一种基于产业链产品产量的电量预测方法
【专利摘要】本发明涉及一种基于产业链产品产量的电量预测方法，包括如下步骤：1) 筛选产业链指标,并提取指标数据，所述产业链指标包括社会总体经济发展水平类指标和主要行业经济发展水平类指标；2）构建产业链指标库；3）通过所述指标数据及产业链指标库外推电量预测模型。有益效果为：本发明首先综合考虑多种相关行业及其产业链的关联性，筛选对电力市场产生影响的关键指标，辨识产业的产品产量等确定性因素，最终对产业链中相关产品产量反映未来电量的走势进行范围预测。
【专利说明】
-种基于产业链产品产量的电量预测方法
技术领域
[0001] 本发明属于电力领域，具体是一种基于产业链产品产量的电量预测方法。
【背景技术】
[0002] 目前，国内外对电力系统电量预测的方法很多，综合起来主要有W下两种类型:传 统方法，包括时间序列分析法、回归分析法、灰色预测方法等;新兴方法，包括模糊预测法、 专家系统法、人工神经网络等人工智能方法及新兴的小波分析法及组合预测方法。
[0003] 时间序列方法能根据负荷的历史数据建模，并利用模型预测出未来的电量。其优 点是:所需历史数据少、工作量小；缺点是：没有考虑电量变化的因素，只致力于数据的拟 合，对规律性的处理不足，只适用于电量变化比较均匀的短期预测的情况。
[0004] 回归分析法利用历史数据可W建立起电量和其它影响负荷因素的关系，如建立电 量与国民生产总值之间的关系，进而由国民生产总值未来的数据预测出未来的负荷值。其 优点是模型参数估计技术比较成熟，预测过程简单;缺点是影响电量发展的相关因素复杂， 不易确定主导因素。
[0005] 灰色系统理论是20世纪80年代由我国邓聚龙教授提出，用来解决信息不完备系统 的数学方法。它通过采用一定的方式对原始数据进行生成处理（如累加生成和累减生成）， 将杂乱无章的原始数据整理成规律性较强的生成数据，从而弱化原随机序列的随机性，获 得光滑的离散函数，再进一步基于运些生成数据建模。灰色预测是一种对含有不确定因素 的系统进行预测的方法，它适用于贫信息条件下的分析和预测。优点是:建模所需负荷数据 少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验;缺点是：当数 据离散程度越大，即数据灰度越大，预测精度越差。
[0006] 模糊预测法是建立在模糊数学理论上的一种负荷预测新技术。引入模糊数学的概 念可W用来描述电力系统中的一些模糊现象，如负荷预测中的关键因素气象状况的评判、 负荷的日期类型的划分等，将模糊方法应用于负荷预测可W更好的处理负荷变化的不确定 性。模糊预测法将模糊信息和经验W规则的形式表示出来，并转换成可W在计算机上运行 的算法，使得其在电力系统的许多领域中得到了应用。目前模糊集理论应用于负荷预测主 要有W下几种方法:模糊聚类法、模糊相似优先比法、模糊最大贴近度法等。
[0007] 专家系统预测法是对数据库里存放的过去几年、甚至几十年的数据进行分析，从 而汇集有经验的负荷预测人员的知识，提取有关规则，按照一定的规则进行预测的方法。专 家系统预测法适用于中长期负荷预测。该方法能汇集多个专家的知识和经验，并且占有的 资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。另一方面，专家系统是 对人类的不可量化的经验进行转化的一种较好的方法，若能将它与其他方法有机地结合起 来，构成预测系统，将可得到满意的结果。其缺点是:受数据库里积累的知识总量的限制，对 突发性事件和不断变化的条件适应性差，难W取得确定的长期预测结果。
[000引人工神经网络是仿效生物处理模式W获得智能信息处理功能的理论。20世纪90年 代，人工神经网络模型(Adificial Neural Networks,简记作ANN)开始被用于电力负荷预 。神经网络是由大量的简单神经元组成的非线性系统，每个神经元的结构和功能都比较 简单，而大量神经元组合产生的系统行为却非常复杂。人工神经网络方法具有难W科学确 定网络结构、学习速度慢、存在局部极小点、记忆具有不稳定性等固有缺陷。目前，研究和应 用最多的是W下4种基本模型和它们的改进模型，即化时ield神经网络、多层感知器、自组 织神经网络和概率神经网络。一般而言，ANN应用于短期负荷预测要比应用于中长期负荷预 测更适宜。
[0009] 小波分析作为近十多年来迅速发展起来的一种方兴未艾的科学方法在各个工程 领域中受到了广泛的注意与重视。在负荷预测中，当时间序列发生变化，尤其是发生突然变 化时，常用算法的预测结果就不理想，而小波分析在时域和频域上同时具有良好的局部化 性质，而且，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系 数，从而能够方便地加 W处理、存储、传递、分析或应用于重建原始信号。运些优点决定了小 波分析可W有效地应用于负荷预测问题的研究。
[0010] 综合预测方法其实就是将不同的预测方法进行适当的组合，最终能提高预测的精 度。在预测实践中，可W对多种可选的预测模型，逐一进行试探性的分析和预测，舍弃那些 效果明显较差的模型，同时也选择出比较有效的模型根据不同的权重组合在一起，达到更 佳的预测效果。
【发明内容】
[0011] 本发明的目的在于提供基于产业链产品产量的电量预测方法，W克服现有技术领 域的不足，本发明的方法包括如下步骤：
[0012] 1)筛选产业链指标，并提取指标数据，所述产业链指标包括社会总体经济发展水 平类指标和主要行业经济发展水平类指标；
[0013] 2)构建产业链指标库；
[0014] 3)通过所述指标数据及产业链指标库外推电量预测模型。
[0015] 2.根据权利要求1所述的基于产业链产品产量的电量预测方法，其特征在于所述 社会总体经济发展水平类指标包括居民行业指标和民生指标。
[0016] 所述的基于产业链产品产量的电量预测方法的进一步设计在于，所述民生指标包 括投资指标与生产消费指标，W新开工面积、销售面积作为投资指标代表指标，W区域消费 品零售总额和区域工业销售产值作为生产消费指标代表指标。
[0017] 所述的基于产业链产品产量的电量预测方法的进一步设计在于，居民行业指标包 括居民生活质量指标与家电使用指标，W第Ξ产业固定资产投资数额作为居民生活质量指 标的代表指标，W家电产量作为家电使用指标。
[0018] 所述的基于产业链产品产量的电量预测方法的进一步设计在于，主要行业经济发 展水平类指标的选取包括:根据地区细分行业的电量从高到低的占比排序，提取排名前Ξ 的行业认定为主导行业;再根据行业主要产品产量进行上下游行业产品产量指标筛选。
[0019] 所述的基于产业链产品产量的电量预测方法的进一步设计在于，构建产业链指标 库包括：
[0020] 指标的预处理:对各指标时间序列进行初步调整，剔除和修正各个选定指标在相 同时间段内数据序列中的极端值，使整个序列符合特定分析的要求；
[0021] 指标关联性建立:通过峰谷对比法，对各个指标的波峰波谷与地区电量曲线进行 循环对比，形成综合判断指标曲线，进而根据综合判断指标曲线找出先行指标、一致指标W 及滞后指标，
[0022] 通过循环方式匹配法，依据己知循环方式对经济指标进行分类，在求出每个指标 的转折点后，确定循环方式的基本类型，最终将每个指标的循环方式与作为地区电量的循 环方式相比较，求得匹配数；
[0023] 通过聚类分析法，计算多个先行指标值同地区电量之间的相关系数，把相似的行 业指标聚为一类形成被选指标库，并将与地区电量相关程度最大的指标合并，W反映地区 电量和被选指标库的相似程度；
[0024] 通过时差相关分析法，对各个被选指标与地区电量根据式（1)进行比较、计算，最 终得到产业链指标库，时差相关系数计算公式为：
[0025]
[00%]式中ri为时差相关系数，ni为指标个数，x = [X1，X2,…，Xn]为被选指标、y= [yi, 72,…，yn]为地区电量，I、J为均值，t为时间变量，1为延迟期数。
[0027]所述的基于产业链产品产量的电量预测方法的进一步设计在于，指标的预处理 中，产品产量在实际情况中经常W月度形式统一发布，通过X-11季节调整法判断季节因素 对电量的影响:所述X-11季节调整法，将月度的时间序列通过分解模型分解为趋势-循环成 分TC、季节成分S和不规则成分I，所用的分解模型主要有W下两种：
[002 引加法模型：Yt = TCt+St+It
[0029] 乘法模型：Yt = TCtXStXIt
[0030] 其中，乘法模型适用于保持正值并且随着序列水平增长其季节性波动的幅度也增 长的序列，加法模型与之类似，其计算数据可W是负值。
[0031] 所述的基于产业链产品产量的电量预测方法的进一步设计在于，所述步骤3)中外 推电量预测模型包括如下步骤：
[0032] A)采取直观的比例系数处理方法，即在统一单位变量的条件下，求取每单位变量 对应消耗电量：
[0033] 1n=Ln/Q
[0034]其中，In为单位变量消耗电量;Ln为单位总产量;Q为电量；
[0035] B)建立多行业单位变量同电量的关系：
[0036] Qn=AxX 1n+D
[0037] 其中，Qn为拟合序列，Αχ为各变量系数，D为常数项。
[003引本发明的优点如下：
[0039]本发明首先综合考虑多种相关行业及其产业链的关联性，筛选对电力市场产生影 响的关键指标，辨识产业的产品产量等确定性因素，最终对产业链中相关产品产量反映未 来电量的走势进行范围预测。
【具体实施方式】
[0040] 下面对本发明的方案进行详细的描述。
[0041] 本发明提出的一种基于产业链产品产量的电量预测方法，其特征在于，具体步骤 如下：
[0042] 1)产业链指标筛选:产业链指标包括社会总体经济发展水平类指标和主要行业经 济发展水平类指标。社会总体经济发展是展现全社会经济发展水平的重要指标，其主要通 过投资等手段促进社会各产业的发展，从而带来电量的强劲增长。而主要行业经济发展水 平，即面向研究对象调研影响电力市场的多种行业，提取主要行业作为研究主体，调研主体 行业的上下游关联产业，为后续建立产业链关联方法构建划定数据范围。
[0043] 进一步的，由于居民电量呈现出逐年走高的趋势，在电力市场分析的过程中，居民 电量是不得不考虑的重点。因此，社会总体经济发展水平类指标包括居民行业指标和民生 指标。
[0044] 民生指标在很大程度上可W落实于投资类指标上，投资类指标中的重要组成部分 又包括基础设施投资、铁路投资、地区全社会固定资产投资、地区工业投资等;而房地产业 作为国民经济中的支柱行业之一，其发展带动了社会大量相关行业的发展。因此选择新开 工面积、销售面积作为房地产类指标;此外，民生指标还可表征在生产、消费水平上，W区域 消费品零售总额和区域工业销售产值作为代表指标。
[0045] 居民行业指标，一方面通过居民行业用电程度衡量居民服务性消费水平的高低， 另一方面，通过家用电器的使用判断电量的使用方向。前者主要体现在第Ξ产业固定资产 投资数额，后者体现在电冰箱、洗衣机、彩电等常用电器的销量上。但是考虑到销量无法直 接统计，因此W家电产量代替。
[0046] 主要行业经济发展水平类指标的选取首先依据地区的电量分布结构，选取主要影 响行业作为典型代表，根据指选择方法筛选典型代表行业的主要影响指标。在最终构建基 于产业链产品产量的电量预测方法模型前，需进行指标库的构建。
[0047] 产业链指标库的构建主要分为两个步骤:指标的预处理和指标关联性建立。指标 的预处理的本质是对各指标时间序列进行初步调整，剔除和修正各个选定指标在相同时间 段内数据序列中的极端值，使整个序列符合特定分析的要求。
[0048] 指标的预处理中，产品产量在实际情况中经常W月度形式统一发布，本专利中W X-11季节调整法判断季节因素对电量的影响:X-11季节调整法，方法将月度的时间序列分 解为趋势-循环成分TC、季节成分S和不规则成分I。所用的分解模型主要有W下两种：
[0049] 加法模型：Yt = TCt+St+It
[0050] 乘法模型：Yt = TCtXStXIt
[0051] 其中，乘法模型适用于保持正值并且随着序列水平增长其季节性波动的幅度也增 长的序列。加法模型与之类似，其计算数据可W是负值。
[0052] 而指标关联性建立的方法主要有峰谷对比法、循环方式匹配法、聚类分析法与时 差相关分析法。现详述如下：
[0053] 通过峰谷对比法，对各个指标的波峰波谷与地区电量曲线进行循环对比，形成综 合判断指标曲线，进而根据综合判断指标曲线找出先行指标、一致指标W及滞后指标，
[0054] 通过循环方式匹配法，依据己知循环方式对经济指标进行分类，在求出每个指标 的转折点后，确定循环方式的基本类型，最终将每个指标的循环方式与作为地区电量的循 环方式相比较，求得匹配数；
[0055] 通过聚类分析法，计算多个先行指标值同地区电量之间的相关系数，把相似的行 业指标聚为一类形成被选指标库，并将与地区电量相关程度最大的指标合并，W反映地区 电量和被选指标库的相似程度；
[0056] 通过时差相关分析法，对各个被选指标与地区电量根据式（1)进行比较、计算，最 终得到产业链指标库，时差相关系数计算公式为：
[0化7]
[005引式中ri为时差相关系数，ni为指标个数，x = [XI ,X2，…，Xn]为被选指标、y= [yi， 72,…，yn]为地区电量，歹为均值，t为时间变量，1为延迟期数。
[0059] 根据W上处理方法，得到基于产业链产品产量指标，为后续预测模型建立提供数 据基础。
[0060] 在预测建模过程中，需要多种行业数据的支撑，因此通过前述数据提取及产业链 指标库的构建，在充分考虑行业产量单耗对电力市场影响的基础上，从行业产量变化同电 量变化的敏感性角度，科学有据地外推电量变化范围。
[0061] 为直观反映行业产量同电量的关系，采取直观的比例系数处理方法，即在统一单 位变量的条件下，求取每单位变量对应消耗电量：
[0062] 1n=Ln/Q
[0063]其中，In为单位变量消耗电量;Ln为单位总产量;Q为电量。
[0064]此后，建立多行业单位变量同电量的关系：
[00化]Qn=AxX1n+D
[0066] 其中，Qn为拟合序列，Αχ为各变量系数，D为常数项。
[0067] 下面为某地电量预测的方法，具体步骤包括：（1)产业链指标筛选，根据选取地区 情况分析反映电力市场的行业数据，全面筛选对电力市场具有显著影响的行业并进行聚类 处理，可得到对地区电力市场有影响的典型行业。
[0068] (2)产业链指标库建立，建立典型行业的产业链关联关系，划定产业链指标范围， 在产业链产品产量数据分析处理的基础上，根据前述步骤确定相关系较高的11类行业曲 线，从而确定相关因素并构建指标库。
[0069] (3)提取变量因素外推电量预测模型，对指标库外推地区电量走势进行判断，确定 历史走势同电量间的时差位移关系，最终建立电量外推模型，预测地区未来电量。
[0070] 依据前述分析结论，得到外推的有效模型和外推电量结果如表1所示：
[0071 ] Qn=569044.6036-1262.708611+4848.26412-2693.57413-12553512.76641U
[0072] +102.873215-575.105916+2642.010717+23126.0271Is巧38.950219
[0073] -142557.38661i〇-5538281ii
[0074] 表1提取变量因素外推结果
[0075]
[0076] W上对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方 式，在本领域的普通技术人员所具备的知识范围内，还可W在不脱离本专利宗旨的前提下 做出各种变化。
【主权项】
1. 一种基于产业链产品产量的电量预测方法，其特征在于包括如下步骤： 1) 筛选产业链指标，并提取指标数据，所述产业链指标包括社会总体经济发展水平类 指标和主要行业经济发展水平类指标； 2) 构建产业链指标库； 3) 通过所述指标数据及产业链指标库外推电量预测模型。2. 根据权利要求1所述的基于产业链产品产量的电量预测方法，其特征在于所述社会 总体经济发展水平类指标包括居民行业指标和民生指标。3. 根据权利要求2所述的基于产业链产品产量的电量预测方法，其特征在于所述民生 指标包括投资指标与生产消费指标，以新开工面积、销售面积作为投资指标代表指标，以区 域消费品零售总额和区域工业销售产值作为生产消费指标代表指标。4. 根据权利要求2所述的基于产业链产品产量的电量预测方法，其特征在于居民行业 指标包括居民生活质量指标与家电使用指标，以第三产业固定资产投资数额作为居民生活 质量指标的代表指标，以家电产量作为家电使用指标。5. 根据权利要求1所述的基于产业链产品产量的电量预测方法，其特征在于主要行业 经济发展水平类指标的选取包括:根据地区细分行业的电量从高到低的占比排序，提取排 名前三的行业认定为主导行业;再根据行业主要产品产量进行上下游行业产品产量指标筛 选。6. 根据权利要求1所述的基于产业链产品产量的电量预测方法，其特征在于构建产业 链指标库包括： 指标的预处理:对各指标时间序列进行初步调整，剔除和修正各个选定指标在相同时 间段内数据序列中的极端值，使整个序列符合特定分析的要求； 指标关联性建立:通过峰谷对比法，对各个指标的波峰波谷与地区电量曲线进行循环 对比，形成综合判断指标曲线，进而根据综合判断指标曲线找出先行指标、一致指标以及滞 后指标， 通过循环方式匹配法，依据己知循环方式对经济指标进行分类，在求出每个指标的转 折点后，确定循环方式的基本类型，最终将每个指标的循环方式与作为地区电量的循环方 式相比较，求得匹配数； 通过聚类分析法，计算多个先行指标值同地区电量之间的相关系数，把相似的行业指 标聚为一类形成被选指标库，并将与地区电量相关程度最大的指标合并，以反映地区电量 和被选指标库的相似程度； 通过时差相关分析法，对各个被选指标与地区电量根据式（1)进行比较、计算，最终得 到产业链指标库，时差相关系数计算公式为：式中ri为时差相关系数，m为指标个数，χ= [χι，χ2,…，χη]为被选指标、y = [yi，y2,…， yn]为地区电量，歹为均值，t为时间变量，1为延迟期数。7. 根据权利要求6所述的基于产业链产品产量的电量预测方法，其特征在于指标的预 处理中，产品产量在实际情况中经常以月度形式统一发布，通过X-11季节调整法判断季节 因素对电量的影响:所述X-11季节调整法，将月度的时间序列通过分解模型分解为趋势-循 环成分TC、季节成分S和不规则成分I，所用的分解模型主要有以下两种： 加法模型：Yt = TCt+St+It 乘法模型:Yt = TCtXStXIt 其中，乘法模型适用于保持正值并且随着序列水平增长其季节性波动的幅度也增长的 序列，加法模型与之类似，其计算数据可以是负值。8. 根据权利要求1所述的基于产业链产品产量的电量预测方法，其特征在于所述步骤 3)中外推电量预测模型包括如下步骤： A) 采取直观的比例系数处理方法，即在统一单位变量的条件下，求取每单位变量对应 消耗电量： 1n = Ln/Q 其中，In为单位变量消耗电量;Ln为单位总产量;Q为电量； B) 建立多行业单位变量同电量的关系： Qn=AxX 1n+D 其中，Qn为拟合序列，Αχ*各变量系数，D为常数项。
【文档编号】G06Q50/06GK105825290SQ201610066978
【公开日】2016年8月3日
【申请日】2016年1月29日
【发明人】王海潜, 王旭, 葛毅, 高正平, 史静, 王小英, 李晨, 刘梅, 赵燃, 罗欣, 姜楠
【申请人】江苏省电力公司电力经济技术研究院, 北京清软创新科技股份有限公司, 国家电网公司