一种电量预测方法和系统与流程

本发明涉及电网用电量预测技术领域，具体为一种基于增量分解的电量预测方法和系统。

背景技术：

随着电力改革的不断发展，电力能源也必然朝着市场化发展。对电量分析进行科学的预测对电力企业的发展有着重要的影响。电量分析即根据社会对电力的实际需求，利用历史的数据进行分析研究，发展电力需求和其他因素之间的联系及发展的规律，同时根据经济、社会发展等规则内容对电力需求进行合理的预测。电力企业自身的特殊性决定了对电量进行分析和预测的必要性，第一、到目前为止，电力工业的生产、供应和经销已经同时完成，但是电量的存储问题依旧没有得到解决；第二、电力企业的建设项目需要投入巨额的资金，建设所消耗的时间较长；第三、电力企业向整个社会提供电能，身负较重的负担。在市场经济的发展下，对电量进行分析是各个电力公司进行生产经营、项目投资等各类计划的基础。

现有技术中，对中长期的电量预测一般围绕二方面展开：一是根据电力需求与影响因素的相关关系，结合相应模型进行预测，常用方法有国民生产总值(grossdomesticproduct，gdp)综合电耗法、弹性系数法、经济周期分析法等；二是从电力数据的时序发展规律出发，外延递推负荷发展趋势并得到相应的预测值，如指数平滑法、灰度预测、差分自回归移动平均(autoregressiveintegratedmovingaverage，arima)方法等。其中，第一类方法在相关影响因素的关键程度考虑有所欠缺，一般来说，电力负荷与相关影响因素之间存在粘滞效应，影响因素变化先行于负荷发展，因此需要精确量化相关因素对电力负荷在时序上的滞后影响；而第二类方法关注的是电力数据的内生特征，对外生变量的考虑有所欠缺，同时，常用的计量模型对数据的平稳性要求严格，在数据非线性特征反映方面要做出一定让步，导致该类方法对非线性数据的预测精度欠优，需要进一步研究数据的分离预测，使得每一部分的数据特征都能被有效反映。

技术实现要素：

鉴于上述状况，有必要提供一种基于增量分解的电量预测方法和系统以解决上述问题。

本发明提供了一种电量预测方法，用于全行业用电量预测，电量预测方法包括：

获取全行业在固定时间段内的用电量数据；

获取全行业在固定时间段内的产业增加值数据；

根据用电量数据、产业增加值数据和三大产业结构构建全行业的电量分解模型；

基于电量分解模型分解得到多个特征参数分量，每个特征参数分量表示特征参数分量对全行业总用电量的影响；

对每个特征参数分解分量进行预测后求和得到目标年份的电量增量。

优选地，在步骤对每个特征参数分解分量预测后进行求和得到目标年份的电量增量之前还包括：

对每个特征参数分量进行数据拟合分析。

优选地，数据拟合分析采用回归分析、移动平均、指数平滑和神经网络。

优选地，目标年份的电量增量与基准年份的基础电量叠加得到目标年份的全行业用电总量预测值。

优选地，多个特征参数分量包括产出增量分量、结构增量分量和强度增量分量。

本发明还提供了一种电量预测系统，用于全行业用电量预测，电量预测系统包括：

数据获取模块，配置成分别获取全行业在固定时间段内的用电量数据，并配置成获取每个全行业在固定时间段内的产业增加值数据；

模型构建模块，配置成根据用电量数据、产业增加值数据和全行业的产业结构构建全行业的电量分解模型；

特征参数分量分解模块，配置成基于电量分解模型分解得到多个特征参数分量，每个特征参数分解分量表示特征参数分量对全行业总用电量的影响；以及

数据分析模块，配置成对每个特征参数分解分量进行预测后求和得到目标年份的电量增量。

优选地，数据分析模块还配置成对每个特征参数分量进行数据拟合分析。

优选地，数据拟合分析采用回归分析、移动平均、指数平滑和神经网络。

优选地，数据分析模块还配置成对目标年份的电量增量与基准年份的基础电量叠加得到目标年份的全行业用电总量预测值。

优选地，多个特征参数分量包括产出增量分量、结构增量分量和强度增量分量。

本发明和现有技术相比，本发明提供的基于增量分解的电量预测方法和系统具有以下有益效果：

本发明提供的电量预测方法和系统，充分考虑经济增长规模、产业结构优化、电量消费强度变化对电量增长的影响。分解后的电量增量物理意义明确，变化规律更趋明显。产出增量是拉动电力消费增长的首要因素、强度增量是电力消费增长的主要抑制因素、结构增量对电力消费的影响较小。尤其在经济结构加速调整、节能减排约束加剧、经济高质量发展的新时期，可进一步降低预测误差，提高对中长期电量预测的准确性，为电网规模的扩展和电力的生产提供可靠的数据支撑。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1是本发明一实施例的电量预测方法的流程示意图；

图2是本发明一实施例的各个增量分量的趋势预测图；

图3是本发明一实施例的电量预测系统的模块示意图。

图中：100、电量预测系统，110、数据获取模块，120、模型构建模块，130、特征参数分量分解模块，140、数据分析模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，当一个元件或组件被认为是“连接”另一个元件或组件，它可以是直接连接到另一个元件或组件可能同时存在居中设置的元件或组件。当一个元件或组件被认为是“设置在”另一个元件或组件，它可以是直接设置在另一个元件或组件上或者可能同时存在居中设置的元件或组件。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体地实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

图1是根据本发明一个实施例的电量预测方法的流程示意图，该电量预测方法主要用于全行业用电量预测，全行业用电量由第一产业、第二产业、第三产业用电量构成，是全社会用电量的重要组成部分，占比常年维持在80％以上。第一产业主要指生产食材以及其它一些生物材料的产业，包括种植业、林业、畜牧业、水产养殖业等直接以自然物为生产对象的产业。第二产业主要指加工制造产业，利用自然界和第一产业提供的基本材料进行加工处理。第三产业是指第一、第二产业以外的其他行业，范围比较广泛，主要包括交通运输业、通讯产业、商业、餐饮业、金融业、教育、公共服务等非物质生产部门。三大产业相互依赖相互制约。

全行业用电量规模大，与三大产业(第一产业、第二产业、第三产业)经济活动密切相关，基本可以表征一个地区整体的用电情况。近年来随着经济进入高质量发展的新阶段，经济增长速度有所放缓、结构优化调整加快、全行业节能降耗趋势明显，以上因素均对全行业用电量的增长带来影响。量化评估经济规模、结构调整、节能降耗对全行业用电量的影响对于准确把握电量走势，提高中长期用电量预测水平意义重大。因此本发明提出了一种基于增量分解的全行业用电量预测方法。该全行业电量预测方法具体包括如下步骤：

步骤s101，获取全行业在固定时间段内的用电量数据。

具体地，固定时间段优选5年以上，电量的单位是亿千瓦时。固定时间段选择2010年至2018年，获取2010年至2018年某个地区的全行业的用电数据，其中，2010年为计算电量增量的水平年。

步骤s102，获取全行业在固定时间段内的产业增加值数据。

获取上述地区全行业gdp产值增加值年度数据，固定时间段与用电量数据保持一致，增加值的单位是亿元。

步骤s103，根据用电量数据、产业增加值数据和三大产业结构构建全行业的电量分解模型。

具体地，考虑到三大产业(第一产业、第二产业、第三产业)用电量与三大产业增加值的对应关系，构建全行业用电量分解模型：

其中，ets为第t年某地区全行业用电量，yt为第t年某地区gdp总产值，yti为第t年某地区第i产业增加值，eti为第t年某地区第i产业用电量，i＝1、2、3。因此，sti表征三大产业结构，iti表征三大产业单位增加值用电量，也即用电强度。

sti表征的产业结构在总用电量中的影响，第一产业、第二产业、第三产业对总用电量的影响是此消彼长，相互依赖。

步骤s104，基于电量分解模型分解得到多个特征参数分量。

多个特征参数分量包括产出增量分量、结构增量分量和强度增量分量，每个特征参数分量表示特征参数分量对全行业总用电量的影响。

具体地，基于全行业用电量分解模型(公式1)，将某地区从基准年(t＝0)到第t年全行业用电量增量δes分解为产出增量分量δepro、结构增量分量δestr和强度增量分量δeins。

其中，产出增量分量反映经济增长对用电量的拉动作用，结构增量分量反映产业结构变化对用电量的影响，强度增量分量反映技术进步和节能降耗对电量消费的抑制作用：

以某省级供电区域为例，进行全行业用电量的分解研究。固定时间选取为2010～2018年，2010年为计算电量增量的水平年，具体分解结果见表1。

表12010～2018年全行业用电量增量及分解

单位：亿千瓦时

进一步地，产出增量分量、结构增量分量和强度增量分量的拟合和预测采用回归分析、移动平均法、指数平滑法和神经网络法。回归分析(regressionanalysis)指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。移动平均法是用一组最近的实际数据值来预测未来一期或几期内产品的需求量、产能等的一种常用方法。移动平均法根据预测时使用的各元素的权重不同，可以分为：简单移动平均和加权移动平均。指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。神经网络法，这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布存储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

具体地拟合结果见图2，从图2可知，代表的2011年至2018年中的全行业的用电量的实际增量，可以看出，该数据下拟合出来的曲线的变化无规律可循，更看不出来经济增长规模、产业结构优化、电量消费强度变化对电量增长的影响。然而，考虑增量分解后，对产出增量分量、结构增量分量和强度增量分量分别进行拟合分析，◇代表产出增量分量，□代表结构增量分量，△代表强度增量分量，可以清楚看出，每个增量分量的变化趋势都明显展示出来，可以准确方便对目标年份的各个增量分量进行预测。

从图2中可以看出，产出增量是拉动电力消费增长的首要因素、强度增量是电力消费增长的主要抑制因素、结构增量对电力消费的影响较小。

步骤s105，对每个特征参数分解分量预测后进行求和得到目标年份的电量增量。

具体地，根据图2中对每个分量的拟合预测，分别计算出目标年份的产出增量δepro、结构增量δestr和强度增量δeins，然后对δepro、δestr和δeins进行求和得到目标年份的电量增量。

最后，得到目标年份的电量增量后，目标年份的电量增量与基准年份的基础电量叠加得到目标年份的全行业用电总量预测值。请再次参见图2，本实施例中，2019年产出增量、结构增量、强度增量预测值分别为1854.7、48.2、-1150.5亿千瓦时，求和得到2019年较2010年电量增量为752.3亿千瓦时，进而叠加2010年全行业用电量2083.7亿千瓦时得到2019年全行业用电量预测值2836.0亿千瓦时。

本发明还提供了一种电量预测系统，用于全行业用电量预测，请参见图3，图3为本发明一个实施例的电量预测系统100的模块示意图，该电量预测系统100包括数据获取模块110、模型构建模块120、特征参数分量分解模块130和数据分析模块140。

数据获取模块110配置成分别获取全行业在固定时间段内的用电量数据，并配置成获取每个全行业在固定时间段内的产业增加值数据。具体地，固定时间段优选5年以上，电量的单位是亿千瓦时。固定时间段选择2010年至2018年，获取2010年至2018年某个地区的全行业的用电数据，其中，2010年为计算电量增量的水平年。获取上述地区全行业gdp产值增加值年度数据，固定时间段与用电量数据保持一致，增加值的单位是亿元。

模型构建模块120配置成根据用电量数据、产业增加值数据和全行业的产业结构构建全行业的电量分解模型。具体地，考虑到三大产业(第一产业、第二产业、第三产业)用电量与三大产业增加值的对应关系，构建全行业用电量分解模型：

其中，ets为第t年某地区全行业用电量，yt为第t年某地区gdp总产值，yti为第t年某地区第i产业增加值，eti为第t年某地区第i产业用电量，i＝1、2、3。因此，sti表征三大产业结构，iti表征三大产业单位增加值用电量，也即用电强度。

sti产业结构在总用电量中的影响，第一产业、第二产业和第三产业对总用电量的影响是此消彼长，相互依赖。

特征参数分量分解模块130配置成基于电量分解模型分解得到多个特征参数分量。具体地对特征参数分量分解的过程见上文分析，在此不赘述。多个特征参数分量包括产出增量分量、结构增量分量和强度增量分量，每个特征参数分解分量表示特征参数分量对全行业总用电量的影响。

数据分析模块140配置成对每个特征参数分解分量进行预测后求和得到目标年份的电量增量。

具体地，根据图2中对每个分量的拟合预测，分别计算出目标年份的产出增量δepro、结构增量δestr和强度增量δeins，然后对δepro、δestr和δeins进行求和得到目标年份的电量增量。

数据分析模块140还配置成对每个特征参数分量进行数据拟合分析，数据拟合分析采用回归分析、移动平均、指数平滑和神经网络。具体地对特征参数分量拟合的过程见上文分析，在此不赘述。

数据分析模块140还配置成对目标年份的电量增量与基准年份的基础电量叠加得到目标年份的全行业用电总量预测值。请再次参见图2，本实施例中，2019年产出增量、结构增量、强度增量预测值分别为1854.7、48.2、-1150.5亿千瓦时，求和得到2019年较2010年电量增量为752.3亿千瓦时，进而叠加2010年全行业用电量2083.7亿千瓦时得到2019年全行业用电量预测值2836.0亿千瓦时。

本发明提供的电量预测方法和系统，该方法充分考虑经济增长规模、产业结构优化、电量消费强度变化对电量增长的影响。分解后的电量增量物理意义明确，变化规律更趋明显。产出增量是拉动电力消费增长的首要因素、强度增量是电力消费增长的主要抑制因素、结构增量对电力消费的影响较小。尤其在经济结构加速调整、节能减排约束加剧、经济高质量发展的新时期，可进一步降低预测误差，提高对中长期电量预测的准确性，为电网规模的扩展和电力的生产提供可靠的数据支撑。

本领域普遍技术人员可以理解实现上述实施方式中的全部或部分流程，是可以通过计算机程序来指令相关的硬件完成，的程序可存储于一计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。

另外，在本发明各个实施例中的各功能单元可以集成在相同处理器中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是手持式电子设备，如智能手机、笔记本电脑、个人数字助理(personaldigitalassistant，pda)、智能式穿戴式设备等，也可以是桌面式电子设备，如台式机、智能电视等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)或者光盘等各种存储程序代码的介质。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由同一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。