大數(shù)據(jù)分析在電力規(guī)劃中的應(yīng)用

王成勇

（國網(wǎng)自貢供電公司，四川 自貢 643000）

1 背景及意義

傳統(tǒng)的電力需求預(yù)測僅局限于少量、單一數(shù)據(jù)的分析，缺少多變量數(shù)據(jù)、多行業(yè)數(shù)據(jù)的關(guān)聯(lián)分析，有時還受限于主觀經(jīng)驗(yàn)的影響，缺乏科學(xué)分析。以科學(xué)的電力需求預(yù)測分析為基礎(chǔ)，對電網(wǎng)規(guī)劃項(xiàng)目進(jìn)行有序且合理的規(guī)劃，急需建立一套電力需求分析預(yù)測系統(tǒng)，通過對歷史負(fù)荷數(shù)據(jù)、電量數(shù)據(jù)、氣溫?cái)?shù)據(jù)、地方經(jīng)濟(jì)數(shù)據(jù)的綜合分析，主要通過因子分析、相關(guān)性分析、回歸分析，挖掘各數(shù)據(jù)之間的關(guān)聯(lián)，建立預(yù)測模型，以實(shí)現(xiàn)對某一特定時期最大負(fù)荷和電量的科學(xué)預(yù)測。

2 氣溫-電量（負(fù)荷）預(yù)測法

本文利用相關(guān)性分析找出各種因素對負(fù)荷與電量的影響程度，根據(jù)分析結(jié)果找出與負(fù)荷和電量有關(guān)聯(lián)的變量，然后通過因子分析，對多個變量進(jìn)行降維處理，以盡可能減少變量個數(shù)。通過對氣溫?cái)?shù)據(jù)（包含最高氣溫、最低氣溫和平均氣溫）、月份、電網(wǎng)負(fù)荷、電量數(shù)據(jù)曲線的觀察，發(fā)現(xiàn)數(shù)據(jù)之間存在著一定的關(guān)聯(lián)關(guān)系，并隨著時間的變化呈現(xiàn)出一定的周期性規(guī)律，因此依據(jù)最高氣溫、最低氣溫、平均氣溫和月份等變量，重點(diǎn)分析負(fù)荷和電量的變化。最后通過建立預(yù)測模型，實(shí)現(xiàn)對電力需求的預(yù)測。

（1）氣溫、負(fù)荷、電量的相關(guān)性分析。首先對整體數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，以了解待分析數(shù)據(jù)的總體情況，包括各數(shù)據(jù)的均值、范圍、標(biāo)準(zhǔn)差等信息。日最大負(fù)荷與日電量兩個變量跟最高氣溫、最低氣溫和平均氣溫這3個變量的關(guān)聯(lián)程度較大，相關(guān)性顯著，尤其跟日最高氣溫的相關(guān)性最為顯著，日最大負(fù)荷、日電量與空氣質(zhì)量指數(shù)、月份相關(guān)性較弱，可以認(rèn)為基本不相關(guān)。因此，為減少計(jì)算量，在后面的分析中去除空氣質(zhì)量指數(shù)變量數(shù)據(jù)，保留每日氣溫?cái)?shù)據(jù)，同時保留月份數(shù)據(jù)。

（2）氣溫、負(fù)荷、電量因子分析。對最大負(fù)荷、日電量與當(dāng)日的最高氣溫、最低氣溫、平均氣溫的4個變量進(jìn)行因子分析，根據(jù)各自與負(fù)荷（電量）的相關(guān)程度抽取出對負(fù)荷（電量）有影響的成分，組成1組或1個能夠等效于上述4個變量的新的變量數(shù)據(jù)。事實(shí)上，因子個數(shù)小于原有變量的個數(shù)才是因子分析的目的，所以不可能提取全部特征根。第2列列出了按指定提取條件（這里為特征根大于1）提取特征根時的公因子?？梢钥吹?，與最大負(fù)荷（日電量）有關(guān)聯(lián)的3個氣溫變量的絕大部分信息（大于95.8%）可被因子解釋，這些變量信息丟失較少，而與最大負(fù)荷（日電量）關(guān)聯(lián)不大的月份變量僅提取了7.3%的成分。因此，本次因子提取的總體效果理想。圖1為因子分析的碎石圖，第1個因子的特征值很高（3左右），對解釋原有變量的貢獻(xiàn)最大；第1個以后的因子特征根都較小，取值都小于1，說明它們對解釋原有變量的貢獻(xiàn)很小，稱為可被忽略的“高山腳下的碎石”，因此可以提取第1個因子作為所有因子的代表。

圖1 因子分析碎石圖

因子分析完成后，數(shù)據(jù)末尾自動生成了1個公因子變量（FAC1_1），將其命名為“D”變量（影響電力負(fù)荷和電量的變量）。

（3）回歸分析。經(jīng)分析，得到?jīng)Q定電力負(fù)荷和電量的單一變量（D），接著需要利用回歸分析找出最大負(fù)荷與D、日電量與D的變化關(guān)系。下面分別選取最大負(fù)荷和日電量為因變量，選取D為自變量，對最大負(fù)荷與D、日電量與D的變化曲線進(jìn)行估計(jì)分析?？梢园l(fā)現(xiàn)，各個對最大負(fù)荷與D、日電量與D的變化曲線估計(jì)模型中，三次曲線的可決系數(shù)R2和F統(tǒng)計(jì)量均為最大，所以采用三次曲線對日最大負(fù)荷(Y1)-D和日電量(Y2)-D曲線進(jìn)行估計(jì)，三次曲線參數(shù)估算值結(jié)果可得出日最大負(fù)荷(Y1)-D、日電量(Y2)-D的變化關(guān)系式為：

圖2 日電量擬合值與實(shí)際值對比圖（單位kWh）

從圖2可以看出，曲線表達(dá)式基本上的最大負(fù)荷和日電量值大致擬合。

3 建立時間序列預(yù)測模型

從前文的分析可以發(fā)現(xiàn)，要實(shí)現(xiàn)負(fù)荷和電量的預(yù)測，只需預(yù)測出（最高氣溫（V1）、最低氣溫（V2）、平均氣溫（V3）這3個溫度參數(shù)即可。本節(jié)采用月度氣象數(shù)據(jù)建立時間序列模型，對未來某月的3個溫度參數(shù)（V1、V2、V3）進(jìn)行預(yù)測，然后利用插值實(shí)現(xiàn)每天的溫度參數(shù)，再次計(jì)算變量D，然后通過三次曲線方程實(shí)現(xiàn)對日負(fù)荷與電量的預(yù)測。建立分析模型如下。

表1 模型類型

由表1可知，最高氣溫和最低氣溫可以用簡單季節(jié)性模型擬合，而平均溫度可以用溫特斯加性模型擬合。通過觀察平穩(wěn)R方得到的預(yù)測模型，能夠較好的對變量進(jìn)行擬合和預(yù)測。將得到的模型輸出并保存為xml模型文件（命名為月度氣溫預(yù)測模型），以便以后做預(yù)測時直接調(diào)用。

從圖3中的歷史氣溫?cái)M合值與實(shí)際值的擬合程度可以看出，預(yù)測模型能夠較好的對預(yù)測變量進(jìn)行預(yù)測。建立了月度氣溫預(yù)測模型后，便可以對未來某個指定日期內(nèi)的氣溫?cái)?shù)據(jù)進(jìn)行預(yù)測。

圖3 氣溫預(yù)測模型曲線對比圖

4 模型的仿真與分析

以預(yù)測2018年某地區(qū)電網(wǎng)最大負(fù)荷和電量為例，進(jìn)行仿真驗(yàn)證。首先應(yīng)用SPSS的時間序列預(yù)測分析中的“應(yīng)用預(yù)測模型”功能，打開月度氣溫預(yù)測模型，選定2019年1月為預(yù)測時間終點(diǎn)，預(yù)測得到2017年11月~2019年1月的月氣溫?cái)?shù)據(jù)。然后通過Excel中的TREND函數(shù)插值得到2018年的全年氣溫?cái)?shù)據(jù)，如圖4。

圖4 2018年氣溫預(yù)測值

根據(jù)氣溫預(yù)測結(jié)果，采用本章第2節(jié)，對3個氣溫變量及月份做因子分析中的降維處理，得到變量D，進(jìn)而利用第3節(jié)回歸分析中的曲線估計(jì)結(jié)果，得到2018年的日最大負(fù)荷與日電量。

5 結(jié)語

本文通過對某電網(wǎng)的歷史負(fù)荷數(shù)據(jù)、電量數(shù)據(jù)、氣溫?cái)?shù)據(jù)、地方經(jīng)濟(jì)數(shù)據(jù)的綜合分析，主要通過因子分析、相關(guān)性分析、回歸分析，挖掘各數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，并建立預(yù)測模型，以實(shí)現(xiàn)對某一特定時期（2018年）最大負(fù)荷和電量的科學(xué)預(yù)測。在以后的電力需求預(yù)測中，可以直接調(diào)用已經(jīng)建立的模型，而不必再對龐大的數(shù)據(jù)進(jìn)行重新建模，極大提高了電力需求預(yù)測的科學(xué)性和工作效率。