李其軍（佛山供電局，廣東佛山，528200）

基于數(shù)據(jù)挖掘的電力需求預(yù)測探究

李其軍
（佛山供電局，廣東佛山，528200）

電力需求的預(yù)測是電力服務(wù)企業(yè)制定供電、購電的重要依據(jù)，因此，做好對(duì)電力需求的預(yù)測，對(duì)提高電力企業(yè)的經(jīng)濟(jì)運(yùn)行能力具有重要的作用。本文結(jié)合原始預(yù)測系統(tǒng)中存在的問題，提出采用數(shù)據(jù)挖掘技術(shù)對(duì)原始數(shù)據(jù)的采集、預(yù)處理等，從而實(shí)現(xiàn)對(duì)電力需求預(yù)測的客觀性和準(zhǔn)確性，更好的服務(wù)與電力企業(yè)和社會(huì)。

數(shù)據(jù)挖掘模型；綜合預(yù)測；電力需求

隨著信息化的發(fā)展，越來越多的電力企業(yè)開始采用信息技術(shù)實(shí)現(xiàn)對(duì)企業(yè)的自動(dòng)化管理，如針對(duì)電力的需求，采用簡單的預(yù)測模型，實(shí)現(xiàn)對(duì)社會(huì)電力需求的整體預(yù)測。同時(shí)企業(yè)用電越來越走向精細(xì)化，做好對(duì)中長期城市用電的需求預(yù)測，是今后供電企業(yè)科學(xué)利用信息化技術(shù)的趨勢(shì)。但是，現(xiàn)代電力企業(yè)在電力預(yù)測方面模型簡單、操作復(fù)雜、工作量大以及預(yù)測的精度低等缺點(diǎn)給現(xiàn)代電力企業(yè)的服務(wù)帶來了很大的麻煩。因此，構(gòu)建符合市場需求的更為精確的預(yù)測模型成為電企做好服務(wù)的重要環(huán)節(jié)。

1 系統(tǒng)設(shè)計(jì)的要求

結(jié)合現(xiàn)階段電力企業(yè)在電力需求預(yù)測方面存在的問題，本文對(duì)系統(tǒng)的設(shè)計(jì)提出以下的要求：

第一，對(duì)電力需求的預(yù)測將充分將國民經(jīng)濟(jì)的各項(xiàng)指標(biāo)對(duì)電力的影響納入進(jìn)來，其主要的原因是用電量的多少與國民經(jīng)濟(jì)增長有著很大的關(guān)系；

第二，將城鎮(zhèn)化納入到對(duì)電力需求的預(yù)測中，因?yàn)殡S著我國經(jīng)濟(jì)的發(fā)展，城鎮(zhèn)化可反映居民增加的多少，從而對(duì)未來我國長期的用電量有著最為直觀的需求分析；

第三，將階梯電量計(jì)算給居民用電帶來的影響納入到預(yù)測當(dāng)中，因?yàn)閲野l(fā)改委在電力改革方面，采用階梯定價(jià)的方式，在一定程度上將影響居民的用電的多少。

第四，將國家節(jié)能減排對(duì)用電大戶所帶來的影響納入到系統(tǒng)當(dāng)中。因?yàn)殡S著國家對(duì)環(huán)保觀念的重視，未來在很大程度上將注重企業(yè)的節(jié)能減排，從而減少企業(yè)的用電量。

第五，針對(duì)現(xiàn)階段的數(shù)據(jù)挖掘算法，本文結(jié)合各個(gè)算法的優(yōu)缺點(diǎn)，采用多種算法綜合組合的方式，實(shí)現(xiàn)對(duì)電力需求的客觀預(yù)測。采用在不同的時(shí)刻和情況下采用不同的預(yù)測算法。

2 基于電力需求模型的綜合預(yù)測模型構(gòu)建

2.1模型構(gòu)建及其優(yōu)缺點(diǎn)比較

通過上述的分析，我們可以看出以往的對(duì)電力預(yù)測的算法通常都是采用單一的數(shù)據(jù)挖掘模式的形式，如BP神經(jīng)網(wǎng)絡(luò)算法、模糊預(yù)測法等。通過采用單一的算法，所挖掘的結(jié)果通常缺乏客觀性，如以吉林供電公司為例，其采用單一回歸預(yù)測，其預(yù)測的數(shù)據(jù)與實(shí)際應(yīng)用的電量的多少存在很大的偏差。因此，為提高本系統(tǒng)預(yù)測的準(zhǔn)確性，決定采用多種數(shù)據(jù)挖掘算法相結(jié)合的綜合預(yù)測模型。其具體的思路是首先構(gòu)建綜合預(yù)測模型的方法庫，并通過單一模型檢測方法，對(duì)偏差比較大的模型進(jìn)行剔除。對(duì)預(yù)測較好的模型進(jìn)行反復(fù)的測算，并通過一定的方式將測算的結(jié)果進(jìn)行組合，從而得到最佳的綜合預(yù)測的模型。

而對(duì)綜合預(yù)測模型的選擇，其關(guān)鍵點(diǎn)在于如何對(duì)模型的組合。對(duì)此，本文為解決該問題，采用加權(quán)平均的方式確定不同模型的權(quán)重系數(shù)。同時(shí)通過對(duì)不同數(shù)據(jù)挖掘算法的優(yōu)劣勢(shì)的比較，其具體的結(jié)果如圖1所示。

表1　各種不同算法的優(yōu)缺點(diǎn)比較

2.2算法應(yīng)用實(shí)例

結(jié)合本文對(duì)電力預(yù)測的要求，本文通過采用對(duì)比的方式實(shí)現(xiàn)對(duì)綜合模型準(zhǔn)確性的驗(yàn)證與評(píng)價(jià)。同時(shí)以某省全社會(huì)的用電量作為綜合預(yù)測的目標(biāo)。而所謂的全社會(huì)用電量包括生產(chǎn)用電和居民生活用電的總和。而做好對(duì)該省全社會(huì)的居民用電，為未來3-5年甚至更長時(shí)間的電力企業(yè)電網(wǎng)規(guī)劃、輸電線路布局等有著非常重要的作用。同時(shí)，在對(duì)數(shù)據(jù)進(jìn)行選取的時(shí)候，必須對(duì)數(shù)據(jù)進(jìn)行一定的平滑處理，從而剔除數(shù)據(jù)中的異常的值，以此更好的實(shí)現(xiàn)對(duì)數(shù)據(jù)挖掘的結(jié)果。

通過以該省1999年--2006年的歷史數(shù)據(jù)分析，對(duì)2007-2012年的社會(huì)用電總量數(shù)據(jù)進(jìn)行單一預(yù)測，其不同算法得到的結(jié)果如表2所示。

表2　不同算法誤差分析

通過上述的算法分析可以看出模糊算法和自然增長算法所產(chǎn)生的預(yù)測誤差要遠(yuǎn)遠(yuǎn)小于其他的數(shù)據(jù)挖掘算法，因此，本文綜合模型采用自然增長和模糊兩種算法。通過選取2000年到2009年數(shù)據(jù)，對(duì)以后三年的用電進(jìn)行預(yù)測，從而得到如表3所示。

表3　綜合模型與單一模型的誤差比較

通過上述的比較和驗(yàn)證可以看出，通過綜合模型所得到的預(yù)測數(shù)據(jù)所與實(shí)際用電量相比所產(chǎn)生的誤差要小于采用單一模型所產(chǎn)生的誤差。因此，可以證明采用綜合模型預(yù)測要好于單一模型。

3 系統(tǒng)功能設(shè)計(jì)

結(jié)合系統(tǒng)設(shè)計(jì)的要求，本文將系統(tǒng)的功能設(shè)計(jì)為數(shù)據(jù)采集與處理、模型庫、系統(tǒng)維護(hù)、結(jié)果可視化查詢等功能模塊。

其中數(shù)據(jù)采集與處理包括對(duì)居民用電營銷、調(diào)度自動(dòng)化、電網(wǎng)負(fù)荷等數(shù)據(jù)的采集。通過采用挖掘技術(shù)實(shí)現(xiàn)對(duì)數(shù)據(jù)從上到下的挖掘；

模型庫則主要包括數(shù)據(jù)挖掘的各種不同的算法，如灰色關(guān)聯(lián)、模糊預(yù)測、BP神經(jīng)網(wǎng)絡(luò)等算法在內(nèi)。

需求預(yù)測庫模塊主要對(duì)電力需求進(jìn)行預(yù)測。其具體的步驟則為通過采用單一模型進(jìn)行預(yù)測，通過比較選擇誤差最小的預(yù)測模型，并通過采用回歸分析的方式，實(shí)現(xiàn)對(duì)不同預(yù)測方法權(quán)重的比較，從而計(jì)算數(shù)據(jù)挖掘的結(jié)果。

結(jié)果可視化則是通過綜合預(yù)測模型對(duì)數(shù)據(jù)的計(jì)算，將其挖掘和預(yù)測的結(jié)果和電力增長的規(guī)律通過可視化的方式將其展現(xiàn)給用戶，使得用戶更為直觀了解電力需求的預(yù)測數(shù)據(jù)和該省電力需求的增長規(guī)律。

系統(tǒng)管理包括系統(tǒng)權(quán)限分配和系統(tǒng)維護(hù)。通過對(duì)不同使用角色的功能分配，實(shí)現(xiàn)對(duì)系統(tǒng)使用的正常運(yùn)轉(zhuǎn)。同時(shí)通過對(duì)數(shù)據(jù)的日常維護(hù)、備份等，保障系統(tǒng)的運(yùn)行。

4 系統(tǒng)架構(gòu)設(shè)計(jì)

電力需求數(shù)據(jù)挖掘的計(jì)算設(shè)計(jì)多個(gè)不同的系統(tǒng)和數(shù)據(jù)庫，因此，對(duì)系統(tǒng)的設(shè)計(jì)采用最新的B/S模式，該模式其典型的優(yōu)點(diǎn)在于通過Internet網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)數(shù)據(jù)的采集。同時(shí)該模式還可有

效對(duì)系統(tǒng)進(jìn)行維護(hù)，增加了系統(tǒng)的靈活性。其具體的架構(gòu)設(shè)計(jì)如圖1所示。

圖1　 系統(tǒng)整體架構(gòu)設(shè)計(jì)

從系統(tǒng)的架構(gòu)來講，將系統(tǒng)分為三層：表現(xiàn)層、數(shù)據(jù)層和業(yè)務(wù)層。其中表現(xiàn)層主要用于與用戶的交互；業(yè)務(wù)層主要用于對(duì)不同業(yè)務(wù)功能模塊的邏輯分配；數(shù)據(jù)層用于與數(shù)據(jù)庫的數(shù)據(jù)交換。而該系統(tǒng)與電力企業(yè)的其他數(shù)據(jù)庫連接，包括營銷數(shù)據(jù)庫、電力負(fù)荷、電力生產(chǎn)、電力調(diào)度管理系統(tǒng)數(shù)據(jù)庫等等，從而方便對(duì)數(shù)據(jù)的采集。同時(shí)，因?yàn)樯婕暗胶芏嗖煌臄?shù)據(jù)庫，本文采用ETL抽取技術(shù)，實(shí)現(xiàn)將不同的數(shù)據(jù)進(jìn)行抽取，并對(duì)其格式等進(jìn)行統(tǒng)一處理，從而更好的利于對(duì)后續(xù)的數(shù)據(jù)挖掘的進(jìn)行。其具體的步驟是通過對(duì)數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換和加載，從而形成數(shù)據(jù)倉庫。而數(shù)據(jù)倉庫是構(gòu)建數(shù)據(jù)挖掘的基礎(chǔ)，為數(shù)據(jù)挖掘做準(zhǔn)備。

5 結(jié)語

通過對(duì)上述系統(tǒng)的開發(fā)構(gòu)建，提高了電力需求預(yù)測的準(zhǔn)確性，并通過對(duì)數(shù)據(jù)的預(yù)測，實(shí)現(xiàn)對(duì)電網(wǎng)規(guī)劃的優(yōu)化，在工作轄區(qū)內(nèi)安裝7條10kv輸電線路，保障電力的更好的供應(yīng)。因此，采用綜合預(yù)測模型提高了預(yù)測的準(zhǔn)確度，并提高了電網(wǎng)服務(wù)的效率，對(duì)促進(jìn)新形勢(shì)下的電力改革具有重要的意義。但是，本系統(tǒng)的開發(fā)中針對(duì)綜合模型的權(quán)重系數(shù)的計(jì)算還需要做進(jìn)一步的改進(jìn)，從而更好的提高該挖掘的結(jié)果。

［1］ 邰能靈，侯志儉.小波模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中短期負(fù)荷預(yù)測中的應(yīng)用［J］.中國電機(jī)工程學(xué)報(bào).2004，24（1）：24-2913（2）：480-492.

［2］ （加）韓家煒，堪博著 數(shù)據(jù)挖掘概念與技術(shù)（原書第 2 版）［M］.機(jī)械工業(yè)出版社.2007：：7-7.

［3］ 顧潔.電力系統(tǒng)中長期負(fù)荷預(yù)測理論與方法研究［D］.上海：上海交通大學(xué)，2002.110-116

李其軍，男，大學(xué)學(xué)士，工程師，主要從事供電企業(yè)營業(yè)廳工作，申報(bào)高級(jí)工程師

Forecasting electricity demand based on data mining

Li Qijun
（Foshan Power Supply Bureau，Guangdong Foshan，528200）

Electricity demand forecasting electricity supply service companies develop，purchase an important basis for electricity and， therefore， do a good job of forecasting electricity demand，the ability to improve the economic operation of power enterprises play an important role.In this paper，the original prediction system problems using data mining techniques proposed acquisition of the raw data，pre-processing ， etc.，in order to achieve objectivity and accuracy of forecasts of electricity demand，better service and electricity business and society .

data mining models；integrated forecasting；electricity demand

2014—05—12