基于大數據及智能算法的連云港電量負荷預測研究

張　魁，王亞明，劉　明，伏祥運，李　紅

（連云港供電公司，江蘇連云港222004）

?

基于大數據及智能算法的連云港電量負荷預測研究

張魁，王亞明，劉明，伏祥運，李紅

（連云港供電公司，江蘇連云港222004）

摘要：隨著連云港經濟的快速發展，用電量和用電負荷也在快速增長，通過比對GDP和電量負荷的增長趨勢，并應用大數據類比省內經濟發展較快城市的歷史電量以及負荷增長趨勢，尋找到發展規律相似程度較高的城市。結合連云港市的經濟政策，通過智能算法預測出未來幾年內的電量負荷數值，并與這些城市對應時間的實際數值比較，電量及負荷數值基本吻合，預測準確率較高，對連云港"十三五"電網規劃和建設具有重要參考價值。

關鍵詞：大數據；用電量；負荷；智能算法；預測

在市場經濟日益完善的體制下，電力系統對電量及負荷預測的要求越來越高，保證電量及負荷預測的準確性，進而保證電力企業在近期月度、季度能夠合理安排生產計劃。中期電量及負荷預測則為電網規劃提供了重要依據，有利于電網企業合理提前安排項目及投資計劃，滿足地區電量及負荷快速增長的需要［ 1-4 ］。

近年來，連云港經濟發展較為迅速，2000年至2013年間連云港市社會生產總值（GDP）由291.1億元增長到了1785億元。隨著經濟的快速發展，連云港的全社會用電量 （以下簡稱電量）和全社會年最大負荷（以下簡稱負荷）也隨之快速增長。從統計數據可知，連云港市GDP近幾年均保持了較高增長，電量、負荷曲線的高峰低谷以及陡峭程度均與GDP接近。根據各個時期GDP以及電量負荷數值可以看出，經濟社會發展跟電力發展在各自的發展規模、速度、結構、質量等方面均具有高度的正相關性。

1　基于大數據理論的電量負荷趨勢分析

江蘇省內13個地級市發展速度各不相同，但發展政策及軌跡卻大同小異，經濟較發達的蘇南城市前幾年經濟狀況可能正是蘇北城市未來的發展方向，通過比較這些城市的GDP、電量及負荷的曲線及趨勢等情況，將各個城市歷年來的GDP數值、電量、負荷這些看似沒有關聯的大數據放在一起，通過橫向及縱向比較尋找其中的規律，為連云港市未來的電量負荷預測提供參考依據。

1.1電量校核分析

以連云港2013年和2014年電量數據為基準，與江蘇其他地市級公司1995年至2005年電量數據進行比較，尋找與連云港發展總量和趨勢最相似的2個城市及其時間區間；應用常規方法預測出連云港2014—2020年的電量及負荷情況后，用發展趨勢相似城市2003—2012年的電量、負荷數據作為預測值的校核參考值，提升預測的準確率。

連云港 1995—2014年電量與其他地市 1995—2005年電量數值對比如圖1所示。

連云港2013、2014年電量為135億kW·h，158億kW·h，與南京2002年162億kW·h、無錫2001年158 億kW·h、蘇州1999年154億kW·h、常州2004年152 億kW·h、南通2006年164億kW·h近似，對比情況如表1所示。

通過圖1及表1的數據分析，得出連云港與南通、常州的電量增長趨勢較為接近，蘇州、南京、無錫的電量增速則相對平緩，考慮以南通、常州的電量與負荷作為校核標準。

1.2負荷校核分析

根據以上分析得知，連云港的電量年趨勢與南通、常州相似，考察負荷趨勢是否吻合。表2為連云港2006年至2014年負荷數值、常州1996年至2004年負荷數值以及南通1998年至2006年負荷數值對比情況。從表2 可以得出，連云港近幾年負荷與常州及南通前幾年負荷趨勢相似，可以將常州及南通的負荷增長趨勢作為連云港未來幾年的參考。

經過數據分析，連云港第三產業和城鄉居民生活用電的電量最高，第一產業與南通相似，第二產業增長趨勢與南通、常州相似。連云港2014年第一、二、三產及城鄉居民生活用電比例為3：71：11：15，南通2006年第一、二、三產及城鄉居民生活用電比例為2：78：7：13，常州2004年第一、二、三產及城鄉居民生活用電比例為6：74：11：9。綜合比較各行業電量使用情況，3個城市中連云港工業電量占比最小，第三產業及城鄉居民生活用電比例最高。因為工業負荷較為穩定，三產及城鄉居民生活負荷波動較大，所以在電量相似的情況下，3個城市中連云港的最大負荷利用小時數最低，年最大負荷最高。

表1　連云港與相似城市電量對比　億kW·h

表2　連云港與相似城市負荷對比　MW

2　連云港2015至2020年電量及負荷預測

根據連云港以往的歷史電量及負荷數據，綜合考慮未來幾年的規劃及政策經濟等多方面因素，利用智能算法預測連云港市2015年至2020年的電量及負荷，并用增長趨勢相似的南通和常州2個城市的類比年份電量和負荷驗證校核預測準確率。

2.1電量預測分析

2.1.1電量預測方法介紹

國內外電量預測的方法有很多，主要分為三類：經典預測方法、傳統預測方法和智能預測方法。

文中采用智能算法中的灰色系統理論預測中期電量，灰色系統理論是一種介于白色和黑色之間即確定性和不確定性問題之間的理論方法，它可以通過研究較少的歷史電量數據、較匱乏的影響因素信息，從中找出較強的規律性，提取出電量預測需要的有價值的信息，用這些提取出的有用信息去預測未來的電量，這種方法對短期電量預測具有較好的效果［ 5-7 ］。

灰色模型即GM模型會先對歷史的電量數據序列做一次累加，目標是讓一次累加之后的電量數據能夠呈現出一定的規律，希望經過多次累加后，達到預期的電量數據規律，假設為電量數據初始序列：

對初始序列x（0）作一次累加，得到新的電量數據序列x（1），則x（1）中的第t項是由初始電量數據序列x（0）前t項的加和構成的，即：

對累加一次后的電量數據序列x（1）建立灰色模型方程，得到：

該方程的解為：

GM（1，1）模型是灰色理論中提出相對較早的預測模型，GM（1，1）是一階微分方程，系統模型的建立，一般要經過思想開發、因素分析、量化、動態化、優化5個步驟，稱為5步建模思想。

2.1.2電量預測實例

采用灰色系統模型GM（1，1）對電量進行預測，綜合考慮歷史電量數據、連云港未來經濟發展趨勢以及影響未來幾年電量需求增長的各種因素，得到3種預測結果，即高、中、低3種方案，如表3所示。

表3　連云港“十三五”電量預測

考慮到連云港市現在的經濟發展狀況以及未來幾年的經濟政策規劃，選取中方案作為連云港市2015年至2020年的全社會預測用電量，即到2020年連云港全社會用電量達到280.22億kW·h，年平均增長率為11.21%。

按照3個城市經濟發展趨勢，將連云港預測電量與常州2003年至2010年實際電量及南通2005年至2012年實際電量作對比分析，分別如表4所示。

表4　連云港預測電量與相似城市對比 億kW·h

從中可以看出，連云港市的預測電量與常州及南通的電量基本吻合，預測準確率很高。

2.2負荷預測分析

2.2.1負荷預測方法介紹

負荷預測多采用神經網絡及其優化算法，其具有預測準確率高、速度快等優點，神經網絡可以看作是一種模仿人類大腦的機器語言寫成的程序，它具有類似大腦突觸和神經元的網絡結構，由輸入層、中間層和輸出層構成，而每一層則通過大量的權值和閾值連接起來，形成獨立的網絡框架；通過對已有事物如負荷數據的層層分析處理，就會具有自動記憶和判別的能力，能夠對給出的新數據做出合理的趨勢和數值判斷，并在判斷過程中不斷優化修改判斷的方法，以達到負荷預測的效果［ 1 ］。

基于BP神經網絡的短期負荷預測有3個步驟。如圖2所示，第一步，設計BP神經網絡的模型，按照實際輸入輸出矩陣確定網絡的內部結構；第二步，用盡可能多的歷史數據訓練建立BP神經網絡，增進網絡精準度，使網絡性合格；第三步，應用BP神經網絡進行短期負荷預測。

圖2　BP神經網絡算法流程

2.2.2負荷預測實例

采用神經網絡BP算法對負荷進行預測，綜合考慮歷史負荷數據、連云港未來天氣變化、經濟發展趨勢、大用戶增長數量及規模等各種因素，得到3種預測結果，即高、中、低3種方案，如表5所示。

表5　連云港“十三·五”負荷預測

考慮到連云港市現在的經濟發展狀況以及未來幾年的經濟政策規劃，選取高方案作為連云港市2015年至2020年的全社會預測負荷，即到2020年連云港全社會負荷將達到5300 MW，年平均增長率為11.6%。

按照3個城市經濟發展趨勢，將連云港預測負荷與常州2003年至2010年實際負荷及南通2005年至2012年實際負荷作對比分析，分別如圖3所示。

圖3　連云港預測負荷與相似城市對比

從中可以看出，連云港市的預測負荷與常州及南通的實際負荷曲線相似。連云港最大負荷預測結果與南通歷史負荷數據基本相同，隨著連云港工業負荷的大幅增長，工業負荷趨于穩定，最大負荷利用小時數將下降，負荷將與南通趨于一致水平。

3　結束語

由以上分析可知，以南通、常州歷史電量、負荷情況校核連云港2015年至2020年預測情況，連云港的預測結果較為接近南通、常州的歷史數據，對校驗預測準確率具有較高的參考價值。下一步可結合常州、南通電網規劃、建設經驗，進一步發揮大數據在電網規劃電量負荷預測中的作用。

參考文獻：

［1］ 劉 明. 基于小波和神經網絡理論的電力系統負荷預測研究［D］. 南京：南京理工大學，2012.

［2］ 袁啟洪. 電力零售市場下的電量預測［D］. 北京：華北電力大學，2007.

［3］ 周 琪. 幾種電量預測的實用方法［J］. 江蘇電機工程，2006，25 （6）：52-54．

［4］ 王子琦，婁 南，楊麗徙，等. 優化灰色模型在中長期電力負荷預測中的應用［J］. 鄭州工業大學學報，1999，20（1）：79-81.

［5］ 郭 銳. 華北電網的售電量預測研究［J］. 中小企業管理與科技，2007（9）：73-74.

［6］ 朱韜析，江道灼，汪 泉. 一二月份用電量的預測［J］. 繼電器，2005，33（6）：62-65.

［7］ 邵 丹，林 輝. 考慮春節影響的中期電量預測［J］. 電機與控制學報，2007，11（5）：555-558.

張魁（1969），男，安徽全椒人，高級工程師，從事電力系統規劃設計管理及負荷預測等方面的工作；

王亞明（1980），男，江蘇連云港人，高級工程師，從事電網規劃工作；

劉明（1986），男，江蘇徐州人，工程師，從事電力系統調度運行及負荷預測等方面的工作；

伏祥運（1977），男，江蘇連云港人，高級工程師，從事電力系統調度運行管理、無功功率補償和諧波抑制等方面的工作；

李紅（1980），女，江蘇連云港人，高級工程師，從事電網規劃管理、設計及分析等工作。

Research on Electricity Consumption and Load Prediction of Lianyungang Based on Big Data and Intelligent Algorithm

ZHANG Kui， WANG Yaming， LIU Ming， FU Xiangyun， LI Hong
（Lianyungang Power Supply Company， Lianyungang 222004， China）

Abstract：The economy of Lianyungang is developing rapidly； also the electricity consumption is in rapid growth. By analyzing the growth trend of GDP and power consumption and analoging the power consumption to the cities with faster economic development speeds， the cities with similar development law are found. According to the economic policy of Lianyungang， the load values of the next few years are predicted by using intelligent algorithm. The actual value and prediction values of corresponding times are compared， which indicates those two values are almost the same. The perdition method is helpful to Lianyungang's 13th plan of five-year power grid development.

Key words：big data； electricity consumption； load； intelligent algorithm； forecasting

中圖分類號：TM715

文獻標志碼：A

文章編號：1009-0665（2016）03-0049-04

作者簡介：

收稿日期：2015 -11-30；修回日期：2016-02-24