基于产业结构转型升级的高端装备制造业用电需求趋势预测分析应用研究

制造业目前是各地区战略性重点发展行业,其用电需求呈不断上升趋势,如何准确把握该行业的用电需求,以便对市场做出精准预判,是摆在各级电力公司面前的一个重要课题。针对当前某电力公司经营分析的需求,建立了一套分析制造行业用电趋势预测的方法体系。该体系从电力公司所辖某地区(以下简称"地区")的宏观-全社会和微观-装备制造行业两个层面入手研究,基于制造行业用电大数据分析,挖掘装备制造行业及其用电的发展变化特性,利用稀疏自回归时间序列法,通过建立用电趋势预测分析模型,对该地区制造行业未来的用电发展趋势进行了预测。     

基于多维大数据的区域电力景气预警体系构建及应用

为提升经济发展新常态下区域经济、电力景气监测预警的科学性和精准性,本文开展了基于多维大数据的区域电力景气预警体系构建及应用研究。在分析阐述常用的电力景气指数及预警方法的基础上,提出并构建了基于经济、能源、电力、环境等多维大数据的区域电力景气预警体系构建理论框架和模型,建立了涵盖用电景气指数、用户用电意愿指数、电力需求指数和电力行业景气指数的区域电力景气指数指标体系,阐述了指数的处理流程和应用方法。最后,基于河南省多维大数据,进行了实证应用分析,建立了河南省电力行业预警灯号,实现了对区域电力发展和景气情况的精准预警。本文研究成果对于政府部门、行业企业、社会公众监测区域经济和电力运行情况、开展能源电力经济关系分析研究具有参考和借鉴意义。     

基于用户数量和装接容量的用电分析研究

全社会用电量是反映社会经济发展的最重要指标之一,对于电力受入型城市(受入电量占用电量60%以上),在关注本地发电装机、利用小时数等指标的同时,更应关注代表需求侧情况的用电用户数量和用户装接容量等指标。选择广州市为例,对2014年—2017年全社会用电数据进行分析,提出一种基于用户数量和装接容量的分析方法,利用行业用户繁荣程度以及用电量与用户装接容量间波动幅度的拟合关系,对未来一段时期的全社会用电趋势进行预测。     

采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法

随着智能电网的不断发展,电力企业积累的大量数据为用户用电量精细化预测提供了数据基础。针对与用电量预测相关的大数据种类多、体量大、维度高和生成速度快等特点,在研究用户用电特性评价指标的基础上,提出海量用户用电特性子空间聚类分析方法,挖掘用户多种用电模式。根据不同用电模式对用户进行群体划分,并利用互信息矩阵从区域及行业经济数据、气候条件,以及电力价格等方面辨识与用户群体用电量相关联的因素,进而构建基于随机森林算法的用电量大数据预测模型。该文方法可以有效识别不同用户群体的用电关联因素,规避用电模式差异性为用电量预测带来的不利影响。仿真结果表明,该方法具有较高的预测精度,且适用于大数据分析处理。     

基于多维特征分析的月用电量精准预测研究

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。     

贵州电力交易指数的创新研究及应用

目前电力体制改革正在如火如荼的进行,尚没有一套成熟的电力交易指数体系反映电力交易与工业经济运行的内在联系,政府相关部门和市场主体也亟需一套电力交易指数体系作决策参考。本文首先介绍了电力交易指数的研究背景,基于贵州省工业运行实际指标与电力交易的海量数据,依托互联网,用"大数据"理念首创了包含一个电力交易主指数和四个分支指数的电力交易指数体系。根据各重点行业的交易电量、交易电价的情况,结合重点产品的市场价格和产品用电单耗,发掘电力交易与工业经济运行的内在联系,然后结合贵州省2016年部分重点行业及电力交易数据推演出的电力交易指数体系并进行测算及分析,从而发掘电力交易指数对工业经济运行的影响及对政府决策的参考价值。     

考虑数据周期性及趋势性特征的长期电力负荷组合预测方法

为解决长期电力负荷预测精度不足及模型适用性不强等问题,考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合。利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型,提高年度负荷预测模型的趋势预测能力。采用函数型非参数方法预测月度负荷数据中周期性负荷数据,将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度。最后通过灰色预测等模型数据比对及MAPE误差分析方法验证,考虑数据周期性与趋势性组合的模型方法预测精度显著提升,适用于区域电力负荷的长期性预测。     

基于电力大数据分析的电力消费指数研究与应用

正基于某省近三年电力相关数据,通过引入电力消费现状因子和期望因子,提出并构建了电力消费指数模型,实现了对各区域、产业、行业的电力消费水平精准分析。另外利用深度学习长短记忆神经网络(LSTM)对电力消费指数进行预测,分析社会经济发展趋势,为政府制定政策提供重要参考依据。     

智能用电环境下的家庭电力能效评估方法

针对家庭电力能效评估精度不高的问题,提出了智能用电环境下的家庭电力能效评估方法。该方法根据家庭电力能效评估指标体系中评价指标影响因素的不同,综合采用层次分析法和贝叶斯方法对家庭电力指标体系进行能效评估建模,最后建立总的家庭电力能效评估模型,对家庭电力能效情况进行综合评估。经实例验证,该方法能准确地检测和评估家庭能耗情况,有效提高居民用电效率。     

考虑不同发展情境的江苏省中长期电力需求预测

传统的中长期组合预测模型通常没有考虑不同发展阶段各个指标的不同权重,也没有在中长期的预测中考虑不同的发展情形。依据经济发展的周期特性及与电力的内在联系,将电力数据划分为不同阶段,利用电量误差指标和趋势误差指标计算各单一预测模型权重,利用客观熵权法得到各单个预测方法的综合权重。充分考虑未来经济发展的不同可能以及电动汽车、需求响应等用电技术改变因素,设定低速发展、高速发展和考虑其他因素的发展情境,并分别进行组合预测。将该组合预测方法应用于江苏省中长期负荷预测中,得到不同情境下的预测结果。