基于雙重相似機制的臺風(fēng)期間電力負(fù)荷預(yù)測方法研究

馬騫，周毓敏，袁泉，周輝

(1.中國南方電網(wǎng)電力調(diào)度控制中心，廣東 廣州 510663；2.北京清軟創(chuàng)新科技有限公司，北京 100085)

電力負(fù)荷預(yù)測是電網(wǎng)公司各部門的重要工作之一。隨著人工智能技術(shù)的發(fā)展，短期負(fù)荷預(yù)測算法不斷優(yōu)化[1-8]，而針對沿海地區(qū)，臺風(fēng)所造成的氣象變化，會隨著臺風(fēng)的強度、登陸的時間和地點不同都會有所不同，這其中的復(fù)雜性和隨機性使得一些對于正常日有良好精度的預(yù)測方法也難以得到較為滿意的預(yù)測結(jié)果[9]，并在此期間對電網(wǎng)的安全穩(wěn)定性、電力調(diào)度控制性等均產(chǎn)生較大影響。為了進一步優(yōu)化目前的臺風(fēng)期間電力負(fù)荷預(yù)測過程，充分發(fā)揮人工智能預(yù)測算法在預(yù)測方面的優(yōu)勢，提升預(yù)測精度，本文對臺風(fēng)期間的電力負(fù)荷預(yù)測進行研究與論述。

對于臺風(fēng)期間的負(fù)荷預(yù)測：文獻[10]研究了基于氣象信息粒還原的分時段預(yù)測方法；文獻[11]將臺風(fēng)期間負(fù)荷拆分至臺風(fēng)負(fù)荷與基準(zhǔn)負(fù)荷進行分別分析與預(yù)測；文獻[12-17]采用基于歷史相似日的方法進行特殊日期間的負(fù)荷預(yù)測。上述文獻通常將待預(yù)測特殊日當(dāng)作單獨的主體進行研究，未考慮到特殊日前后日期的相關(guān)影響，而由于氣象條件與電力負(fù)荷需求的連續(xù)性，臺風(fēng)的影響往往體現(xiàn)在一個周期內(nèi)，并非單獨的某天。

在此背景下，本文提出一種基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測方法，將臺風(fēng)按照其對負(fù)荷產(chǎn)生的影響程度進行分類，針對各類臺風(fēng)均提出不同的預(yù)測思路；主要研究兼顧臺風(fēng)周期內(nèi)的相似性以及臺風(fēng)登陸日的相似性的雙重相似機制，并以廣東省為例[18]，采用考慮氣象因素的正常日預(yù)測方法與本文研究的基于雙重相似機制的預(yù)測方法分別進行臺風(fēng)期間負(fù)荷預(yù)測，驗證本文研究方法的有效性。

1 臺風(fēng)天氣負(fù)荷預(yù)測方法

考慮對于臺風(fēng)天氣下的負(fù)荷預(yù)測，首先將臺風(fēng)天氣進行分類，從其對負(fù)荷的影響程度入手，可以分為：無特殊影響臺風(fēng)、影響性臺風(fēng)、破壞性臺風(fēng)。無特殊影響臺風(fēng)主要是指由于臺風(fēng)的到來引起了各項氣象指標(biāo)的變化，而負(fù)荷的變化跟隨溫度、降雨等氣象指標(biāo)的變化而變化，即通過日常訓(xùn)練的氣象與負(fù)荷之間的關(guān)聯(lián)模型可以得到較為準(zhǔn)確的預(yù)測值；影響性臺風(fēng)是指由臺風(fēng)引起的氣象指標(biāo)變化幅度較大或較為劇烈，超出日常訓(xùn)練模型的預(yù)估，在這種情況下則需要尋找歷史數(shù)據(jù)中的相似情況，參考其進行預(yù)測；破壞性臺風(fēng)是指由于臺風(fēng)天氣而造成物理破壞，如對電力設(shè)備與線路的損壞、公共財產(chǎn)與安全的影響等，在這種情況下，依靠數(shù)學(xué)模型是無法預(yù)估負(fù)荷的變化情況，需要在一定計算的基礎(chǔ)上，輔以專家經(jīng)驗進行判斷。

1.1 無特殊影響臺風(fēng)

一般情況下，臺風(fēng)影響負(fù)荷的主要因素就是氣象，臺風(fēng)前天氣悶熱，溫度上升，負(fù)荷水平上升；臺風(fēng)中大風(fēng)強降雨導(dǎo)致溫度下降，負(fù)荷急劇下降；臺風(fēng)后溫度回升，用電負(fù)荷恢復(fù)。因此，判斷臺風(fēng)是否屬于無特殊影響臺風(fēng)，需要從臺風(fēng)前后及臺風(fēng)期間氣溫與負(fù)荷之間的關(guān)系是否產(chǎn)生明顯變化來看。本文利用臺風(fēng)前一段時間氣溫與負(fù)荷之間的關(guān)系進行模型訓(xùn)練，通過該模型，評估臨近臺風(fēng)以及臺風(fēng)中時間的氣溫與負(fù)荷之間是否滿足該模型確定的關(guān)系。由于每個模型都存在一定的誤差率，設(shè)置5%的置信區(qū)間，如果氣溫與負(fù)荷對應(yīng)關(guān)系在該區(qū)間內(nèi)，則認(rèn)為其滿足該模型。

如圖1所示，圓形散點表示臺風(fēng)“鸚鵡”到來之前2周左右廣東省日最大負(fù)荷與日平均溫度之間的關(guān)系，三角形散點表示臺風(fēng)“鸚鵡”登陸期間的日最大負(fù)荷與平均溫度之間的關(guān)系。

圖1 臺風(fēng)“鸚鵡”前、中氣溫與負(fù)荷關(guān)系Fig.1 Relationships between air temperature and load before and during typhoon Nuri

由圖1可以看到，本次臺風(fēng)期間，日負(fù)荷與氣象之間的關(guān)系變化不明顯，與臺風(fēng)到來前負(fù)荷-氣象模型基本匹配，故認(rèn)為該臺風(fēng)為無特殊影響臺風(fēng)，預(yù)測時不采取特殊策略，利用近期氣象與負(fù)荷訓(xùn)練得到的模型進行預(yù)測即可。

1.2 影響性臺風(fēng)

影響性臺風(fēng)是指臺風(fēng)期間，負(fù)荷與氣象指標(biāo)之間的關(guān)系發(fā)生較大變化，與臺風(fēng)前一段時間內(nèi)二者間關(guān)系差異較大，無法直接用數(shù)學(xué)模型進行預(yù)測。臺風(fēng)“海高斯”前、中氣溫與負(fù)荷關(guān)系如圖2所示。

圖2 臺風(fēng)“海高斯”前、中氣溫與負(fù)荷關(guān)系Fig.2 Relationships between air temperature and load before and during typhoon Higos

由圖2可以看到，本次臺風(fēng)期間，登陸前1日以及登陸當(dāng)天，臺風(fēng)導(dǎo)致的溫度變化波動較強，直接造成負(fù)荷與氣象之間的對應(yīng)關(guān)系發(fā)生明顯變化，偏離了近段時間二者之間已形成的關(guān)系。

在圖2情況下，僅依靠歷史氣象與負(fù)荷數(shù)據(jù)訓(xùn)練的模型難以得到較準(zhǔn)確的預(yù)測結(jié)果，對此本文研究了一種雙重相似機制，即在歷史數(shù)據(jù)中尋找一段周期內(nèi)氣象變化趨勢相似、日特征相似的日期作為參考相似日，從而應(yīng)用在未來臺風(fēng)條件下的預(yù)測中。

1.2.1 相似周期

研究發(fā)現(xiàn)，臺風(fēng)帶來的影響往往是一個周期，臺風(fēng)前氣溫升高天氣悶熱，臺風(fēng)中出現(xiàn)強降雨和大風(fēng)，臺風(fēng)后溫度回升，均導(dǎo)致負(fù)荷產(chǎn)生相應(yīng)的波動[19]?；诖颂攸c，本文以臺風(fēng)登陸日為中心，結(jié)合登陸前2日與后2日形成一個5日的周期，作為待預(yù)測周期。

日常生活中，除了影響性臺風(fēng)外，由于氣溫的突變、異常的波動、突然的降雨等情況，也有可能發(fā)生與影響性臺風(fēng)期間相類似的負(fù)荷變化，這種情況稱之為“類臺風(fēng)天氣”。由于臺風(fēng)天氣樣本量較小，在預(yù)測時難以找到合適的相似參考情況，而考慮“類臺風(fēng)天氣”的變化則是擴大樣本的有效途徑之一。根據(jù)上文分析，臺風(fēng)影響周期長短不一，結(jié)合氣象預(yù)報時長，本文以5日為一個周期，遍歷歷史數(shù)據(jù)，尋找氣象變化相似的周期，即為“類臺風(fēng)天氣”。

考慮到日前負(fù)荷預(yù)測主要是根據(jù)歷史數(shù)據(jù)中挖掘得到的規(guī)律建立模型，并依據(jù)未來的氣象預(yù)報，得到未來的負(fù)荷預(yù)測值，因此，在進行臺風(fēng)相似周期的選擇時，主要依據(jù)氣象指標(biāo)的相似度進行計算。本文采用歐氏距離進行相似度的衡量，由于歐氏距離計算前提是各維度指標(biāo)具有相同的刻度級別，因此在相似度計算之前，首先進行數(shù)據(jù)的標(biāo)準(zhǔn)化處理，消除不同日期下氣象指標(biāo)的量級差異。

1.2.2 相似日特征

雙重相似機制的第2個選取相似的步驟，是以相似周期內(nèi)第3日，即臺風(fēng)登陸日為目標(biāo)，同時考慮氣象指標(biāo)的相似、日期距離的遠(yuǎn)近、星期類型的差異、季節(jié)類型的差異以及臺風(fēng)強度等，計算與其相似的日期相似程度。

a)氣象相似。臺風(fēng)期間的負(fù)荷預(yù)測中，氣象指標(biāo)帶來的影響最為突出，因此，氣象指標(biāo)的相似是相似日判斷的必要條件。

b)日期距離。電力需求會根據(jù)居民的生活習(xí)慣、產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整等發(fā)生改變，因此負(fù)荷的變化往往具有連續(xù)性，時間越接近，負(fù)荷特性越相似。相似日與待預(yù)測日的日期距離同樣是相似日判斷的重要條件。

c)星期類型。負(fù)荷的變化具有周維度特性，這主要是因為工作日與周末的生產(chǎn)活動、生活特性差異較大，因此在相似日選擇時應(yīng)考慮星期類型的相似程度。

d)季節(jié)類型。負(fù)荷的變化同時具有季節(jié)特性，主要是由于在不同的季節(jié)用電特性具有差異性，如夏季高溫導(dǎo)致降溫負(fù)荷增加，冬季低溫導(dǎo)致采暖負(fù)荷增加；因此在相似日選擇時還應(yīng)考慮季節(jié)類型的相似程度。

e)臺風(fēng)強度。由于臺風(fēng)天氣具有獨特的負(fù)荷變化規(guī)律與特點，臺風(fēng)之間的相似程度更佳，因此將臺風(fēng)屬性也作為相似程度評估的條件之一。

綜合來看，相似日特征的選擇主要以日特征向量的形式評估，每項評估指標(biāo)分別計算其關(guān)聯(lián)度，最終所有指標(biāo)關(guān)聯(lián)度相乘得到整體日特征的相似度。

在影響性臺風(fēng)的負(fù)荷預(yù)測中，首先進行第1步相似周期的計算，按照相似程度從大到小排列，并依次對這些周期內(nèi)第3日與待預(yù)測的臺風(fēng)登陸日進行相似日的計算，得到相似周期、相似日的雙重相似結(jié)果，將其輸入模型中進行訓(xùn)練，使預(yù)測模型可以重點學(xué)習(xí)相似度較高周期與日期的負(fù)荷-氣象變化規(guī)律。

1.3 破壞性臺風(fēng)

破壞性臺風(fēng)是指臺風(fēng)帶來了破壞性的影響，對生命及財產(chǎn)安全產(chǎn)生危害。比如2018年的臺風(fēng)“山竹”，造成廣東、廣西、海南、湖南、貴州5省(區(qū))近300萬人受災(zāi)[20]，5人死亡，1人失蹤，160.1萬人緊急避險轉(zhuǎn)移和安置，1 200余間房屋倒塌，農(nóng)作物受災(zāi)面積174.4千公頃，直接經(jīng)濟損失52億元。由于其造成的嚴(yán)重影響，第51屆臺風(fēng)委員會年度會議上，決定將“山竹”除名。臺風(fēng)“山竹”前、中氣溫與負(fù)荷關(guān)系如圖3所示。

圖3 臺風(fēng)“山竹”前、中氣溫與負(fù)荷關(guān)系Fig.3 Relationships between air temperature and load before and during typhoon Mangkhut

臺風(fēng)“山竹”2018年9月15日登陸期間，廣東省負(fù)荷大幅度下降，這一變化較為罕見且無法利用數(shù)學(xué)模型進行分析及預(yù)判。對于這類破壞性臺風(fēng)，采用專家經(jīng)驗判斷的方法進行預(yù)測。首先，對于歷史上出現(xiàn)的破壞性臺風(fēng)進行標(biāo)簽設(shè)置，由于該類臺風(fēng)數(shù)量較少，結(jié)合專家經(jīng)驗判斷與歷史數(shù)據(jù)參考，是預(yù)測該類臺風(fēng)期間負(fù)荷變化趨勢的有效方法。

2 基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測流程

基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測流程如圖4所示，圖中：i為周期內(nèi)第1日與待預(yù)測周期第1日之間的天數(shù)差；di為每個歷史周期與待預(yù)測周期之間的氣象相似程度；N為歷史數(shù)據(jù)長度；Aopt為對比周期內(nèi)預(yù)測負(fù)荷值與實際負(fù)荷值平均偏差和最小偏差二者之間的最小值。下文將對各步驟分別進行介紹。

2.1 氣象指標(biāo)相關(guān)性評估

一般可以獲取的氣象指標(biāo)包括溫度、濕度、風(fēng)速、降雨量，通過這些指標(biāo)還可以計算得到人體舒適度、溫濕指數(shù)等復(fù)合氣象指標(biāo)。采用皮爾遜相關(guān)系數(shù)rpq[21]對各個氣象指標(biāo)與負(fù)荷之間的相關(guān)程度進行評估，計算公式為

(1)

式中：p、q為時間序列向量；cov(p,q)為向量p

與q的協(xié)方差；σp、σq分別為向量p與q的標(biāo)準(zhǔn)差。

相關(guān)系數(shù)是描述2個變量p與q之間相關(guān)程度的定量指標(biāo)，相關(guān)系數(shù)rpq無量綱，其值在[-1,1]范圍內(nèi)。當(dāng)rpq=0，p與q不相關(guān)；當(dāng)rpq>0，p與q正相關(guān)；當(dāng)rpq<0，p與q負(fù)相關(guān)。

2.2 主導(dǎo)氣象指標(biāo)選擇

依據(jù)計算得到的各個氣象指標(biāo)與地區(qū)負(fù)荷的相關(guān)性，選擇相關(guān)程度最高的一個或多個指標(biāo)作為主導(dǎo)氣象因素，將其未來各個時刻點的預(yù)報數(shù)據(jù)作為重要的參數(shù)輸入預(yù)測模型進行訓(xùn)練。

2.3 獲取未來天氣預(yù)報信息

對于短期的負(fù)荷預(yù)測，接入實時傳輸?shù)奶鞖忸A(yù)報信息至關(guān)重要?；诒疚乃枋龅呐_風(fēng)期間負(fù)荷預(yù)測方法，至少需要獲取未來5日的氣象預(yù)報信息。

2.4 氣象數(shù)據(jù)標(biāo)準(zhǔn)化處理

不同日期、不同季節(jié)、不同年份的氣象數(shù)據(jù)存在著量級有所差異的特點，在相似周期的選擇步驟中，著重關(guān)注氣象變化趨勢的相似性，因此在進行相似性計算之前，對氣象數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。本文采用z-score標(biāo)準(zhǔn)化處理方式，通過變換，將多組數(shù)據(jù)轉(zhuǎn)化為無單位的z-score分值，使得數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一化，提高數(shù)據(jù)可比性。計算公式為

圖4 基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測流程Fig.4 Load forecasting flow chart during typhoon based on double similarity mechanism

(2)

式中：θ為觀測值，指各指標(biāo)數(shù)據(jù)的原始值；μ為總體數(shù)據(jù)的均值；σ為總體數(shù)據(jù)的標(biāo)準(zhǔn)差；z為經(jīng)過z-score標(biāo)準(zhǔn)化后的數(shù)據(jù)。

2.5 第一重相似機制：周期相似性計算

對于以5日為一個周期的相似性計算，本文采用歐氏距離進行判斷，距離值越小，則發(fā)展變化趨勢越相似。

待預(yù)測周期日氣象指標(biāo)向量

Y=(y1,y2,y3,y4,y5).

(3)

式中：下標(biāo)1—5表示周期內(nèi)第1—5日；y1至y5為待預(yù)測周期第1—5日以15 min為間隔的日氣象指標(biāo)時間序列。

歷史周期日氣象指標(biāo)向量

Xi=(x1i,x2i,x3i,x4i,x5i).

(4)

式中：i為周期內(nèi)第1日與待預(yù)測周期第1日之間的天數(shù)差，i=5…N；x1i至x5i為歷史周期第1—5日以15 min為間隔的日氣象指標(biāo)時間序列。

每個歷史周期下，與待預(yù)測周期之間的氣象相似程度

(5)

2.6 待預(yù)測臺風(fēng)屬性判斷

無特殊影響臺風(fēng)、影響性臺風(fēng)與破壞性臺風(fēng)可以通過其登陸期間氣象指標(biāo)與負(fù)荷的關(guān)系與臺風(fēng)前一段時間的差異性進行區(qū)分：差異性較小，即為無特殊影響臺風(fēng)；差異性適中，為影響性臺風(fēng)；差異性較大，為破壞性臺風(fēng)。

根據(jù)上一步相似周期的計算結(jié)果，可以對臺風(fēng)屬性進行判斷。具體如下：

a)選擇與待預(yù)測周期Y相似性最高的歷史周期記為Xopt。

b)以周期Xopt前2周工作日氣象指標(biāo)與負(fù)荷數(shù)據(jù)為基礎(chǔ)，建立二者之間的相關(guān)模型記為Mopt。

(6)

如果Aopt≤5%，表示周期Xopt內(nèi)負(fù)荷與氣象之間的關(guān)系與該周期前2周內(nèi)二者間關(guān)系接近，則認(rèn)為Xopt對應(yīng)天氣為無特殊影響天氣，可近似認(rèn)為待預(yù)測周期Y對應(yīng)臺風(fēng)為無特殊影響臺風(fēng)；如果5%10%，則認(rèn)為待預(yù)測周期Y對應(yīng)臺風(fēng)為破壞性臺風(fēng)。

2.7 依據(jù)屬性選擇預(yù)測方法

結(jié)合對上一步驟中待預(yù)測周期的臺風(fēng)屬性判斷，選擇對應(yīng)的預(yù)測方法：

a)如待預(yù)測周期Y對應(yīng)臺風(fēng)為無特殊影響臺風(fēng)，則采用正常日預(yù)測模型直接預(yù)測；

b)如待預(yù)測周期Y對應(yīng)臺風(fēng)為影響性臺風(fēng)，則進入第二重相似性的判斷；

c)如待預(yù)測周期Y對應(yīng)臺風(fēng)為破壞性臺風(fēng)，同樣進入第二重相似性的判斷，并重點采用專家經(jīng)驗預(yù)測的方式進行修正。

2.8 日特征向量構(gòu)建

在第一重相似周期的計算中，保留相似程度前50%的歷史周期，并提取這些歷史周期內(nèi)的第3日，對應(yīng)待預(yù)測周期中的臺風(fēng)登陸日，構(gòu)建此日特征向量。

日特征向量的構(gòu)建旨在從氣象指標(biāo)、日期距離、星期類型、季節(jié)類型、臺風(fēng)強度等角度全方位評估歷史日與待預(yù)測日的相似程度。氣象指標(biāo)、日期距離、臺風(fēng)強度等通過相似周期對應(yīng)日與待預(yù)測周期中對應(yīng)日的數(shù)值相似度進行判斷，而星期類型與季節(jié)類型則依據(jù)廣東省實際的用電規(guī)律性進行相應(yīng)設(shè)定。

為了較準(zhǔn)確探究廣東地區(qū)星期類型用電特征，選擇氣象影響較弱的一段時間，觀察每日最大負(fù)荷變化規(guī)律如圖5所示。

圖5 廣東電網(wǎng)2020-10-15—11-15日最大負(fù)荷變化情況Fig.5 Daily maximum load variations of Guangdong power grid from October 15 to November 15 in 2020

由圖5可以看到，廣東電網(wǎng)存在較明顯的周末效應(yīng)。周一至周五用電需求旺盛且相對平穩(wěn)，周六負(fù)荷較周中略有下降，而周日則出現(xiàn)較大幅度下降。因此對于星期類型的取值將對周六、周日與正常工作日做出區(qū)分。在此情況下，周一與周五作為銜接工作日與休息日的過渡日期，同樣需要與周中正常工作日做出區(qū)分。

廣東2018—2020年各月最大負(fù)荷變化情況如圖6所示。

圖6 廣東省2018—2020年月最大負(fù)荷Fig.6 Monthly maximum load of Guangdong province from 2018 to 2020

由圖6可以看到，廣東整體呈現(xiàn)明顯的夏季用電突出特性，從負(fù)荷水平結(jié)合氣候情況來看，每年12月—次年1月負(fù)荷水平接近，2月—3月處于季節(jié)更迭期、4月—5月處于溫度上升期且與10月—11月負(fù)荷水平與氣溫水平均接近、6月—9月則是主要的夏季期間，負(fù)荷水平受高溫影響處于全年最高峰。根據(jù)上述特點，對季節(jié)類型的取值做出相應(yīng)的區(qū)分。

綜上所述，構(gòu)建日特征向量：

Vj=(VWeatherj,VDayj,VWeekj,VSeasonj,VTyphoonj).

(7)

式中：j為距離待預(yù)測的臺風(fēng)登陸日的距離，j=5,…,N；VWeatherj取值為選定主導(dǎo)氣象指標(biāo)的實際值；VDayj取值為j；VWeekj取值為1、2、3、5、7，基于廣東地區(qū)生產(chǎn)規(guī)律特點，設(shè)定周一取值為1，周二至周四取值為2，周五取值為3，周六取值為5，周日取值為7；VSeasonj取值為1、3、5、9，依據(jù)廣東地區(qū)氣象與負(fù)荷之間的關(guān)系，分別代表12月—次年1月、2月—3月，4月—5月、10月—11月、6月—9月；VTyphoonj取值為6～16，分別代表臺風(fēng)中心附近最大風(fēng)力等級，如非臺風(fēng)日，則取值為1。

待預(yù)測周期y的臺風(fēng)登陸日特征向量表示為：

Vy=(VWeathery,VDayy,VWeeky,VSeasony,VTyphoony).

(8)

2.9 第二重相似機制：日特征相似性評估

日特征向量的相似性評估，由各特征值相似度綜合評估得到。對日維度各特征設(shè)置評估系數(shù)，旨在評估歷史日與待預(yù)測日之間該特征的相似程度，各特征評估系數(shù)相乘得到該日與待預(yù)測日的總體相似度。

a)氣象指標(biāo)評估系數(shù)。基于主導(dǎo)氣象指標(biāo)選擇步驟中選定的主導(dǎo)氣象指標(biāo)，計算氣象評估系數(shù)

(9)

b)日期距離評估系數(shù)[14-15]。歷史日相對于待預(yù)測日之間的距離是評估相似度的特征之一，采用“近大遠(yuǎn)小”的原則，日期距離評估系數(shù)

(10)

式中：mod表示取余函數(shù)，mod(j,N1)即j/N1所得余數(shù)；int表示取整函數(shù)，int(j/N)即j/N2所得整數(shù)；Sj為1,0變量，表示歷史日與待預(yù)測日是否為同一節(jié)假日；α1、α2與α3為常數(shù)，分別表示歷史日與待預(yù)測日距離每增加1日、1周和1年的縮減比例，在此分別取值0.9、0.95、0.98；N1、N2與N3為常數(shù)，分別取值為7、7、365(閏年為366)。

c)星期類型評估系數(shù)

(11)

d)季節(jié)類型評估系數(shù)

(12)

e)臺風(fēng)強度評估系數(shù)

(13)

f)日特征綜合相似度。日特征綜合相似度由各特征指標(biāo)評估系數(shù)相乘得到：

βj=βweatherjβdayjβweekjβseasonjβtyphoonj.

(14)

2.10 基于雙重相似結(jié)果的負(fù)荷預(yù)測

第一重相似性計算后，得到相似度前50%的歷史周期作為下一步計算的數(shù)據(jù)基礎(chǔ)；第二重相似性計算后，得到每個歷史周期內(nèi)與臺風(fēng)登陸日對應(yīng)日期與待預(yù)測臺風(fēng)登陸日的日特征綜合相似程度，將日特征綜合相似度作為可信度指標(biāo)，輸入至人工智能預(yù)測模型中，對模型進行訓(xùn)練，最終根據(jù)臺風(fēng)期間氣象預(yù)報信息，得到負(fù)荷預(yù)測結(jié)果。

本次研究采用長短期記憶(long short-term memory，LSTM)算法進行預(yù)測，該算法可以選擇過去任意時刻輸入的信息是否有效，對具有一定周期性時間序列的預(yù)測具有很好的適用性。

3 預(yù)測算例

臺風(fēng)“海高斯”于2020年8月19日登陸廣東省陽江市，以該臺風(fēng)為例，采用正常日預(yù)測方法以及基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測方法分別進行預(yù)測。以19日為中心，17—21日為待預(yù)測周期，進行預(yù)測得如下。

3.1 第一重相似計算

通過氣象與負(fù)荷之間的相關(guān)性分析(見表1)可以得到2020年夏季各氣象指標(biāo)的主導(dǎo)性。

表1 氣象與負(fù)荷相關(guān)性計算Tab.1 Meteorological and load correlation calculations

由表1可以看到，在上述氣象指標(biāo)中，平均溫度與負(fù)荷的相關(guān)性最強，因此在后續(xù)的相似性判斷時選用平均溫度指標(biāo)，在預(yù)測模型中采用溫度的逐時預(yù)報值作為氣象輸入?yún)?shù)進行預(yù)測。

通過相似周期的計算方式，得到相似性排名前5位的周期見表2。

表2 相似周期計算結(jié)果Tab.2 Similar cycle calculation results

其中，7月24日至7月28日之間的相似程度與待預(yù)測周期最高，計算得到在該周期內(nèi)平均的預(yù)測偏差A(yù)opt為6.21%，介于5%～10%，故判斷待預(yù)測臺風(fēng)為影響性臺風(fēng)。

3.2 第二重相似計算

第二重相似性的計算主要針對臺風(fēng)登陸日的日特征向量構(gòu)建與相似特性評估。通過對各相似周期內(nèi)臺風(fēng)登陸日對應(yīng)的日維度氣象指標(biāo)、日期距離、星期類型、季節(jié)類型、臺風(fēng)強度等逐一進行評估計算，得到7月24—28日周期內(nèi)對應(yīng)臺風(fēng)登陸日的日特征最相似，具體結(jié)果見表3。

表3 日特征向量相似計算結(jié)果Tab.3 Similarity calculation results of daily eigenvectors

3.3 預(yù)測結(jié)果

根據(jù)上述計算，采用LSTM算法對負(fù)荷進行預(yù)測，并對比正常日預(yù)測方法測算結(jié)果。正常日預(yù)測方法在預(yù)測模型的輸入中僅包含日期、氣象數(shù)據(jù)、假日標(biāo)識等信息；而本文論述的基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測方法則在日期、氣象、假日標(biāo)識之外，將相似程度作為另一個重要的可信度指標(biāo)輸入至模型。

本文在應(yīng)用LSTM算法進行預(yù)測時，以廣東省2013年1月—2020年8月18日的數(shù)據(jù)為基礎(chǔ)，采用8∶2的比例拆分為訓(xùn)練集與測試集進行模型構(gòu)建，正常日預(yù)測與本文所提雙重相似機制的臺風(fēng)預(yù)測方法輸入?yún)?shù)見表4。

表4 2種預(yù)測方法輸入?yún)?shù)表Tab.4 Input parameters of two prediction methods

模型通過歷史負(fù)荷變化規(guī)律，結(jié)合歷史日的預(yù)測可信度，得到預(yù)測結(jié)果如圖7所示。

由圖7可以看到：在臺風(fēng)登陸前，由于氣溫升高，負(fù)荷高于正常情況，正常日預(yù)測算法得到的結(jié)果整體低于實際負(fù)荷；臺風(fēng)登陸當(dāng)天，氣溫降幅較大，影響性臺風(fēng)帶來超出正常日氣象與負(fù)荷之間關(guān)系的影響導(dǎo)致負(fù)荷降幅超出預(yù)期，正常日預(yù)測算法對此規(guī)律無法掌握，因此預(yù)測結(jié)果偏高；臺風(fēng)過后，氣溫反彈，負(fù)荷大幅回升，此時正常日預(yù)測算法的預(yù)測結(jié)果偏低，整體預(yù)測負(fù)荷變化幅度小于實際。采用本文研究的基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測算法進行預(yù)測，得到的預(yù)測結(jié)果在一定程度上優(yōu)化了這一缺陷，在臺風(fēng)周期內(nèi)，預(yù)測負(fù)荷與實際負(fù)荷更加接近，對此期間內(nèi)負(fù)荷與氣象之間的關(guān)系描述更加精準(zhǔn)。2種方法預(yù)測精度見表5。

圖7 臺風(fēng)“海高斯”期間負(fù)荷預(yù)測結(jié)果Fig.7 Load prediction results during typhoon Higos

表5 預(yù)測精度對比表Tab.5 Comparisons of prediction accuracy %

通過算例驗證，本文研究的基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測方法預(yù)測效果優(yōu)于正常日預(yù)測方法，預(yù)測精度有較明顯提升，具有較好的適用性。

4 結(jié)束語

鑒于臺風(fēng)天氣影響時間、范圍、程度的隨機性，負(fù)荷預(yù)測工作面臨較大的挑戰(zhàn)。對此，本文提出基于雙重相似機制的臺風(fēng)期間負(fù)荷預(yù)測方法，一方面以臺風(fēng)登陸日為中心，尋找與臺風(fēng)登陸前后一段時間內(nèi)氣象條件變化相似的周期，作為后續(xù)計算基礎(chǔ)，增加考慮了預(yù)測當(dāng)中氣象、負(fù)荷變化的連續(xù)性與相鄰日之間的關(guān)聯(lián)性；另一方面在相似性較高的周期內(nèi)，選擇與臺風(fēng)登陸日對應(yīng)的日期進行相似日特征的評估，同時從氣象、日期距離、星期類型、季節(jié)類型以及臺風(fēng)強度等角度進行評估，得到每個備選日與待預(yù)測臺風(fēng)登陸日之間的日特征相似性，作為預(yù)測模型參考的可信度，使預(yù)測模型得到更有效地學(xué)習(xí)樣本。

以臺風(fēng)“海高斯”期間廣東省負(fù)荷預(yù)測結(jié)果為例，驗證了該方法的適用性與有效性。但是綜合來看，臺風(fēng)期間的負(fù)荷預(yù)測仍然存在歷史樣本較少、變化波動隨機性強，很可能存在無法匹配歷史相似周期或相似日的情況，因此未來的研究工作仍將持續(xù)，不斷積累相關(guān)數(shù)據(jù)、優(yōu)化預(yù)測方法。