基于多尺度空洞卷积神经网络算法的航空业用电情况分析与预测

赵昊东，陈晓光，李佳伦，吴世龙

(国网沈阳供电公司，辽宁 沈阳 110003)

预测能力是大数据技术的重要应用领域，国网沈阳供电公司基于MSCNN(多尺度空洞卷积神经网络)模型，开展用电量预测。充分发挥电力大数据资源优势，辅助研判当前社会经济背景下，公司经营范围内重点用户实际经营状态。本文选取受到新冠疫情影响较为明显的航空业进行定向分析，基于营销用电采集系统数据对沈阳市航空业用户进行“画像”，利用电力大数据监测航空业发展。

1 数据清洗与预测模型构建

1.1 数据清洗模型构建

创新构建对抗生成神经网络模型对用电采集数据进行数据清洗，规避电力数据采集过程中发生的数据丢失问题，从而提高数据质量，提升分析准确性。在这次分析工作中发现，用电采集系统与营销系统采集数据存在数据缺失问题，对分析研判工作产生一定的影响。为了更好地填补缺失数据，更逼近真实数据的分布情况，本次分析使用目前较为前沿的对抗生成网络来做数据清洗的工作[1-3]。图1为对抗生成神经网络模型基本结构。

图1 对抗生成神经网络模型结构

对抗生成神经网络模型主要由生成器与判别器2部分组成。生成器主要负责自动生成缺失的用电采集数据，判别器可以判别生成的数据与真实数据的差异。该模型使用已有的真实存在的用电采集系统数据训练生成器，使其输出结果更加接近训练数据的形态。在多次训练后，生成器可以智能生成高质量的缺失数据，该项技术可以较好地解决当前用电采集数据丢失或者不准确的问题。

1.2 数据预测模型构建

联合东北大学首创MSCNN(多尺度空洞卷积神经网络)预测分析模型，利用深度学习技术预测企业以及行业整体用电水平。MSCNN模型结构如图2所示，分为周期时间编码、多尺度空洞卷积、多尺度特征融合等几个组件组成，该模型在区域聚合级别的负荷预测中具有较好的预测分析效果。图2为多尺度空洞卷积神经网络模型基本结构。

图2 多尺度空洞卷积神经网络模型结构

MSCNN模型将负荷预测所需要的各类考虑因素和难点进行了进一步优化，并使用了目前较为流行的深度学习等人工智能技术对模型进行整合，大幅提升了预测的精度。同时，该模型可以广泛应用于需求侧响应、电网调度优化、电网检修等领域，利用预测分析能力，对相关工作提供辅助决策支持[4-5]。

2 近3年用电量同比分析

对2018年1月—2020年6月沈阳地区航空业以及其细分行业用电量同期增长比率进行分析。由图3可见，2018、2019年度上半年同期变化幅度不大，处于较平稳的状态。2018年下半年航空业用电量同期整体呈增长趋势，而2019年度下半年，自8月起，用电整体处于高速增长态势。

图3 2018年1月—2020年6月沈阳地区航空业用电量同比分析

2020年上半年，由于正值春运高峰期，且新冠疫情在1月底爆发，1月航空业疫情并没有受到较大幅度的影响，同比略有增长。2月，随着新冠疫情影响加剧，人口流动受到抑制，整个航空业用电量同比出现下降。同时，1、2月集中了较长的法定假日，因此历年来航空业尤其是航空制造业生产需求不高，用电负荷不大，尽管疫情影响对全社会较为明显，但对于航空业并不十分明显。另外，2020年3—6月，航空业用电量同比出现增长。

图4为2018年—2020年上半年度航空、航天器及设备制造业用电量同比分析。由于该行业用电占比较大，因此其变化情况直接决定了整个航空业的用电走向。2018年与2019年上半年，同比增长较为平缓，由于2018年7、8月增长较为迅速导致了2019年同期比例略有下降。此外，2年下半年同比均有较大幅度增长，可以看到制造业相关行业用产需求增大，这也符合制造型企业生产的一般规律。2020年上半年，2月停工停产时间较长，航空制造业受到了一定的影响，但程度不大。

图4 2018年—2020年上半年度航空、航天器及设备制造业用电量同比分析

需要特别注意，在2020年3—6月，用电量同比增长情况稳中向好，同期增长率甚至高于2018年与2019年。说明在突如其来的新冠肺炎疫情和复杂严峻的国内外形势下，沈阳地区航空业具有较好的发展韧性，政府一系列的优惠政策以及加大对重点基础行业的投资力度，都使得航空业用电量保持了稳健的增长。

3 疫情对沈阳地区航空业用电影响分析

利用MSCNN模型针对航空、航天器及设备制造业进行负荷预测分析。使用2017年—2019年电力大数据对2020年12个月进行预测，之后在使用2020年6个月的数据对2020年度下半年进行预测，通过两者的差值来分析疫情对航空业售电情况的影响。预测模型将时间周期、季节特性加入到了模型的学习过程中，根据1—6月的疫情变化趋势(包括确诊人数、高中低危地区影响人口系数、政府公开经济指标系数等)设计疫情影响因子，保证预测模型的适应能力和预测精度。

图5为航空、航天器及设备制造业用电预测结果。绿色曲线为基于2017—2019年用电数据，预测的不受疫情影响航空、航天器及设备制造业用电按月份预测结果，2020年预测用电共计44 979.57万kWh。蓝色曲线为基于2020年前6个月的数据预测的本年度后6个月用电情况，受疫情影响2020年用电共计26 366.6万kWh，下降了41.38%。大幅度下降的主要原因在于，2019年底由于大型飞机制造企业中航沈飞集团、中国航发沈阳黎明航空发动机有限责任公司等大幅度提升了产能，2019年10月—12月行业用电量分别为2370.6万kWh、3773.6万kWh、4427.3万kWh，同时根据历史数据，这些重要企业往往会在下一年度继续保持或者增长上一年度的产能需求，但受到疫情影响，相关产能不能得到充分释放，造成实际用电量与预测值差距较大。

图5 航空、航天器及设备制造业用电预测结果

图6为航空运输业用电预测结果，非疫情条件下预测用电量为6270.08万kWh，疫情影响下用电量为4889.9万kWh，下降了22.01%。

图6 航空运输业用电预测结果

图7为航空航天等运输设备修理业用电预测结果，非疫情条件下预测用电量为43.1万kWh，疫情影响下用电量为38.9万kWh，下降幅度为9.71%。

图7 航空航天等运输设备修理业用电预测结果

4 结论

a.沈阳地区10 kV及以上航空业用户用电量在2017—2019年呈明显整体增长趋势。该行业由航空航天器及设备制造、航空航天等运输设备修理、航空运输业3个细分行业组成。其中，航空航天器及设备制造业占整个航空业用电量的85.7%。由于沈阳地区作为国家航空器重点生产基地，相关企业用电规模快速增长，使得航空业整体用电发展速度显著。但受疫情影响，2020年用电水平与非疫情条件下预测值相比下降41.38%，高速发展的态势受到抑制。但同比2019年上半年仍略有提升。这得益于国家已经出台的各种经济刺激和复产复工政策，同时从当前国际热点问题、民生以及国家战略方面看，航空制造业也是当前热点领域，引领社会经济发展。建议重点关注该领域客户的实际诉求，提供个性化服务，及时满足其用电需求，保障用电安全。

b.不同细分行业受疫情影响差别较大，三大细分行业分别与非疫情条件下预测用电情况下降了41.38%、22.01%、9.71%。航空航天器及设备制造业2020年上半年同比上升优势明显，与往年同比相比复工情况良好，但与预期用电水平差距较大。航空运输业由于受商旅流动及国内管制政策限制，同比增速缓慢，预期用电量较2017—2019年平均水平有较大比例下降。航空航天等运输设备修理业由于用电水平不高，沈阳地区相关企业数量较少，其对整体行业用电水平影响不大。

c.受疫情等多方面因素影响，在沈阳地区航空业相关企业的售电业务方面，收入会面临较大压力。因疫情防控需要，部分行业短时间内发展前景并不乐观，公司售电收入必然受到影响。同时，航空运输业用电能力受限，公司相关利润空间和盈利能力都将面临较大压力。建议不断提升公司内部精益化管理水平，加强各项成本类费用的管控，对航空业尤其是重点国有骨干企业挖掘新的利润增长点，从而实现提质增效。以电力看宏观经济为例，通过衡量电力市场消费主体规模和消费总额的变化来反映宏观经济形势，并与GDP进行关联分析，可以辅助政府研判宏观经济形势。