基于Prophet模型的电量预测技术研究

陆圣芝 金诚 卜广峰 姚奔 徐恒

摘要：短期電量预测对电网的运营维护工作具有重要意义。传统的电量预测方法包括灰色预测模型、ARIMA、指数平滑等，这些方法通常是使用线性时序模型拟合电量数据。然而，电力的使用受外部多种环境因素的影响，含有多个成分，线性模型无法很好地表征电量数据的规律。为提高电量模型预测的准确性，基于Prophet模型进行电量预测，应用到同期线损系统采集的电量统计数据上得到精确的预测结果。对比实验表明，此模型相比于传统预测方法有一定性能优势，并且Prophet模型的成分分解使得用户的用电量变化可以具体解释。

关键词：时间序列;非线性回归;电量预测;Prophet模型

0    引言

短期电量预测对电力系统的运营维护工作具有很大的指导意义[1-3]，电量预测的准确率提高能很好地为供电企业掌握售电市场提供依据。及时了解政府的各项宏观调控政策，通过预测了解各种类型客户的生产运行情况、资金周转情况，能为电网发展规划提供数据支撑。

本文将具有成分分解能力的Prophet模型用于电量预测，用不同的方法建模电量时序信号的不同成分，基于该模型的电量预测结果由多个成分序列的预测之和得到[4-5]。

1    Prophet模型

1.1    成分分解

然而，观察发现，用户使用电量受节假日影响较大，会出现大幅骤减或骤增，因此，我们利用Prophet模型将电量序列分解为4个成分：

式中，h（t）是节假日成分。

1.2    趋势成分

用户电量的增长模型具有最大电量使用极限，在没有特殊情况的前提下，电量需求在到达极限前增长会越来越慢，直至平稳。这种增长方式可以用非线性的logistic增长模型建模，其基本形式如下：

式中，C是饱和值（又称承载容量）;k表示增长速率;m是偏置参数。

在时间点t的速率可以表示为k+α（t）Tδ，当被调整后，偏置参数m必须进行相应调整以实现段与段边界点的相连，在j变异点的偏置调整通过计算可以得到：

因此，考虑时变特性的logistic增长模型如下：

其中，模型承载容量函数C（t）通常需要额外的数据源来确定，例如当前某地区行业最大可供电量等。

1.3    季节性成分

我们考虑Harvey和Shephard所提出的傅里叶序列建模季节性成分时序。设P表示时间序列的周期，当周期为一年时P一般为365.25，周期为一周的时候P一般为7。则周期性成分可表征为：

1.4    节假日成分

设每一个节日为i，Di为每年这个节日的日期。对每一个节假日指定一个参数κi表示这个节假日所造成的电量影响大小，生成如下回归矩阵：

2    实验结果和分析

本文实验数据集来自于国网同期线损系统。下面以Y市B县建筑业、住宿和餐饮业两个行业的实验结果为例，验证本文所提基于Prophet模型的电量成分分析及预测方法。

如图1所示，从B县建筑业的趋势来看，2018年建筑行业呈现上升趋势，且上升速度越来越慢，2019年开始缓慢下滑。这和房地产行业近两年的发展态势一定程度上吻合。从节假日的影响来看，春节造成的电量下降程度最大，持续时间也最长。此外，季节性序列成分表明2018年1月、6月、7月、8月、11月、12月是建筑业用工高峰期。

如图2所示，B县住宿和餐饮业用电量具有周期震荡特性，整体趋势略微下降，且夏季和冬季是用电高峰期。节假日时序成分表明春节前十天左右，餐饮、住宿行业的用电量明显下降，而大年初一之后，用电快速上升，这和春节后走亲戚等习俗吻合。节假日影响同样表明，劳动节和国庆节期间餐饮、住宿用电量明显上升。

3    结语

Prophet模型能对某一个行业电量季节性、节假日的影响进行量化解释，可以应用于行业用电分析，反映地区电气发展程度、电网发展规模和趋势，为电能分配和国民经济计划制定提供依据。同时在短期电量预测上，Prophet模型相比目前已有的方法更加精准，对于公司对资源进行合理分配、为领导经营决策提供数据支撑有较大的现实意义。

[参考文献]

[1] 吕婵.基于BP神经网络的短期负荷预测[D].武汉：华中科技大学，2007.

[2] 陈卓，孙龙祥.基于深度学习LSTM网络的短期电力负荷预测方法[J].电子技术，2018（1）：39-41.

[3] HARVEY A C，PETERS S.Estimation procedures for struc-tural time series models[J].Journal of Forecasting，1990，9（2）：89-108.

[4] TAYLOR S J，LETHAM B.Forecasting at Scale[J].The American Statistician，2018，72（1）：37-45.

[5] LIU H，TIAN H Q，LI Y F.Comparison of two new ARIMA-ANN and ARIMA-Kalman hybrid methods for wind speed prediction[J].Applied Energy，2012（98）：415-424.

收稿日期：2020-05-06

作者简介：陆圣芝（1981—），女，江苏扬州人，高级工程师，研究方向：电力系统自动化。