工業(yè)園區(qū)企業(yè)短期用電量預測算法

喻勁

（1.廣西大學計算機與電子信息學院，南寧530004；2.南方電網(wǎng)綜合能源廣西有限公司，南寧530023）

0 引言

隨著電量交易進入市場化進程，用電量較大的工業(yè)企業(yè)以“年度長協(xié)”和“月度競價”的方式直接參與電力市場化交易。各地區(qū)用電情況不同且存在用電量申報偏差考核，無論是“年度長協(xié)”或者“月度競價”，對企業(yè)而言均須面臨用電量申報的難題。目前，全國各省區(qū)市紛紛出臺制度，明確申報電量的偏差考核范圍[1]。在電力交易過程中，對申報電量預測的準確性是決定售電公司或大用戶能否免于偏差考核罰款的關鍵因素。同時，用電量的準確預測對電力系統(tǒng)電壓穩(wěn)定、安全調(diào)度和穩(wěn)定運行也起著至關重要的作用[2]。灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對象[3]。針對工業(yè)園區(qū)企業(yè)難以提供精確的長期用電量歷史數(shù)據(jù)的情況，本文研究設計基于灰色系統(tǒng)理論的用電量預測模型和預測算法，以指導幫助企業(yè)對其生產(chǎn)所需的短期用電量進行準確計劃。

1 預測模型

1.1 基本預測模型

設工業(yè)園區(qū)企業(yè)的用電量歷史數(shù)據(jù)序列為x（0）={x（0）（1），x（0）（2），x（0）（3），x（0）（4），…，x（0）（n）}，其中n表示用電量歷史數(shù)據(jù)的個數(shù)，在已知x（0）（1）的測量時間以及x（0）（1）與x（0）（2）的時間間隔時，可推算x（0）（n）的測量時間。

定義x（0）的級比生成序列δ（0）（k）=x（0）（k）/x（0）（k-1）[4]，k=2，3，4，.…，n。當所有δ（0）（k）的值滿足δ（0）（k）∈（e2/n+1，e2/n+2）時，則表明歷史數(shù)據(jù)序列x（0）具有較好的建模可行性，否則需要對x（0）做變換處理。可取適當?shù)某?shù)C，對x（0）中的異常元素δ（0）（j）做如下變換處理y（0）（j）=x（0）（j）+C[5]，j=1，2，3，…，n。使變換后的數(shù)據(jù)序列y（0）（k）的級比δ1（0）（k）滿足δ1（0）（k）∈（e-（2/n+1），e2/n+2），k=1，2，3，…，n。

在用電量歷史數(shù)據(jù)序列中，第1個數(shù)據(jù)和最后1個數(shù)據(jù)均稱為“端點數(shù)據(jù)”，其余數(shù)據(jù)均則稱為“內(nèi)點數(shù)據(jù)”。當用電量歷史數(shù)據(jù)序列中存在“內(nèi)點數(shù)據(jù)”缺失現(xiàn)象時，利用非緊鄰均值生成的方法對缺失數(shù)據(jù)補齊。設有用電量歷史數(shù)據(jù)序列x（0）且x（0）（k）為缺失的內(nèi)點數(shù)據(jù)。非緊鄰均值生成利用數(shù)據(jù)缺失的內(nèi)點數(shù)據(jù)x（0）（k）的前、后兩個數(shù)據(jù)的平均數(shù)生成新的數(shù)據(jù)x（0）（k）=0.5x（0）（k-1）+0.5x（0）（k+1）[6]。

當用電量歷史數(shù)據(jù)序列中存在“端點數(shù)據(jù)”缺失時，可用級比生成補齊缺失的數(shù)據(jù)。設φ（1）表示當前用電量歷史數(shù)據(jù)序列的第一個元素，φ（n）表示當前用電量歷史數(shù)據(jù)序列的最后一個元素，兩者呈缺失狀態(tài)。此時，利用φ（1）的右鄰級比生成x（0）（1），用φ（n）的左鄰級比生成x（0）（n），形成完整的用電量歷史數(shù)據(jù)序列x（0）={φ（1），x（0）（2），x（0）（3），…，x（0）（n-1），φ（n）}[7]。序列x（0）的級比δ（0（）k）=x（0（）k）/x（0）（k-1）[3]，k=2，3，4，…，n。利用級比生成補齊當前用電量歷史數(shù)據(jù)序列缺失的首尾元素x（0（）1）=x（0）（2）/δ（0）（3）和x（0）（n）=x（0（）n-1）/δ（0）（n-1）。

1.2 預測模型優(yōu)化

（1）利用氣象因子對預測值修正

氣象條件是影響用電量數(shù)值的重要因素之一，從對廣西-東盟經(jīng)濟技術開發(fā)區(qū)園區(qū)各企業(yè)的走訪了解到，當氣溫保持在14-26攝氏度之間時，溫度參數(shù)對預測值影響小較可忽略不計。當溫度超過26攝氏度時，用電量隨著氣溫的升高呈現(xiàn)正比例趨勢的上升。當溫度超過35攝氏度時，用電量也將停止增大。另外，當溫度低于14攝氏度時，企業(yè)用電量也將隨著氣溫的持續(xù)降低呈現(xiàn)反比例趨勢的升高。當氣溫低于5攝氏度時，用電量也將停止增大。本文將氣溫數(shù)據(jù)量化后形成氣溫因子記為T（t）。經(jīng)過調(diào)研獲知，當相對濕度低于75%時，開發(fā)區(qū)內(nèi)企業(yè)基本無需開啟除濕設備。

本文將濕度數(shù)據(jù)量化后形成濕度因子記為H（h）。氣溫因子和濕度因子結合后形成氣象因子P=T（t）+H（h），其中氣溫因子T（t）和濕度因子H（h）的取值范圍分別如表1和表2所示。

表1 氣溫因子T（t）取值

表2 濕度因子H（h）取值

短期用電量預測值αx^（0）（k）經(jīng)修正后得到αx^’（0）（k）=

（3）考慮企業(yè)次月生產(chǎn)設備投運情況

在預測企業(yè)短期用電量時，除了考慮預測算法本身的準確定性、氣象因子對預測值的干擾以及何種情況需要修正預測值的偏差外，還應充分考慮企業(yè)生產(chǎn)設備的投運情況，以起到更好地模擬實際情況的作用。

單臺生產(chǎn)設備的用電量Q=P×T×D，單臺生產(chǎn)設備用電量Q的單位為千瓦時（kWh）；P表示設備的額定功率，單位為千瓦（kW）；T表示設備每天的運行小時數(shù)，單位為小時（h）；D為設備的投運或停運的天數(shù)，單位為天（day）。若設備為增加投運的設備，則D取值為正數(shù)；若設備為原生產(chǎn)計劃中減產(chǎn)停運的設備，則D取值為負數(shù)。統(tǒng)計設備總體用電量變化值Qsum。此時，工業(yè)園區(qū)短期用電量預測值αx^（0）（k+1）=（1-ea）（x（0）（1）-b/a）e-a（k-1）+Qsum。

2 預測算法

3 實驗

本文以位于廣西-東盟經(jīng)濟技術開發(fā)區(qū)從事家裝原材料加工的企業(yè)A和從事金屬罐頭加工的企業(yè)B為例，通過實際數(shù)據(jù)運行預測算法獲得的預測結果。

（1）利用氣象因子和企業(yè)生產(chǎn)計劃的預測值修正

廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)A在2019年1-12月的用電量歷史數(shù)據(jù)如表3所示。

表3 企業(yè)A的2019年月度用電量數(shù)據(jù)（kWh）

經(jīng)過計算得到的廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)A在2019年的用電量歷史值與用電量預測值如表4所示。

表4 企業(yè)A的2019年用電量預測值及誤差情況

從表4可知，廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)A在2019年12月的用電量預測值為3641.01，與用電量歷史值相差1491.01，誤差比高達69.3%。通過對企業(yè)A的走訪了解，獲知這個誤差比過高的原因是12月生產(chǎn)訂單數(shù)量較往月有所下降，部分生產(chǎn)設備例如木材剝皮機、木材盤式切片機和樹根破碎機等將計劃性停運24小時，減少用電量合計約1590kWh。企業(yè)A在2019年12月的用電量預測值應為2121.01，誤差比由69.3%明顯下降至4.60%。廣西地區(qū)的售電量偏差考核范圍是：誤差比在5%以內(nèi)不考核（即企業(yè)無需交納用電偏差扣罰款）。

廣西-東盟經(jīng)濟技術開發(fā)區(qū)2019年10-12月平均氣溫如表5所示。

表5 廣西-東盟經(jīng)濟技術開發(fā)區(qū)2019年氣象信息

從表5可知，廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)A在2019年10月的平均不在14至26攝氏度的區(qū)間內(nèi)，需要對用電量預測值考慮氣象因子進行計算預測，獲得10月份的用電量預測值為3557.57，誤差比由5.50%明顯下降至3.20%。這個結果表明此加入了當?shù)貧庀笠蜃佑嬎惬@得的用電量預測值可供企業(yè)A申報次月用電量時分析決策使用。

（2）預測值殘差修正

以位于廣西-東盟經(jīng)濟技術開發(fā)區(qū)從事罐頭加工的企業(yè)B為例，通過實際數(shù)據(jù)計算預測值殘差修正及結果。企業(yè)B的2019年1-12月的用電量歷史數(shù)據(jù)如表6所示。

表6 企業(yè)B的2019年用電量歷史數(shù)據(jù)（kWh）

經(jīng)過計算得到的廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)B在2019年的用電量歷史值與用電量預測值如表7所示。

表7 企業(yè)B的2019年用電量預測值及誤差情況

由表7可知，從2019年8月起，殘差序列ε（0）中的值ε（0）（k）連續(xù)為負數(shù)。這說明廣西-東盟經(jīng)濟技術開發(fā)區(qū)工業(yè)園區(qū)企業(yè)B的用電量預測值出現(xiàn)了同方向系統(tǒng)性的偏差，此時應采用殘差修正法對偏離的預測值進行修正。修正后的2019年12月用電量預測值為αx^（0）（12）=17298.49-717.04=16581.45，誤差比由7.62%明顯下降至2.8%。從這個結果可知，進行殘差修正計算獲得的預測值可供企業(yè)B申報次月用電量時分析決策使用。

4 結語

通過對工業(yè)園區(qū)企業(yè)的未來短期用電量預測的測試結果表明，本文設計實現(xiàn)的工業(yè)園區(qū)短期用電量預測算法是可用的。結合工業(yè)園區(qū)當?shù)貧庀笠蜃印⑵髽I(yè)生產(chǎn)計劃具體安排，利用殘差修正法優(yōu)化后的預測算法計算獲得的短期用電量預測結果更好。本文的研究成果可以為工業(yè)企業(yè)制定短期生產(chǎn)用電計劃起到指導作用。