参与市场化交易的购电客户用电需求预测辅助分析研究

杨泓 张思路 张雪蕊 白枫

[摘 要] 隨着电力市场化交易工作的推进，参与市场化交易的用户逐年增加，由于用户管理水平和对交易过程有较大偏差，特别是对于预测用电量和实际用电量间准确率较低，同时电能量当前无法有效存储，预测用电量偏差对用户、发电企业、售电公司和电网企业都在经济和技术上带来一定影响，未来随着参与交易用户数量的增加，预测用电量不准确的问题，将给企业和电网带来严重影响，本文通过大数据分析可有效提高用电量预测准确性，实践中有较好的效果和推广价值。

[关键词] 电力大数据；电量预测；电力市场化交易

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 13. 045

[中图分类号] F274；F426.61 [文献标识码] A [文章编号] 1673 - 0194（2018）13- 0096- 03

1 前 言

2015 年国家发展改革委在云南、贵州、安徽、宁夏、湖北五省（区）开展输配电价改革，云南成为试点地区之一。为了落实电价改革，云南省制定落实了一套相关政策法规，在遵守国家方针策略的基础上，从自身既定的情况出发，进行配套改革以推动电力市场化交易。这一尝试性的改革，其作用主要表现在两个层面。首先，从社会层面来说，降低企业的用电成本。电价通过直接的电力市场交易降价，即拥有选择权的电力用户与发电企业直接交易，企业的用电成本得到实质性的降低。根据统计，2015年云南省参与市场化交易的 320 亿电量综合平均下来，每千瓦时电价降低 1 毛8 厘，为参与交易的企业减轻负担达 35 亿。其次，从价格层面来说，通过市场化交易价格信号，及时向两端进行传递，发挥价格调解供需作用，有利于促进电力的生产和消费，使生产和消费都能够健康发展。传导到电源建设中，有利于控制建设成本。

为了使改革的成果更多地惠及广大用电户，《2017年云南电力市场化交易实施方案》明确提出：根据市场需求及技术条件成熟度将从执行大工业电价的电量（专变工业用户）逐步支持一般工商业参与市场化交易。当前电量交易主要是通过用电需求预测进行申报和交易，分为年度交易、月度交易和日前交易三种，然而在实际交易，由于用户管理水平的差异和对交易过程的理解偏差，预测用电量和实际用电量间存在着一定的偏差，由于电能量当前无法有效存储的属性，该偏差值对用户、发电企业、售电公司和电网企业都在经济和技术上带来一定影响。以用户为例，如预购量大于实际用量，需支付未使用电量90%的费用，如购电量小于实际用量则该部分无法享受优惠。未来随着参与交易用户数量的增加，预测用电量不准确的问题，将对企业和电网带来严重影响，因此当前急需找到适合的技术手段帮助企业提高用电量预测准确性。

2 研究目标

随着电网信息化水平的提升，各业务系统中的数据量越来越大，如何从海量数据中挖掘出想要的信息，充分发挥电网数据资产的价值，是电网大数据技术应用和数据分析需要解决的核心问题。用户是电网企业的服务对象和生存基础，利用大数据来分析提高用电量预测准确性，可以为市场交易提供技术支持，夯实改革成果。

本文利用大数据技术为用户用电情况提供分析并开展用电量预测工作，为交易用户开展年度交易、月度交易和日前交易提供依据，通过本次研究，了解参与市场化交易的购电用户用电情况，为用户用电需求预测提供辅助分析，为市场交易用户提供强有力的信息化支撑工具。

3 研究内容

通过大数据技术的应用构建用户用电情况分析和预测模型，实现用户用电负荷曲线分析和预测，可对用户负荷进行预停电信息的实时获取、分析、预测、展示，指导用户的市场化交易行为，提高用电量预测准确性，为市场交易提供技术支持，提升优化客户服务，发挥电网数据资产的优势，服务于用电用户、发电企业、售电公司和电网企业。

（1）用户用电量情况跟踪：对单个用户或多个用户进行负荷曲线分析和预测，基于历史的负荷曲线，可以对用户负荷进行预测。

（2）构建信息系统开展电力市场分析：利用大数据技术对电力交易市场的过程进行分析，包括成交情况、成交价格等维度。

（3）构建信息系统开展用户节省成本分析：对用户的成交电量、成交电价，结合用户的目录电价进行用户费用节省成本的分析。

（4）构建信息系统开展用户成交结果分析：为用户提供用户的各个时段电量交易结果，按照交易周期、交易方式等进行展示和查询。

4 数据建模

方法一：时间序列模型（适用小用户）

用电结构和趋势分析，技术上主要使用线性回归技术进行建模和大数据分析，以昆明供电局所有用电用户为研究样本，利用Python中利用时间序列模型针对小用户的电力负荷优化预测模型的开发和编码，并实现对4万用户的试算，负荷预测准确率平均达95%以上。大用户由于分布特性行业差别度较高当前准确度还待提高。

方法二：负荷曲线特征分析（适用于大用户）

模拟用户负荷曲线生成工具，利用时间序列和信号分析原理，构造用户负荷曲线基本模式的生成工具，并对这些基本模式叠加生产各种类型的用户负荷曲线。此部分工作已经完成。

利用tensorflow框架，建立深度学习卷积神经网络，对模拟数据进行训练，进行特征学习，本部分工作已完成神经网络模型的编写和搭建，目前正在开展模型训练和调参工作，识别正确率已经达到70%。

5 系统功能框架

市场化交易的购电用户用电情况和用电需求预测辅助分析系统主要包括权限管理、购电用户用电情况分析和用电需求预测3大模块，主要功能如下：角色管理、角色功能管理、组织机构管理、岗位管理、人员管理、人员角色管理、用电量趋势分析、市场化交易电价电费分析、基本费结算比较分析、电价构成比较分析、电费构成比较分析、线路负荷预测、变压器负荷预测、用户用电趋势预测、年度交易分析预测、月度交易分析预测、日交易分析预测、最佳交易分析预测等。如右图所示。

6 结 语

通过项目研究和系统建设可以为用户提供用电量预测，辅助用户开展年度交易、月度交易和日前交易；为电网重点用户提供差异化服务，如：用户节省成本分析、成交情况和成交价格分析、历史成交曲线等；随着参与交易的用户数据量的增加，未来通过系统功能优化通过云计算平台和互联网可为普通用户、售电公司、发电企业及其他企业，以会员服务或单次付费的形式提供用电量预测服务。

主要参考文献

[1]施丽，李沛霖，洪锋，等.大数据在营销渠道运营和应用研究和分析[J].信息通讯，2018（1）：265-266.

[2]易培琳.拓展服务渠道优质服务更贴心[J].云南电业，2016（4）.