考慮人口因素的居民、商業用戶長期售電量預測方法

馮天瑞

摘 ? ?要：隨著電力體制改革的推進，眾多售電公司相繼成立，并將進入城市配電網增量市場。對于城市配電網，居民、商業電量增速快，且在總電量中占比逐漸增加，發展潛力巨大。本文以居民、商業電量總和為研究對象，對其發展趨勢進行分析，然后設計了一種考慮人口因素的居民、商業用戶長期售電量預測方法。最后，以廣東省某大型城市中心城區為例，對本文所提出的方法進行檢驗。

關鍵詞：人口因素;居民商業用電;長期電量預測;年人均耗量

中圖分類號：F426 ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? 文章編號：1004-7344（2019）03-0074-02

引 言

隨著電力體制改革的推進與深入，配電網增量市場向社會資本開放，全國各省市陸續成立了眾多售電公司，其中絕大多數售電公司的業務將集中在城市配電網增量市場。對于各大中型城市，受產業升級轉型等因素影響，導致其大工業電量增長緩慢，甚至對個別城市或區縣，其大工業電量處于下降狀態。與此同時，其第三產業用電量及居民生活用電量則不斷上升，成為城市配電網增量市場的主力。

以廣東省為例，絕大多數售電公司集中在廣州、深圳兩大城市，這兩大城市的共同點為：人口眾多且持續增長、第三產業發達、大工業向市區周邊或周邊城市遷移。以上特點決定，大多數售電公司需將城市配電網增量市場，即居民、第三產業用電市場作為自己的主營業務。

目前國內電網企業將全部電力用戶分為5大類，其中居民用戶單獨為一類，第三產業用電應對應商業用戶。故本文以居民、商業用戶電量為研究對象，考慮人口因素對其的影響，研究其電量預測的方法。

本文以居民、商業電量總和為研究對象，在充分分析其發展趨勢與規律的基礎上，考慮人口因素對其影響，設計了考慮人口因素的居民、商業用戶長期售電量預測方法，該方法對區域內常住人口及年人均耗量分別進行預測，將預測結果相乘得到居民、商業電量總和。最后以廣東省某大型城市區級供電局為例，對所提出的方法進行檢驗。

1 ?居民、商業電量發展趨勢

受城市產業升級轉型等因素影響，部分大中城市或市中心某區出現了大工業電量下降、居民商業電量增加的趨勢。以廣東省某大型城市中心城區C區為例，該區自2013年起，大工業電量在總電量中占比持續降低，但居民、商業電量總和及常住人口數量持續增長，居民、商業電量的增量潛力巨大。深入分析可知，居民、商業電量的增速大于常住人口的增速，即居民、商業年人均耗電量（以下簡稱“年人均耗量”）的增速亦不斷增長。

綜合分析可知，部分大中城市或市中心城區的居民、商業電量存在巨大增量市場，售電公司在進入某一區域前，需對該區域市場潛力進行預測評估，在進行電量預測時，不應僅著眼于居民、商業電量總和的統計數據，可將居民、商業電量看做兩部分的乘積，即：

Qjs=qjs·N（1）

其中Qjs為居民、商業電量總和，單位為kWh，qjs為年人均耗量，單位為kWh/（年·人），N為該區域常住人口數量，單位為人。因此，本文從年人均耗量及常住人口數量的角度對居民、商業電量總和進行研究，抓住影響其變化的根源，分別進行預測。

2 ?算法設計

如（1）式所示，居民、商業電量總和由兩項因素決定，故本文分別對兩項因素進行預測，將預測結果相乘得到居民、商業電量總和的預測值。本文所設計的算法流程為：數據收集及預處理-對年人均耗量進行預測-對常住人口數量進行預測-計算得到總電量預測值。

（1）數據收集及預處理

對待預測區域歷年居民、商業用電量及對應年份的常住人口數量進行收集，并計算得到年人均耗量。

（2）對年人均耗量進行預測

目前對于中長期電量預測，普遍采用組合預測模型的方法。可以證明，組合預測模型的預測誤差平方和不大于參與組合的各個單一模型的預測誤差平方和的最小值[1～2]。本文選取一元線性回歸法、加權擬合直線方程、累加線性擬合法、灰色預測模型、雙曲線模型、對數曲線模型、S形曲線模型、倒指數曲線模型共8種常用預測模型算法構成組合預測模型，使用擬合方差法[3]計算得到各單一預測模型的權重。

（3）對常住人口數量進行預測

同樣使用組合預測模型及擬合方差法，對常住人口數量進行預測，得到綜合預測結果N。

（4）計算得到總電量預測值

將年人均耗量預測結果和常住人口預測結果相乘，得到居民、商業電量總和的預測結果Qjs。

3 ?算例分析

本文使用廣東省某大型城市中心城區C區近年來各項數據，對本文所提出的方法進行檢驗。

該區2013年至2016年全區各項售電量及人口、年人均耗量數據如表1所示。

本文基于以上4年該區的電量及人口數據，使用本文提出的預測方法對該區2017年居民、商業電量總和進行預測，同時使用組合預測方法，直接對居民、商業電量總和進行預測計算，將二者結果進行比對分析。

（1）使用本文提出的預測方法進行預測計算

計算輸入數據為歷年常住人口及年人均耗量數據，使用組合預測模型分別對二者進行預測，再將所得結果相乘，得到居民、商業電量總和的預測結果，預測結果如表2所示。

（2）直接對居民、商業電量總和進行預測計算

計算輸入數據為歷年居民、商業電量總和，使用組合預測模型直接對其進行預測，所得預測結果為2017年該區居民、商業電量總和為21.57億kWh.

（3）預測結果比對分析

將（1）、（2）所得結果與2017年該區居民、商業電量總和實際值進行比對，結果如表3所示。

由表3可知，本文所提出方法的預測結果，明顯優于對總電量直接進行預測的方法，因本文方法充分考慮了人口因素對居民、商業電量的影響，對常住人口數量、年人均耗量分別進行預測，保留了二者發展趨勢的細節信息，因而可以得到更為準確的預測結果。

售電公司可使用本方法，對區域居民、商業電量潛力進行預測，尋找更有商業價值的區域，更有針對性的開展售電活動。

4 ?結 論

（1）本文對居民、商業電量發展趨勢進行了分析，可知對大中型城市，其居民、商業電量數值及在總電量中的占比均呈現上升趨勢，為售電公司開展售電業務提供了足夠的市場。

（2）本文設計了考慮人口因素的居民、商業用戶長期售電量預測方法。該方法充分考慮人作為居民、商業電量的用電主體及在用電行為中的主導地位，使用組合預測模型對人口數量和年人均耗量分別進行預測，再將二者預測結果相乘，得到居民、商業電量總和的預測而結果。

（3）本文以廣東省某大型城市中心城區為例，對所提出的售電量預測方法進行檢驗，結果證明該方法比直接對居民、商業電量進行預測，具有更高的準確性。本方法在整體工作量增加不大的情況下，提高了對居民、商業電量的預測精度，可幫助售電公司對各區域進行售電量預測，評估開發潛力，指導其售電業務的開展，以獲取最大的經濟效益。

參考文獻

[1]汪同三，張 濤.組合預測——理論、方法及應用[M].北京：社會科學文獻出版社，2008.

[2]陳華友.組合預測方法有效性理論及其應用[M].北京：科學出版社，2008.

[3]康重慶，夏 清，劉 梅.電力系統負荷預測[M].北京：中國電力出版社，2007.

收稿日期：2018-12-6