售電量預(yù)測不準(zhǔn)的難題，如何破解呢？

2017-10-03 12:12:40 電+網(wǎng) 　點(diǎn)擊量：評(píng)論 (0)

一、售電量預(yù)測的重要性售電交易如火如荼，各個(gè)省份的偏差考核也越來越嚴(yán)格。從廣東售電公司盈利分析，虧損的公司絕大部分都是偏差考核罰款導(dǎo)致的。寧夏的2017年第一季度大用戶直接交易處罰累計(jì)14家大用戶，其

一、售電量預(yù)測的重要性

售電交易如火如荼，各個(gè)省份的偏差考核也越來越嚴(yán)格。

從廣東售電公司盈利分析，虧損的公司絕大部分都是偏差考核罰款導(dǎo)致的。寧夏的2017年第一季度大用戶直接交易處罰累計(jì)14家大用戶，其中罰款9家，累計(jì)金額4600770元，累計(jì)取消交易資格5家。其中罰款最多的一家大用戶是吳忠市常信化工有限公司，罰款金額1437109元。

一個(gè)個(gè)血的教訓(xùn)給參加電力交易的售電公司、大用戶敲響了警鐘。

二、售電量預(yù)測為什么那么難？

電力負(fù)荷具有復(fù)雜性、分散性、隨機(jī)性等特點(diǎn)，要做好負(fù)荷預(yù)測，絕非易事，經(jīng)濟(jì)大環(huán)境的變化、企業(yè)訂單量變化、機(jī)器運(yùn)行穩(wěn)定性、電網(wǎng)擴(kuò)容、設(shè)備故障檢修、氣候變化、突發(fā)意外，影響的因素非常多。因?yàn)椴蝗菀祝透枰〞r(shí)間精力去做好。無論是售電公司自己做還是大用戶自己去做，都離不開專業(yè)團(tuán)隊(duì)，都要需要經(jīng)歷電量數(shù)據(jù)采集、數(shù)據(jù)趨勢分析、未來用電測算、專業(yè)的數(shù)學(xué)建模等復(fù)雜的處理過程。下面“說電君”給大家詳情的分析一下常用的售電量預(yù)測的方法。

三、售電量預(yù)測的常用方法

3.1季節(jié)比例模型

季節(jié)比例模型假定被預(yù)測變量在一個(gè)周期的特定部分的總量與周期中的總量的比例是一個(gè)常數(shù)。通過歷史數(shù)據(jù)把這個(gè)常數(shù)確定后，就可以根據(jù)一個(gè)周期的前半部分的值預(yù)測后半部分的值。

該模型算法比較簡單，比較適合電量波動(dòng)不大的企業(yè)，如果電力波動(dòng)較大，預(yù)測的準(zhǔn)確性就會(huì)下降。

3.2BP神經(jīng)網(wǎng)絡(luò)模型

BP（Back Propagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。

BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。

它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hide layer)和輸出層(output layer)。

我們現(xiàn)在來分析下這些話：“是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)”。

BP是后向傳播的英文縮寫，那么傳播對象是什么？傳播的目的是什么？傳播的方式是后向，可這又是什么意思呢？

傳播的對象是誤差，傳播的目的是得到所有層的估計(jì)誤差，后向是說由后層誤差推導(dǎo)前層誤差：即BP的思想可以總結(jié)為利用輸出后的誤差來估計(jì)輸出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層地反傳下去，就獲得了所有其他各層的誤差估計(jì)。

3.3三次指數(shù)平滑法(Holt-Winters)

指數(shù)平滑法有幾種不同形式：一次指數(shù)平滑法針對沒有趨勢和季節(jié)性的序列，二次指數(shù)平滑法針對有趨勢但沒有季節(jié)性的序列。術(shù)語“Holt-Winters法”有時(shí)特指三次指數(shù)平滑法。

所有的指數(shù)平滑法都要更新上一時(shí)間步長的計(jì)算結(jié)果，并使用當(dāng)前時(shí)間步長的數(shù)據(jù)中包含的新信息。它們通過“混合”新信息和舊信息來實(shí)現(xiàn)，而相關(guān)的新舊信息的權(quán)重由一個(gè)可調(diào)整的拌和參數(shù)來控制。各種方法的不同之處在于它們跟蹤的量的個(gè)數(shù)和對應(yīng)的拌和參數(shù)的個(gè)數(shù)。

在時(shí)間序列中，我們需要基于該時(shí)間序列當(dāng)前已有的數(shù)據(jù)來預(yù)測其在之后的走勢，三次指數(shù)平滑算法可以很好的進(jìn)行時(shí)間序列的預(yù)測。時(shí)間序列數(shù)據(jù)一般有以下幾種特點(diǎn)：趨勢(Trend) 和季節(jié)性(Seasonality)。

三次指數(shù)平滑算法可以對同時(shí)含有趨勢和季節(jié)性的時(shí)間序列進(jìn)行預(yù)測，該算法是基于一次指數(shù)平滑和二次指數(shù)平滑算法的。

四、總結(jié)分析

因?yàn)殡娏康挠绊懸蛩胤浅６啵袠I(yè)、企業(yè)類型，季節(jié)、溫濕度、節(jié)假日、市場變化、企業(yè)的生產(chǎn)運(yùn)行情況等多方因素都對用戶的售電量具有不同程度的影響。

單一的模型很難進(jìn)行準(zhǔn)確的預(yù)測了，多元線性回歸算法也是人們在預(yù)測的工作中使用較為普通的工具，如果想預(yù)測準(zhǔn)確必須基于多種機(jī)器學(xué)習(xí)算法及數(shù)據(jù)處理手段，采用多種模型結(jié)合，并且將組合的模型算法用于驗(yàn)證的歷史數(shù)據(jù)，然后不斷的進(jìn)行算法修正，最終實(shí)現(xiàn)比較高的預(yù)測準(zhǔn)確性。

電力預(yù)測的準(zhǔn)確性可以提高售電公司或者大用戶在電力交易中的競爭力。

原標(biāo)題：售電量預(yù)測不準(zhǔn)的難題，如何破解？

責(zé)任編輯：lixin

免責(zé)聲明：本文僅代表作者個(gè)人觀點(diǎn)，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實(shí)相關(guān)內(nèi)容。

我要收藏

個(gè)贊