林麗

摘 要：為了可以使現(xiàn)代電力企業(yè)可以更好的實現(xiàn)對供電區(qū)域精細(xì)化管理的理念，就需要通過現(xiàn)代化的數(shù)據(jù)挖掘技術(shù)，來創(chuàng)新出更加有效的電量預(yù)測方法，從根本上幫助電力企業(yè)實現(xiàn)對各供電區(qū)域的電量精細(xì)化管理?；诖耍诒酒恼轮袑槍诖髷?shù)據(jù)挖掘電量預(yù)測方法的算法研究展開分析，進(jìn)而針對其實際應(yīng)用展開研究，希望可以為相關(guān)人員提供參考幫助。

關(guān)鍵詞：大數(shù)據(jù)挖掘;電量測試方式;創(chuàng)新及應(yīng)用

隨著現(xiàn)代社會的不斷發(fā)展與進(jìn)步，促使電力行業(yè)也在現(xiàn)代社會的不斷發(fā)展中獲得了更加廣闊的發(fā)展空間，這種趨勢促使現(xiàn)代電力企業(yè)的業(yè)務(wù)處理數(shù)據(jù)的數(shù)量在不斷提高，但在傳統(tǒng)的數(shù)據(jù)積累中，并不能為電力企業(yè)的經(jīng)濟(jì)發(fā)展起到幫助。因此，就需要通過基于大數(shù)據(jù)挖掘電量預(yù)測方法的創(chuàng)新及應(yīng)用，來完成對各個供電區(qū)域的供電數(shù)據(jù)分析，幫助電力企業(yè)提高起身電量預(yù)測能力。

一、基于大數(shù)據(jù)挖掘電量預(yù)測方法的算法研究

（一）ARIMA模型

ARIMA模型又被稱作為差分自回歸移動平均模型，其中AR代表了自回歸、I代表了差分、MA代表了移動平均。通常情況下ARIMA模型主要包含了3個參數(shù)，分別為：p、d、q，其中p代表了自回歸的階數(shù)，d代表了差分的階數(shù)，而q代表了移動平均的階數(shù)。ARIMA模型的在運作的過程中，首先是對非平穩(wěn)的時間序列進(jìn)行d次差分處理，使其形成較為穩(wěn)定的數(shù)據(jù)排列，而后將平穩(wěn)書序擬合ARMA（p、q）模式，最后將原本的d次差分進(jìn)行還原，最終就可以得到原本的序列預(yù)測數(shù)據(jù)。

（二）GM模型

GM模型又被稱作為灰色模型，其主要是根據(jù)灰色系統(tǒng)而構(gòu)建的預(yù)測模型，同時其也屬于微分方程模型，通常情況下其會被應(yīng)用在對于事物作出連續(xù)、長期、動態(tài)的反映，其不僅表示出了系統(tǒng)中存在的諸多問題，同時其對于企業(yè)內(nèi)部的連續(xù)發(fā)展變化過程而言，也會起到反映、構(gòu)建等作用。此外，GM預(yù)測在構(gòu)建過程中所需樣本較小，并且其在運行的過程中較為方便，這使得其在建模的過程中可以通過高精度、高質(zhì)量的質(zhì)量完成建模[1]。

二、基于大數(shù)據(jù)挖掘電量預(yù)測方法的實際應(yīng)用

（一）影響因素的具體分析

通常情況下，對用電量造成較大的影響因素，主要包括經(jīng)濟(jì)類因素與氣象類因素。其中經(jīng)濟(jì)類因素主要包括：國內(nèi)生產(chǎn)總值、規(guī)模以上的工業(yè)總產(chǎn)值、持續(xù)假期、報裝容量等。在實際應(yīng)用基于大數(shù)據(jù)挖掘電量預(yù)測方法的過程中，就需要將不同類型的影響因素融入其中，從而使電量預(yù)測方法可以得出更加準(zhǔn)確的參數(shù)。

（二）電量預(yù)測模型的構(gòu)建

1.GM模型的構(gòu)建

GM模型的具體構(gòu)建過程主要包括：

（1）生成用電量數(shù)據(jù)并將其制作為模型參數(shù);

（2）針對模型計算數(shù)據(jù)與實際數(shù)據(jù)之間的差距進(jìn)行修訂，而后構(gòu)建出差分微分方程模型;

（3）根據(jù)用電量之間的關(guān)聯(lián)度收斂情況進(jìn)行下一步的具體分析;

（4）針對GM模型得出的數(shù)據(jù)進(jìn)行逆生成還原。

2.ARIMA模型的構(gòu)建

ARIMA模型的具體構(gòu)建過程主要包括：

（1）獲取用電量數(shù)據(jù)構(gòu)建數(shù)據(jù)模型;

（2）試驗?zāi)Ｐ褪欠衿椒€(wěn)并針對數(shù)據(jù)進(jìn)行d次差分與零均值化;

（3）計算出數(shù)據(jù)的相關(guān)函數(shù)（ACF）與偏自相關(guān)函數(shù)（PACF）;

（4）全面檢查模型中存在的未知參數(shù)，并檢驗構(gòu)建的模型是否具備有效性。

三、電量預(yù)測模型的驗證

在驗證模型的過程中，將會以某區(qū)域為例，通過模型的預(yù)測可以得知，該區(qū)域內(nèi)2018年全社會用電總用戶數(shù)為283871戶，年度累計售電量為354863.4069萬千瓦時，去年同期累計為342424.6217萬千瓦時，相較之下增長了3.63%。

截止至2018年12月的全行業(yè)用電量累計為310294.4058萬千瓦時，其中第一產(chǎn)業(yè)4540.7259萬千瓦時、第二產(chǎn)業(yè)250486.7794萬千瓦時、第三產(chǎn)業(yè)55266.9005萬千瓦時，去年同期全行業(yè)用電量為301955.5754萬千瓦時，其中第一產(chǎn)業(yè)4675.891萬千瓦時、第二產(chǎn)業(yè)246469.1582萬千瓦時、第三產(chǎn)業(yè)50810.5262萬千瓦時，相較之下總體增長了2.76%，而其中第一產(chǎn)業(yè)卻下降了-2.89%;城鄉(xiāng)居民生活用電量累計445690011萬千瓦時，其中城鄉(xiāng)居民18400.1463萬千瓦時，鄉(xiāng)村居民26168.8548萬千瓦時，去年同期城鄉(xiāng)居民生活用電量為404690463萬千瓦時，其中城鄉(xiāng)居民16781.0059萬千瓦時，鄉(xiāng)村居民23688.0404萬千瓦時，同比增長10.13%。通過該結(jié)果可以得知，該模型的預(yù)測效果與結(jié)果較為良好[2]。

四、年度用電預(yù)測模塊功能

年度用電預(yù)測模塊的主要目的是為了更好的提供集中年度預(yù)測和單項預(yù)測功能。其具體操作方式包括：點擊預(yù)測菜單、選擇年度電量預(yù)測、打開年度預(yù)測頁面。具體情況如下圖所示：

五、結(jié)語

綜上所述，本文主要是運用大數(shù)據(jù)挖掘的電量預(yù)測技術(shù)，同時充分結(jié)合各供電區(qū)域內(nèi)的電量變化趨勢，將經(jīng)濟(jì)影響、氣象影響等諸多因素的影響融合進(jìn)電量預(yù)測中，并充分運用GM模型、APRMA模型來構(gòu)建出電量預(yù)測方式，從而實現(xiàn)對未來供電區(qū)域內(nèi)用電量的預(yù)測，最終幫助電力企業(yè)實現(xiàn)對各供電區(qū)域用電量的精細(xì)化關(guān)系。

參考文獻(xiàn)：

[1]徐俊，徐文輝，曾鑫，等.基于大數(shù)據(jù)挖掘電量預(yù)測方法的創(chuàng)新及應(yīng)用[J].電力大數(shù)據(jù)，2018，21（10）：63-67.

[2]馬發(fā)軒.配網(wǎng)用戶用電特性市場分析預(yù)測應(yīng)用系統(tǒng)方案設(shè)計[J].電力系統(tǒng)保護(hù)與控制，2017，45（12）：120-128.