基于時間序列的電力配網物資需求預測方法

云南電網有限責任公司 余云江 許 娟 云南電網物資有限公司 楊 金 杜小麗 朱艷婷 孫 賀

目前，電力企業配網物資管理以節約化管理模式為主，相對于分散式管理，集約化管理模式結合了人力、物力、財力等生產要素，并將其進行集中分配，以保證分配均衡性，進而確保電力的穩定供應[1]。一般情況下，電力企業會在總部設立一個專門的物資管理機構，將分公司的采購、消耗、使用等活動進行全面分析，設計出最合理的運行機制，提高物資集中管理的優勢[2]。電力物資需求管理有利于采購資源的整合，通過全流程監控采購過程，減少采購支出，提高采購效率，真正意義上實現物資高效利用。

時間序列主要是將某一區間的一個參數在不同時刻上的不同取值，按照取值時間的順序進行排列，由此形成序列，目前被廣泛應用于預測方法中[3]。為了保障物資需求預測的精準度，本文基于時間序列，設計了電力配網物資需求預測方法。通過提取物資需求特征，動態處理需求數據，構建預測模型的方式，提升預測方法的預測效果，有效解決電力配網物資需求與實際需求不匹配的問題。

1 電力企業物資需求預測

1.1 提取電力物資需求特征

電力物資需求特征主要有重要性、緊急性、周期性、區域性、替代性、規律性等特點，上述特征是物資需求預測的基礎[4]。在時間序列中，上述6種特征均存在不同程度的重合，使整個預測過程偏向復雜化，降低了預測的精準度[5]。其中，物資需求預測的流動性特征與其他特征之間的重合度較大，本文對流動性特征進行提取，見表1。

表1 電力物資流動性特征

根據表1數據，本文在電力物資流動過程中進行編碼，物資編碼從a～h，分別對應著電力物資流動性特征的8種狀態。由表1可知，c物資的平均出庫量最大，流動性最高，是物資需求預測的主要部分。

1.2 基于時間序列處理配網物資特征數據

本文將上述需求特征轉換成數據的形式，得出電力配網物資需求特征數據如下所示：

式（1～6）中，XZ為重要性特征數據；Qj為緊急性特征數據；Mq為周期性特征數據；Ky為區域性特征數據；Dt為代替性特征數據；Gu為規律性特征數據；δ為特征轉換系數；z為電力物資平衡特征；q為采購節點之間的間隔特征；J為緊急搶修時間；x為搶修消耗系數；F為區域劃分特征；t為代替性系數；s為標準差系數。由于電網運行數據會跟隨時間的變化而變化，數據的規律性特征至關重要，本文根據重要性、緊急性、周期性、區域性、替代性、規律性等特征數據的時間序列，對數據進行線性處理，公式如下：

式（7）中，T為特征數據統計量；K為數據處理總數；M為電力配網物資需求特征均值；C為相關性時間系數。由于具有重要性、緊急性、周期性、區域性、替代性、規律性等特性的特征數據時間特征不重合，相鄰數據之間的相關性較強，本文通過分析數據的相關性，減少冗余數據，進而提高物資需求后續預測精準度。時間序列的相關性分析如下所示：

式（8～10）中，x為一個平穩的時間序列；x1+k為k時刻的時間序列；R（x）為預測期望；R（x1+k）為k時刻的平穩時間序列；F（x）為特征數據相關的時間序列；F（x1+h）為h時刻特征數據的相關序列；Q（x,x1+k）為非平穩的時間序列，Q（x1+k,x1+k+h）為Q（x,x1+k）序列的變化值。通過相關性分析后，特征數據之間的重合數據被剔除，可保證數據的完整性。

1.3 構建電力配網物資需求預測模型

為實現電力物資需求的精準預測，本文以處理后的需求特征數據為基礎，構建電力配網物資需求的預測模型。根據平穩時間序列與非平穩時間序列的特征數據可知，x與Q（x,x1+k）在任意時刻均具有相同的需求預測概率分布。因此，本文將平穩序列的期望值與非平穩序列的期望值進行離散預測，公式如下：

式（12）中，S為預測模型表達式；ε為時間序列的自相關函數。利用預測模型，將需求特征數據中的冗余數據進行二次剔除，進而提高物資需求的預測精準度。電力配網物資較多，不同種類的電力物資的需求特征不同，使用模型得出的預測結果也相應改變。在物資供應鏈結構中，對供應商、區域配送中心、前沿倉庫、項目現場等多個結構進行預測，均需要進行重要性分析與相關性分析，只有剔除重合數據，才能保證物資需求特征數據的完整性與非重合性，真正意義上提高電力配網物資需求預測的精準度。

2 試驗論證分析

為驗證本文設計的預測方法是否具有實用價值，對其進行實驗驗證。實驗結果以傳統電力企業物資需求預測方法與本文設計的基于時間序列的電力企業物資需求預測方法進行對比的形式呈現。具體實驗過程及實驗結果如下所示。

2.1 試驗過程

本次實驗選取某市X電力企業在2018—2020年的歷史配網物資數據為樣本開展研究，電力配網物資領料主要數據見表2。

表2 電力配網物資領料主要數據

根據表2，選取物資名稱、物資編碼、企業代碼、需求數量、物資金額、焊條、砂布等領料數據，數據類型。將物資按照時間序列進行相關性分析，打包具有相似特性的物資數據，將10kV變壓器的物資代碼標記為K1，10kV環網柜的物資代碼標記為K2，10kV交流避雷器的物資代碼標記為K3。將物資代碼放在預測模型中，對上述物資進行未來需求的預測，如圖1所示。

圖1 10kV變壓器物資的預測結果

如圖1所示，10kV變壓器物資需求的預測結果與實際需求均在80000～240000套的范圍內波動，預測值與實際值之間相差較小，預測效果較為精準。10kV環網柜物資的預測結果如圖2所示。

圖2 10kV環網柜物資的預測結果

如圖2所示，10kV環網柜物資需求的預測結果與實際需求均在120000～240000套的范圍內波動，預測值與實際值之間相差同樣較小，預測效果較為精準。10kV交流避雷器物資的預測結果如圖3所示。

圖3 10kV交流避雷器物資的預測結果

如圖3所示，10kV交流避雷器物資需求的預測結果與實際需求均在160000～280000套的范圍內波動，預測值與實際值之間相差較小，預測效果較為精準。結合圖1至圖3可知，使用本文設計的預測方法之后，電力配網物資需求預測效果較為穩定，與實際結果幾乎一致。本文根據K1、K2、K3物資領用的時間序列，對預測方法的預測性能誤差進行檢驗，如圖4所示。

圖4 電力配網物資需求預測性能誤差

使用本文設計的預測方法之后，對電力配網物資需求進行多次預測。預測前50次，性能誤差處于持續下降的態勢，并在0.20～0.05的范圍內波動。當預測次數超過60次之后，性能誤差穩定在0.01左右，并在后續預測過程中不再變化。由此判定，使用時間序列的電力配網物資需求預測方法，在預測60次后可達到較為精準的效果。

2.2 試驗結果

在上述試驗條件下，本文以電力配網物資的電線開關為例，預測未來一年的電線開關需求數量。并將傳統電力企業物資需求預測方法預測到的電線開關需求數量，與本文設計的基于時間序列的電力企業物資需求預測方法預測到的電線開關需求數量進行對比，試驗結果見表3。

表3 試驗結果

根據表3，本文以電線開關的電力配網物資為例，預測出未來一年電線開關的需求數量。在電線開關實際需求數量一致的條件下，傳統電力企業物資需求預測方法預測到的電線開關需求數量，與實際需求數量相差±20個，預測精準度相對較低。其中，大部分預測數量低于實際數量，在緊急情況下很容易造成物資緊缺、無法工作的事故，影響電力配網的建設安全性。而本文設計的基于時間序列的電力企業物資需求預測方法預測到的電線開關需求數量，與電線開關的實際需求數量僅相差1個，預測精準度相對較高。其中，本文預測的電線開關個數均超過實際需求數量，并不會出現緊急情況無法工作的事故。并且，使用本文預測的方法之后，四月份、八月份、十二月份預測數量與實際數量一致。因此，本文設計的預測方法，更加滿足電力配網物資的實際需求，可保證在緊急情況的電力配網建設安全性，符合本文研究目的。

3 結語

近年來，電能資源使用范圍擴大，偏遠地區使用電能的次數增加，電網為人們的生活提供了電力保障。隨著電網規模的不斷擴大，電網質量逐漸提高，對電網的運營也提出了較大的挑戰。類似電線開關、空氣開關、工業電器等電力設施，均屬于電力配網物資需求。對于電力企業而言，無論是哪一方面的建設，物資均占據了重要的比重。因此，本文設計了基于時間序列的電力企業物資需求預測方法。從提取需求特征、處理特征數據、構建預測模型等方面，實現電力配網物資需求的精準預測。并以試驗的方式，得出該預測方法的預測效果較為精準的結論，為電力企業的進一步發展提供了研究方向。