基于时间序列的电力配网物资需求预测方法

云南电网有限责任公司 余云江 许 娟 云南电网物资有限公司 杨 金 杜小丽 朱艳婷 孙 贺

目前，电力企业配网物资管理以节约化管理模式为主，相对于分散式管理，集约化管理模式结合了人力、物力、财力等生产要素，并将其进行集中分配，以保证分配均衡性，进而确保电力的稳定供应[1]。一般情况下，电力企业会在总部设立一个专门的物资管理机构，将分公司的采购、消耗、使用等活动进行全面分析，设计出最合理的运行机制，提高物资集中管理的优势[2]。电力物资需求管理有利于采购资源的整合，通过全流程监控采购过程，减少采购支出，提高采购效率，真正意义上实现物资高效利用。

时间序列主要是将某一区间的一个参数在不同时刻上的不同取值，按照取值时间的顺序进行排列，由此形成序列，目前被广泛应用于预测方法中[3]。为了保障物资需求预测的精准度，本文基于时间序列，设计了电力配网物资需求预测方法。通过提取物资需求特征，动态处理需求数据，构建预测模型的方式，提升预测方法的预测效果，有效解决电力配网物资需求与实际需求不匹配的问题。

1 电力企业物资需求预测

1.1 提取电力物资需求特征

电力物资需求特征主要有重要性、紧急性、周期性、区域性、替代性、规律性等特点，上述特征是物资需求预测的基础[4]。在时间序列中，上述6种特征均存在不同程度的重合，使整个预测过程偏向复杂化，降低了预测的精准度[5]。其中，物资需求预测的流动性特征与其他特征之间的重合度较大，本文对流动性特征进行提取，见表1。

表1 电力物资流动性特征

根据表1数据，本文在电力物资流动过程中进行编码，物资编码从a～h，分别对应着电力物资流动性特征的8种状态。由表1可知，c物资的平均出库量最大，流动性最高，是物资需求预测的主要部分。

1.2 基于时间序列处理配网物资特征数据

本文将上述需求特征转换成数据的形式，得出电力配网物资需求特征数据如下所示：

式（1～6）中，XZ为重要性特征数据；Qj为紧急性特征数据；Mq为周期性特征数据；Ky为区域性特征数据；Dt为代替性特征数据；Gu为规律性特征数据；δ为特征转换系数；z为电力物资平衡特征；q为采购节点之间的间隔特征；J为紧急抢修时间；x为抢修消耗系数；F为区域划分特征；t为代替性系数；s为标准差系数。由于电网运行数据会跟随时间的变化而变化，数据的规律性特征至关重要，本文根据重要性、紧急性、周期性、区域性、替代性、规律性等特征数据的时间序列，对数据进行线性处理，公式如下：

式（7）中，T为特征数据统计量；K为数据处理总数；M为电力配网物资需求特征均值；C为相关性时间系数。由于具有重要性、紧急性、周期性、区域性、替代性、规律性等特性的特征数据时间特征不重合，相邻数据之间的相关性较强，本文通过分析数据的相关性，减少冗余数据，进而提高物资需求后续预测精准度。时间序列的相关性分析如下所示：

式（8～10）中，x为一个平稳的时间序列；x1+k为k时刻的时间序列；R（x）为预测期望；R（x1+k）为k时刻的平稳时间序列；F（x）为特征数据相关的时间序列；F（x1+h）为h时刻特征数据的相关序列；Q（x,x1+k）为非平稳的时间序列，Q（x1+k,x1+k+h）为Q（x,x1+k）序列的变化值。通过相关性分析后，特征数据之间的重合数据被剔除，可保证数据的完整性。

1.3 构建电力配网物资需求预测模型

为实现电力物资需求的精准预测，本文以处理后的需求特征数据为基础，构建电力配网物资需求的预测模型。根据平稳时间序列与非平稳时间序列的特征数据可知，x与Q（x,x1+k）在任意时刻均具有相同的需求预测概率分布。因此，本文将平稳序列的期望值与非平稳序列的期望值进行离散预测，公式如下：

式（12）中，S为预测模型表达式；ε为时间序列的自相关函数。利用预测模型，将需求特征数据中的冗余数据进行二次剔除，进而提高物资需求的预测精准度。电力配网物资较多，不同种类的电力物资的需求特征不同，使用模型得出的预测结果也相应改变。在物资供应链结构中，对供应商、区域配送中心、前沿仓库、项目现场等多个结构进行预测，均需要进行重要性分析与相关性分析，只有剔除重合数据，才能保证物资需求特征数据的完整性与非重合性，真正意义上提高电力配网物资需求预测的精准度。

2 试验论证分析

为验证本文设计的预测方法是否具有实用价值，对其进行实验验证。实验结果以传统电力企业物资需求预测方法与本文设计的基于时间序列的电力企业物资需求预测方法进行对比的形式呈现。具体实验过程及实验结果如下所示。

2.1 试验过程

本次实验选取某市X电力企业在2018—2020年的历史配网物资数据为样本开展研究，电力配网物资领料主要数据见表2。

表2 电力配网物资领料主要数据

根据表2，选取物资名称、物资编码、企业代码、需求数量、物资金额、焊条、砂布等领料数据，数据类型。将物资按照时间序列进行相关性分析，打包具有相似特性的物资数据，将10kV变压器的物资代码标记为K1，10kV环网柜的物资代码标记为K2，10kV交流避雷器的物资代码标记为K3。将物资代码放在预测模型中，对上述物资进行未来需求的预测，如图1所示。

图1 10kV变压器物资的预测结果

如图1所示，10kV变压器物资需求的预测结果与实际需求均在80000～240000套的范围内波动，预测值与实际值之间相差较小，预测效果较为精准。10kV环网柜物资的预测结果如图2所示。

图2 10kV环网柜物资的预测结果

如图2所示，10kV环网柜物资需求的预测结果与实际需求均在120000～240000套的范围内波动，预测值与实际值之间相差同样较小，预测效果较为精准。10kV交流避雷器物资的预测结果如图3所示。

图3 10kV交流避雷器物资的预测结果

如图3所示，10kV交流避雷器物资需求的预测结果与实际需求均在160000～280000套的范围内波动，预测值与实际值之间相差较小，预测效果较为精准。结合图1至图3可知，使用本文设计的预测方法之后，电力配网物资需求预测效果较为稳定，与实际结果几乎一致。本文根据K1、K2、K3物资领用的时间序列，对预测方法的预测性能误差进行检验，如图4所示。

图4 电力配网物资需求预测性能误差

使用本文设计的预测方法之后，对电力配网物资需求进行多次预测。预测前50次，性能误差处于持续下降的态势，并在0.20～0.05的范围内波动。当预测次数超过60次之后，性能误差稳定在0.01左右，并在后续预测过程中不再变化。由此判定，使用时间序列的电力配网物资需求预测方法，在预测60次后可达到较为精准的效果。

2.2 试验结果

在上述试验条件下，本文以电力配网物资的电线开关为例，预测未来一年的电线开关需求数量。并将传统电力企业物资需求预测方法预测到的电线开关需求数量，与本文设计的基于时间序列的电力企业物资需求预测方法预测到的电线开关需求数量进行对比，试验结果见表3。

表3 试验结果

根据表3，本文以电线开关的电力配网物资为例，预测出未来一年电线开关的需求数量。在电线开关实际需求数量一致的条件下，传统电力企业物资需求预测方法预测到的电线开关需求数量，与实际需求数量相差±20个，预测精准度相对较低。其中，大部分预测数量低于实际数量，在紧急情况下很容易造成物资紧缺、无法工作的事故，影响电力配网的建设安全性。而本文设计的基于时间序列的电力企业物资需求预测方法预测到的电线开关需求数量，与电线开关的实际需求数量仅相差1个，预测精准度相对较高。其中，本文预测的电线开关个数均超过实际需求数量，并不会出现紧急情况无法工作的事故。并且，使用本文预测的方法之后，四月份、八月份、十二月份预测数量与实际数量一致。因此，本文设计的预测方法，更加满足电力配网物资的实际需求，可保证在紧急情况的电力配网建设安全性，符合本文研究目的。

3 结语

近年来，电能资源使用范围扩大，偏远地区使用电能的次数增加，电网为人们的生活提供了电力保障。随着电网规模的不断扩大，电网质量逐渐提高，对电网的运营也提出了较大的挑战。类似电线开关、空气开关、工业电器等电力设施，均属于电力配网物资需求。对于电力企业而言，无论是哪一方面的建设，物资均占据了重要的比重。因此，本文设计了基于时间序列的电力企业物资需求预测方法。从提取需求特征、处理特征数据、构建预测模型等方面，实现电力配网物资需求的精准预测。并以试验的方式，得出该预测方法的预测效果较为精准的结论，为电力企业的进一步发展提供了研究方向。