售電公司用戶負荷預測精準度研究

深圳能源售電有限公司 董 強

隨著某地電力市場改革開展，近年來售電公司人員對電力負荷預測有了一定的了解。但由于受社會經濟發展等多重因素影響，用戶負荷預測存在不確定性，這會影響負荷預測的精準度。特別是預測方法不同，預測精準度會受到影響?，F階段，電力市場發展迅速，并且用戶實際用電量也在逐步增長，負荷預測的精準度是售電公司核心競爭力的一個重要指標，采用科學、合理的方法進行負荷預測，能夠提高電力用戶負荷預測的精準度。

在某地電力現貨市場中，售電公司加強對代理用戶負荷預測，提高負荷預測精準度，是規避售電公司在經營中產生盈虧風險的有效途徑。在用戶的負荷預測中，由于各種因素的存在，其精準度受到較大影響，在未來的環境影響下，用戶負荷的不確定性較大。為了更好地估計將來的用電量，在進行負荷預測時，必須根據不確定的情況進行分析預測。基于此，本文對電力負荷預測發展現狀、負荷預測精準度的措施、負荷預測精準度的影響因素進行分析，并對某地負荷特性及售電公司預測應用進行研究，從而提高電力負荷預測的精準度。

1 分析電力負荷預測發展現狀

一是基于統計方法的電力負荷預測方法，主要包括多元線性回歸分析、主成分分析法等。但此類方法局限性較大，僅適合應用于線性特征明顯比較平穩的負荷數據，與實際的負荷數據特征相反，因此此類方法預測精度較低，并不適合應用于電力負荷預測。

二是基于機器學習的電力負荷預測方法，主要包括梯度提升樹、人工神經網絡模型（Artificial NeuralNetwork，ANN），以及人工專家系統（Artificial Expert Sys－tems，AES）等。此類方法與前一種方法相比，能夠對具有非線性和復雜性特征的負荷數據進行處理，取得了較好的預測精度。

三是基于深度學習的電力負荷預測方法，主要包括深度置信網絡、卷積神經網絡和深度卷積神經網絡等。深度學習技術將電力負荷預測精度再次提高，但上述幾種模型并不具備處理負荷數據時序性的能力。有學者使用循環神經網絡（Recurrent Neural Network，RNN）對時間序列進行處理，該方法雖然能夠處理時序數據，但其缺點是難以捕捉到長期的依賴關系，因此需要使用其他的網絡模型來解決這一問題。

2 分析電力負荷預測精準度措施

趨勢外推法。一般情況下指的就是結合實際變化趨勢，對外來負荷情況進行科學有效的預測。對于電力負荷而言，其不僅存在著隨機性，同時也具有不確定性，但在一定條件下，具有明顯的變化趨勢。如工商業在用電的過程中，如果在冬季，就會顯示出比較穩定的日用電量，在一定程度上體現出比較平穩的變化趨勢。這一變化趨勢可以分為以下幾種趨勢：一是線性；二是非線性；三是周期性；四是非周期性等。

時間序列法。該方法是現階段常見的一種短期負荷預測方式，其通常情況下是對整個觀測序列進而表現出某一種隨機過程的一種特性，對生產過程中的實際序列的隨機過程模型進行有效的建立與科學評估，只有這樣才能夠使用這些模型開展相應的預測。其不僅利用了電力負荷變動慣性這一特點，同時也對時間上的延續性這一特征進行充分地利用，與此同時，還能夠科學有效地處理歷史數據時間序列，對其基本的特征和相關的變化規律等方面進行全面的確定，如此可最大限度上對未來負荷進行預測。

回歸分析法。主要是指事物之間相關關系的一種數理統計預測方法的一種。針對回歸預測，其會結合負荷過去的所有歷史資料，定性分析預測對象，對其帶來影響的一個或者多個因素等方面進行科學合理的確定，另外還要充分結合預測對象，以及相關影響因素的等相結合的歷史數據，對數學模型進行有效的建立，其目的是能夠對未來負荷進行更好的預測。在售電公司發展中，開展電量預測工作中經常使用的一種方法就是回歸分析法，該方法是當前有效的一種處理方式。

神經網絡理論。現階段，負荷預測過程中所使用的神經網絡技術是當前興起的一種新型研究方法，其優點分為以下幾點：一是能夠對人腦的智能化處理進行模仿；二是對于比較多的非結構性以及非精確性等方面的規律存在著比較強的自適應功能；三是具有信息記憶；四是能夠自主學習；五是能夠進行知識推理；六是能優化計算等一系列特點。但需要注意的是，其自學習以及自適應用功能在一定程度上是常規算法以及專家系統技術自身所不具備的。

模糊負荷預測。模糊控制通常情況下指的就是在使用的控制方法上，對模糊數學理論進行應用，這樣能夠進行確定性工作，能夠對部分不能構造數學模型的被控過程實施科學有效的控制。不管模糊系統是怎樣開展計算的，但是結合其輸入輸出等方面角度分析，其屬于是一個非線性函數。對于模糊系統而言，對于任意一個非線性連續函數，應找出與之相適應的隸屬函數，不僅是一種推理規則，同時也是一個解模糊方法，這樣做的目的能夠保證設計出的模糊系統能夠非線性函數進行任意的逼近。

提高對電力負荷預測費用的投入。采用科學合理的技術和方法，建立適合市場用戶的電力負荷預測模型，合理地開展相關的工作，不僅能提高預測的精準度，還能夠促進售電公司的快速發展。

3 分析電力負荷預測精準度的影響因素

售電公司的電力用戶均為市場用戶，都是工商業用電負荷，無居民、農業用電負荷，因此用戶負荷與電網負荷在受氣溫、節假日等因素影響上有所區別。

氣象因素的影響。通過對中國氣象部門提供的氣象預報信息，包括最高最低氣溫，濕度等氣象因素，分析發現，受天氣影響較大的用戶主要有公共交通（地鐵、機場、巴士）、商場、物業管理等類型用戶，部分工業用戶對生產環境要求比較高，同樣受天氣影響比較大；節假日的影響。對比正常工作日，不同節假日對用戶負荷也有不同程度的影響。一般呈現的規律是放假時間越長影響越大（如春節、國慶節），節假日當天負荷下降到最大，調休日負荷開始逐步上升。

用戶產量的影響。售電公司大用戶的生產狀況對負荷影響同樣較大，比如鋼鐵、水泥、陶瓷等，用戶訂單決定產量，因此在做這類用戶的負荷預測時，要密切跟蹤用戶生產及經營狀況，好在負荷預測中進行調整；社會經濟環境的影響。國內外不同時期社會經濟環境的變化，對生產型企業整體用電影響較大，比如國外經濟形勢低迷，對出口型企業影響較大，就應該及時調整負荷預測；不可抗力因素的影響。如發生疫情、臺風等不可抗力因素，須重新對負荷預測進行重大調整，對負荷的預測要從行業性質分類，羅列不同行業受影響程度大小，結合歷史數據演變用電趨勢。

4 某地負荷特性與售電公司預測應用

近年來，某地全社會用電量持續增長，統調負荷不斷創新高，同時負荷的峰谷差逐步增大，2022年全社會用電量達到7870億kWh，同比增長0.05%；最高統調負荷1.42億kW，同比增長4.9%；全年最大峰谷差高達4831萬kW，平均峰谷差也有3271萬kW。通過對該地工商業用戶負荷特性分析得出以下結果，對于售電公司的負荷預測應用提供一定的技術支持。

4.1 全年各分月負荷系數差異較大

分月負荷系數為用戶分月負荷除以全年負荷。圖為某地2018—2022年工商業市場用戶分月系數，可以看出負荷系數波動最大的是1至2月，波動范圍分別在5.4%～7.8%、3.9%～5.7%，主要原因是受每年春節時間不同的影響；負荷系數波動較大的3月，波動范圍分別在7.3%～8.6%，主要受換季每年氣溫波動大等因素影響；負荷系數波動最小的是6月，波動范圍在8.7%～9.1%，主要是入夏期間每年氣候比較相對穩定，而到了7、8月受頻繁臺風影響，負荷系數波動相對變大。2020年，受新冠肺炎疫情的影響，呈現出現1季度負荷偏少、4季度電量偏多的不同于其他年份的特殊現象，屬于不可抗力因素導致。

圖1 某地2018—2022年工商業市場用廣戶分月系數

4.2 工作日、周末、節假日及調休日負荷系數差異

根據以往某地工商業用戶大量負荷數據，分析總結出用戶在工作日、周六、周末、節假日及調休日分日負荷系數（分日負荷系數為典型日除以工作日），分日負荷系數隨著不同用戶結構會略微有所變化，但整體特性如下表所示。影響分日負荷系數最大的是春節，分日負荷系數降低至0.43～0.5，春節前后的工作日電量同樣也會受到較大影響，其次是國慶節。

表1 某地不同典型日分日系數

4.3 不同典型日分時用電負荷特性分析

根據某地工商業用戶負荷數據，分析總結出用戶在不同典型日的分時用電負荷特性，從圖2可以看出，由于摸底空調負荷較重，工作日、周六、調休節假日呈鴨嘴形峰谷負荷，其中工作日峰谷差最大，一般凌晨5點為谷期最低負荷，上午10：00～11：00點為峰期最高負荷；而周日、節假日峰期負荷則出現在0點，白天負荷相對較低。

圖2 某地不同典型日分時系數

4.4 氣溫對用戶負荷的影響程度

某地由于夏季空調負荷較重，氣溫的變化對用戶負荷的影響較大，根據以往歷史上數據統計得出，該地平均氣溫在20℃以上，工商業用戶負荷開始隨著氣溫上升而明顯上漲。平均氣溫在20～25℃，氣溫每上升1℃用戶負荷約上漲1.5%～2%；平均氣溫在25℃以上，氣溫每上升1℃用戶負荷約上漲2%～2.5%。

4.5 售電公司負荷預測應用

深入分析用戶負荷數據掌握負荷特性，有助于提升售電公司負荷預測能力，根據參考分月及不同典型日系數、不同用戶分類統計、用戶負荷跟蹤等方法能有效的提升負荷預測精準度。參考分月及不同典型日系數可以搭建中長期負荷預測全年整體框架；不同用戶分類統計是將用戶按行業或負荷特性分類統計，分別通過氣溫、外部經濟環境等因素對負荷的影響開展負荷預測；用戶負荷跟蹤是負荷受產量影響較大且變化較頻繁的用戶，需時刻保持與用戶生產情況的密切跟蹤，以便于對負荷預測進行及時調整。

5 結語

綜上所述，隨著電力現貨市場改革不斷深入，市場體系逐漸完善，售電公司如何有效提升負荷預測精準度，在售電公司的市場交易策略中發揮著越來越重要的作用，也是售電公司核心競爭力的重要體現。因此，為了提高負荷預測的精準度，在對用戶負荷預測中，必須對數據進行科學、合理分析，做好短期、中期、長期的負荷預測，開辟負荷預測新思路，從而確保售電公司在市場交易中最大程度規避盈虧風險，并減少不必要的電量偏差考核。