一种电力行业分类的多变量农网电量预测方法与流程

本发明涉及一种农村电网地区全社会用电量预测方法，属于电力行业电网规划技术领域。

背景技术：

农村电网的建设发展是一项复杂艰巨的系统工程，具有规模大、不确定因素多、涉及领域广的特点。对电网发展方向的把握，是通过对现状电网分析，负荷和电量的预测从而进行规划建设改造方案的确定和实施而实现的。而准确的电量预测，则对确定规划建设改造方案有着重要的指引作用，因此有必要建立科学准确的电量预测方法。

一个地区的全社会用电量的变化由现实中多个变量或因素共同作用的结果。同时这些变量中的单个变量的发展变化都不是孤立存在的，通常受到其它变量的影响，往往也影响其它的变量。准确把握各种变量或因素，尤其是主要影响因素及其权重、发展变化规律，更有助于增强电量预测的准确性。对于电量预测方法，目前主要有当前电力负荷预测的方法基本可分为三大类：经典预测方法、传统预测方法、现代预测方法。其中经典预测方法包括人均电量指标换算法、单耗法、负荷密度法、弹性系数法、比例系数增长法等；传统预测方法包括趋势外推法、时间序列法、回归分析法等；现代预测方法包括模糊预测法、灰色预测法、人工神经网络法以及组合预测方法等。

现有方法主要存在以下问题：

（1）经典预测方法中弹性系数法、单耗法等对数据的要求都比较高，前期工作量大，数据收集困难，并且精度不是很理想，适用于中长期负荷预测；

（2）传统预测方法中时间序列法的应用比较简单，但是当负荷数据波动较大时，预测误差比较大，主要用于短期预测；回归分析法等精度不是很理想，适用于中长期负荷预测。

（3）人工神经网络方法的预测精度比较高；但是输入变量的选取比较难确定，学习过程较慢且需要复杂的编程；模糊预测法的实际应用表明单纯应用该方法精度比较差，容易受到主观因素的影响，适用于未来社会经济发展有很大不确定因素的中长期预测；组合预测法综合各个模型的优点，精度取决于所选取的单个模型算法和权重系数的选择，精度受制约，过程复杂。

技术实现要素：

本发明提出了一种电力行业分类的多变量农村电网电量预测方法。这一预测方法区别于传统的预测方法在于：对各个产业和居民用电量进行分别预测，这样预测各个分支用电量发展趋势从而使得预测更加精准，克服传统预测只能是总体单向递增或递减预测方法的弊端。此预测方法对各个分支用电量采用多变量灰色模型预测，根据影响用电量的几个重要的相关因数和用电量一同预测，对农网而言引入城镇化率作为灰色模型变量，使预测值更加精准。

本发明所采用的技术方案是：

一、多变量灰色预测模型的建立及检验

1.多变量灰色预测模型的建立

假定非负原始数据向量序列为

对做累加生成，得到生成数列

可以将数列的时刻看作连续的变量t,而将数列转而看成时间t的函数。如果数列对的变化率产生影响，则可建立白化式微分方程.

设为系统行为序列，，为相关因素序列，为的1-ago序列，称n元一阶常微分方程组

为多变量mgm（1,n）模型。

令

则式（1）可转化为：(2)

称式（2）为mgm(1,n)模型的白化微分方程。其相应的连续时间相应函数为：

(3)

离散化即可到mgm(1,n)模型的解：

(4)

为辨识参数a和b，将（2）进行差分变化，得到：

(5)

其中：。

(6)

对（5）式，根据最小二乘法原理，可辨识得到参数a和b：

(7)

其中：

将由（7）得出的参数带入（4）中

(8)

利用上式累减还原原始数据序列有

2.多变量灰色预测模型的检验

用后验差方法进行检验，步骤如下：

（1）求残差及相对误差：

（2）求残差均值

（3）求原始数列均值

（4）求原始列协方差

（5）求残差协方差

式中：：为原始数据序列和预测值数据序列；

n：原始数据序列长度。

（6）计算后验算比值c及小误差概率p

根据c、p评价模型精度，评价标准如表1。

表1预测精度等级

检验后满足精度要求后，就可以进行多变量灰色预测。

二、电力行业分类的各产业用电量预测

1.第一产业用电量预测

农业用电大部分为机井灌溉用电和农产品加工用电。农业用电负荷特点：季节性强，年最大利用小时低、功率因素低和农村负荷结构变化大。季节性主要体现为春季农业灌溉和秋季农业灌溉，尤其在广大农村很明显。农业用电表现出较强的季节性规律，但整体用电量不多，在全社会用电量的比例小。随着农业由传统粗放的发展方式向新型集约的现代农业发展转变，农业的用电量将有所缓慢的增长且幅度较小。本发明对第一产业用电量预测采用单变量灰色模型即均值灰色模型gm(1，1)进行预测，将第一产业用电量主作为均值灰色模型的主变量。

2.第二产业用电量预测

工业用电量占社会用电量很大比例且比较稳定受气候季节影响小，但不同工业行业各有其特点，其负荷特征和用电量差异较大。工业用电量与第二产业gdp的发展状况有着密切相关。重工业越发达，其创造的gdp越多，相应的耗电量就越大。工业产值创造绝大多数的gdp，相应的用电量也占社会用电量大部分。随着近年来经济产业结构的调整，第二产业在产业结构的比例有所减小，传统高耗能和产能过剩产业如钢铁工业、水泥工业等着不同程度减少，其用电量有所降低。新型的科技含量高且耗能低的高新科技企业大量涌现，其用电量将大幅度增长。其中影响第二产业用电量最主要因素为第二产业在整个产业所占比例、第二产业的gdp。故本发明将第二产业用电量作为多变量灰色模型第二产业用电量预测的主变量，将第二产业占比和第二产业gdp这两个因素作为两个相关变量。

3.第三产业用电量预测

随着城镇化的发展，人们收入水平的提高和消费观念的改变，极大促进餐饮业、旅游业和文化产业等第三产业的繁荣和发展。第三产业服务业中除照明外越来越广泛地使用空调、电风扇、制冷和取暖等对气温气候季节敏感的电器，使得其用电量虽不及工业但呈现出迅速增长的趋势。第三产业的gdp随着经济的发展逐年递增，其占行业总gdp的比例（第三产业占比）也逐年相应增加。随着经济产业结构的调整，第三产业得到大力发展，相应电力需求将大幅度提升。城镇化过程中，人口的聚集和消费必然促进相关服务业的发展，间接增加第三产业的用电需求。故本发明将发电量作为多变量灰色模型第三产业用电量预测的主变量，把第三产业占比和城镇化率这两个因素作为两个相关变量。

4.居民生活用电量预测

随着城镇化的发展，农村人口从农村流向城镇，越来越多的农民成为城镇居民。由于农村和城镇经济发展水平不同，居住环境不同、可支配收入不同，所以城镇居民和农村居民人均用电量也不相同。影响城镇居民和农村居民的人均用电因素主要有居民人均可支配收入、城镇化率、能源利用结构和季节性因素。人均可支配收入越高，其改善生活条件能力越强，所以家用电器使用更为普遍。城镇居民人均可支配收入高于农村居民人，家用电器使用较为普遍，所以城镇人均用电量高于农村。城镇化的动力在于工业的发展，工业的发展普遍需要大量劳动力，因此工业发展必然带来人们收入的提高。可以说城镇化率越高，工业越发达，人们收入越高。城镇化率和居民生活用电有着密切的间接关系。从能源利用结构角度看，城镇居民生活做饭绝大多数使用天然气和电能，而农村居民大多使用煤炭和部分天然气和电能。从气温气候季节角度看，夏季制冷冬季取暖，城镇居民大多使用空调或电暖器，农村居民因收入水平限制空调使用率不及城镇居民且冬季大多使用煤炉取暖。综上所述，城镇居民人均生活用电和农村居民生活用电有较大差异，所以将城镇居民人均生活用电和农村居民生活用电分别采用灰色模型预测，其中影响居民人均用电量最主要因素为人均可支配收入和城镇化率。这两个因素作为多变量灰色模型居民生活用电量预测的两个相关变量。所以城镇居民生活人均用电量多变量灰色模型预测的三个变量为城镇居民生活人均用电量、城镇居民人均可支配收入和城镇化率；农村居民生活人均用电量多变量灰色模型预测的三个变量为农村居民生活人均用电量、农村居民人均可支配收入和城镇化率。其相对应的城镇居民人口和农村居民人口则由城镇化率与地区总人口数量计算得到。

三、全社会用电总量计算

将电力行业分类的各产业用电量的结果进行求和，从而得到地区全社会用电量的预测结果。

同时下面结合附图和具体实施方式对本发明作进一步说明。

附图说明

图1为本发明中多变量指标结构流程分析图；

图2为本发明中地区全社会用电量计算示意图；

具体实施方式

1.统筹某地区电网公司各部门及市政部门，搜集涉及变量中所有指标的历史年（5年）数据，对需要前期处理的如城镇人口数量等进行计算。

2.对历史数据进行累加生成序列，采用灰色模型对第一产业用电量、第二产业用电量、第三产业用电量及居民生活用电量分别进行数据预测运算。

3.对电力行业分产业的预测值进行计算结果的多变量灰色模型精度检验，根据模型精度检验理论计算出p、c值，判断模型精度是否属于1级，若属于1级则满足精度要求，可以用来进行预测。

4.对电力行业分产业的预测结果进行求和运算得到最终预测结果地区全社会用电量。