基于业扩报装大数据计量方法的区域用电量预测模型研究

尹硕+燕景+王江波+邓方钊+赵文杰+华远鹏+朱全胜

【摘 要】 近年来，受经济形势的影响，区域业扩报装容量增长率呈现出波动性趋势，不仅对区域用电量造成一定影响，而且影响到电网调度以及运行的安全。本文构建了基于业扩报装大数据计量方法的区域用电量预测模型，对传统的业扩报装预测方法进行了优化。

【关键词】 大数据 业扩报装 用电量 预测模型

用电量预测对经济社会发展和电力系统供需平衡至关重要。本文基于对区域业扩报装增量大数据的挖掘，借助ARMA、DID等计量经济学模拟分析方法，在构建基于业扩报装大数据支持的电力需求预测模型的期初上，分行业研究业扩报装情况、运行容量、负荷利用率、用电需求之间的关系，优化区域用电量预测模型。

1.数據清洗

基于营销系统业扩报装工单对数据进行清洗，在数据清洗过程中，重点剔除非生产用电需要申请的业扩信息，清洗后的业扩数据在报装完成后用户的电量数据有相应体现，确保采用的业扩数据在用户完成报装后的电费发票中有所体现。重点剔除数据包括：供电线路变更申请的业扩报装数据、双路电源接入申请的业扩报装数据、短时间内多次重复提报申请的业扩报装数据。

2.剔除非业扩因素影响

将用电量的影响分为业扩影响电量和非业扩影响电量，非业扩影响电量为剔除业扩影响电量外的用电量总和，通过ARMA非业扩电量预测方法进行打包预测非业扩电量综合自然增长率。

自回归移动平均过程ARMA， 如果Y兼有AR和MA的特性，则是ARMA过程。Y可以写成：，其中是不同于的常数，是具有零均值和恒定方差的随机误差项。在ARMA非业扩电量预测模型中，有1个自回归项和1个移动平均项（本文中时间序列数据为30期，满足p=1，q=1），是ARMA（1，1）过程。根据ARMA模型可滚动预测t+1期的非业扩电量。

3.分行业业扩接电周期计算

业扩报装发生后，需要经历一定的接电周期，才能在用电量上完全得以体现。本文考虑后续12个月内新装增容和永久性减容销户情况。根据业扩报装的申请、送电时间，分别从用户电量表中获取后续12个月的电量，业扩报装发生当月设置为基准月份（0月），之后每个月的电量设置为1-12月。本文通过业扩报装发生之后负荷率趋于平稳的月份与基准月份的周期差值作为接电周期，通过计量经济学断点回归法确定负荷率发生结构性变化并趋于平稳的节点月份。

假定节点月份之前有n个月，节点月份之后有m个月。其中：n=12-m，检验公式如下：

，其中，n为节点前月数，m为节点后月数，k为自由度，通过F值是否显著（p统计量是否大于0.5来判断，若大于0.5则不是负荷率平稳节点，若小于0.5，则是负荷率平稳节点）来判断负荷率是否在节点月份趋于平稳。

4.业扩报装负荷率变化值计算

由于行业特性不同，各行业业扩报装负荷率变化并不一致，本文从行业细分的视角，根据52个行业所有用户的业扩报装数据，计算各行业的业扩报装负荷率：

其中，LR为业扩负荷率变化值，IND为行业类型；MON表示行业接电周期；TYP表示业扩申请类型；j=1为新装、增容，j=0为销户、减容；E为用户的月用电量增加/减少值，i表示该行业第i个用户，A为用户申请增加/减少的容量（TYP为1时为正数，TYP为0时为负数）

5.业扩-电量传导

（1）预测分行业业扩电量：

LEi=LRi×Ai 其中，LEi为i行业业扩电量，i=1，2…s， LRi为i行业业扩负荷率变化值，Ai为业扩统计容量。

（2）预测全行业业扩电量

其中，为ALE为全行业业扩电量，i=1，2…s。

（3）预测居民用电量，由于业扩报装对居民电量影响较小，所以，分析业扩报装对用电量的影响时将居民电量单列。居民用电量由历史居民月度用电量结合自然增长率得出，其中，自然增长率部分仍然通过ARMA模型预测得出。

（4）综上可得业扩-电量传导预测月度用电量预测公式：

月度用电量=居民用电量+全行业业扩影响电量+非业扩影响电量

总结

本文基于对区域业扩报装增量大数据的挖掘，借助ARMA、DID等计量经济学方法，分行业研究业扩报装情况、运行容量、负荷利用率、用电需求之间的关系，构建了基于业扩报装大数据计量方法的区域用电量预测模型，对传统的业扩报装预测方法进行了优化。

【参考文献】

[1] 王宝，叶彬，马静，葛斐，奚振乾.基于多维度与QGA-LSSVM算法的制造业用电量预测[J]， 电力需求侧管理，2017.1.

[2] 肖正，朱家明，祁孟阳， 万柳. 居民用电量的ARIMA时间序列预测[J]， 河南工程学院学报（自然科学版）.2017.3.

作者简介：尹硕（1985.11-），男，河南焦作，国网河南省电力公司经济技术研究院，博士，研究方向：能源经济与电力市场。endprint