基于判別分析和支持向量機結合的在建工業園區短期負荷預測研究

石佳 解林超 王仲鋒

摘? 要：在電改背景下，文章提出一種基于判別分析和支持向量機結合的在建工業園區月度負荷需求預測模型。針對近期將入駐園區的企業，參照當前同行業負荷數據，進行預測;對園區現有企業，基于96點負荷數據及其相關影響因素，判斷其增容需求。從而結合兩項結果對園區近期電力需求進行綜合預測，為園區配電網規劃提供決策依據。

關鍵詞：判別分析;支持向量機;在建工業園區;負荷預測

中圖分類號：TM715 文獻標志碼：A? ? ? 文章編號：2095-2945（2019）10-0061-02

Abstract： Under the background of electric power reform， this paper proposes a monthly load demand forecasting model of industrial park under construction based on discriminant analysis and support vector machine （SVM）. For the enterprises that will enter the park in the near future， we refer to the current load data of the same industry to forecast; for the existing enterprises in the park， based on the 96-point load data and its related influencing factors， we judge the demand for capacity increase. Therefore， combined with the two results， the comprehensive forecast of the short-term power demand of the park is carried out， which provides the decision-making basis for the distribution network planning of the park.

Keywords： discriminant analysis; support vector machine （SVM）; industrial park under construction; load forecasting

引言

近年來，我國工業發展水平快速提升，對電力供應的可靠性需求不斷上升。配電網作為直接面向終端用電客戶的電能輸配系統，電網企業對其科學規劃，可提高配電網供電質量[1]。

隨著國家電改的推進，社會資本進入配售電領域，工業園區成為主要的改革試驗田。

工業企業普遍存在耗電大、供電可靠性要求高的用電負荷特點[2]。在建工業園區的配電網規劃要滿足未來用電負荷增長需要，確保可持續發展。電力負荷預測是配電網規劃的基礎和依據，因此，開展準確的工業園區負荷預測，為在建工業園區制定配電網規劃具有指導借鑒意義。

本文提出了一種結合判別分析和支持向量機的工業園區未來最大負荷預測模型。綜合考慮園區未來新增企業最大負荷需求，預測現有企業負荷增長需求，對工業園區未來月度最大負荷需求預測，為在建園區配電網規劃提供科學的依據。

1 基本原理

1.1 判別分析原理

判別分析是在分類確定的條件下，對某一研究對象的各種特征值判斷其歸屬問題的多變量統計分析方法。

Fisher判別，先投影再判別，先將數據點投影到將來自不同總體的樣本盡可能分開的方向[3]，如圖1。然后利用距離遠近，判別新樣本屬于的類別。

1.2 支持向量機原理

對于回歸問題，支持向量機模型目標是讓訓練集中的點擬合到一個線性模型中。對于復雜的非線性問題，支持向量機通過映射，將低維輸入空間轉換到高維空間[4]，在高維特征空間中尋找輸入變量和輸出變量間的線性關系，如下圖2。

2 基于判別分析和支持向量機結合的增量負荷預測模型

2.1 基于判別分析的園區新入駐企業負荷預測模型

對于園區內新入駐企業，其負荷歷史數據缺乏[5]，需建立判別分析模型，對其電力需求進行預測。

首先，對浙江某地區行業所有企業的月用電負荷進行分類，形成行業負荷需求規模指標;其次，獲取企業的注冊資金、生產計劃、占地面積、辦公面積等企業信息作為判別指標，建立負荷需求Fisher判別模型;最后，對于新入駐企業，通過其企業信息，對負荷需求規模進行判別。累加負荷需求，即下月新增企業負荷需求。

2.2 基于支持向量機的園區已有企業負荷預測模型

對于園區已有企業，以近兩年負荷數據作為樣本，以歷史期數負荷、天氣、生產檢修、行業情況等作為影響因素[6]，建立園區內已有企業負荷預測模型。

2.2.1 月度最大負荷及相關影響因素預處理

經過研究發現，園區內企業負荷一般不受氣候變化影響[7]，其關鍵影響因素指標[8]包括：歷史月度最大負荷、用電量、生產設備變更、檢修天數、季節類型等。

將分類變量轉化成啞變量，均值替代指標缺失值。

2.2.2 訓練樣本集構建

以企業月最大負荷作為訓練數據集[9]中的輸出，上述關鍵指標作為輸入，構建月度最大負荷支持向量機模型。以本年數據作為測試集，進行驗證。

3 實例分析

本文以浙江某地市在建化工園區前兩年至今負荷數據為例，對該模型應用進行說明。

根據園區建設規劃，2018年8月將入駐園區企業有2家，其中A企業屬于基礎化學原料制造、B企業屬于專用化學產品制造。對這2家企業最大負荷采用判別分析進行預測。

獲取該市這2類行業企業近兩年負荷數據、企業信息;根據行業分類，分別建立負荷需求規模判別模型。

獲取即將入駐園區的2家企業信息，分別放入2類行業判別模型中。最終，企業A通過判別分析，屬于行業負荷需求規模的高水平，預計最大負荷需求為4227kW;同理，企業B最大負荷需求為116kW。

采用支持向量機模型對園區內已有企業下月最大負荷開展預測，其中，部分企業2018年8月最大負預測值與真實值如表1。

其中，負載率反映企業最大負荷與變電設備總容量之比[10]，接近1，滿負荷運行，存在增容需求;反之，容量充足。負載率偏差，反映模型準確性指標，公式如下：

4 結束語

本文基于判別分析模型，以同類行業現有市場用電負荷作為參考，預測新入駐企業負荷，較為科學合理;基于支持向量機模型，預測園區現有企業下月負荷，結合企業合同容量信息，計算企業當前用電負載情況，據此判斷增容需求。通過綜合考慮兩個模型結果，有效提升了預測方法的強壯性和結果的準確性。

基于判別分析和支持向量機結合的工業園區下月負荷預測具有現實使用意義，對在建園區配電網的規劃具有一定的指導作用。

參考文獻：

[1]孔濤，程浩忠，李鋼，等.配電網規劃研究綜述[J].電網技術，2009，33（19）：92-99.

[2]李華，張赟.工業園區電網規劃要點分析[J].經濟管理，2017，04：141.

[3]王林峰，于強.基于支持向量機的地區電網短期負荷預測模型研究[J].科技創新導報，2011，38：45-46.

[4]時昀.基于支持向量機的短期電力負荷預測[J].電子技術與軟件工程，2018：245.

[5]劉晨.基于支持向量機的電網負荷預測系統研究[D].河北農業大學，2010：1-59.

[6]張偉漢.工業園區電力專項規劃要點分析[J].工程技術，2017：197.

[7]馬玉.用電負荷預測技術及其應用[J].安徽電氣工程職業技術學院學報，2017，12（1）：37-40.

[8]劉寶英，楊仁剛.基于主成分分析的最小二乘支持向量機短期負荷預測模型[J].電力自動化設備，2008，28（11）：13-17.

[9]劉暢，李曉琪，劉華.電網規劃中的容載比指標[J].農村電氣化，2015，11（342）：22-23.

[10]張闊，劉啟輝.判別分析在組織人才測評和選拔模型開發中的應用[J].數理統計與管理，2007，27（2）：330-334.