史數(shù)據(jù)得到城市電網(wǎng)用電量的發(fā)展規(guī)律，并由此可進(jìn)行其未來(lái)發(fā)展趨勢(shì)和狀況的預(yù)計(jì)或判斷。本文對(duì)2007-2017年上海市各類(lèi)用電負(fù)荷進(jìn)行了統(tǒng)計(jì)，見(jiàn)表2和圖1。

由表2可見(jiàn)：

（1）上海市各類(lèi)用電負(fù)荷中，第一產(chǎn)業(yè)（農(nóng)、林、牧、漁業(yè)）的占比非常小，平均占比為0.49%，每年均不到1%，所以負(fù)荷預(yù)測(cè)時(shí)可以忽略第一產(chǎn)業(yè)的影響。

（2）上海市各類(lèi)用電負(fù)荷中，工業(yè)的占比最高，從2007年的65.82%到2017年的52.27%，每年均超過(guò)50%，但所占比重隨時(shí)間呈逐漸下降的趨勢(shì)。因此，負(fù)荷預(yù)測(cè)時(shí)將著重考慮第二產(chǎn)業(yè)（特別是工業(yè)）的影響。

（3）綜合平均占比排名第二的是城市居民生活，從2007年的12.22%到2017年的14.99%，平均占比為13.56%，均超過(guò)了10%，且所占比重隨時(shí)間呈緩慢上升的趨勢(shì)。

（4）綜合平均占比排名第三的是金融、房地產(chǎn)、商務(wù)及居民服務(wù)業(yè)（主要為第三產(chǎn)業(yè)），從2007年的6.72%到2017年的14.13%，平均占比為11.07%，超過(guò)了10%，且所占比重隨時(shí)間呈快速上升的趨勢(shì)，這與上海大力推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型和國(guó)際金融中心的建設(shè)相關(guān)。

綜上所述，上海的第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對(duì)負(fù)荷水平影響較大，工業(yè)，城市居民生活，金融、房地產(chǎn)、商務(wù)及居民服務(wù)業(yè)，公共事業(yè)及管理組織，商業(yè)、住宿業(yè)和餐飲業(yè)這五類(lèi)占上?？傌?fù)荷的96.77%，在負(fù)荷預(yù)測(cè)中應(yīng)著重考慮這五類(lèi)的影響。

本文結(jié)合對(duì)2007-2017年上海市用電構(gòu)成的分析和《城市用地分類(lèi)與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》（GB 50137-2011），選取了上海市2004-2014年各區(qū)縣土地面積、常住人口等19個(gè)指標(biāo)作為本文負(fù)荷預(yù)測(cè)的指標(biāo)因素，見(jiàn)表3。

3 建模與算例驗(yàn)證

本文以上海市為例，根據(jù)上海市2004-2014年各區(qū)域的負(fù)荷數(shù)據(jù)以及19個(gè)指標(biāo)因素?cái)?shù)據(jù)，采用聚類(lèi)分析與BP神經(jīng)網(wǎng)絡(luò)對(duì)2015-2017年各區(qū)域的負(fù)荷進(jìn)行預(yù)測(cè)。

首先，對(duì)影響上海市區(qū)域負(fù)荷19類(lèi)因子進(jìn)行聚類(lèi)分析，結(jié)果如圖2所示。

由圖2所示，第一類(lèi)主要為上海市的偏遠(yuǎn)郊區(qū)，該區(qū)域的城市化水平相對(duì)較低，經(jīng)濟(jì)相對(duì)欠發(fā)達(dá)；第二類(lèi)為上海的市北區(qū)域，該區(qū)域包括傳統(tǒng)的寶鋼、新型的市北產(chǎn)業(yè)園區(qū)，工業(yè)化水平較高；第三類(lèi)為上海的傳統(tǒng)老城區(qū)，該區(qū)域的經(jīng)濟(jì)非常發(fā)達(dá)，且工業(yè)較少，都已轉(zhuǎn)移至外環(huán)外甚至外省市；第四類(lèi)為上海的浦東新區(qū)，該區(qū)域受浦東開(kāi)發(fā)開(kāi)放和上海自貿(mào)區(qū)的影響，人口、經(jīng)濟(jì)、工業(yè)等快速增長(zhǎng)，負(fù)荷占上海市所有區(qū)域的最大比重，且呈快速增長(zhǎng)趨勢(shì)。

將2004～2014年上海市10大區(qū)域的負(fù)荷數(shù)據(jù)分為5類(lèi)，然后建模并預(yù)測(cè)2015-2017年各區(qū)域的負(fù)荷數(shù)據(jù)?；诟黝?lèi)區(qū)域的特點(diǎn)，采用BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)第一、二類(lèi)負(fù)荷，采用多元回歸分析方法預(yù)測(cè)第三、四類(lèi)負(fù)荷，如表4和圖3所示。

由表4和圖3可知：

（1）部分區(qū)域負(fù)荷2010年后一直保持較穩(wěn)定的態(tài)勢(shì)，如市區(qū)2、市北3、嘉定6、崇明10。

（2）部分區(qū)域負(fù)荷2004-2014年值保持較快的增長(zhǎng)速度，預(yù)測(cè)的2015-2017年依然保持較快的增長(zhǎng)速度，如浦東1、松江5，與上海自貿(mào)區(qū)進(jìn)一步的開(kāi)發(fā)開(kāi)放、松江新城規(guī)劃建設(shè)的推進(jìn)落地有較大關(guān)系。

（3）部分區(qū)域負(fù)荷2013年后大幅度下降，如青浦7、金山8、奉賢9，與這些區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型（由第二產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)型），工業(yè)從業(yè)人員大幅流失相關(guān)。

本文為驗(yàn)證所用方法的正確性，用多元回歸分析方法和BP神經(jīng)網(wǎng)絡(luò)對(duì)四類(lèi)數(shù)據(jù)進(jìn)行了負(fù)荷預(yù)測(cè)，并進(jìn)行了對(duì)比，見(jiàn)表5。

由表5可知，本文提出的預(yù)測(cè)方法比傳統(tǒng)的僅采用多元回歸分析方法和僅采用BP神經(jīng)網(wǎng)絡(luò)方法的精度要高，尤其是在面對(duì)含有多個(gè)區(qū)域的負(fù)荷進(jìn)行預(yù)測(cè)時(shí)（第1類(lèi)、第2類(lèi)），優(yōu)勢(shì)更為顯著。而且本文方法經(jīng)過(guò)降維、降噪處理，預(yù)測(cè)速度也要比采用19個(gè)指標(biāo)的BP神經(jīng)方法要快。

4 結(jié)論

本文通過(guò)分析和總結(jié)國(guó)內(nèi)外學(xué)者研究電力負(fù)荷影響因素的成果，得出電力負(fù)荷預(yù)測(cè)指標(biāo)體系；結(jié)合2007-2017年上海市用電構(gòu)成分析和《城市用地分類(lèi)與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》，選取了上海市2004-2014年的一般公共預(yù)算收入、工業(yè)從業(yè)人員、居住房屋建筑面積等19個(gè)指標(biāo)作為本文負(fù)荷預(yù)測(cè)的指標(biāo)因素。

本文綜合考慮了影響電力負(fù)荷的多種復(fù)雜因素，提出了一種基于聚類(lèi)分析與BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)的方法。以上海電網(wǎng)為例，對(duì)調(diào)研獲取的空間負(fù)荷按照城市的用地類(lèi)型進(jìn)行劃分，結(jié)合實(shí)際對(duì)上海10個(gè)區(qū)域的多類(lèi)空間負(fù)荷的分布規(guī)律進(jìn)行分析。算例表明本文提出方法比傳統(tǒng)的多元回歸、神經(jīng)網(wǎng)絡(luò)方法的精度更高，且預(yù)測(cè)速度較快，能夠用于上海市電力系統(tǒng)的負(fù)荷預(yù)測(cè)，從而為上海的電力系統(tǒng)規(guī)劃提供支撐。

參考文獻(xiàn)：

[1]康重慶，夏清，劉梅.電力系統(tǒng)負(fù)荷預(yù)測(cè).第2版[M].北京：中國(guó)電力出版社，2017.

[2]黃湘君.基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電力與能源，2008（16）：313-314.

[3]何曉萍，劉希穎.中國(guó)城市化進(jìn)程中的電力需求預(yù)測(cè)[J].經(jīng)濟(jì)研究，2009（1）：118-130.

[4]宋雅慧.上海電力需求分析——基于1990-2013年數(shù)據(jù)[D].上海：上海師范大學(xué)，2015.

[5]李亦言，等.復(fù)雜城市化因素下的飽和負(fù)荷預(yù)測(cè)模型[J].電網(wǎng)技術(shù)，2016（09）：2824-2831.

[6]劉思.配電網(wǎng)空間負(fù)荷聚類(lèi)及預(yù)測(cè)方法研究[D].杭州：浙江大學(xué)，2017.

[7]程倩.上海城市化特性影響因素下最大電力負(fù)荷預(yù)測(cè)的研究[A].以供給側(cè)結(jié)構(gòu)性改革引領(lǐng)能源轉(zhuǎn)型與創(chuàng)新——第十三屆長(zhǎng)三角能源論壇論文集[C].杭州，2016：6.

[8]沈勇，等.上海地區(qū)居民用電的影響因素和需求預(yù)測(cè)模型[J].華東電力，2012，40（10）：1763-1766.

[9]黃晨宏.影響上海電力需求的主要因素及電力需求預(yù)測(cè)[J].電力需求側(cè)管理，2011，13（03）：72-76.