基于神經網絡理論的電量預測方法研究

袁野 祝喆 邱成龍

引言

電力電量預測是電力系統規劃和運行研究的重要內容，是保證電力系統可靠和經濟運行的前提，是電網規劃建設的重要依據。電力電量預測的準確將直接影響公司電網建設投資、電網網架結構布局的合理性。電量預測的準確性直接體現基層單位經營業績、管理水平。目前，電量預測的方法還是過于簡單，主要是靠人工的經驗，但人工的預測存在電量偏差大、波動大等缺點，存在很大的不確定性。

一、常電量預測方法難點分析

1.1工作量大，任務繁重

電量預測需要分析歷史的電量數據，但歷史的電量數據存在數據量大，分析時需要整理的數據多等問題。這容易造成預測人員工作任務繁重，預測偏差大等困難。

目前需要分析的數據有：

（1）天氣

（2）溫度

（3）月售電量數據

（4）區域GDP

（5）節假日信息

（6）抄表例日調整數據

1.2預測方式眾多，實施難度大

目前電量預測主要有傳統預測方法和新興的預測方法兩大類。由于算法眾多，而且對各類算法對電量和其它數據的要求高，導致目前很多算法實施難度大。

回歸分析法。利用歷史數據可以建立起負荷和其他影響因素的關系，如與工農業總產值之間的關系，并進而由這些因素未來的數據預測出未來的負荷值，其優點是模型參數估計技術比較成熟，預測過程簡單。缺點是線性回歸模型預測精度較低;而非線性回歸預測計算開銷大，預測過程復雜。僅適用于中期負荷預測。

時間序列法。能根據負荷的歷史數據建模，并利用模型預測出未來的負荷，優點是：所需歷史數據少、工作量小。缺點是：沒有考慮負荷變化的因素，只致力于數據的擬合，對規律性的處理不足，只適用于負荷變化比較均勻的短期預測的情況;

二、基于神經網絡理論的電量預測

2.1歷史電量數據準備

為保證電量預測準確性，本文收集了以下幾類數據作為歷史數據。

（1）經濟及政策：內外經濟形勢（GDP）、產業政策調整影響

（2）市場規模：電力客戶變化，業擴報裝分析（新裝、減容、銷戶），市場占有情況（自備發電機組、分布式電源）。

（3）市場開拓：實施熱泵、電蓄能、電加熱、電動汽車等電能替代、自備電廠規范、加快業擴報裝、消除供電瓶頸、加強檢修管理等。

（4）電網供需形勢影響，執行有序用電情況。

（5）前100/50名大客戶的生產用電、停產檢修情況。

2.2數據組織形式

為了程序方便訪問和組織數據，本文選用了MYSQL作為底層數據庫軟件，并結合EXCEL和MYSQL軟件，實現了EXCEL數據自動化和智能化地導入MYSQL數據庫。

2.3預測方法和模型庫

神經網絡理論是利用神經網絡的學習功能，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點;并且知識表達困難，難以經驗中存在的模糊知識。

神經網絡是功能極其強大的、高效的并行處理機器，具有學習和歸納能力，對錯誤和噪音具有特別的適應性。經過培訓的人工智能網絡可以作為某個信息類別的“專家”，為新情況指明方向或解決判斷路徑問題等。 三、效果及效益分析

1.1效果分析。

采用基于神經網絡理論的電量預測程序進行電量預測后，月度電螄預測偏差由之前的6%降低到了3%。另外，電量偏差穩定性較之前有了顯著提升，節假日比如春節，十一長期期間，電量預測偏差的波動性也減少了。

2.2效益分析。

經營指標的提升電量預測程序的使用，能為售電量預測提高精確度，減少售電量計劃完不成帶來的考核和指標調整等負面影響，提升了企業經營指標。另外，以前的售電量月度預測，不僅過程長，流程復雜，而且預測的魯棒性差，一個簡單的人工統計或人工計算錯誤，會導致預測偏差的錯誤，所謂差之毫厘，謬以千里。而電量預測程序的使用程序化，自動化，智能化。僅僅只需要一個人，一兩小時就能完成復雜的電量預測任務。大大減少了人力成本。

三、結語

隨著電力市場的發展，電量預測的重要性日益顯現，并且對負荷預測精度的要求越來越高。傳統的預測方法比較成熟，預測結果具有一定的參考價值，但要進一步提高預測精度，就需要對傳統方法進行一些改進，同時隨著現代科學技術的不斷進步，理論研究的逐步深入，以灰色理論、專家系統理論、模糊數學等為代表的新興交叉學科理論的出現，也為電量預測的飛速發展提供了堅實的理論依據和數學基礎。以后作者將會對各種預測方法一一嘗試，找到更高效快捷有效的預測算法。

參考文獻

[1]施永益，凌衛家，郭陽，夏洪濤，趙燕波.售電量分析及預測研究[J].經營管理者.2016（18）

[2]任騰云.基于機器學習的電力大客戶群體月度售電量預測研究[J].電網與清潔能源.2018（09）

[3]彭澤武.基于分箱灰色預測的月用電量數據缺失值處理方法[J].現代計算機（專業版）.2017（29）