基于神经网络理论的电量预测方法研究

袁野 祝喆 邱成龙

引言

电力电量预测是电力系统规划和运行研究的重要内容，是保证电力系统可靠和经济运行的前提，是电网规划建设的重要依据。电力电量预测的准确将直接影响公司电网建设投资、电网网架结构布局的合理性。电量预测的准确性直接体现基层单位经营业绩、管理水平。目前，电量预测的方法还是过于简单，主要是靠人工的经验，但人工的预测存在电量偏差大、波动大等缺点，存在很大的不确定性。

一、常电量预测方法难点分析

1.1工作量大，任务繁重

电量预测需要分析历史的电量数据，但历史的电量数据存在数据量大，分析时需要整理的数据多等问题。这容易造成预测人员工作任务繁重，预测偏差大等困难。

目前需要分析的数据有：

（1）天气

（2）温度

（3）月售电量数据

（4）区域GDP

（5）节假日信息

（6）抄表例日调整数据

1.2预测方式众多，实施难度大

目前电量预测主要有传统预测方法和新兴的预测方法两大类。由于算法众多，而且对各类算法对电量和其它数据的要求高，导致目前很多算法实施难度大。

回归分析法。利用历史数据可以建立起负荷和其他影响因素的关系，如与工农业总产值之间的关系，并进而由这些因素未来的数据预测出未来的负荷值，其优点是模型参数估计技术比较成熟，预测过程简单。缺点是线性回归模型预测精度较低;而非线性回归预测计算开销大，预测过程复杂。仅适用于中期负荷预测。

时间序列法。能根据负荷的历史数据建模，并利用模型预测出未来的负荷，优点是：所需历史数据少、工作量小。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况;

二、基于神经网络理论的电量预测

2.1历史电量数据准备

为保证电量预测准确性，本文收集了以下几类数据作为历史数据。

（1）经济及政策：内外经济形势（GDP）、产业政策调整影响

（2）市场规模：电力客户变化，业扩报装分析（新装、减容、销户），市场占有情况（自备发电机组、分布式电源）。

（3）市场开拓：实施热泵、电蓄能、电加热、电动汽车等电能替代、自备电厂规范、加快业扩报装、消除供电瓶颈、加强检修管理等。

（4）电网供需形势影响，执行有序用电情况。

（5）前100/50名大客户的生产用电、停产检修情况。

2.2数据组织形式

为了程序方便访问和组织数据，本文选用了MYSQL作为底层数据库软件，并结合EXCEL和MYSQL软件，实现了EXCEL数据自动化和智能化地导入MYSQL数据库。

2.3预测方法和模型库

神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点;并且知识表达困难，难以经验中存在的模糊知识。

神经网络是功能极其强大的、高效的并行处理机器，具有学习和归纳能力，对错误和噪音具有特别的适应性。经过培训的人工智能网络可以作为某个信息类别的“专家”，为新情况指明方向或解决判断路径问题等。 三、效果及效益分析

1.1效果分析。

采用基于神经网络理论的电量预测程序进行电量预测后，月度电蛳预测偏差由之前的6%降低到了3%。另外，电量偏差稳定性较之前有了显著提升，节假日比如春节，十一长期期间，电量预测偏差的波动性也减少了。

2.2效益分析。

经营指标的提升电量预测程序的使用，能为售电量预测提高精确度，减少售电量计划完不成带来的考核和指标调整等负面影响，提升了企业经营指标。另外，以前的售电量月度预测，不仅过程长，流程复杂，而且预测的鲁棒性差，一个简单的人工统计或人工计算错误，会导致预测偏差的错误，所谓差之毫厘，谬以千里。而电量预测程序的使用程序化，自动化，智能化。仅仅只需要一个人，一两小时就能完成复杂的电量预测任务。大大减少了人力成本。

三、结语

随着电力市场的发展，电量预测的重要性日益显现，并且对负荷预测精度的要求越來越高。传统的预测方法比较成熟，预测结果具有一定的参考价值，但要进一步提高预测精度，就需要对传统方法进行一些改进，同时随着现代科学技术的不断进步，理论研究的逐步深入，以灰色理论、专家系统理论、模糊数学等为代表的新兴交叉学科理论的出现，也为电量预测的飞速发展提供了坚实的理论依据和数学基础。以后作者将会对各种预测方法一一尝试，找到更高效快捷有效的预测算法。

参考文献

[1]施永益，凌卫家，郭阳，夏洪涛，赵燕波.售电量分析及预测研究[J].经营管理者.2016（18）

[2]任腾云.基于机器学习的电力大客户群体月度售电量预测研究[J].电网与清洁能源.2018（09）

[3]彭泽武.基于分箱灰色预测的月用电量数据缺失值处理方法[J].现代计算机（专业版）.2017（29）