工业园区企业短期用电量预测算法

1、工业园区企业短期用电量预测算法摘要：以经济技术开发区企业为研究对象,考虑当地气候因素,基于灰色系统理论,建立工业企业短期用电量预测模型,采 用残差修正法对偏离的预测值进行修正,设计实现一种短期用电量预测算法。实验结果表明，给出的算法预测准确 高，可用于指导企业计划生产所需的短期用电量。关键词：短期用电量预测；灰色系统理论；气象因子；残差修正0引言随着电量交易进入市场化进程，用电量较大的工 业企业以“年度长协”和“月度竞价”的方式直接参与电 力市场化交易。各地区用电情况不同且存在用电量申 报偏差考核,无论是“年度长协”或者“月度竞价”，对企 业而言均须面临用电量申报的难题。目前，全国各省 区市纷

2、纷出台制度，明确申报电量的偏差考核范围o 在电力交易过程中，对申报电量预测的准确性是决定 售电公司或大用户能否免于偏差考核罚款的关键因 素。同时，用电量的准确预测对电力系统电压稳定、安 全调度和稳定运行也起着至关重要的作用o灰色系 统理论以“部分信息已知,部分信息未知”的“小样本”、 “贫信息”不确定性系统为研究对象o针对工业园区 企业难以提供精确的长期用电量历史数据的情况，本 文研究设计基于灰色系统理论的用电量预测模型和预 测算法，以指导帮助企业对其生产所需的短期用电量 进行准确计划。1预测模型1.1基本预测模型设工业园区企业的用电量历史数据序列为x()= ( 1) x(2)x(3)x(4)

3、其中 n 表，xx / ，x，x， ，x n ， n示用电量历史数据的个数,在已知X ( 1)的测量时间以 及x( 1)与x(0)(2)的时间间隔时，可推算x(n)的测量 时间。定义 X 的级比生成序列8ttl)(k)=xttl)(k)/x(0)(k-1)14， k=2,3,4，.-，no 当所有泸(k)的值满足 8(k)e， e,)时,则表明历史数据序列具有较好的建模可行 性，否则需要对x做变换处理。可取适当的常数C, 对x(中的异常元素8%j)做如下变换处理y(j)=x(j) + C, j=1,2, 3,n。使变换后的数据序列yk)的级 比&( k)满足&(k)e(e(),e),k=1,2

4、,3，,n。在用电量历史数据序列中，第1个数据和最后1 个数据均称为“端点数据”，其余数据均则称为“内点数 据”。当用电量历史数据序列中存在“内点数据”缺失 现象时，利用非紧邻均值生成的方法对缺失数据补 齐。设有用电量历史数据序列x(且x() (k)为缺失的 内点数据。非紧邻均值生成利用数据缺失的内点数据 x() (k)的前、后两个数据的平均数生成新的数据X (k) = 0.5x(ll)(k-1)+0.5x(ll)(k+1)|6o当用电量历史数据序列中存在“端点数据”缺失 时，可用级比生成补齐缺失的数据。设夙1)表示当前 用电量历史数据序列的第一个元素,(P (n)表示当前用 电量历史数据序列

5、的最后一个元素,两者呈缺失状 态。此时，利用(p(1)的右邻级比生成x(0)( 1),用cp(n)的 左邻级比生成x()(n)，形成完整的用电量历史数据序列x(0(2)x(0(3) x(0)(nl) iD(n)lX 甲 1 ,X 2 ,x 3 ,x，甲 o序列 N的级比8(k)=xk)/N(k-l)，,k=2,3,4,-, no利用级比生成补齐当前用电量历史数据序列缺失 的首尾元素 x(l)=x(2)/8(3)和 x(n)=x(n-1)/泸)、_!./ j.刀 (n-1)o一阶累加生成是基于灰色系统理论建模的用电量 预测模型的基础运算步骤，用电量历史数据序列通过 一阶累加生成后将产生新的序列。

6、设工业园区企业用ip-* 勺/ I t vJ x J vV xx U / , x X/ ,x 3 / , x(4)x(n) D为序列算子 牛成序列x(,)D=lx(0)(1),.,x n , x x(0)(0)(0)(0)(0),yl/l(i yyy,x ,x ,x ，-,xn ， xkd 二 x()i) , k =1,2,3,.,n。称算子 D 为 x(0)的一阶 i = 1累加生成算子，记为1-AGOo若进行r次累加生成计 算，则称算子D为x(的r阶累加生成算子，记为r- AGOo将算子D与x()相乘得到x(),将算子D与x() 相乘得到 x()D=x() =x()(1) x()(2) X

7、()(3) x()4 口-4 I寸歹x ux =x J. 7 , x 匕),x f) , x (4) x (n) x(i)D=x()=(x()(1) x(2) x()(3) x(r)4/ ，- , x (nJ ，x D =x =x ( 1 / , x (2/ , x (3 / , xk(4)x()(n) 1 苴中 x()(k) = V x()(i) k =1 24 ，-, x n j， x k x i , k 1,2,i 13, ., no一般情况下，对于非负序列而言，进行一阶累加生 成后得到的数据数列已具备单调递增趋势。用电量历 史数据序列X(0经过一阶累加后生成算子序列x()o对 工业园区

8、企业短期用电量进行预测之前,可将序列x() 转换为其对应的紧邻均值生成序列Z()o设有用电量 历史数据序列 x() =(x(,x()(2) , x()(3 ) , x() (4 x()n)则序列x()的紧邻均值牛成序列Z(1 =,xn, xzz(1 ) z(2 ) z(3 ) Z(4 ) Z(n ) 其中z z,z / ,z ,z , ,z n , z(k ) =0.5x(k) +0.5x(kT),k =2,3，n。在本文的研究中，非紧邻均值生成序列主要用于 用电量历史数据序列中内点数据缺失的补齐,而紧邻 均值生成主要用于用电量历史数据平滑处理。对序列x()建立灰微分方程dx()/dt+ax(

9、)=b，其中参 数a称为灰微分方程的发展系数,b参数称为灰微分方 程的灰色作用量，可利用最小二乘法程序计算出a和b 的值。X%)-(x1(1)+ x2(1)/2设匕-X%3),B -(x2(1)+ x3(1)/21X(n)-(Xn -1()+ X35时，视作按=35处理214W 心60无35WK147( t) =1+( 14-2)/100当云5时，视作按t=5 处理表2湿度因子H(h)取值-序号一当月平均相对湿度方/(/?)取值情况备注1力 75%砌=1+(A-75)/100力最大值不超过100%2虹75%0无短期用电量预测值a护(k)经修正后得到a X (0) (k)a X(k)P,k=l,

10、2,n。预测值修正当用电量预测值序列出现与历史数据序列的同方 向系统性偏差时，表明预测值与实际情况偏离较大。 此时，采用残差修正法对预测值序列进行修正，提高系 统的预测准确性回。残差代表了用电量历史数据与预 测值之间的差值。残差值序列用8()表示，o设工业园区企业短期用电量预测模型的残差值序 歹Oe()=le(l)( 1) e(l)(2)8时，e(l) (k)的值全部为正值或全部为负值3n-k(N 4。满足第一个条件的表示某个预测时间点之后的残 差值全为正数值或全为负数值,预测值序列已发生同 方向系统性偏差，需要修正。满足第二个条件表示可 修正的预测值至少要大于等于4个。当两个条件同时满足时，

11、有8(，)=le(，)(k(,) I ,|e(l) (k+ 1)I,Is(l)(k+2)I, , (n)I。已知工业园区企业在 k 时候的用电量预测值a X (k) =(1-e) (x( 1)-b/a)e顼), k =1,2,3, ,no经残差修正后的用电量预测值a X叫当kk时， a X (k+1) = (1-e)(x(1)-b/a)e(T),k=1,2,3，, k;当 kNk(时,a X.(k+1) = (1-e) (1)-b/a)eac (e(l)(虹)-。)-=成虹+1,，n，其中 aBAbB分别 代表残差值序列的发展系数和灰作用量,k代表用电 量预测值出现偏差的第1个时间点。考虑企业

12、次月生产设备投运情况在预测企业短期用电量时,除了考虑预测算法本 身的准确定性、气象因子对预测值的干扰以及何种情 况需要修正预测值的偏差外，还应充分考虑企业生产 设备的投运情况,以起到更好地模拟实际情况的作用。单台生产设备的用电量Q=PxTxD,单台生产设备 用电量Q的单位为千瓦时(kWh)；P表示设备的额定 功率，单位为千瓦(kW) ；t表示设备每天的运行小时 数，单位为小时(h)；D为设备的投运或停运的天数，单 位为天(day)。若设备为增加投运的设备，则D取值为 正数;若设备为原生产计划中减产停运的设备，则D取 值为负数。统计设备总体用电量变化值。“。此时，工 业园区短期用电量预测值a X

13、(k+1) = (1-ex(1)- b/a)e+Qo预测算法工业园区企业短期用电量预测算法FSEC_GS 输入:工业园区企业短期用电量历史数据序列x(l) 输出:工业园区企业未来短期用电量预测值序列aX(Begin1: for k=2 to n-1 do2: x(k)(x (k-1 )+2x (k)+x (k+1) )/4; /将 用电量历史数据序列x(ll)平滑处理为3: endfor4: m)(3x(l( 1)+x(l(2)/4;5:n)(xeyn-D+Sx%n)/4;6: for k=2 to n do7:k)x( k)/x( k-1);8: if 乎(k) not in(e+,e)th

14、en/对平滑后的用 电量历史数据x/)级比检验9:对8(k)变换；1 : endif11: endfor12: for k=1 to n dok13: x(k) xpri);/求平滑后的 x/的一i = 1次累加序列x()14: endfor15:建立灰微分方程dx()/dt+ax()=b;16:构造数据矩阵B和向量Y并求a和b的值；17: for k=1 to n do18: if kk then19: a X (k+1 )(1-e)(x1( 1 ) -b/a ) e-al：E ;20: else if kNk then21: a X )k+1 )(1-eXx1( )1 ) -b/a) e士

15、缶(/(k(1 ) -bB/aB ) e;22: endfor23. a X () )a ()1 ) a ()2 ) a (,)(3 23: a X1 a X11 , a X12 , a X13 ,a X1(n) ; 计算用电量预测值序列a X (|) 24：PaT(t) + (1-a)H(h); / 计算气象因素 25: for k=1 to n do26：k）ai（k）P; 利用当地气象因子对预测值a鬲”修正27输出用电量预测值序列a众及C值28: End.3实验本文以位于广西-东盟经济技术开发区从事家装 原材料加工的企业A和从事金属罐头加工的企业B为 例，通过实际数据运行预测算法获得的预

16、测结果。（1）利用气象因子和企业生产计划的预测值修正 广西-东盟经济技术开发区工业园区企业A在 2019年1-12月的用电量历史数据如表3所示。表3企业A的2019年月度用电量数据（kWh）月月月月月月月月月月月月330115312558273129272768298431983323358536762150经过计算得到的广西-东盟经济技术开发区工业 园区企业A在2019年的用电量历史值与用电量预测 值如表4所示。气温如表5所示。表5广西-东盟经济技术开发区2019年气象信息月份平均气温14.313.517.524252828.529.828.627.323.516平均湿度71.4727775

17、.36863.564. 16167.470.869.370.6从表5可知，广西-东盟经济技术开发区工业园区 企业A在2019年10月的平均不在14至26摄氏度的 区间内，需要对用电量预测值考虑气象因子进行计算 预测，获得10月份的用电量预测值为3557.57,误差比 由5.50%明显下降至3.20%。这个结果表明此加入了 当地气象因子计算获得的用电量预测值可供企业A申 报次月用电量时分析决策使用。（2）预测值残差修正以位于广西-东盟经济技术开发区从事罐头加工 的企业B为例，通过实际数据计算预测值残差修正及 结果。企业B的2019年1-12月的用电量历史数据如 表6所示。表6企业B的2019年用

18、电量历史数据（kWh）表4企业A的2019年用电量预测值及误差情况月月月月月月月月月月月月241941988523323259972992724764251311943715118181011550416128月份用电量历史值用电量预测值残差误差比133013301. 000. 000. 00%226312537. 7293. 283. 55%325582631.01-73. 012. 85%427312727. 723. 280.12%529272827. 9999.013. 38%627682931. 94-163.945. 92%729843039. 72-55. 721.87%8319

19、83151.4546. 551.46%933233267. 3055. 701.68%1035853387. 40197. 605.50%1136763511. 91164. 094. 46%1221503641. 01-1491. 0169. 3%从表4可知，广西-东盟经济技术开发区工业园区 企业A在2019年12月的用电量预测值为3641.01，与 用电量历史值相差1491.01，误差比高达69.3%。通过 对企业A的走访了解，获知这个误差比过高的原因是 12月生产订单数量较往月有所下降，部分生产设备例 如木材剥皮机、木材盘式切片机和树根破碎机等将计 划性停运24小时，减少用电量合计约1590kWh。企业 A在2019年12月的用电量预测值应为2121.01，误差 比由69.3%明显下降至4.60%。广西地区的售电量偏 差考核范围是:误差比在5%以内不考核（即企业无需 交纳用电偏差扣罚款）。广西-东盟经济技术开发区2019年10-12月平均经过计算得到的广西-东盟经济技术开发区工业 园区企业B在2019年的用电量历史值与用电量预测 值如表7所示。表7企业B的2019年用电量预测值及误差情况月份用电量历史值用电量预测值残差误差比2419424194. 0000. 0019