考慮復(fù)雜影響因素的上海市負(fù)荷預(yù)測研究

陳立 嚴(yán)正 徐瀟源

摘 要：電力負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃的基礎(chǔ)性工作之一，是實(shí)現(xiàn)自動發(fā)電控制和經(jīng)濟(jì)調(diào)度控制的前提。針對電力系統(tǒng)復(fù)雜、眾多的影響因素，文章基于城市用電構(gòu)成與城市用地劃分，提出了一種綜合考慮了經(jīng)濟(jì)、工業(yè)、城市化、城市居民生活等影響因素的負(fù)荷預(yù)測指標(biāo)體系，并采用聚類分析法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測，為快速準(zhǔn)確估算上海市各區(qū)域負(fù)荷增長提供了有效途徑，為上海電力系統(tǒng)規(guī)劃提供了可靠支撐。

關(guān)鍵詞：負(fù)荷預(yù)測；影響因素；BP神經(jīng)網(wǎng)絡(luò)；聚類分析

中圖分類號：TM715 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2019）20-0046-04

Abstract： Power load forecasting is one of the basic tasks of power system planning， and it is the premise of automatic generation control and economic dispatching control. In view of the complexity and many influencing factors of power system， based on the composition of urban power consumption and the division of urban land， this paper puts forward a load forecasting index system which comprehensively considers the influencing factors such as economy， industry， urbanization， urban residents' life and so on. The cluster analysis method and BP neural network are used for load forecasting， which provides an effective way to quickly and accurately estimate the regional load growth in Shanghai， and provides a reliable support for the power system planning in Shanghai.

Keywords： load forecasting； influencing factors； BP neural network； cluster analysis

引言

電力負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃的基礎(chǔ)性工作之一，是實(shí)現(xiàn)自動發(fā)電控制和經(jīng)濟(jì)調(diào)度控制的前提[1]。電力系統(tǒng)是一個規(guī)模龐大、層次復(fù)雜的大系統(tǒng)，其影響因素較多。而統(tǒng)計數(shù)據(jù)可用于評價某一區(qū)域的自然經(jīng)濟(jì)、社會、產(chǎn)業(yè)、人民生活等方面的發(fā)展水平，是定量統(tǒng)計分析的基礎(chǔ)型數(shù)據(jù)（如統(tǒng)計年鑒）。其中，官方發(fā)布的統(tǒng)計年鑒包含的大量指標(biāo)（如一般公共預(yù)算收入、工業(yè)產(chǎn)值、建筑面積等）對電力系統(tǒng)的發(fā)展有著一定的影響。由于統(tǒng)計年鑒中蘊(yùn)含的數(shù)據(jù)極其豐富、涉及的行業(yè)領(lǐng)域廣泛，如果對這些指標(biāo)進(jìn)行逐一分析，將導(dǎo)致耗時嚴(yán)重，因此有必要從這些指標(biāo)中辨識出對電力系統(tǒng)負(fù)荷影響最顯著的關(guān)鍵性指標(biāo)[2]。從電力系統(tǒng)的需求角度，根據(jù)掌握的數(shù)據(jù)進(jìn)行有效的特征選取，辨識出其中影響最顯著的幾個主導(dǎo)因素，已經(jīng)成為重要的研究課題。

因此，針對電力系統(tǒng)復(fù)雜、眾多的影響因素，本文基于城市用電構(gòu)成與城市用地劃分，提出了一種綜合考慮了經(jīng)濟(jì)、工業(yè)、城市化、城市居民生活等影響因素的負(fù)荷預(yù)測指標(biāo)體系，并用以進(jìn)行負(fù)荷預(yù)測，為快速準(zhǔn)確估算上海市各區(qū)域負(fù)荷增長提供了有效途徑，為上海電力系統(tǒng)規(guī)劃提供了可靠支撐。

1 電力負(fù)荷的影響因素分析

為了深入研究電力負(fù)荷的變化規(guī)律和發(fā)展趨勢，進(jìn)一步認(rèn)識電力負(fù)荷特性，需要對電力負(fù)荷特性的主要影響因素進(jìn)行分析和討論。近年來，國內(nèi)有許多學(xué)者基于電力負(fù)荷的影響因素展開了較深入的研究。

何曉萍等首次將城市化引入中國電力需求研究，基于中國快速的城市化進(jìn)程，選擇國民生產(chǎn)總值（GDP）、城市化水平、工業(yè)化水平、電力使用效率、電價水平等作為影響指標(biāo)，運(yùn)用面板數(shù)據(jù)非線性模型和協(xié)整模型進(jìn)行電力需求預(yù)測，結(jié)果表明城市化、工業(yè)化對中國電力需求有著非常顯著的正影響[3]。宋雅慧基于上海市電力負(fù)荷1999-2013

年的歷史數(shù)據(jù)分析得出，上海市電力需求與GDP、工業(yè)化、城市化、產(chǎn)業(yè)結(jié)構(gòu)、節(jié)能減排等多個影響因素有長期的穩(wěn)定均衡關(guān)系，從而得出具有一定預(yù)測精度的長期負(fù)荷預(yù)測模型[4]。李亦言等從城市化的角度，系統(tǒng)地提取了城市化過程對電力負(fù)荷的主要構(gòu)成因素3類（人口、經(jīng)濟(jì)、地域）16個，運(yùn)用層次分析法和模糊聚類量化這些指標(biāo)對電力負(fù)荷的影響，并應(yīng)用于城市飽和負(fù)荷預(yù)測，從而實(shí)現(xiàn)對飽和時間和飽和容量的預(yù)測[5]。劉思從當(dāng)?shù)亟?jīng)濟(jì)社會發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、氣溫氣候三個角度出發(fā)，選取了14項(xiàng)指標(biāo)，構(gòu)建了一種考慮地域差異的負(fù)荷預(yù)測指標(biāo)體系，并應(yīng)用于日負(fù)荷曲線、負(fù)荷密度的預(yù)測中[6]。

隨著上海經(jīng)濟(jì)進(jìn)入轉(zhuǎn)型期的新常態(tài)，人口增長趨于穩(wěn)定，第三產(chǎn)業(yè)占比不斷增加，先進(jìn)制造業(yè)、新興產(chǎn)業(yè)的層級逐步提升，對上海的用電負(fù)荷趨勢產(chǎn)生了一定的影響。程倩在分析上海經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、經(jīng)濟(jì)運(yùn)行狀況、人口導(dǎo)入和氣溫因素等對電力需求的因果關(guān)系和數(shù)量關(guān)系的基礎(chǔ)上，建立了最高氣溫下最大電力負(fù)荷的預(yù)測方法[7]。沈勇等從經(jīng)濟(jì)與社會、氣象兩個方面選取了人均可支配收入、電價與消費(fèi)品之比、人均建筑面積、空調(diào)數(shù)、總戶數(shù)、年平均氣溫、最高月平均氣溫、最低月平均氣溫等8個指標(biāo)因素，結(jié)合對2000-2010年上海地區(qū)的居民用電規(guī)律進(jìn)行了分析，建立了上海居民用電的預(yù)測模型，分析得知經(jīng)濟(jì)因素和社會因素都是影響居民用電的主要因素，而氣溫因素影響較小[8]。黃晨宏基于1991-2010上海市地區(qū)

GDP和用電的歷史數(shù)據(jù)，研究經(jīng)濟(jì)發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、季節(jié)性氣溫三個方面的因素與上海電力需求之間的關(guān)系，得出結(jié)論：經(jīng)濟(jì)發(fā)展是促進(jìn)上海電力消費(fèi)增長的主力；產(chǎn)業(yè)結(jié)構(gòu)調(diào)整決定了上海電力需求的結(jié)構(gòu)變化；季節(jié)性氣溫對上海尖峰負(fù)荷的大小產(chǎn)生直接的影響[9]。

基于以上分析，得出電力負(fù)荷的影響因素包括經(jīng)濟(jì)發(fā)展水平、工業(yè)化水平、城市化水平、居民生活、氣象、宏觀政策影響等方面，如表1所示。

2 上海負(fù)荷預(yù)測指標(biāo)體系構(gòu)建

城市電網(wǎng)用電量與人們的生活生產(chǎn)規(guī)律息息相關(guān)，可以通過城市電網(wǎng)用電量預(yù)測歷史數(shù)據(jù)得到城市電網(wǎng)用電量的發(fā)展規(guī)律，并由此可進(jìn)行其未來發(fā)展趨勢和狀況的預(yù)計或判斷。本文對2007-2017年上海市各類用電負(fù)荷進(jìn)行了統(tǒng)計，見表2和圖1。

由表2可見：

（1）上海市各類用電負(fù)荷中，第一產(chǎn)業(yè)（農(nóng)、林、牧、漁業(yè)）的占比非常小，平均占比為0.49%，每年均不到1%，所以負(fù)荷預(yù)測時可以忽略第一產(chǎn)業(yè)的影響。

（2）上海市各類用電負(fù)荷中，工業(yè)的占比最高，從2007年的65.82%到2017年的52.27%，每年均超過50%，但所占比重隨時間呈逐漸下降的趨勢。因此，負(fù)荷預(yù)測時將著重考慮第二產(chǎn)業(yè)（特別是工業(yè)）的影響。

（3）綜合平均占比排名第二的是城市居民生活，從2007年的12.22%到2017年的14.99%，平均占比為13.56%，均超過了10%，且所占比重隨時間呈緩慢上升的趨勢。

（4）綜合平均占比排名第三的是金融、房地產(chǎn)、商務(wù)及居民服務(wù)業(yè)（主要為第三產(chǎn)業(yè)），從2007年的6.72%到2017年的14.13%，平均占比為11.07%，超過了10%，且所占比重隨時間呈快速上升的趨勢，這與上海大力推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型和國際金融中心的建設(shè)相關(guān)。

綜上所述，上海的第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對負(fù)荷水平影響較大，工業(yè)，城市居民生活，金融、房地產(chǎn)、商務(wù)及居民服務(wù)業(yè)，公共事業(yè)及管理組織，商業(yè)、住宿業(yè)和餐飲業(yè)這五類占上海總負(fù)荷的96.77%，在負(fù)荷預(yù)測中應(yīng)著重考慮這五類的影響。

本文結(jié)合對2007-2017年上海市用電構(gòu)成的分析和《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》（GB 50137-2011），選取了上海市2004-2014年各區(qū)縣土地面積、常住人口等19個指標(biāo)作為本文負(fù)荷預(yù)測的指標(biāo)因素，見表3。

3 建模與算例驗(yàn)證

本文以上海市為例，根據(jù)上海市2004-2014年各區(qū)域的負(fù)荷數(shù)據(jù)以及19個指標(biāo)因素數(shù)據(jù)，采用聚類分析與BP神經(jīng)網(wǎng)絡(luò)對2015-2017年各區(qū)域的負(fù)荷進(jìn)行預(yù)測。

首先，對影響上海市區(qū)域負(fù)荷19類因子進(jìn)行聚類分析，結(jié)果如圖2所示。

由圖2所示，第一類主要為上海市的偏遠(yuǎn)郊區(qū)，該區(qū)域的城市化水平相對較低，經(jīng)濟(jì)相對欠發(fā)達(dá)；第二類為上海的市北區(qū)域，該區(qū)域包括傳統(tǒng)的寶鋼、新型的市北產(chǎn)業(yè)園區(qū)，工業(yè)化水平較高；第三類為上海的傳統(tǒng)老城區(qū)，該區(qū)域的經(jīng)濟(jì)非常發(fā)達(dá)，且工業(yè)較少，都已轉(zhuǎn)移至外環(huán)外甚至外省市；第四類為上海的浦東新區(qū)，該區(qū)域受浦東開發(fā)開放和上海自貿(mào)區(qū)的影響，人口、經(jīng)濟(jì)、工業(yè)等快速增長，負(fù)荷占上海市所有區(qū)域的最大比重，且呈快速增長趨勢。

將2004～2014年上海市10大區(qū)域的負(fù)荷數(shù)據(jù)分為5類，然后建模并預(yù)測2015-2017年各區(qū)域的負(fù)荷數(shù)據(jù)。基于各類區(qū)域的特點(diǎn)，采用BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測第一、二類負(fù)荷，采用多元回歸分析方法預(yù)測第三、四類負(fù)荷，如表4和圖3所示。

由表4和圖3可知：

（1）部分區(qū)域負(fù)荷2010年后一直保持較穩(wěn)定的態(tài)勢，如市區(qū)2、市北3、嘉定6、崇明10。

（2）部分區(qū)域負(fù)荷2004-2014年值保持較快的增長速度，預(yù)測的2015-2017年依然保持較快的增長速度，如浦東1、松江5，與上海自貿(mào)區(qū)進(jìn)一步的開發(fā)開放、松江新城規(guī)劃建設(shè)的推進(jìn)落地有較大關(guān)系。

（3）部分區(qū)域負(fù)荷2013年后大幅度下降，如青浦7、金山8、奉賢9，與這些區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型（由第二產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)型），工業(yè)從業(yè)人員大幅流失相關(guān)。

本文為驗(yàn)證所用方法的正確性，用多元回歸分析方法和BP神經(jīng)網(wǎng)絡(luò)對四類數(shù)據(jù)進(jìn)行了負(fù)荷預(yù)測，并進(jìn)行了對比，見表5。

由表5可知，本文提出的預(yù)測方法比傳統(tǒng)的僅采用多元回歸分析方法和僅采用BP神經(jīng)網(wǎng)絡(luò)方法的精度要高，尤其是在面對含有多個區(qū)域的負(fù)荷進(jìn)行預(yù)測時（第1類、第2類），優(yōu)勢更為顯著。而且本文方法經(jīng)過降維、降噪處理，預(yù)測速度也要比采用19個指標(biāo)的BP神經(jīng)方法要快。

4 結(jié)論

本文通過分析和總結(jié)國內(nèi)外學(xué)者研究電力負(fù)荷影響因素的成果，得出電力負(fù)荷預(yù)測指標(biāo)體系；結(jié)合2007-2017年上海市用電構(gòu)成分析和《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》，選取了上海市2004-2014年的一般公共預(yù)算收入、工業(yè)從業(yè)人員、居住房屋建筑面積等19個指標(biāo)作為本文負(fù)荷預(yù)測的指標(biāo)因素。

本文綜合考慮了影響電力負(fù)荷的多種復(fù)雜因素，提出了一種基于聚類分析與BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測的方法。以上海電網(wǎng)為例，對調(diào)研獲取的空間負(fù)荷按照城市的用地類型進(jìn)行劃分，結(jié)合實(shí)際對上海10個區(qū)域的多類空間負(fù)荷的分布規(guī)律進(jìn)行分析。算例表明本文提出方法比傳統(tǒng)的多元回歸、神經(jīng)網(wǎng)絡(luò)方法的精度更高，且預(yù)測速度較快，能夠用于上海市電力系統(tǒng)的負(fù)荷預(yù)測，從而為上海的電力系統(tǒng)規(guī)劃提供支撐。

參考文獻(xiàn)：

[1]康重慶，夏清，劉梅.電力系統(tǒng)負(fù)荷預(yù)測.第2版[M].北京：中國電力出版社，2017.

[2]黃湘君.基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用[J].電力與能源，2008（16）：313-314.

[3]何曉萍，劉希穎.中國城市化進(jìn)程中的電力需求預(yù)測[J].經(jīng)濟(jì)研究，2009（1）：118-130.

[4]宋雅慧.上海電力需求分析——基于1990-2013年數(shù)據(jù)[D].上海：上海師范大學(xué)，2015.

[5]李亦言，等.復(fù)雜城市化因素下的飽和負(fù)荷預(yù)測模型[J].電網(wǎng)技術(shù)，2016（09）：2824-2831.

[6]劉思.配電網(wǎng)空間負(fù)荷聚類及預(yù)測方法研究[D].杭州：浙江大學(xué)，2017.

[7]程倩.上海城市化特性影響因素下最大電力負(fù)荷預(yù)測的研究[A].以供給側(cè)結(jié)構(gòu)性改革引領(lǐng)能源轉(zhuǎn)型與創(chuàng)新——第十三屆長三角能源論壇論文集[C].杭州，2016：6.

[8]沈勇，等.上海地區(qū)居民用電的影響因素和需求預(yù)測模型[J].華東電力，2012，40（10）：1763-1766.

[9]黃晨宏.影響上海電力需求的主要因素及電力需求預(yù)測[J].電力需求側(cè)管理，2011，13（03）：72-76.