售电公司用户负荷预测精准度研究

深圳能源售电有限公司 董 强

随着某地电力市场改革开展，近年来售电公司人员对电力负荷预测有了一定的了解。但由于受社会经济发展等多重因素影响，用户负荷预测存在不确定性，这会影响负荷预测的精准度。特别是预测方法不同，预测精准度会受到影响。现阶段，电力市场发展迅速，并且用户实际用电量也在逐步增长，负荷预测的精准度是售电公司核心竞争力的一个重要指标，采用科学、合理的方法进行负荷预测，能够提高电力用户负荷预测的精准度。

在某地电力现货市场中，售电公司加强对代理用户负荷预测，提高负荷预测精准度，是规避售电公司在经营中产生盈亏风险的有效途径。在用户的负荷预测中，由于各种因素的存在，其精准度受到较大影响，在未来的环境影响下，用户负荷的不确定性较大。为了更好地估计将来的用电量，在进行负荷预测时，必须根据不确定的情况进行分析预测。基于此，本文对电力负荷预测发展现状、负荷预测精准度的措施、负荷预测精准度的影响因素进行分析，并对某地负荷特性及售电公司预测应用进行研究，从而提高电力负荷预测的精准度。

1 分析电力负荷预测发展现状

一是基于统计方法的电力负荷预测方法，主要包括多元线性回归分析、主成分分析法等。但此类方法局限性较大，仅适合应用于线性特征明显比较平稳的负荷数据，与实际的负荷数据特征相反，因此此类方法预测精度较低，并不适合应用于电力负荷预测。

二是基于机器学习的电力负荷预测方法，主要包括梯度提升树、人工神经网络模型（Artificial NeuralNetwork，ANN），以及人工专家系统（Artificial Expert Sys－tems，AES）等。此类方法与前一种方法相比，能够对具有非线性和复杂性特征的负荷数据进行处理，取得了较好的预测精度。

三是基于深度学习的电力负荷预测方法，主要包括深度置信网络、卷积神经网络和深度卷积神经网络等。深度学习技术将电力负荷预测精度再次提高，但上述几种模型并不具备处理负荷数据时序性的能力。有学者使用循环神经网络（Recurrent Neural Network，RNN）对时间序列进行处理，该方法虽然能够处理时序数据，但其缺点是难以捕捉到长期的依赖关系，因此需要使用其他的网络模型来解决这一问题。

2 分析电力负荷预测精准度措施

趋势外推法。一般情况下指的就是结合实际变化趋势，对外来负荷情况进行科学有效的预测。对于电力负荷而言，其不仅存在着随机性，同时也具有不确定性，但在一定条件下，具有明显的变化趋势。如工商业在用电的过程中，如果在冬季，就会显示出比较稳定的日用电量，在一定程度上体现出比较平稳的变化趋势。这一变化趋势可以分为以下几种趋势：一是线性；二是非线性；三是周期性；四是非周期性等。

时间序列法。该方法是现阶段常见的一种短期负荷预测方式，其通常情况下是对整个观测序列进而表现出某一种随机过程的一种特性，对生产过程中的实际序列的随机过程模型进行有效的建立与科学评估，只有这样才能够使用这些模型开展相应的预测。其不仅利用了电力负荷变动惯性这一特点，同时也对时间上的延续性这一特征进行充分地利用，与此同时，还能够科学有效地处理历史数据时间序列，对其基本的特征和相关的变化规律等方面进行全面的确定，如此可最大限度上对未来负荷进行预测。

回归分析法。主要是指事物之间相关关系的一种数理统计预测方法的一种。针对回归预测，其会结合负荷过去的所有历史资料，定性分析预测对象，对其带来影响的一个或者多个因素等方面进行科学合理的确定，另外还要充分结合预测对象，以及相关影响因素的等相结合的历史数据，对数学模型进行有效的建立，其目的是能够对未来负荷进行更好的预测。在售电公司发展中，开展电量预测工作中经常使用的一种方法就是回归分析法，该方法是当前有效的一种处理方式。

神经网络理论。现阶段，负荷预测过程中所使用的神经网络技术是当前兴起的一种新型研究方法，其优点分为以下几点：一是能够对人脑的智能化处理进行模仿；二是对于比较多的非结构性以及非精确性等方面的规律存在着比较强的自适应功能；三是具有信息记忆；四是能够自主学习；五是能够进行知识推理；六是能优化计算等一系列特点。但需要注意的是，其自学习以及自适应用功能在一定程度上是常规算法以及专家系统技术自身所不具备的。

模糊负荷预测。模糊控制通常情况下指的就是在使用的控制方法上，对模糊数学理论进行应用，这样能够进行确定性工作，能够对部分不能构造数学模型的被控过程实施科学有效的控制。不管模糊系统是怎样开展计算的，但是结合其输入输出等方面角度分析，其属于是一个非线性函数。对于模糊系统而言，对于任意一个非线性连续函数，应找出与之相适应的隶属函数，不仅是一种推理规则，同时也是一个解模糊方法，这样做的目的能够保证设计出的模糊系统能够非线性函数进行任意的逼近。

提高对电力负荷预测费用的投入。采用科学合理的技术和方法，建立适合市场用户的电力负荷预测模型，合理地开展相关的工作，不仅能提高预测的精准度，还能够促进售电公司的快速发展。

3 分析电力负荷预测精准度的影响因素

售电公司的电力用户均为市场用户，都是工商业用电负荷，无居民、农业用电负荷，因此用户负荷与电网负荷在受气温、节假日等因素影响上有所区别。

气象因素的影响。通过对中国气象部门提供的气象预报信息，包括最高最低气温，湿度等气象因素，分析发现，受天气影响较大的用户主要有公共交通（地铁、机场、巴士）、商场、物业管理等类型用户，部分工业用户对生产环境要求比较高，同样受天气影响比较大；节假日的影响。对比正常工作日，不同节假日对用户负荷也有不同程度的影响。一般呈现的规律是放假时间越长影响越大（如春节、国庆节），节假日当天负荷下降到最大，调休日负荷开始逐步上升。

用户产量的影响。售电公司大用户的生产状况对负荷影响同样较大，比如钢铁、水泥、陶瓷等，用户订单决定产量，因此在做这类用户的负荷预测时，要密切跟踪用户生产及经营状况，好在负荷预测中进行调整；社会经济环境的影响。国内外不同时期社会经济环境的变化，对生产型企业整体用电影响较大，比如国外经济形势低迷，对出口型企业影响较大，就应该及时调整负荷预测；不可抗力因素的影响。如发生疫情、台风等不可抗力因素，须重新对负荷预测进行重大调整，对负荷的预测要从行业性质分类，罗列不同行业受影响程度大小，结合历史数据演变用电趋势。

4 某地负荷特性与售电公司预测应用

近年来，某地全社会用电量持续增长，统调负荷不断创新高，同时负荷的峰谷差逐步增大，2022年全社会用电量达到7870亿kWh，同比增长0.05%；最高统调负荷1.42亿kW，同比增长4.9%；全年最大峰谷差高达4831万kW，平均峰谷差也有3271万kW。通过对该地工商业用户负荷特性分析得出以下结果，对于售电公司的负荷预测应用提供一定的技术支持。

4.1 全年各分月负荷系数差异较大

分月负荷系数为用户分月负荷除以全年负荷。图为某地2018—2022年工商业市场用户分月系数，可以看出负荷系数波动最大的是1至2月，波动范围分别在5.4%～7.8%、3.9%～5.7%，主要原因是受每年春节时间不同的影响；负荷系数波动较大的3月，波动范围分别在7.3%～8.6%，主要受换季每年气温波动大等因素影响；负荷系数波动最小的是6月，波动范围在8.7%～9.1%，主要是入夏期间每年气候比较相对稳定，而到了7、8月受频繁台风影响，负荷系数波动相对变大。2020年，受新冠肺炎疫情的影响，呈现出现1季度负荷偏少、4季度电量偏多的不同于其他年份的特殊现象，属于不可抗力因素导致。

图1 某地2018—2022年工商业市场用广户分月系数

4.2 工作日、周末、节假日及调休日负荷系数差异

根据以往某地工商业用户大量负荷数据，分析总结出用户在工作日、周六、周末、节假日及调休日分日负荷系数（分日负荷系数为典型日除以工作日），分日负荷系数随着不同用户结构会略微有所变化，但整体特性如下表所示。影响分日负荷系数最大的是春节，分日负荷系数降低至0.43～0.5，春节前后的工作日电量同样也会受到较大影响，其次是国庆节。

表1 某地不同典型日分日系数

4.3 不同典型日分时用电负荷特性分析

根据某地工商业用户负荷数据，分析总结出用户在不同典型日的分时用电负荷特性，从图2可以看出，由于摸底空调负荷较重，工作日、周六、调休节假日呈鸭嘴形峰谷负荷，其中工作日峰谷差最大，一般凌晨5点为谷期最低负荷，上午10：00～11：00点为峰期最高负荷；而周日、节假日峰期负荷则出现在0点，白天负荷相对较低。

图2 某地不同典型日分时系数

4.4 气温对用户负荷的影响程度

某地由于夏季空调负荷较重，气温的变化对用户负荷的影响较大，根据以往历史上数据统计得出，该地平均气温在20℃以上，工商业用户负荷开始随着气温上升而明显上涨。平均气温在20～25℃，气温每上升1℃用户负荷约上涨1.5%～2%；平均气温在25℃以上，气温每上升1℃用户负荷约上涨2%～2.5%。

4.5 售电公司负荷预测应用

深入分析用户负荷数据掌握负荷特性，有助于提升售电公司负荷预测能力，根据参考分月及不同典型日系数、不同用户分类统计、用户负荷跟踪等方法能有效的提升负荷预测精准度。参考分月及不同典型日系数可以搭建中长期负荷预测全年整体框架；不同用户分类统计是将用户按行业或负荷特性分类统计，分别通过气温、外部经济环境等因素对负荷的影响开展负荷预测；用户负荷跟踪是负荷受产量影响较大且变化较频繁的用户，需时刻保持与用户生产情况的密切跟踪，以便于对负荷预测进行及时调整。

5 结语

综上所述，随着电力现货市场改革不断深入，市场体系逐渐完善，售电公司如何有效提升负荷预测精准度，在售电公司的市场交易策略中发挥着越来越重要的作用，也是售电公司核心竞争力的重要体现。因此，为了提高负荷预测的精准度，在对用户负荷预测中，必须对数据进行科学、合理分析，做好短期、中期、长期的负荷预测，开辟负荷预测新思路，从而确保售电公司在市场交易中最大程度规避盈亏风险，并减少不必要的电量偏差考核。