工业园区企业短期用电量预测算法

喻劲

（1.广西大学计算机与电子信息学院，南宁530004；2.南方电网综合能源广西有限公司，南宁530023）

0 引言

随着电量交易进入市场化进程，用电量较大的工业企业以“年度长协”和“月度竞价”的方式直接参与电力市场化交易。各地区用电情况不同且存在用电量申报偏差考核，无论是“年度长协”或者“月度竞价”，对企业而言均须面临用电量申报的难题。目前，全国各省区市纷纷出台制度，明确申报电量的偏差考核范围[1]。在电力交易过程中，对申报电量预测的准确性是决定售电公司或大用户能否免于偏差考核罚款的关键因素。同时，用电量的准确预测对电力系统电压稳定、安全调度和稳定运行也起着至关重要的作用[2]。灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象[3]。针对工业园区企业难以提供精确的长期用电量历史数据的情况，本文研究设计基于灰色系统理论的用电量预测模型和预测算法，以指导帮助企业对其生产所需的短期用电量进行准确计划。

1 预测模型

1.1 基本预测模型

设工业园区企业的用电量历史数据序列为x（0）={x（0）（1），x（0）（2），x（0）（3），x（0）（4），…，x（0）（n）}，其中n表示用电量历史数据的个数，在已知x（0）（1）的测量时间以及x（0）（1）与x（0）（2）的时间间隔时，可推算x（0）（n）的测量时间。

定义x（0）的级比生成序列δ（0）（k）=x（0）（k）/x（0）（k-1）[4]，k=2，3，4，.…，n。当所有δ（0）（k）的值满足δ（0）（k）∈（e2/n+1，e2/n+2）时，则表明历史数据序列x（0）具有较好的建模可行性，否则需要对x（0）做变换处理。可取适当的常数C，对x（0）中的异常元素δ（0）（j）做如下变换处理y（0）（j）=x（0）（j）+C[5]，j=1，2，3，…，n。使变换后的数据序列y（0）（k）的级比δ1（0）（k）满足δ1（0）（k）∈（e-（2/n+1），e2/n+2），k=1，2，3，…，n。

在用电量历史数据序列中，第1个数据和最后1个数据均称为“端点数据”，其余数据均则称为“内点数据”。当用电量历史数据序列中存在“内点数据”缺失现象时，利用非紧邻均值生成的方法对缺失数据补齐。设有用电量历史数据序列x（0）且x（0）（k）为缺失的内点数据。非紧邻均值生成利用数据缺失的内点数据x（0）（k）的前、后两个数据的平均数生成新的数据x（0）（k）=0.5x（0）（k-1）+0.5x（0）（k+1）[6]。

当用电量历史数据序列中存在“端点数据”缺失时，可用级比生成补齐缺失的数据。设φ（1）表示当前用电量历史数据序列的第一个元素，φ（n）表示当前用电量历史数据序列的最后一个元素，两者呈缺失状态。此时，利用φ（1）的右邻级比生成x（0）（1），用φ（n）的左邻级比生成x（0）（n），形成完整的用电量历史数据序列x（0）={φ（1），x（0）（2），x（0）（3），…，x（0）（n-1），φ（n）}[7]。序列x（0）的级比δ（0（）k）=x（0（）k）/x（0）（k-1）[3]，k=2，3，4，…，n。利用级比生成补齐当前用电量历史数据序列缺失的首尾元素x（0（）1）=x（0）（2）/δ（0）（3）和x（0）（n）=x（0（）n-1）/δ（0）（n-1）。

1.2 预测模型优化

（1）利用气象因子对预测值修正

气象条件是影响用电量数值的重要因素之一，从对广西-东盟经济技术开发区园区各企业的走访了解到，当气温保持在14-26摄氏度之间时，温度参数对预测值影响小较可忽略不计。当温度超过26摄氏度时，用电量随着气温的升高呈现正比例趋势的上升。当温度超过35摄氏度时，用电量也将停止增大。另外，当温度低于14摄氏度时，企业用电量也将随着气温的持续降低呈现反比例趋势的升高。当气温低于5摄氏度时，用电量也将停止增大。本文将气温数据量化后形成气温因子记为T（t）。经过调研获知，当相对湿度低于75%时，开发区内企业基本无需开启除湿设备。

本文将湿度数据量化后形成湿度因子记为H（h）。气温因子和湿度因子结合后形成气象因子P=T（t）+H（h），其中气温因子T（t）和湿度因子H（h）的取值范围分别如表1和表2所示。

表1 气温因子T（t）取值

表2 湿度因子H（h）取值

短期用电量预测值αx^（0）（k）经修正后得到αx^’（0）（k）=

（3）考虑企业次月生产设备投运情况

在预测企业短期用电量时，除了考虑预测算法本身的准确定性、气象因子对预测值的干扰以及何种情况需要修正预测值的偏差外，还应充分考虑企业生产设备的投运情况，以起到更好地模拟实际情况的作用。

单台生产设备的用电量Q=P×T×D，单台生产设备用电量Q的单位为千瓦时（kWh）；P表示设备的额定功率，单位为千瓦（kW）；T表示设备每天的运行小时数，单位为小时（h）；D为设备的投运或停运的天数，单位为天（day）。若设备为增加投运的设备，则D取值为正数；若设备为原生产计划中减产停运的设备，则D取值为负数。统计设备总体用电量变化值Qsum。此时，工业园区短期用电量预测值αx^（0）（k+1）=（1-ea）（x（0）（1）-b/a）e-a（k-1）+Qsum。

2 预测算法

3 实验

本文以位于广西-东盟经济技术开发区从事家装原材料加工的企业A和从事金属罐头加工的企业B为例，通过实际数据运行预测算法获得的预测结果。

（1）利用气象因子和企业生产计划的预测值修正

广西-东盟经济技术开发区工业园区企业A在2019年1-12月的用电量历史数据如表3所示。

表3 企业A的2019年月度用电量数据（kWh）

经过计算得到的广西-东盟经济技术开发区工业园区企业A在2019年的用电量历史值与用电量预测值如表4所示。

表4 企业A的2019年用电量预测值及误差情况

从表4可知，广西-东盟经济技术开发区工业园区企业A在2019年12月的用电量预测值为3641.01，与用电量历史值相差1491.01，误差比高达69.3%。通过对企业A的走访了解，获知这个误差比过高的原因是12月生产订单数量较往月有所下降，部分生产设备例如木材剥皮机、木材盘式切片机和树根破碎机等将计划性停运24小时，减少用电量合计约1590kWh。企业A在2019年12月的用电量预测值应为2121.01，误差比由69.3%明显下降至4.60%。广西地区的售电量偏差考核范围是：误差比在5%以内不考核（即企业无需交纳用电偏差扣罚款）。

广西-东盟经济技术开发区2019年10-12月平均气温如表5所示。

表5 广西-东盟经济技术开发区2019年气象信息

从表5可知，广西-东盟经济技术开发区工业园区企业A在2019年10月的平均不在14至26摄氏度的区间内，需要对用电量预测值考虑气象因子进行计算预测，获得10月份的用电量预测值为3557.57，误差比由5.50%明显下降至3.20%。这个结果表明此加入了当地气象因子计算获得的用电量预测值可供企业A申报次月用电量时分析决策使用。

（2）预测值残差修正

以位于广西-东盟经济技术开发区从事罐头加工的企业B为例，通过实际数据计算预测值残差修正及结果。企业B的2019年1-12月的用电量历史数据如表6所示。

表6 企业B的2019年用电量历史数据（kWh）

经过计算得到的广西-东盟经济技术开发区工业园区企业B在2019年的用电量历史值与用电量预测值如表7所示。

表7 企业B的2019年用电量预测值及误差情况

由表7可知，从2019年8月起，残差序列ε（0）中的值ε（0）（k）连续为负数。这说明广西-东盟经济技术开发区工业园区企业B的用电量预测值出现了同方向系统性的偏差，此时应采用残差修正法对偏离的预测值进行修正。修正后的2019年12月用电量预测值为αx^（0）（12）=17298.49-717.04=16581.45，误差比由7.62%明显下降至2.8%。从这个结果可知，进行残差修正计算获得的预测值可供企业B申报次月用电量时分析决策使用。

4 结语

通过对工业园区企业的未来短期用电量预测的测试结果表明，本文设计实现的工业园区短期用电量预测算法是可用的。结合工业园区当地气象因子、企业生产计划具体安排，利用残差修正法优化后的预测算法计算获得的短期用电量预测结果更好。本文的研究成果可以为工业企业制定短期生产用电计划起到指导作用。