CN105844351A - 一种电力用电市场景气指数预测方法 - Google Patents

Abstract

本发明属于电力系统电能量数据处理技术领域，尤其涉及一种电力用电市场景气指数预测方法，首先，收集电力用户信息，对电力用户在用电过程中的电力负荷特性进行行分类；其次，根据电力负荷特性分类数据，对电力用户的用电信息进行跟踪与查询，剔除季节因素和日历效应的影响，并对分类数据进行季节调整处理；再次，对用户用电市场可能对电力负荷造成影响的异动信息因素进行监测，最后，根据分析预测各电力市场景气指标结果，判断用电市场景气情况与波动特点，并输出预测分析报告，本发明能充分判断用电发展的状态，并对该用电负荷产生的影响给以合理评估，实现电力用电市场的监测。

Description

一种电力用电市场景气指数预测方法

技术领域

本发明属于电力系统电能量数据分析技术领域，尤其涉及一种电力用电市场景气指数预测方法。

背景技术

大量的营销、计量、电网运行数据利用程度不高。随着计算机信息技术的不断发展，各类业务系统(营销管理信息系统、计量自动化系统、调度EMS系统)中积累了大量的数据资源，系统可采集并存储大量客户电量信息，包括客户属性、客户负荷特征、电量特征等，无法得到有效应用，造成了数据资源的浪费。精细化的电力市场分析是一项非常复杂的系统工程，所涉及到的数据量非常庞大，电力市场分析的智能化手段不足，人为因素影响较多。仅凭市场分析人员通过简单的计算无法得到有效的结论，并且其主观性将在一定程度上影响到市场分析的准确性。如果由于岗位人员变动，由于后进员工短期内经验积累的不足，会造成预测分析合理科学的不可连续。当前世界复杂的经济形势在很大程度上加大了对电力市场发展规律的判断难度，经济形势的变化迫切要求电力公司深入了解售电市场的内在发展变化机制，并探寻其影响因素和规律性，为科学预测市场未来走势提供科学依据。

目前电力市场预测分析侧重于总体宏观分析，缺少对微观市场的分析。随着市场形式不断产生新的变化，需要提高市场分析的精细化程度，提供市场内外因影响因素分析、需求响应、用电市场活动跟踪、监测等微观市场的细化分析功能，市场分析预测工作往往依赖电力系统内部数据，忽略了对外在环境影响的跟踪分析。电力市场的发展受到多种外在环境的影响，尤其对于工业比重较大的区域来说，经济的是否景气在很大程度上影响电力市场发展运行轨迹。以往对于外在经济环境的分析往往以事后分析为主，无法指导未来电力发展，因此，电网公司可以明确引起市场变化的主要影响因素，从中挖掘出影响电力市场变化的主要行业、主要用户及原因，准确把握用户、行业电力电量波动与地区电力电量波动之间的联系，为用户综合考虑其对电网的影响提供决策依据。

发明内容

本发明的目的为解决现有技术的上述问题，提供一种电力用电市场景气指数预测方法，本发明能充分判断用电发展的状态，并对该用电负荷产生的影响给以合理评估，实现电力用电市场的监测，为了实现上述目的，本发明采用的技术方案如下：

一种电力用电市场景气指数预测方法，其特征在于：包括以下步骤：

步骤1：收集电力用户信息，对电力用户在用电过程中的电力负荷特性进行行分类；对整个电力市场电力用户信息收集和分类是对对各个行业类别、售电类别、特定用户群、指定用户进行收集分类分析，其主要包括负荷曲线与典型曲线和电量分析等；

步骤2：根据电力负荷特性分类数据，对电力用户的用电信息进行跟踪与查询，剔除季节因素和日历效应的影响，并对分类数据进行季节调整处理；

步骤3：对用户用电市场可能对电力负荷造成影响的异动信息因素进行监测，根据对电力负荷信息造成影响的因素利用时差相关序列进行分析预测各电力市场景气指标，并划分出超前指标、同步指标和滞后指标，然后对每个影响因素所采用的时差相关序列进行归一化处理；

步骤4：根据分析预测各电力市场景气指标结果，判断用电市场景气情况与波动特点，输出预测分析报告并上传给调度中心进行调度管理，给出用电指导建议。

优选地，所述季节调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的指标数据，以便于分析用电市场季节变动的特征和正确估计和反映季度用电量的基本发展趋势。经过加工处理后的序列能够反映各行业用电量长期变化趋势和波动幅度；所述X-12-ARIMA季节调整方法模型计算表达式为：

$y_t^{\left(\mathrm{\λ}\right)}\left\{\begin{array}{cc}{Y}_t/d_t& \mathrm{\λ}=1\\ {\mathrm{\λ}}^2+\[{(Y_t/d_t)}^{\mathrm{\λ}}-1\]/\mathrm{\λ}& \mathrm{\λ}\≠0,1\\ log(Y_t/d_t)& \mathrm{\λ}=0\end{array}\right.---\left(1\right);$

λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，如一般的经济指标序列，d_t为一除数序列。

优选地，利用时差相关序列进行分析预测各电力市场景气指标的预测模型计算表达式如下：

$r_1=\frac{\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}(x_{t+1}-\stackrel{\&OverBar;}{x})(y_t-\stackrel{\&OverBar;}{y})}{\sqrt{\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}{(x_{t+1}-\stackrel{\&OverBar;}{x})}^2\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}{(y_t-\stackrel{\&OverBar;}{y})}^2}},l=0,\&PlusMinus;1,\&PlusMinus;2,K,t^{,}=\left\{\begin{array}{cc}1,& l\&GreaterEqual;0\\ 1-l,& l<0\end{array}\right.---\left(2\right);$

式(2)中，y＝[y₁,y₂,Λ,y_n]为基准循环，x＝[x₁,x₂,Λ,x_n]为被选指标，r_l为时差相关系数，为时间序列x的方差，为时间序列y的方差，l称为时差或延迟期数，l在取负数时表示超前，在取正数时表示滞后，n_l是数据取齐后的数据个数；

所述归一化处理模型计算表达式如下：

$r_t=\frac{r_l-r_{min}}{r_{\max }-r_{min}}---\left(3\right);$

式(3)中，r_l为处理前数值，r_t为处理后数值，其中r_max、r_min分别为该项数据的最大值和最小值。

优选地，时差或延迟期数l满足：当-3≤l≤3时为同步指标，当l＞3时为滞后指标，当l＜-3时为超前指标，所述归一化范围为0～1之间。

优选地，所述电力负荷特性进行行分类包括行业类别、售电类别、特定用户群、指定用户。

优选地，利用时差相关序列进行分析预测各电力市场景气指标时采用的时差相关序列样本数至少在20个以上。

优选地，所述除数序列d_t为某个指标数据i时刻的比值，则比值C_i(t)满足：

C_i(t)＝200×[d_i(t)-d_i(t-1)]/[d_i(t)+d_i(t-1)]。

综上所述，本发明由于采用了以上技术方案，本发明具有以下显著效果：

(1)、本发明加入季节调整环节，剔除指标序列中的季节表动要素和不规则要素，利用经过处理的数据进行景气分析，对市场活动跟踪和市场结构解析功能，能提供市场波动原因追溯以及外在因素影响评估分析，实现电力市场监测。

(2)、本发明充分判断用电负荷的发展状态，通过对历史发展规律的分析和对现状的把握，及时发现市场发展先行用电指标，并对该用电负荷产生的影响给以合理评估。

(3)、本发明通过结合不同用电性质客户群体，探索具有针对性的预测方法，形成对未来售电市场发展的趋势的科学预测，为用电用户市场的分析预测提供科学、可靠的依据。

附图说明

为了更清楚地说明本发明实例或现有技术中的技术方案，下面将对实施实例或现有技术描述中所需要的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实例，对于本领域普通技术人员来说，在不付出创造性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种电力用电市场景气指数预测方法的流程图

具体实施方式

下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图1，一种电力用电市场景气指数预测方法，其特征在于：包括以下步骤：

步骤1：收集电力用户信息，对电力用户在用电过程中的电力负荷特性进行行分类；对整个电力市场电力用户信息收集和分类是对对各个行业类别、售电类别、特定用户群、指定用户进行收集分类分析，其主要包括负荷曲线与典型曲线和电量分析等，电量分析是对各个行业类别、售电类别、特定用户群、指定用户进行分析。在日、月、季、年等不同时间纬度进行电量、同比变化率、环比变化率等的图表分。

其中，负荷曲线与典型曲线包括：

(a)、以日为时间维度，汇总分析不同行业类别、售电类别、特定用户群、指定用户的日负荷曲线。

(b)以月、季为时间维度分析典型负荷曲线。

步骤2：根据电力负荷特性分类数据，对电力用户的用电信息进行跟踪与查询，剔除季节因素和日历效应的影响，并对分类数据进行季节调整处理；

对于日历效应的影响中，对每个地区电量/电力结构以及行业电量/负荷结构的影响因素非常之大，因此对各个行业类别、售电类别进行分析，分析不同地区在各分析维度所占比重和发展变化趋势，分析在日、月、季、年等不同时间纬度进行地区电量/负荷结构解析。地区电量/负荷结构以及行业电量/负荷结构分析析内容包括：比重、增长率、历年对比、历史环比、客户排名等。

步骤3：对用户用电市场可能对电力负荷造成影响的异动信息因素进行监测，根据对电力负荷信息造成影响的因素利用时差相关序列进行分析预测各电力市场景气指标，并划分出超前指标、同步指标和滞后指标，然后对每个影响因素所采用的时差相关序列进行归一化处理；为减少对可能对负荷率造成影响的因素，进一步缩小误差，以得到最佳的预测结果，采用的时差相关序列样本数至少在20个以上，可能对电网负荷率大小造成影响的因素主要包括行业用电发展因素、需行业需求因素、季节气温气候因素、电网环境因素和等等。

步骤4：根据分析预测各电力市场景气指标结果，判断用电市场景气情况与波动特点，输出预测分析报告并上传给调度中心进行调度管理(例如居民售电量、大工业售电量等)，给出用电指导建议，为用电用户市场的分析预测提供科学、可靠的依据。

作为本发明的最佳实施例，所述季节调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的指标数据，以便于分析用电市场季节变动的特征和正确估计和反映季度用电量的基本发展趋势。经过加工处理后的序列能够反映各行业用电量长期变化趋势和波动幅度；所述X-12-ARIMA季节调整方法模型计算表达式为：

$y_t^{\left(\mathrm{\&lambda;}\right)}\left\{\begin{array}{cc}{Y}_t/d_t& \mathrm{\&lambda;}=1\\ {\mathrm{\&lambda;}}^2+\&lsqb;{(Y_t/d_t)}^{\mathrm{\&lambda;}}-1\&rsqb;/\mathrm{\&lambda;}& \mathrm{\&lambda;}\&NotEqual;0,1\\ log(Y_t/d_t)& \mathrm{\&lambda;}=0\end{array}\right.---\left(1\right);$

λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，如一般的经济指标序列，d_t为一除数序列。

所述除数序列d_t为某个指标数据i时刻的比值(对称变化率)，则比值或(变化率)C_i(t)满足：

C_i(t)＝200×[d_i(t)-d_i(t-1)]/[d_i(t)+d_i(t-1)] (2)；

式(2)中，当构成指标取0或负值时，或者指标内容为比率时，则取该指标相邻时刻的差值，即满足：

C_i(t)＝d_i(t)-d_i(t-1) (3)；

式(3)中C_i(t)、d_i(t)分别是第i个指标在时刻的值。

作为本发明的最佳实施例，利用时差相关序列进行分析预测各电力市场景气指标的预测模型计算表达式如下：

$r_1=\frac{\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}(x_{t+1}-\stackrel{\&OverBar;}{x})(y_t-\stackrel{\&OverBar;}{y})}{\sqrt{\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}{(x_{t+1}-\stackrel{\&OverBar;}{x})}^2\underset{t=t^{,}}{\overset{n_1}{\&Sigma;}}{(y_t-\stackrel{\&OverBar;}{y})}^2}},l=0,\&PlusMinus;1,\&PlusMinus;2,K,t^{,}=\left\{\begin{array}{cc}1,& l\&GreaterEqual;0\\ 1-l,& l<0\end{array}\right.---\left(4\right);$

式(4)中，y＝[y₁,y₂,Λ,y_n]为基准循环，x＝[x₁,x₂,Λ,x_n]为被选指标，r_l为时差相关系数，为时间序列x的方差，为时间序列y的方差，l称为时差或延迟期数，l在取负数时表示超前，在取正数时表示滞后，n_l是数据取齐后的数据个数；

所述归一化处理模型计算表达式如下：

$r_t=\frac{r_l-r_{min}}{r_{\max }-r_{min}}---\left(5\right);$

式(5)中，r_l为处理前数值，r_t为处理后数值，其中r_max、r_min分别为该项数据的最大值和最小值，所述归一化范围为[0，1]之间。

对于时差或延迟期数l应满足：当-3≤l≤3时为同步指标，用于反映用电市场景气的变动趋势，当l＞3时为滞后指标，用于反映落后于用电市场景气变动趋势，当l＜-3时为超前指标，用于反映先行于用电市场景气变动起到预测景气变动趋势功能的超前指标，超前指标和滞后指标的时差月数通常应在三月以上。

在本发明中，利用利用X-12-ARIMA季节调整方法处理景气分析指标，如表1所示，对各行业的用电原始数据进行季节调整，利用时差相关分析法对广西用电市场景气指标进行筛选时，以2010年1月—2014年12月广西的全社会用电量、城乡居民用电量、农林牧渔、重工业、轻工业、建筑业、交通运输业、商业、纺织业、石油加工、医药制造的用电量为景气分析指标为例进行分析，其中全社会用电量能够在很大程度上反映一个地区用电市场发展的真实状况，因此被作为基准指标。利用表2所示的季节调整后的指标数据进行分析。

表1：2010年—2014年广西主要行业用电原始数据(单位：亿千瓦时)

表2：2010年—2014年广西主要行业用电季节调整后数据(单位：亿千瓦时)

对上述统计数据在SPSS“统计产品与服务解决方案”软件(Statistical Productand Service Solutions)中进行分析处理，对有关检验时间序列之间的关系根据景气指标选择的基本原理，被选指标与基准指标的互相关系数中绝对值最大的系数对应的月份即为该指标先行或者滞后的月份，以城乡居民用电量与全社会用电量为例，得到结果如表3所示。

表3：相关系数(Cross Correlations)

从上表中我们可以看出，当Lag(先行期数)＝1时，时差相关系数的绝对值最大为0.613，Std.Error(a)(标准差)为0.130，此时实际数据中不满足所得相关的比率相对较小(对称变化率也较小)；由此我们可以判断城乡居民生活合计用电量是全社会用电量的滞后性指标。通里我们可以得到其它指标的计算结果如表4所示：

表4：各行业先行或滞后期数及互相关系数的最大值

由表4可以看出，城乡合计用电量、商业用电量和纺织业用电量的时差相关系数绝对值最大时对应的滞后期数为1、1和2，因此我们可以确定这三个指标是反映用电市场变化的滞后指标。交通运输业和石油加工业的时间相关系数最大时，对应的超前或者滞后期数为-1，因此这两个指标为用电市场变化的超前指标。而农林渔牧用电量、重工业用电量、轻工业用电量、建筑业用电量以及医药制造业用电量这5个指标，当他们的时差相关系数最大时，对应的超前或者滞后期数为0，因此可以认为被确认为同步指标。

以上所述仅为发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电力用电市场景气指数预测方法，其特征在于：包括以下步骤：

步骤1：收集电力用户信息，对电力用户在用电过程中的电力负荷特性进行行分类；

步骤2：根据电力负荷特性分类数据，对电力用户的用电信息进行跟踪与查询，剔除季节因素和日历效应的影响，并对分类数据进行季节调整处理；

步骤3：对用户用电市场可能对电力负荷造成影响的异动信息因素进行监测，根据对电力负荷信息造成影响的因素利用时差相关序列进行分析预测各电力市场景气指标，并划分出超前指标、同步指标和滞后指标，然后对每个影响因素所采用的时差相关序列进行归一化处理；

步骤4：根据分析预测各电力市场景气指标结果，判断用电市场景气情况与波动特点，输出预测分析报告并上传给调度中心进行调度管理，给出用电指导建议。

2.根据权利要求1所述一种电力用电市场景气指数预测方法，其特征在于：所述季节调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的指标数据，所述X-12-ARIMA季节调整方法模型计算表达式为：

$y_t^{\left(\mathrm{\&lambda;}\right)}\left\{\begin{array}{cc}{Y}_t/d_t& \mathrm{\&lambda;}=1\\ {\mathrm{\&lambda;}}^2+\&lsqb;{(Y_t/d_t)}^{\mathrm{\&lambda;}}-1\&rsqb;/\mathrm{\&lambda;}& \mathrm{\&lambda;}\&NotEqual;0,1\\ \log (Y_t/d_t)& \mathrm{\&lambda;}=0\end{array}\right.---\left(1\right);$

λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，d_t为一除数序列。

3.根据权利要求1所述一种电力用电市场景气指数预测方法，其特征在于：利用时差相关序列进行分析预测各电力市场景气指标的预测模型计算表达式如下：

$r_l=\frac{\underset{t=t^{,}}{\overset{n_l}{\&Sigma;}}(x_{t+l}-\stackrel{\&OverBar;}{x})(y_t-\stackrel{\&OverBar;}{y})}{\sqrt{\underset{t=t^{,}}{\overset{n_l}{\&Sigma;}}{(x_{t+l}-\stackrel{\&OverBar;}{x})}^2\underset{t=t^{,}}{\overset{n_l}{\&Sigma;}}{(y_t-\stackrel{\&OverBar;}{y})}^2}},l=0,\&PlusMinus;1,\&PlusMinus;2,K,t^{,}=\left\{\begin{array}{cc}1,& l\&GreaterEqual;0\\ 1-l,& l<0\end{array}\right.---\left(2\right);$

式(2)中，y＝[y₁,y₂,Λ,y_n]为基准循环，x＝[x₁,x₂,Λ,x_n]为被选指标，r_l为时差相关系数，为时间序列x的方差，为时间序列y的方差，l称为时差或延迟期数，l在取负数时表示超前，在取正数时表示滞后，nl是数据取齐后的数据个数；

所述归一化处理模型计算表达式如下：

$r_t=\frac{r_l-r_{min}}{r_{\max }-r_{min}}---\left(3\right);$

式(3)中，r_l为处理前数值，r_t为处理后数值，其中r_max、r_min分别为该项数据的最大值和最小值。

4.根据权利要求3所述一种电力用电市场景气指数预测方法，其特征在于：所述时差或延迟期数l满足：当-3≤l≤3时为同步指标，当l＞3时为滞后指标，当l＜-3时为超前指标，所述归一化处理范围为0～1之间。

5.根据权利要求3所述一种电力用电市场景气指数预测方法，其特征在于：所述电力负荷特性进行行分类包括行业类别、售电类别、特定用户群、指定用户。

6.根据权利要求1或3所述一种电力用电市场景气指数预测方法，其特征在于：利用时差相关序列进行分析预测各电力市场景气指标时采用的时差相关序列样本数至少在20个以上。

7.根据权利要求2所述一种电力用电市场景气指数预测方法，其特征在于：所述除数序列d_t为某个指标数据i时刻的比值，则比值C_i(t)满足：

C_i(t)＝200×[d_i(t)-d_i(t-1)]/[d_i(t)+d_i(t-1)]。