基于修正業擴容量曲線的月度電量預測方法

汪　鴻，薛曉強，韓俊杰，羅　欣，趙　燃

（1.國網冀北電力有限公司，北京 100053；2.北京清軟創新科技有限公司，北京 100085）

基于修正業擴容量曲線的月度電量預測方法

汪鴻1，薛曉強1，韓俊杰2，羅欣2，趙燃2

（1.國網冀北電力有限公司，北京 100053；2.北京清軟創新科技有限公司，北京 100085）

業擴報裝容量與用戶用電水平具有緊密的聯系。本文建立了基于修正業擴容量曲線的月度電量預測方法，使電力企業能夠根據用戶業擴報裝情況準確預測出用戶個體以及行業整體的用電趨勢。首先，對用戶個體的存量電量和各次業擴所產生的電量分量進行分離，并采用生長曲線模型對各電量分量的過渡過程進行擬合；其后，提取得到用戶的用電特性指標，并據此對行業整體的月度凈用電容量曲線進行修正；最后，對行業月度電量曲線進行季節調整，并針對電量趨勢項與修正后的凈用電容量以及其他相關因素建立預測模型，進而得到行業月度電量預測值。實例分析表明，修正容量曲線能夠有效地降低預測誤差，驗證了預測方法的有效性和準確性。

月度電量預測；業擴報裝；用電容量；生長曲線；季節調整

月度電量預測是電力企業進行電力系統規劃與運行的重要基礎［1］。業擴報裝（簡稱“業擴”）是用戶申請用電到實際用電的過程中電力企業業務流程的總稱，業擴容量（用戶進行業擴后的用電容量）與用戶用電水平具有緊密的聯系。深入剖析業擴容量與用電量的關聯，形成基于業擴的月度電量預測方法，對電力企業的經營決策具有重要的現實意義。然而，業擴容量與用電量之間存在著諸多需要深入考慮的因素，增加了電量預測難度，包括：①用戶從發生業擴到達到穩定用電狀態中間存在一個過渡期，如何考慮過渡期內的用電變化過程；②用戶可能發生多次不同類型的業擴業務，如何對各次業擴產生的用電量進行分離；③預測方法如何基于用戶個體的用電特征擴展到對整個行業的用電趨勢進行預測等。

目前，雖然已有大量研究對月度電量預測的方法進行了討論和分析，比如ARMA模型［2-3］、季節調整法［4］、神經網絡方法［5］等，但鮮有文獻從電力企業的角度從機理層面進行分析，尤其對于業擴容量與用電量的關聯，現有研究關注較少且不夠深入。文獻［6-7］分析了工業用電量與業擴之間的相關性，但建立的預測模型直接將業擴容量作為自變量，而未考慮用電不穩定階段對預測結果的影響；文獻［8］探究了用戶在業擴后的用電變化趨勢，但建立的預測模型較為簡單，未考慮用戶多次業擴所產生電量的分離以及季節特性的影響等。且文獻［6-8］雖然初步考慮了業擴容量與電量的關系，但均未對業擴容量曲線進行修正，導致預測精度有所欠缺。

本文力圖克服現有研究的不足，建立基于修正業擴容量曲線的月度電量預測方法，使電力企業能夠根據用戶業擴情況預測出用戶個體以及行業整體的用電趨勢，并借助對用戶個體的用電曲線的擬合提取出相應的關鍵參量，來修正行業整體的業擴容量曲線，剝離用戶用電生長過程的隨機性對行業電量預測的影響，從而提高預測準確性。

1　業擴容量與用電量關系分析

業擴具有多種業務類型，其中主要影響電量預測的業務類型包括：新裝（新用戶按照所需用電容量與電力企業建立供用電關系）、增容（在原約定用電容量基礎上增加新的用電容量）、減容（減少合同規定的用電容量）、暫停（短期內停止使用全部或部分用電容量）、恢復（在暫停業務后恢復用電容量）和銷戶（終止供用電合同，停止全部用電容量）等。以某地區2009—2012年鋼鐵行業的月度用電數據為例，圖1和圖2分別給出了該地區某個鋼鐵企業和該地區鋼鐵行業整體的月度凈用電容量曲線和月度用電量曲線。其中，月度凈用電容量指發生業擴后的當前實際用電容量，即：凈用電容量=存量容量+增容類業擴容量（新裝、增容、恢復等）-減容類業擴容量（減容、暫停等）。

由圖1可見，對用戶個體而言，月度凈用電容量曲線為階躍曲線（期間共發生4次業擴業務），而用電量曲線基本跟隨凈用電容量的變化而變化，并在發生業擴業務的初期有所滯后。可見，用戶發生業擴行為后，其用電狀態并不會立刻達到穩定，而是會有一個過渡期，且在過渡期內，用電量先是快速增長，繼而增速逐漸放緩直至達到飽和。當用戶后續再次發生業擴時，電量曲線將在原來的基礎上再次疊加一個過渡過程，并達到新的穩定狀態。

由圖2可見，對于行業整體而言，月度凈用電容量曲線和月度用電量曲線均呈現出整體上升趨勢以及周期變化特性，且二者具有相似的形狀和波動趨勢，呈現出一定程度的相關性。如果能夠考慮用戶在發生業擴后的過渡期內的用電增長過程，并據此對行業整體的凈用電容量曲線進行修正，將從內在機理上提高容量曲線與用電量曲線的相關性，從而使電力企業能夠更準確地基于用戶業擴情況預測出整個行業的用電趨勢。

圖1　典型用戶的月度凈用電容量和月度用電量曲線Fig.1　Monthly net capacity curve and monthly electricity consumption curve for a typical power consumer

圖2　行業整體的月度凈用電容量和月度用電量曲線Fig.2　Monthly net capacity curve and monthly electricity consumption curve for a whole industry

2　考慮業擴容量特征的電量預測

2.1總體預測流程

本文采用不同方式實現對用戶個體和行業整體的月度電量的預測，并提取用戶個體的用電特性指標修正行業業擴容量曲線，從而使得行業整體的電量預測更加準確。總體預測流程如圖3所示。

圖3　總體預測流程Fig.3　Flow chart of the forecast process

2.2用戶個體月度電量曲線預測

2.2.1業擴用電生長曲線的擬合

用戶發生業擴后的電量增長過程與生長曲線特點相吻合［9］，因此本文采用Logistic模型［10］逐次對各個業擴電量分量進行擬合和預測，表達式為

式中：a、b、k為待定參數；t為時間參數。

其后，采用文獻［11］提出的改進的生長曲線預測法進行參數估計。

2.2.2各次業擴電量分量的分離和預測

記用戶歷史時段內的月度電量曲線為QM，t，t=1，…，TH，TH為歷史時段包含的月數。將月度電量QM，t除以當月天數，得到各月日均電量Qt。

記用戶在歷史時段和待預測時段內的凈用電容量曲線為Ct，其表達式為

式中：CS為存量容量；CB，i為用戶發生第i次業擴業務增加或減少的容量；Si為符號函數，對于增容類業擴，Si=1，對于減容類業擴，Si=-1；ti為用戶第i次業擴發生的月份；NH、NP分別為歷史時段和待預測時段內用戶發生業擴的次數；ε（t）為單位階躍序列；TP為待預測時段包含的月數，對于月度負荷預測，TP不宜太長，取TP=2～3為宜。

對各次業擴電量分量進行分離，并得到用戶個體的電量預測曲線，步驟如下。

（1）針對時間區間t=1，…，TH+TP，對Q1～Qt進行擬合，得到日均存量電量預測曲線

（2）從i=1開始至i=NH結束，逐次選取用戶發生第i次和第i+1次業擴行為之間的時間區間（即t=ti，…，ti+1-1），將該區間內的日均電量Qt減去存量電量預測值以及之前i-1次業擴電量分量的預測值得到第i次業擴產生的日均電量分量qi，t，即

對qi，t（t=ti，…，ti+1-1）進行擬合，得到歷史時段內發生第i次業擴對應日均電量分量的預測曲線1，…，NH，t=ti，…，TH+TP）。

（3）若用戶在待預測期內發生業擴行為，則根據用戶在歷史時段內發生同類型業擴所產生的電量分量，按照業擴容量進行比例折算得到預測值，即

式中，m為歷史時段內發生的同類型業擴的序號。

（4）疊加各電量分量并乘以當月天數，即得到用戶的月度電量預測曲線

2.2.3用戶用電特性指標的提取

為了將用戶的用電特性體現到行業整體的電量預測過程中，提取如下用電特性指標。

（1）各業擴電量分量的穩定利用小時數HS，i：根據前述步驟得到的各次業擴電量分量，當連續3個月電量變化不超過5%時，可認為該業擴電量分量已達到穩定狀態。穩定利用小時數表達式為

式中，qS，i為第i次業擴對應的穩定電量，可取穩定后3～5個月的月平均電量或其擬合曲線的參數a。

（2）各業擴電量分量的穩定時間TS，i：表示用戶從發生業擴到其電量分量達到穩定所經過的月數。

（3）各業擴電量分量的逐月負荷投運比例λi，t（t=ti，…，ti+TS，i-1）：表示過渡期內各業擴電量分量qi，t與對應的穩定電量qS，i的比值。

2.3行業整體月度電量曲線預測

2.3.1行業業擴凈用電容量曲線的修正

電力企業在統計各行業凈用電容量時，通常將各次業擴容量直接全部計入業擴發生當月的總容量，導致過渡期間內的容量利用小時數較低，容量曲線與電量曲線的相關性減小，降低了預測準確度。本文方法利用提取出的用戶用電特性參數，對行業整體的凈用電容量曲線進行修正，以使得每個業擴電量分量的等效利用小時數在過渡期內基本保持一致，從而剝離了用戶用電生長過程的隨機性對行業整體電量預測的影響。修正表達式為

根據實際情況，也可不必對所有用戶均提取特征指標進行修正，而可以針對該行業內用戶用電特性進行聚類，以若干典型用戶的特征指標為代表對行業業擴容量曲線進行修正。

2.3.2行業用電容量曲線和電量曲線的季節性分解

為消除季節變動要素和不規則要素對月度電量預測的影響，本文采用Census X12算法［12-13］，對行業月度日均用電量曲線進行季節性分解，即

2.3.3行業電量曲線預測模型的構建

式中，X為其他相關因素組成的向量。具體的預測模型可以根據實際情況選擇。

電量曲線季節項可采用歷史同期電量季節項的平均值作為預測值，即

式中，NY為歷史數據所包含的年數。

3　算例分析

選取某地區電力企業統計得到的2009—2012年鋼鐵行業的月度用電數據進行算例分析。取2009年1月—2012年10月作為歷史時段，對2012年11月、12月的用電量進行預測，即TH=46，TP=2。

行業內某典型用戶的月度凈用電容量曲線和電量曲線已在圖1中給出，其在觀測時段內共發生4次業擴業務，各次業擴信息如表1所示。

行業整體的月度凈用電容量曲線和電量曲線已在圖2中給出。影響鋼鐵行業整體用電量的相關因素主要為鋼鐵價格，觀測時段內的鋼鐵價格曲線如圖4所示。

表1　某典型用戶業擴信息Tab.1　Business expansions of a typical consumer

圖4　鋼鐵月度價格曲線Fig.4　Monthly steel price curve

根據第2.2節所述步驟，對該典型用戶進行用電生長曲線的擬合、各次業擴電量分量的分離、用電特性指標的提取，結果如下。

（1）第1次業擴（新裝）擬合曲線為

（2）第2次業擴（增容）擬合曲線為

式中，TS，2=3，且有λ2，22=6.6%，λ2，23=62.6%，λ2，24=79.9%；

（3）第3次業擴（暫停）TS，3=0，即發生暫停業務后，電量在當月即減少至穩定值，故q?3，t可取對應電量分量的穩定均值，即

（4）第4次業擴（恢復）擬合曲線為

式中，TS，4=1，且有λ4，37=57.7%。

借助EViews軟件對行業月度日均用電量曲線進行Census X12季節調整［14］，其趨勢項、季節項和不規則要素項如圖5所示。

圖5　鋼鐵行業月度電量曲線的季節調整Fig.5　Seasonal adjustment of monthly electricity consumption curve for steel industry

通過對比計算，可得到修正前后月度用電量趨勢項與凈用電容量的相關系數分別為0.81和0.88，可見修正過程提高了電量和容量曲線的相關性。

為驗證修正業擴容量曲線對于提高預測準確性的效果，將上述預測結果與未修正容量曲線情況下得到的預測結果進行對比。針對電量趨勢項、未修正的容量以及鋼鐵價格建立二次回歸預測模型，其得到的預測值也列于表2。

表2　預測結果及預測準確度對比Tab.2　Comparisons of forecasting results and accuracy

可以看到，電量預測取得了較為準確的結果，且修正容量曲線能夠有效地降低預測誤差，證明了本文所提預測方法的適用性和準確性。

4　結語

業擴容量與用戶用電水平具有緊密的聯系，深入剖析業擴容量與用電量的關聯，形成基于業擴報裝的月度電量預測方法，具有重要的研究意義。本文建立了基于修正業擴容量曲線的月度電量預測方法，采用不同方式實現了對用戶個體和行業整體的月度電量預測，并借助對用戶用電曲線的擬合提取出相應的關鍵參量，據此對行業整體的業擴容量曲線進行修正，從而降低了用戶用電的過渡過程對行業整體電量預測的影響，使得電力企業能夠更為準確地根據用戶業擴情況預測用戶個體以及行業整體的用電趨勢。

［1］吳杰，宋國堂，盧志剛，等（Wu Jie，Song Guotang，Lu Zhigang，et al）.基于偏最小二乘回歸與比重法的月售電量預測（Forecasting for monthly electricity consumption using partial least-square regressive and proportion model）［J］.電力系統及其自動化學報（Proceedings of the CSUEPSA），2008，20（3）：66-69.

［2］康重慶，夏清，張伯明（Kang Chongqing，Xia Qing，Zhang Boming）.電力系統負荷預測研究綜述與發展方向的探討（Review of power system load forecasting and its development）［J］.電力系統自動化（Automation of Electric Power Systems），2004，28（17）：1-11.

［3］葉瑰昀，羅耀華，劉勇，等（Ye Guijun，Luo Yaohua，Liu Yong，et al）.基于ARMA模型的電力系統負荷預測方法研究（Research on method of power system load forecasting based on ARMA model）［J］.信息技術（Information Technology），2002（6）：74-76.

［4］喬占俊（Qiao Zhanjun）.基于Census X12-SARIMA模型的中長期負荷預測（Medium and long-term load forecasting based on Census X12-SARIMA model）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2014，26（1）：34-38.

［5］張健美，周步祥，林楠，等（Zhang Jianmei，Zhou Buxiang，Lin Nan，et al）.灰色Elman神經網絡的電網中長期負荷預測（Prediction of mid-long term load based on gray Elman neural networks）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2013，25（4）：145-149.

［6］葛斐，李周，楊欣，等（Ge Fei，Li Zhou，Yang Xin，et al）.基于業擴報裝的全社會電量預測方法研究（Research on forecasting method of whole society electricity consumption based on business expansion）［J］.安徽電氣工程職業技術學院學報（Journal of Anhui Electrical Engineering Professional Technique College），2013，18（4）：31-34.

［7］石雪梅，李周，葛斐，等.一種基于工業業擴報裝的月度工業用電量預測方法［P］.中國專利：CN103413188A.

［8］余向前，王林信，張維靜，等（Yu Xiangqian，Wang Linx-in，Zhang Weijing，et al）.基于生長曲線的行業業擴用電趨勢研究（Research of business expanding electric consumption trend based on growth curves）［J］.電力需求側管理（Power Demand Side Management），2014，16（2）：21-25.

［9］牛東曉，曹樹華，趙磊.電力系統負荷預測技術及其應用［M］.北京：中國電力出版社，1999.

［10］鮑正杰，李生虎，趙鋒，等（Bao Zhengjie，Li Shenghu，Zhao Feng，et al）.飽和負荷預測中的改進Logistic算法（Improved logistic model for saturated load forecast）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2014，26（11）：7-11.

［11］王吉權，趙玉林（Wang Jiquan，Zhao Yulin）.生長曲線在電力負荷預測中的應用（Application of logistic curve in electric power load forecast）［J］.電網技術（Power System Technology），2004，28（22）：36-39.

［12］Findley D F，Monsell B C，Bell W R，et al.New capabilities and methods of the X-12-ARIMA seasonal-adjustment program［J］.Journal of Business&Economic Statistics，1998，16（2）：127-152.

［13］中國人民銀行調查統計司.時間序列X-I2-ARIMA季節調整：原理與方法［M］.北京：中國金融出版社，2006.

［14］張大維，劉博，劉琪.EViews數據統計與分析教程［M］.北京：清華大學出版社，2010.

Forecasting Method of Monthly Electricity Consumption Based on Modified Capacity Curve of Business Expansion

WANG Hong1，XUE Xiaoqiang1，HAN Junjie2，LUO Xin2，ZHAO Ran2
（1.State Grid Jibei Electric Power Co.，Ltd.，Beijing 100053，China；2.Beijing Qingruan Initiative Science and Technology Co.，Ltd.，Beijing 100085，China）

The capacity of business expansion has a close connection with the electricity consumption level.In this paper，a forecasting method of monthly electricity consumption based on the modified capacity curve of business expansion is proposed，with which power companies can forecast the trend of electricity consumption for both individual consumers and the whole industry.First，the electricity stock curve and the electricity consumption curves caused by each business expansion of the consumers are separated，and the transition process is fitted by growth curves.Second，the characteristic indexes of electricity consumption are identified，and they are further used to modify the monthly net capacity curve for the whole industry.Finally，the monthly electricity consumption curve of the whole industry is decomposed by seasonal adjustment.A forecasting model is built based on the electricity consumption tendency part，the modified net capacity of electricity consumption and other relevant factors，and it is used to forecast the monthly electricity consumption of the industry.A case study shows that the modified capacity curve can effectively reduce the forecast error，and the validity and accuracy of the proposed method are verified.

monthly electricity consumption forecast；business expansion；capacity of electricity consumption；growth curve；seasonal adjustment

TM732

A

1003-8930（2016）10-0080-05

10.3969/j.issn.1003-8930.2016.10.014

2015-06-12；

2016-02-03

國家電網公司科技資助項目“新形勢下電力需求及售電市場分析預測技術研究”（SGHB0000KXJS1400044）

汪鴻（1977—），男，碩士，高級工程師，研究方向為負荷預測、電力市場。Email：wh_email@263.net

薛曉強（1983—），男，碩士，工程師，研究方向為生產經營計劃管理。Email：xue.xiaoqiang@nc.sgcc.com.cn

韓俊杰（1985—），女，碩士，工程師，研究方向為負荷預測、電力市場。Email：jjhan@tsingsoft.com.cn