基于時(shí)間分段的改進(jìn)電量預(yù)測方法

屈璐，方興，張超

(國網(wǎng)湖南省電力有限公司長沙供電公司，湖南長沙410015)

0 引言

對(duì)于供電企業(yè)而言,售電量預(yù)測準(zhǔn)確度的提升,可進(jìn)一步有效提升供電量和全社會(huì)用電量的準(zhǔn)確率。未來更多的清潔能源將加入電力供應(yīng)隊(duì)伍,高質(zhì)量的電量預(yù)測將為電網(wǎng)規(guī)劃提供更多數(shù)據(jù)支撐進(jìn)而可提升電網(wǎng)投資精準(zhǔn)度,對(duì)降低社會(huì)用能成本與實(shí)現(xiàn)電網(wǎng)可持續(xù)發(fā)展具有重要意義[1-3]。

針對(duì)用電量的特點(diǎn),文獻(xiàn) [4]選用灰色預(yù)測模型、自回歸滑動(dòng)平均模型ARMA(autoregressive moving average)對(duì)各行業(yè)用電量進(jìn)行預(yù)測,并經(jīng)二維二級(jí)協(xié)調(diào)模型實(shí)現(xiàn)對(duì)總用電量的預(yù)測。文獻(xiàn)[5]提出了一種基于EMD的ARIMA預(yù)測模型,將分解后得到的固有模態(tài)分量進(jìn)行預(yù)測。文獻(xiàn)[6]建立了用于售電量預(yù)測的擬合度和準(zhǔn)確度更高的ANN模型。文獻(xiàn) [7]基于最小二乘法建立了 “Logistics”+“層次分析-模糊聚類”組合預(yù)測模型,通過關(guān)聯(lián)影響售電量的必然性因子與偶然性因子,提升月度售電量預(yù)測準(zhǔn)確度。文獻(xiàn) [8]建立了基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的改進(jìn)灰色模型可提升預(yù)測準(zhǔn)確度。文獻(xiàn) [9-10]提出將業(yè)擴(kuò)信息介入電量預(yù)測方法,表明能夠顯著提高電量預(yù)測精確度。

實(shí)際工作開展中,為獲得更可靠的預(yù)測值,常采用多種方法進(jìn)行預(yù)測并從中獲得預(yù)測推薦值[11]。供電企業(yè)為更精準(zhǔn)的把握售電量指標(biāo),預(yù)測工作一般按季度甚至月度滾動(dòng)開展。工作中常用的預(yù)測方法有大用戶分析法、回歸分析法、時(shí)間序列法等[12-14],各方法常以預(yù)測指標(biāo)對(duì)應(yīng)的歷史值為數(shù)據(jù)依據(jù),如預(yù)測年度售電量,參考的均為歷史年度售電量[15]。然而根據(jù)滾動(dòng)工作開展的月份不同,售電量已知的時(shí)間段在不斷增加,需要預(yù)測的時(shí)間段不斷減少,因此需對(duì)預(yù)測指標(biāo)進(jìn)行分解,僅對(duì)未知部分進(jìn)行預(yù)測。此外,歷史數(shù)據(jù)常出現(xiàn)跳躍點(diǎn),尤其是臨近的跳躍點(diǎn)易導(dǎo)致預(yù)測值偏高 (低)。基于以上,為提升年度售電量的預(yù)測準(zhǔn)確度,本文提出基于時(shí)間分段的改進(jìn)電量預(yù)測方法。

1 整體框架

基于時(shí)間分段的改進(jìn)電量預(yù)測方法,一是以預(yù)測工作開展的月份為分界線,對(duì)預(yù)測指標(biāo)和歷史數(shù)據(jù)進(jìn)行分解,僅對(duì)預(yù)測指標(biāo)的未知部分進(jìn)行預(yù)測；二是通過分析已知值對(duì)未知部分的預(yù)測值進(jìn)行修正。預(yù)測工作的主要流程 (以開展2019年度售電量的預(yù)測工作為例)如圖1所示,修正系數(shù) (偏差率)的計(jì)算如圖2所示。

圖1 預(yù)測流程說明圖

圖2 修正系數(shù)的確定

圖中,下標(biāo)i均代表年份；E2019為預(yù)測指標(biāo)(2019年度售電量)。預(yù)測指標(biāo)根據(jù)工作開展月份將12個(gè)月進(jìn)行分解:售電量已知時(shí)間段和未知時(shí)間段,對(duì)應(yīng)預(yù)測指標(biāo)分解為X2019和Y2019；X、Y代表預(yù)測值,x、y代表歷史已知值；R2為預(yù)測過程中擬合曲線的相關(guān)性系數(shù),判斷指標(biāo)0.95為可調(diào)節(jié)值,可根據(jù)預(yù)測的精準(zhǔn)度要求進(jìn)行調(diào)整,精準(zhǔn)度要求較高可將判斷指標(biāo)調(diào)高,精準(zhǔn)度要求較低可將判斷指標(biāo)調(diào)低,0≤R2≤1。

2 基于時(shí)間分段的改進(jìn)電量預(yù)測方法及案例分析

2.1 預(yù)測指標(biāo)分解及數(shù)據(jù)預(yù)處理

本文研究的預(yù)測指標(biāo)為年度售電量,所包含的已知電量根據(jù)預(yù)測工作開展的月份而不同,如3月份開展預(yù)測工作,1—2月電量已知；8月份開展預(yù)測工作,則1—7月電量已知。因此首先需基于預(yù)測工作的開展月份,將一年的12個(gè)月份進(jìn)行分解,并據(jù)此對(duì)年度售電量預(yù)測指標(biāo)進(jìn)行分解。

針對(duì)某城市2019年8月開展的預(yù)測工作,預(yù)測指標(biāo)為2019年度售電量。根據(jù)分解依據(jù),將年度分為兩個(gè)時(shí)間段,1—7月和8—12月,相對(duì)應(yīng)的預(yù)測指標(biāo)E2019分解為X2019和Y2019,分別代表2019年1—7月、8—12月售電量,據(jù)此也將歷史年度售電量分解為xi、yi(其中i為年份)。以該城市售電量中的分項(xiàng) (居民用電量)為例,其歷史值的分解結(jié)果見表1。x、y分別為1—7月、8—12月的實(shí)際售電量,下標(biāo)均代表年份。

表1 居民售電量歷史數(shù)據(jù) 億kWh

2.2 獲得初始預(yù)測結(jié)果

由于X2019為1—7月的售電量,該值已知,因此直接對(duì)其進(jìn)行賦值:X2019＝x2019＝72.88億kWh。采用時(shí)間序列法對(duì)8—12月的售電量 (Y2019)進(jìn)行預(yù)測,獲得初始預(yù)測結(jié)果Y2019’ ＝52.04億kWh。

2.3 確定修正系數(shù)

歷史年度售電量的發(fā)展并非均衡的,部分年份可能出現(xiàn)快速增長或下降現(xiàn)象,如某城市2018年售電量為近20年的增長至高點(diǎn),類似波動(dòng)較大的跳躍點(diǎn)極易造成預(yù)測結(jié)果偏高 (低)。為減小跳躍點(diǎn)的影響,可利用本年度的已知值對(duì)初始預(yù)測結(jié)果進(jìn)行修正。相較于歷史數(shù)據(jù),臨近的已知電量可以較好地體現(xiàn)近期的售電量發(fā)展規(guī)律?；谝陨?通過對(duì)X2019進(jìn)行偏差分析獲得修正系數(shù) (偏差率):

1)根據(jù)歷史值x2005～x2018預(yù)測得到初始預(yù)測值X2019’ ＝67.14 億 kWh；

2)實(shí)際值x2019為72.88億kWh,根據(jù)公式σ＝(x2019-X2019’) /X2019’ ×100%計(jì)算得到偏差率σ＝8.55%。該值從一定程度上反應(yīng)了以歷史數(shù)據(jù)為依據(jù)對(duì)本年度 (2019)進(jìn)行預(yù)測所產(chǎn)生的偏差影響。

2.4 修正分析

是否需要采取修正分析,是根據(jù)預(yù)測結(jié)果的偏差或者對(duì)預(yù)測結(jié)果的準(zhǔn)確度要求而定的。根據(jù)本地區(qū)預(yù)測需求,對(duì)預(yù)測的準(zhǔn)確度要求偏高,確定當(dāng)歷史值擬合曲線的R2在0.95以下時(shí)進(jìn)行修正。由于該城市歷史居民售電量擬合曲線的R2為0.939,因此對(duì)預(yù)測結(jié)果進(jìn)行修正:Y2019＝ (1+σ) ×Y2019’ ＝56.49億kWh。

2.5 預(yù)測結(jié)果分析

根據(jù)以上結(jié)果,預(yù)測得到2019年居民售電量E2019＝X2019+Y2019＝129.37億kWh。同理,可根據(jù)以上基于時(shí)間分段改進(jìn)的時(shí)間序列法,對(duì)售電量的其他分項(xiàng)第一、二、三產(chǎn)業(yè)用電量進(jìn)行預(yù)測。通過各項(xiàng)求和,2019年售電量的預(yù)測值為358.22億kWh。實(shí)際值 (354.41億kWh)較預(yù)測值的偏差率為-1.06%。各項(xiàng)實(shí)際值及整體值較相應(yīng)預(yù)測值的偏差見表2。

表2 售電量預(yù)測結(jié)果偏差分析

由表2可知,基于時(shí)間分段改進(jìn)的時(shí)間序列法的預(yù)測結(jié)果偏差分析中,分項(xiàng)中以數(shù)值較小的第一產(chǎn)業(yè)用電量和受天氣因素影響較大的居民用電量的預(yù)測偏差較大,但整體上的年度售電量的偏差率為-1.06%,預(yù)測準(zhǔn)確度較高。

3 預(yù)測方法優(yōu)勢分析

以2019年8月開展的電量預(yù)測工作為例,通過采用時(shí)間分段預(yù)測方法,應(yīng)用時(shí)間序列法獲得的預(yù)測結(jié)果為358.22億kWh。基于同等的時(shí)間分段預(yù)測原理,對(duì)大用戶法、回歸分析法、產(chǎn)值單耗法等預(yù)測方法做出改進(jìn),各方法的預(yù)測結(jié)果與實(shí)際值的預(yù)測偏差見表3。

表3 各預(yù)測方法在采用時(shí)間分段預(yù)測方法前后的預(yù)測偏差

通過分析表3可知,采用時(shí)間分段預(yù)測方法前,四種方法的預(yù)測結(jié)果范圍為342.3～365.9億kWh；采用時(shí)間分段預(yù)測方法后,四種方法的預(yù)測結(jié)果范圍為353.6～358.2億kWh。顯然,各方法在采用時(shí)間分段法進(jìn)行改進(jìn)后,預(yù)測準(zhǔn)確度都有不同程度地提升 (預(yù)測偏差的絕對(duì)值均有降低)。此外,各方法之間的預(yù)測結(jié)果差異也有所減小,通過計(jì)算,采用時(shí)間分段預(yù)測前后,各方法下預(yù)測結(jié)果之間的方差分別為109.97、3.64。這是由于預(yù)測方法基于時(shí)間分段進(jìn)行改進(jìn)后,售電量各分項(xiàng)的預(yù)測過程更加合理,且采用修正措施可減小跳躍點(diǎn)帶來的預(yù)測偏差,因此售電量的預(yù)測準(zhǔn)確性得到了大幅度提升。

4 結(jié)語

根據(jù)預(yù)測工作開展月份,將年度售電量預(yù)測指標(biāo)進(jìn)行分解,通過對(duì)初始預(yù)測結(jié)果進(jìn)行修正來減小歷史跳躍點(diǎn)帶來的預(yù)測偏差,以獲得可靠度更高的預(yù)測結(jié)果。基于以上對(duì)預(yù)測方法的改進(jìn),以某城市2019年開展的售電量預(yù)測工作作為案例進(jìn)行分析。結(jié)果證明時(shí)間分段預(yù)測方法可通過優(yōu)化各階段的預(yù)測結(jié)果進(jìn)而提升整體售電量的預(yù)測可靠度,并通過減小各方法之間的預(yù)測差異性,有利于最終推薦方案的選擇而提升預(yù)測準(zhǔn)確度。實(shí)際上,影響電量的因素還有很多,如電價(jià)政策、售電市場形勢等。未來在數(shù)據(jù)更加完備的情況下,考慮將更多的影響因子關(guān)聯(lián)到預(yù)測方法中,進(jìn)一步提升電量預(yù)測準(zhǔn)確度,為電網(wǎng)建設(shè)提供更多技術(shù)支撐。