參與市場化交易的購電客戶用電需求預測輔助分析研究

楊泓 張思路 張雪蕊 白楓

[摘 要] 隨著電力市場化交易工作的推進，參與市場化交易的用戶逐年增加，由于用戶管理水平和對交易過程有較大偏差，特別是對于預測用電量和實際用電量間準確率較低，同時電能量當前無法有效存儲，預測用電量偏差對用戶、發電企業、售電公司和電網企業都在經濟和技術上帶來一定影響，未來隨著參與交易用戶數量的增加，預測用電量不準確的問題，將給企業和電網帶來嚴重影響，本文通過大數據分析可有效提高用電量預測準確性，實踐中有較好的效果和推廣價值。

[關鍵詞] 電力大數據；電量預測；電力市場化交易

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 13. 045

[中圖分類號] F274；F426.61 [文獻標識碼] A [文章編號] 1673 - 0194（2018）13- 0096- 03

1 前 言

2015 年國家發展改革委在云南、貴州、安徽、寧夏、湖北五省（區）開展輸配電價改革，云南成為試點地區之一。為了落實電價改革，云南省制定落實了一套相關政策法規，在遵守國家方針策略的基礎上，從自身既定的情況出發，進行配套改革以推動電力市場化交易。這一嘗試性的改革，其作用主要表現在兩個層面。首先，從社會層面來說，降低企業的用電成本。電價通過直接的電力市場交易降價，即擁有選擇權的電力用戶與發電企業直接交易，企業的用電成本得到實質性的降低。根據統計，2015年云南省參與市場化交易的 320 億電量綜合平均下來，每千瓦時電價降低 1 毛8 厘，為參與交易的企業減輕負擔達 35 億。其次，從價格層面來說，通過市場化交易價格信號，及時向兩端進行傳遞，發揮價格調解供需作用，有利于促進電力的生產和消費，使生產和消費都能夠健康發展。傳導到電源建設中，有利于控制建設成本。

為了使改革的成果更多地惠及廣大用電戶，《2017年云南電力市場化交易實施方案》明確提出：根據市場需求及技術條件成熟度將從執行大工業電價的電量（專變工業用戶）逐步支持一般工商業參與市場化交易。當前電量交易主要是通過用電需求預測進行申報和交易，分為年度交易、月度交易和日前交易三種，然而在實際交易，由于用戶管理水平的差異和對交易過程的理解偏差，預測用電量和實際用電量間存在著一定的偏差，由于電能量當前無法有效存儲的屬性，該偏差值對用戶、發電企業、售電公司和電網企業都在經濟和技術上帶來一定影響。以用戶為例，如預購量大于實際用量，需支付未使用電量90%的費用，如購電量小于實際用量則該部分無法享受優惠。未來隨著參與交易用戶數量的增加，預測用電量不準確的問題，將對企業和電網帶來嚴重影響，因此當前急需找到適合的技術手段幫助企業提高用電量預測準確性。

2 研究目標

隨著電網信息化水平的提升，各業務系統中的數據量越來越大，如何從海量數據中挖掘出想要的信息，充分發揮電網數據資產的價值，是電網大數據技術應用和數據分析需要解決的核心問題。用戶是電網企業的服務對象和生存基礎，利用大數據來分析提高用電量預測準確性，可以為市場交易提供技術支持，夯實改革成果。

本文利用大數據技術為用戶用電情況提供分析并開展用電量預測工作，為交易用戶開展年度交易、月度交易和日前交易提供依據，通過本次研究，了解參與市場化交易的購電用戶用電情況，為用戶用電需求預測提供輔助分析，為市場交易用戶提供強有力的信息化支撐工具。

3 研究內容

通過大數據技術的應用構建用戶用電情況分析和預測模型，實現用戶用電負荷曲線分析和預測，可對用戶負荷進行預停電信息的實時獲取、分析、預測、展示，指導用戶的市場化交易行為，提高用電量預測準確性，為市場交易提供技術支持，提升優化客戶服務，發揮電網數據資產的優勢，服務于用電用戶、發電企業、售電公司和電網企業。

（1）用戶用電量情況跟蹤：對單個用戶或多個用戶進行負荷曲線分析和預測，基于歷史的負荷曲線，可以對用戶負荷進行預測。

（2）構建信息系統開展電力市場分析：利用大數據技術對電力交易市場的過程進行分析，包括成交情況、成交價格等維度。

（3）構建信息系統開展用戶節省成本分析：對用戶的成交電量、成交電價，結合用戶的目錄電價進行用戶費用節省成本的分析。

（4）構建信息系統開展用戶成交結果分析：為用戶提供用戶的各個時段電量交易結果，按照交易周期、交易方式等進行展示和查詢。

4 數據建模

方法一：時間序列模型（適用小用戶）

用電結構和趨勢分析，技術上主要使用線性回歸技術進行建模和大數據分析，以昆明供電局所有用電用戶為研究樣本，利用Python中利用時間序列模型針對小用戶的電力負荷優化預測模型的開發和編碼，并實現對4萬用戶的試算，負荷預測準確率平均達95%以上。大用戶由于分布特性行業差別度較高當前準確度還待提高。

方法二：負荷曲線特征分析（適用于大用戶）

模擬用戶負荷曲線生成工具，利用時間序列和信號分析原理，構造用戶負荷曲線基本模式的生成工具，并對這些基本模式疊加生產各種類型的用戶負荷曲線。此部分工作已經完成。

利用tensorflow框架，建立深度學習卷積神經網絡，對模擬數據進行訓練，進行特征學習，本部分工作已完成神經網絡模型的編寫和搭建，目前正在開展模型訓練和調參工作，識別正確率已經達到70%。

5 系統功能框架

市場化交易的購電用戶用電情況和用電需求預測輔助分析系統主要包括權限管理、購電用戶用電情況分析和用電需求預測3大模塊，主要功能如下：角色管理、角色功能管理、組織機構管理、崗位管理、人員管理、人員角色管理、用電量趨勢分析、市場化交易電價電費分析、基本費結算比較分析、電價構成比較分析、電費構成比較分析、線路負荷預測、變壓器負荷預測、用戶用電趨勢預測、年度交易分析預測、月度交易分析預測、日交易分析預測、最佳交易分析預測等。如右圖所示。

6 結 語

通過項目研究和系統建設可以為用戶提供用電量預測，輔助用戶開展年度交易、月度交易和日前交易；為電網重點用戶提供差異化服務，如：用戶節省成本分析、成交情況和成交價格分析、歷史成交曲線等；隨著參與交易的用戶數據量的增加，未來通過系統功能優化通過云計算平臺和互聯網可為普通用戶、售電公司、發電企業及其他企業，以會員服務或單次付費的形式提供用電量預測服務。

主要參考文獻

[1]施麗，李沛霖，洪鋒，等.大數據在營銷渠道運營和應用研究和分析[J].信息通訊，2018（1）：265-266.

[2]易培琳.拓展服務渠道優質服務更貼心[J].云南電業，2016（4）.