一種電力用電市場景氣指數預測方法
【專利摘要】本發明屬于電力系統電能量數據處理技術領域，尤其涉及一種電力用電市場景氣指數預測方法，首先，收集電力用戶信息，對電力用戶在用電過程中的電力負荷特性進行行分類；其次，根據電力負荷特性分類數據，對電力用戶的用電信息進行跟蹤與查詢，剔除季節因素和日歷效應的影響，并對分類數據進行季節調整處理；再次，對用戶用電市場可能對電力負荷造成影響的異動信息因素進行監測，最后，根據分析預測各電力市場景氣指標結果，判斷用電市場景氣情況與波動特點，并輸出預測分析報告，本發明能充分判斷用電發展的狀態，并對該用電負荷產生的影響給以合理評估，實現電力用電市場的監測。
【專利說明】
一種電力用電市場景氣指數預測方法
技術領域
[0001] 本發明屬于電力系統電能量數據分析技術領域，尤其涉及一種電力用電市場景氣 指數預測方法。
【背景技術】
[0002] 大量的營銷、計量、電網運行數據利用程度不高。隨著計算機信息技術的不斷發 展，各類業務系統（營銷管理信息系統、計量自動化系統、調度EMS系統）中積累了大量的數 據資源，系統可采集并存儲大量客戶電量信息，包括客戶屬性、客戶負荷特征、電量特征等， 無法得到有效應用，造成了數據資源的浪費。精細化的電力市場分析是一項非常復雜的系 統工程，所涉及到的數據量非常龐大，電力市場分析的智能化手段不足，人為因素影響較 多。僅憑市場分析人員通過簡單的計算無法得到有效的結論，并且其主觀性將在一定程度 上影響到市場分析的準確性。如果由于崗位人員變動，由于后進員工短期內經驗積累的不 足，會造成預測分析合理科學的不可連續。當前世界復雜的經濟形勢在很大程度上加大了 對電力市場發展規律的判斷難度，經濟形勢的變化迫切要求電力公司深入了解售電市場的 內在發展變化機制，并探尋其影響因素和規律性，為科學預測市場未來走勢提供科學依據。
[0003] 目前電力市場預測分析側重于總體宏觀分析，缺少對微觀市場的分析。隨著市場 形式不斷產生新的變化，需要提高市場分析的精細化程度，提供市場內外因影響因素分析、 需求響應、用電市場活動跟蹤、監測等微觀市場的細化分析功能，市場分析預測工作往往依 賴電力系統內部數據，忽略了對外在環境影響的跟蹤分析。電力市場的發展受到多種外在 環境的影響，尤其對于工業比重較大的區域來說，經濟的是否景氣在很大程度上影響電力 市場發展運行軌跡。以往對于外在經濟環境的分析往往以事后分析為主，無法指導未來電 力發展，因此，電網公司可以明確引起市場變化的主要影響因素，從中挖掘出影響電力市場 變化的主要行業、主要用戶及原因，準確把握用戶、行業電力電量波動與地區電力電量波動 之間的聯系，為用戶綜合考慮其對電網的影響提供決策依據。
【發明內容】
[0004] 本發明的目的為解決現有技術的上述問題，提供一種電力用電市場景氣指數預測 方法，本發明能充分判斷用電發展的狀態，并對該用電負荷產生的影響給以合理評估，實現 電力用電市場的監測，為了實現上述目的，本發明采用的技術方案如下：
[0005] -種電力用電市場景氣指數預測方法，其特征在于:包括以下步驟：
[0006] 步驟1:收集電力用戶信息，對電力用戶在用電過程中的電力負荷特性進行行分 類;對整個電力市場電力用戶信息收集和分類是對對各個行業類別、售電類別、特定用戶 群、指定用戶進行收集分類分析，其主要包括負荷曲線與典型曲線和電量分析等；
[0007] 步驟2:根據電力負荷特性分類數據，對電力用戶的用電信息進行跟蹤與查詢，剔 除季節因素和日歷效應的影響，并對分類數據進行季節調整處理；
[0008] 步驟3:對用戶用電市場可能對電力負荷造成影響的異動信息因素進行監測，根據 對電力負荷信息造成影響的因素利用時差相關序列進行分析預測各電力市場景氣指標，并 劃分出超前指標、同步指標和滯后指標，然后對每個影響因素所采用的時差相關序列進行 歸一化處理；
[0009]步驟4:根據分析預測各電力市場景氣指標結果，判斷用電市場景氣情況與波動特 點，輸出預測分析報告并上傳給調度中心進行調度管理，給出用電指導建議。
[0010] 優選地，所述季節調整處理通過X-12-AR頂A季節調整方法進行構建變化穩定的指 標數據，以便于分析用電市場季節變動的特征和正確估計和反映季度用電量的基本發展趨 勢。經過加工處理后的序列能夠反映各行業用電量長期變化趨勢和波動幅度;所述X-12-ARIMA季節調整方法模型計算表達式為：
[0011]
(1);
[0012] λ = 1對應了線性變換，λ = 〇對應了對數變換，其余變換隨λ發生平滑的變動，如一 般的經濟指標序列，dt為一除數序列。
[0013] 優選地，利用時差相關序列進行分析預測各電力市場景氣指標的預測模型計算表 達式如-
[0014] ；
[0015] 式⑵中，y=Lyi，y2, Λ，yn」為基準循環，x=LXl，X2, Λ，Xn」為被選指標，η為時差 相關系數，為時間序列x的方差，為時間序列y的方差，1稱為時差或延遲期數，1在取負數 時表示超前，在取正數時表示滯后，m是數據取齊后的數據個數；
[0016] 所述歸一化處理模型計算表達式如下：
[0017]
[0018] 甲，ri73處埋目Ij數但，rt73處埋/5數值，其中rmax、r min分別為該項數據的最大 值和最小值。
[0019] 優選地，時差或延遲期數1滿足：當-3 < I < 3時為同步指標，當1 >3時為滯后指標， 當1<-3時為超前指標，所述歸一化范圍為0~1之間。
[0020] 優選地，所述電力負荷特性進行行分類包括行業類別、售電類別、特定用戶群、指 定用戶。
[0021] 優選地，利用時差相關序列進行分析預測各電力市場景氣指標時采用的時差相關 序列樣本數至少在20個以上。
[0022] 優選地，所述除數序列dt為某個指標數據i時刻的比值，則比值(^(〇滿足：
[0023] Ci(t) = 200 X [di(t)-di(t_l) ]/[di(t)+di(t_l)]。
[0024] 綜上所述，本發明由于采用了以上技術方案，本發明具有以下顯著效果：
[0025] (I)、本發明加入季節調整環節，剔除指標序列中的季節表動要素和不規則要素， 利用經過處理的數據進行景氣分析，對市場活動跟蹤和市場結構解析功能，能提供市場波 動原因追溯以及外在因素影響評估分析，實現電力市場監測。
[0026] (2)、本發明充分判斷用電負荷的發展狀態，通過對歷史發展規律的分析和對現狀 的把握，及時發現市場發展先行用電指標，并對該用電負荷產生的影響給以合理評估。
[0027] (3)、本發明通過結合不同用電性質客戶群體，探索具有針對性的預測方法，形成 對未來售電市場發展的趨勢的科學預測，為用電用戶市場的分析預測提供科學、可靠的依 據。
【附圖說明】
[0028] 為了更清楚地說明本發明實例或現有技術中的技術方案，下面將對實施實例或現 有技術描述中所需要的附圖做簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明 的一些實例，對于本領域普通技術人員來說，在不付出創造性的前提下，還可以根據這些附 圖獲得其他的附圖。
[0029] 圖1是本發明一種電力用電市場景氣指數預測方法的流程圖
【具體實施方式】
[0030] 下面將結合本發明實例中的附圖，對本發明實施例中的技術方案進行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于發 明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施 例，都屬于本發明保護的范圍。
[0031] 下面結合附圖1，一種電力用電市場景氣指數預測方法，其特征在于:包括以下步 驟：
[0032]步驟1:收集電力用戶信息，對電力用戶在用電過程中的電力負荷特性進行行分 類;對整個電力市場電力用戶信息收集和分類是對對各個行業類別、售電類別、特定用戶 群、指定用戶進行收集分類分析，其主要包括負荷曲線與典型曲線和電量分析等，電量分析 是對各個行業類別、售電類別、特定用戶群、指定用戶進行分析。在日、月、季、年等不同時間 煒度進行電量、同比變化率、環比變化率等的圖表分。
[0033]其中，負荷曲線與典型曲線包括：
[0034] (a)、以日為時間維度，匯總分析不同行業類別、售電類別、特定用戶群、指定用戶 的日負荷曲線。
[0035] (b)以月、季為時間維度分析典型負荷曲線。
[0036]步驟2:根據電力負荷特性分類數據，對電力用戶的用電信息進行跟蹤與查詢，剔 除季節因素和日歷效應的影響，并對分類數據進行季節調整處理；
[0037]對于日歷效應的影響中，對每個地區電量/電力結構以及行業電量/負荷結構的影 響因素非常之大，因此對各個行業類別、售電類別進行分析，分析不同地區在各分析維度所 占比重和發展變化趨勢，分析在日、月、季、年等不同時間煒度進行地區電量/負荷結構解 析。地區電量/負荷結構以及行業電量/負荷結構分析析內容包括:比重、增長率、歷年對比、 歷史環比、客戶排名等。
[0038]步驟3:對用戶用電市場可能對電力負荷造成影響的異動信息因素進行監測，根據 對電力負荷信息造成影響的因素利用時差相關序列進行分析預測各電力市場景氣指標，并 劃分出超前指標、同步指標和滯后指標，然后對每個影響因素所采用的時差相關序列進行 歸一化處理;為減少對可能對負荷率造成影響的因素，進一步縮小誤差，以得到最佳的預測 結果，采用的時差相關序列樣本數至少在20個以上，可能對電網負荷率大小造成影響的因 素主要包括行業用電發展因素、需行業需求因素、季節氣溫氣候因素、電網環境因素和等 等。
[0039]步驟4:根據分析預測各電力市場景氣指標結果，判斷用電市場景氣情況與波動特 點，輸出預測分析報告并上傳給調度中心進行調度管理（例如居民售電量、大工業售電量 等），給出用電指導建議，為用電用戶市場的分析預測提供科學、可靠的依據。
[0040]作為本發明的最佳實施例，所述季節調整處理通過X-12-AR頂A季節調整方法進行 構建變化穩定的指標數據，以便于分析用電市場季節變動的特征和正確估計和反映季度用 電量的基本發展趨勢。經過加工處理后的序列能夠反映各行業用電量長期變化趨勢和波動 幅度;所述X-12-ARIMA季節調整方法模型計算表達式為：
[0041 ]
(1);
[0042] λ = 1對應J線性變秧，λ = 〇對應J對數變秧，其余變換隨λ發生平滑的變動，如一 般的經濟指標序列，dt為一除數序列。
[0043 ]所述除數序列dt為某個指標數據i時刻的比值(對稱變化率），則比值或(變化率)Ci (t)滿足：
[0044] Ci(t) = 200X [di(t)-di(t-l)]/[di(t)+di(t_l)] (2);
[0045] 式(2)中，當構成指標取0或負值時，或者指標內容為比率時，則取該指標相鄰時刻 的差值，即滿足：
[0046] Ci(t) = di(t)-di(t-l) (3);
[0047] 式⑶中匕⑴汕⑴分別是第外指標在時刻的值。
[0048] 作為本發明的最佳實施例，利用時差相關序列進行分析預測各電力市場景氣指標 的預測模型計算表達式如下：
[0049]
;
[0050] 瓦（4)甲，y=Lyi，y2, Λ，yn」73.準循*i、，x=Lxi，x2, Λ，Xn」艿極選指稱，ri艿町差 相關系數，為時間序列X的方差，7為時間序列y的方差，I稱為時差或延遲期數，I在取負數 時表示超前，在取正數時表示滯后，m是數據取齊后的數據個數；
[0051 ]所述歸一化處理模型計算表達式如下：
[0052]
(5),
[0053] 式(5)中，η為處理前數值，rt為處理后數值，其中rmax、rmi^別為該項數據的最大 值和最小值，所述歸一化范圍為[0，1]之間。
[0054] 對于時差或延遲期數1應滿足：當-3 < I < 3時為同步指標，用于反映用電市場景氣 的變動趨勢，當1>3時為滯后指標，用于反映落后于用電市場景氣變動趨勢，當1<_3時為 超前指標，用于反映先行于用電市場景氣變動起到預測景氣變動趨勢功能的超前指標，超 前指標和滯后指標的時差月數通常應在三月以上。
[0055]在本發明中，利用利用X-12-ARMA季節調整方法處理景氣分析指標，如表1所示， 對各行業的用電原始數據進行季節調整，利用時差相關分析法對廣西用電市場景氣指標進 行篩選時，以2010年1月一 2014年12月廣西的全社會用電量、城鄉居民用電量、農林牧漁、重 工業、輕工業、建筑業、交通運輸業、商業、紡織業、石油加工、醫藥制造的用電量為景氣分析 指標為例進行分析，其中全社會用電量能夠在很大程度上反映一個地區用電市場發展的真 實狀況，因此被作為基準指標。利用表2所示的季節調整后的指標數據進行分析。 「ΛΛ卩 A? --H 1 〇r\ 1 〇r\ 1 /I rl+? -jH rt±T \[[/ M-l i=hr 1? ?^/r-fcE ( ?? /tV /~7 丫· TT* 口、
Luuuy」 衣丄(J千--丄兮千；四土安個J業用電字下平?ΑΙ:?乙丁/Hi 口、J ；
[0062] 對上述統計數據在SPSS"統計產品與服務解決方案"軟件（Statistical Product and Service Solutions)中進行分析處理，對有關檢驗時間序列之間的關系根據景氣指標 選擇的基本原理，被選指標與基準指標的互相關系數中絕對值最大的系數對應的月份即為 該指標先行或者滯后的月份，以城鄉居民用電量與全社會用電量為例，得到結果如表3所 不。
[0063] 表3:相關系數（Cross Correlations)
[0065] 從上表中我們可以看出，當Lag(先行期數）=1時，時差相關系數的絕對值最大為 0.613，Std.Err〇r(a)(標準差)為0.130,此時實際數據中不滿足所得相關的比率相對較小 (對稱變化率也較小）；由此我們可以判斷城鄉居民生活合計用電量是全社會用電量的滯后 性指標。通里我們可以得到其它指標的計算結果如表4所示：
[0066] 表4:各行業先行或滯后期數及互相關系數的最大值
[0069]由表4可以看出，城鄉合計用電量、商業用電量和紡織業用電量的時差相關系數絕 對值最大時對應的滯后期數為1、1和2,因此我們可以確定這三個指標是反映用電市場變化 的滯后指標。交通運輸業和石油加工業的時間相關系數最大時，對應的超前或者滯后期數 為-1，因此這兩個指標為用電市場變化的超前指標。而農林漁牧用電量、重工業用電量、輕 工業用電量、建筑業用電量以及醫藥制造業用電量這5個指標，當他們的時差相關系數最大 時，對應的超前或者滯后期數為〇,因此可以認為被確認為同步指標。
[0070]以上所述僅為發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神 和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種電力用電市場景氣指數預測方法，其特征在于:包括W下步驟： 步驟1:收集電力用戶信息，對電力用戶在用電過程中的電力負荷特性進行行分類； 步驟2:根據電力負荷特性分類數據，對電力用戶的用電信息進行跟蹤與查詢，剔除季 節因素和日歷效應的影響，并對分類數據進行季節調整處理； 步驟3:對用戶用電市場可能對電力負荷造成影響的異動信息因素進行監測，根據對電 力負荷信息造成影響的因素利用時差相關序列進行分析預測各電力市場景氣指標，并劃分 出超前指標、同步指標和滯后指標，然后對每個影響因素所采用的時差相關序列進行歸一 化處理； 步驟4:根據分析預測各電力市場景氣指標結果，判斷用電市場景氣情況與波動特點， 輸出預測分析報告并上傳給調度中屯、進行調度管理，給出用電指導建議。2. 根據權利要求1所述一種電力用電市場景氣指數預測方法，其特征在于:所述季節調 整處理通過X-12-ARIM季節調整方法進行構建變化穩定的指標數據，所述X-12-ARIM季節 調整方法模型計算表達式為：(1); λ= 1對應了線性變換，λ=0對應了對數變換，其余變換隨λ發生平滑的變動，dt為一除數 序列。3. 根據權利要求1所述一種電力用電市場景氣指數預測方法，其特征在于:利用時差相 關序列進行分析預測各電力市場景氣指標的預測模型計算表達式如下：式(2)中，y=[yi，y2,八，yn]為基準循環，x=[xi，X2,八，xn]為被選指標，ri為時差相關系 數，i為時間序列X的方差，J為時間序列y的方差，1稱為時差或延遲期數，1在取負數時表示 超前，在取正數時表示滯后，nl是數據取齊后的數據個數； 所述歸一化處理模型計算表達式如下：式(3)中，ri為處理前數值，。為處理后數值，其中rmaxJmin分別為該項數據的最大值和 最小值。4. 根據權利要求3所述一種電力用電市場景氣指數預測方法，其特征在于:所述時差或 延遲期數1滿足：當-3含1含3時為同步指標，當1>3時為滯后指標，當1<-3時為超前指標， 所述歸一化處理范圍為0~1之間。5. 根據權利要求3所述一種電力用電市場景氣指數預測方法，其特征在于:所述電力負 荷特性進行行分類包括行業類別、售電類別、特定用戶群、指定用戶。6. 根據權利要求1或3所述一種電力用電市場景氣指數預測方法，其特征在于：利用時 差相關序列進行分析預測各電力市場景氣指標時采用的時差相關序列樣本數至少在20個 社。7. 根據權利要求2所述一種電力用電市場景氣指數預測方法，其特征在于:所述除數序 列dt為某個指標數據i時刻的比值，則比值Ci(t)滿足： Ci(t) = 200X [di(t)-di(t-l)]/[di(t)+di(t-l)]。
【文檔編號】G06Q50/06GK105844351SQ201610162651
【公開日】2016年8月10日
【申請日】2016年3月22日
【發明人】秦麗娟, 韓帥, 嚴旭, 曾博, 林溪橋
【申請人】廣西電網有限責任公司電力科學研究院