基于數(shù)據(jù)挖掘理論的中長期電力市場(chǎng)需求分析和預(yù)測(cè)研究

舒格蘭

摘 要：簡要分析了中長期電力市場(chǎng)的需求，合理預(yù)測(cè)電網(wǎng)內(nèi)部發(fā)電機(jī)組出現(xiàn)的狀況。這對(duì)電網(wǎng)的運(yùn)行模式和機(jī)組的檢修有很好的指導(dǎo)，從而確保整個(gè)社會(huì)的生產(chǎn)和生活。以數(shù)據(jù)挖掘理論為基礎(chǔ)，簡要分析和預(yù)測(cè)中長期電力市場(chǎng)的需求，以有效推動(dòng)電力行業(yè)的發(fā)展。

關(guān)鍵詞：數(shù)據(jù)挖掘理論；電力市場(chǎng)；中長期需求；發(fā)電機(jī)組

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.15913/j.cnki.kjycx.2016.24.046

隨著經(jīng)濟(jì)的不斷發(fā)展和電力市場(chǎng)的開放，人們對(duì)電力行業(yè)的要求也在不斷提高，而電力市場(chǎng)需求的分析和預(yù)測(cè)工作也就越來越重要。為了確保電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性，提高電力企業(yè)的效益，需要有效分析和預(yù)測(cè)中長期電力市場(chǎng)的需求，進(jìn)而為電力行業(yè)的發(fā)展提供指導(dǎo)和借鑒。 按照時(shí)間的不同，電力市場(chǎng)的需求可以分為短期預(yù)測(cè)、中期預(yù)測(cè)和長期預(yù)測(cè)。本文主要討論中長期預(yù)測(cè)，并借助數(shù)據(jù)挖掘理論，分析和總結(jié)搜集、觀察到的數(shù)據(jù)。

1 數(shù)據(jù)挖掘理論概述

數(shù)據(jù)挖掘理論，主要是指從大量隨機(jī)、模糊、不完全的數(shù)據(jù)中提取一些隱含其中的，人們不知道，但又具有一定代表性和規(guī)律性，具有潛在利用價(jià)值的知識(shí)、信息的過程。數(shù)據(jù)挖掘不僅可以遍歷和查詢過去數(shù)據(jù)，還可以預(yù)測(cè)未來行為和發(fā)展趨勢(shì)，自動(dòng)探索從前沒有出現(xiàn)的模式，進(jìn)而為人們的行為和決策提供支持。被挖掘出的信息可以使用在信息管理、處理查詢、支持決策和控制過程等方面。按照功能，可將其主要?jiǎng)澐譃橐韵聨最悾孩訇P(guān)聯(lián)分析。如果2個(gè)或者多個(gè)數(shù)據(jù)項(xiàng)取值多次出現(xiàn)且概率比較高，就可能具有某種關(guān)聯(lián)，能夠建立數(shù)據(jù)之間關(guān)聯(lián)的規(guī)則。②數(shù)據(jù)分類。這在數(shù)據(jù)挖掘中使用的次數(shù)最多，分類主要是對(duì)某一類別概念的描述，代表某類數(shù)據(jù)整體的信息狀況，也就是對(duì)這類信息內(nèi)涵的描述。③聚類分析。數(shù)據(jù)庫內(nèi)的數(shù)據(jù)能夠分類為一系列子集，相同類別內(nèi)，個(gè)體之間距離比較小，不同類別個(gè)體之間距離則比較大。④時(shí)序模式。借助時(shí)間序列，搜索重復(fù)出現(xiàn)概率比較高的模式。

2 國內(nèi)中長期電力市場(chǎng)的特點(diǎn)

國內(nèi)中長期電力市場(chǎng)主要有以下3個(gè)特性：①宏觀性。電力商品被廣泛使用，使得中長期電力市場(chǎng)和其他市場(chǎng)不同，不是只涉及一個(gè)或者少數(shù)行業(yè)，而是與整個(gè)社會(huì)宏觀經(jīng)濟(jì)的發(fā)展，人們生產(chǎn)、生活水平的提高息息相關(guān)。在判斷中長期電力市場(chǎng)的前景時(shí)，需要考慮到它對(duì)社會(huì)各行業(yè)的影響。②復(fù)雜性。電力這個(gè)商品的特殊性決定其無法大規(guī)模存儲(chǔ)，而電力發(fā)電、供應(yīng)和使用的同時(shí)性也對(duì)電力市場(chǎng)需求的分析提出了更高的要求，使其更加復(fù)雜。③不確定性。不同地區(qū)的經(jīng)濟(jì)狀況和產(chǎn)業(yè)結(jié)構(gòu)不同，用電的需求和特性也有很大的差異。相同地區(qū)不同時(shí)間用電特性和需求也會(huì)有很大的變化，所以，電力市場(chǎng)的需求分析需要隨不同的經(jīng)濟(jì)發(fā)展?fàn)顩r和時(shí)間、地點(diǎn)的變化而不斷變化。

3 電力市場(chǎng)需求預(yù)測(cè)模型分析與研究

3.1 省市級(jí)電力需求預(yù)測(cè)模型

省市級(jí)電力市場(chǎng)的需求因?yàn)榈赜?、時(shí)間的跨度比較大，受到電力市場(chǎng)外因素的影響比較嚴(yán)重，且這一影響經(jīng)常是非線性的，所以，建立模型時(shí)，需要考慮以下因素：①模型的輸入。模型應(yīng)該有多個(gè)輸入，輸入變量是外部的影響因素和電力需求自身滯后值。但是，輸入也不能太多，因?yàn)橹虚L期電力市場(chǎng)需求的預(yù)測(cè)特點(diǎn)為小樣本，如果參數(shù)太多，也會(huì)為模型辨識(shí)帶來困難。②需要反映各個(gè)影響因素與電力市場(chǎng)需求之間的關(guān)系。③模型需要穩(wěn)定。

常用模型主要有兩種，具體情況如下。

3.1.1 多元線性回歸預(yù)測(cè)模型

這一模型的輸入有多個(gè)，所以，在預(yù)測(cè)模型時(shí)，要充分考慮外界的影響因素。這種模型的建模方式比較簡單，所以，應(yīng)用比較廣泛，當(dāng)前，一些地區(qū)在執(zhí)行電力需求預(yù)測(cè)工作時(shí)，還在使用這一模型。這一模型主要是將與電力市場(chǎng)需求相關(guān)的因素添加到預(yù)測(cè)模型內(nèi)，這更能反映電力市場(chǎng)外部因素的影響。

3.1.2 最小二乘支持向量機(jī)

支持向量機(jī)在20世紀(jì)90年代得到發(fā)展，近些年，因?yàn)槠浞蔷€性擬合能力比較好，經(jīng)常被用于非線性回歸問題中。當(dāng)前，支持向量機(jī)已經(jīng)成為預(yù)測(cè)電力需求的常見模型，也是研究熱點(diǎn)。支持向量機(jī)所需的訓(xùn)練樣本比較少，而且克服神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時(shí)間比較長，學(xué)習(xí)和訓(xùn)練的結(jié)果有隨機(jī)性等不足，所以，在中長期電力需求預(yù)測(cè)中，如果存在強(qiáng)非線性和小樣本的問題，就十分適合使用支持向量機(jī)求解。

3.2 行業(yè)電力需求預(yù)測(cè)模型研究

與省市級(jí)電力市場(chǎng)相比，各個(gè)行業(yè)的電力市場(chǎng)需求受外部因素的影響比較小，受其自身趨勢(shì)的影響比較大。常用的模型主要有以下2種。

3.2.1 自回歸滑動(dòng)平均模型

這一模式是統(tǒng)計(jì)在建模中的具體應(yīng)用，也是傳統(tǒng)時(shí)間序列分析中經(jīng)常使用的模型之一。與省市級(jí)電力市場(chǎng)相比，行業(yè)電力市場(chǎng)受外界因素的影響比較小，更多的是受自身變化的影響，所以，適合使用這一模型。

3.2.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

近些年，因?yàn)樯窠?jīng)網(wǎng)絡(luò)具有十分優(yōu)秀的非線性能力，使其倍廣泛應(yīng)用于電力市場(chǎng)需求的預(yù)測(cè)中。目前，在電力市場(chǎng)中，使用最多的是誤差反向傳播學(xué)習(xí)算法。一般來說，根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以分成輸入層、中間層和隱含層。

4 結(jié)束語

綜上所述，數(shù)據(jù)挖掘理論在中長期電力市場(chǎng)需求分析和預(yù)測(cè)研究中發(fā)揮著非常重要的作用，需要引起相關(guān)人員的高度重視。研究時(shí)，如果考慮到需求外部的影響，為了提升省市級(jí)市場(chǎng)需求預(yù)測(cè)的效果，需要分析更多的變量，盡量包含更多領(lǐng)域，以確保能夠全面反映市場(chǎng)的變化需求。使用最小二乘支持向量機(jī)擬合指標(biāo)和外部因素間的非線性關(guān)系時(shí)，需要借助一定經(jīng)驗(yàn)，選擇最優(yōu)的參數(shù)組合。另外，對(duì)于相同類別行業(yè)所建立的模型，雖然具有普遍性，但還是存在可能出現(xiàn)較大誤差的情況。因此，在實(shí)際應(yīng)用時(shí)，需要單獨(dú)建模，提升預(yù)測(cè)水平，以便提供準(zhǔn)確的數(shù)據(jù)，為電力行業(yè)的發(fā)展提供借鑒。

參考文獻(xiàn)

[1]王艷龍.基于數(shù)據(jù)挖掘的中長期電力市場(chǎng)需求分析及預(yù)測(cè)[D].杭州：浙江大學(xué)，2016.

[2]張連育.基于數(shù)據(jù)挖掘的電力故障分析及預(yù)警系統(tǒng)研究與實(shí)現(xiàn)[D].北京：中國科學(xué)院研究生院，2010.

[3]李其軍.基于數(shù)據(jù)挖掘的電力需求預(yù)測(cè)探究[J].電子測(cè)試，2015（1）：153-154.

〔編輯：白潔〕