運用統計數據挖掘的月度售電量預測方法探索

王昕

【摘要】供電公司由于營銷系統中售電量抄表數據分時段的原因，無法逐日查詢售電量數據。營銷系統分期抄表數據均為既成事實，無法提前預判整個月份的售電量數據，這就對短期的月度售電量預測追蹤提出了挑戰。本文主要是研究分月售電量預測方法，利用供電公司的歷史統計數據，建立時間序列數據模型，通過數理校驗和分析，得到本地區的月度售電量預測追蹤模型。通過分月上旬占比值的統計數據反推計算，從而簡單、快速和準確的預測追蹤整個月售電量數據。為供電公司各個職能部門的計劃和預算管理工作提供了更具準確性和時效性的輔助決策。

【關鍵詞】統計數據? 月度售電量? 預測方法

一、背景情況

當前，供電公司由于營銷系統中售電量抄表數據分時段的原因，無法逐日查詢售電量數據。在統計線損管理中，月度售電量追蹤節點基本是每月8日、15日、21日，也就是營銷系統分期抄表系統數據均為既成事實，只能被動接受，無法提前預判整個月的售電量數據。

浙江某供電公司通過對本地區近三年分月售電量及同比數據的分析，發現春季和秋季的變動規律比較復雜，不同的年份之間受極端天氣和第二產業景氣等因素的影響，差異也較大，這就對短期的月度售電量預測追蹤提出了挑戰。

本文主要是研究分月售電量預測追蹤，利用供電公司的歷史統計數據，建立時間序列數據模型，通過數理校驗和分析，得到本地區的月度售電量預測追蹤模型。為“短期電力市場預測準確率”、“電力電量預測關鍵任務完成指標”、“月度線損指標管控”等同業對標指標的提升做出有力支撐。

二、預測追蹤方法的探索

浙江某供電公司以2018年10月份本地區售電量為例。國慶節長假期間（10月1—8日），本地區售電量為3106.14萬千瓦時，同比增長了25.38%。10月份全月，本地區售電量為5333.83萬千瓦時，同比增長了17.26%。

（一）按供電區域售電量比較分析

公司通過比較10月上旬分供電區域售電量的同比變動，電量增長主要集中在客戶服務中心、古市供電所和延慶供電所的三個供電區域，同比增長率分別為43.21%、33.62%、16.05%。

然而，全縣售電量占比（54%）最大的延慶供電所供電區域（主要的工業園區）的16.05%的上旬同比增長率，和6.01%的全月同比增長率相差較大，也直接影響到上旬同比增長率25.38%和全月同比增長率17.26%的差異。

（二）按行業分類售電量比較分析

公司通過比較10月份上旬分行業售電量的同比變動，對應各行業分類的售電量主要增長率分別是：大工業7.78%，城鄉居民36.50%，農業20.29%。

其中，由于居民用電的抄表例日位于每月上旬，所以其全月售電量同比增長率37.24%和上旬36.50%的增長率接近，其它行業均有很大的差異，也直接影響到上旬同比增長率25.38%和全月同比增長率17.26%的差異。

（三）按上網方式供電量比較分析

今年10月前八天，網供電量合計為1162萬千瓦時，相比去年同期增長了37.35%。從具體日期分析，電量增長主要集中在1—3日、6—8日頭尾各三天。

其次，今年10月前八天基本屬于枯水期，松陽水電上網電量為43.3萬千瓦時，相比去年同期的44.4萬千瓦時減少了2.48%，體量相當。

最后，對比網供電量的上旬電量同比增長率37.35%和全月電量同比增長率25.80%，差異較大。

對比水電上網電量的上旬電量同比增長率-2.48%和全月電量同比增長率-86.87%，差異則更大。

（四）按抄表例日比重比較分析

供電公司通過逆向思維，挖掘公司近三年每月上旬售電量占比數據的潛在價值。雖然近三年的春節（2016年2月8日，2017年1月28日，2018年2月16日）對應的公歷略有波動。但是，通過1月和2月份的合并計算，也可以很好的得到平滑曲線，得出一般規律。近三年其它月份占比值均非常接近，已經涵蓋了季節特性，并且均方差也很小。

公司依據近三年10月上旬抄表例日售電量占全月56.5%的比重一般規律，然后根據10月上旬營銷抄表發行數據3106萬千瓦時，運用比重法（3106/56.5%=5497）推算10月份售電量位于5497萬千瓦時左右，同比增長率為20.85%。這和最終10月份全月售電量17.26%的增長率較為接近，也驗證了該方法快捷和有效。

綜上所述，公司在當前月度第一個抄表例日統一提前到每月1日的變革趨勢下，只要營銷系統售電量數據推送完畢后，即可通過分月上旬占比值的統計數據反推計算，從而簡單、快速和準確的預測追蹤整個月售電量數據。為公司發展部、營銷部、財務部等職能部門的計劃和預算管理工作提供了更具準確性和時效性（比每月下旬抄表例日提前了20天）的輔助決策。

三、評估與改進

（1）價值評估。該售電量預測方法挖掘了抄表例日售電量歷史統計數據的潛在價值，通過占比重這一統計數據分析和整合，發現了各個月份的一般規律，優化了日常工作的計劃管理和預測追蹤。

（2）存在的問題。該方法完全依然歷史數據和先驗經驗，一旦本地有新近較大的報裝容量時，需要密切關注營銷容量數據的變動，并及時進行預測模型的修正。

（3）改進方向。該方法今后還可以增大樣本空間，擴展到三年期以上的數據，同時利用加權平均法來計算比重值，提高相鄰近年份當月的權重。

（4）推廣范圍。該方法雖然是基于S供電公司的歷史統計數據構建，但是數據模型本身具有廣泛的普適性，可以在國網公司系統內其他縣市供電公司中推廣和應用，具有良好的推廣價值。