一種基于產業(yè)鏈產品產量的電量預測方法
【專利摘要】本發(fā)明涉及一種基于產業(yè)鏈產品產量的電量預測方法，包括如下步驟：1) 篩選產業(yè)鏈指標,并提取指標數據，所述產業(yè)鏈指標包括社會總體經濟發(fā)展水平類指標和主要行業(yè)經濟發(fā)展水平類指標；2）構建產業(yè)鏈指標庫；3）通過所述指標數據及產業(yè)鏈指標庫外推電量預測模型。有益效果為：本發(fā)明首先綜合考慮多種相關行業(yè)及其產業(yè)鏈的關聯(lián)性，篩選對電力市場產生影響的關鍵指標，辨識產業(yè)的產品產量等確定性因素，最終對產業(yè)鏈中相關產品產量反映未來電量的走勢進行范圍預測。
【專利說明】
-種基于產業(yè)鏈產品產量的電量預測方法
技術領域
[0001] 本發(fā)明屬于電力領域，具體是一種基于產業(yè)鏈產品產量的電量預測方法。
【背景技術】
[0002] 目前，國內外對電力系統(tǒng)電量預測的方法很多，綜合起來主要有W下兩種類型:傳 統(tǒng)方法，包括時間序列分析法、回歸分析法、灰色預測方法等;新興方法，包括模糊預測法、 專家系統(tǒng)法、人工神經網絡等人工智能方法及新興的小波分析法及組合預測方法。
[0003] 時間序列方法能根據負荷的歷史數據建模，并利用模型預測出未來的電量。其優(yōu) 點是:所需歷史數據少、工作量??；缺點是：沒有考慮電量變化的因素，只致力于數據的擬 合，對規(guī)律性的處理不足，只適用于電量變化比較均勻的短期預測的情況。
[0004] 回歸分析法利用歷史數據可W建立起電量和其它影響負荷因素的關系，如建立電 量與國民生產總值之間的關系，進而由國民生產總值未來的數據預測出未來的負荷值。其 優(yōu)點是模型參數估計技術比較成熟，預測過程簡單;缺點是影響電量發(fā)展的相關因素復雜， 不易確定主導因素。
[0005] 灰色系統(tǒng)理論是20世紀80年代由我國鄧聚龍教授提出，用來解決信息不完備系統(tǒng) 的數學方法。它通過采用一定的方式對原始數據進行生成處理（如累加生成和累減生成）， 將雜亂無章的原始數據整理成規(guī)律性較強的生成數據，從而弱化原隨機序列的隨機性，獲 得光滑的離散函數，再進一步基于運些生成數據建模。灰色預測是一種對含有不確定因素 的系統(tǒng)進行預測的方法，它適用于貧信息條件下的分析和預測。優(yōu)點是:建模所需負荷數據 少、不考慮分布規(guī)律、不考慮變化趨勢、運算方便、短期預測精度高、易于檢驗;缺點是：當數 據離散程度越大，即數據灰度越大，預測精度越差。
[0006] 模糊預測法是建立在模糊數學理論上的一種負荷預測新技術。引入模糊數學的概 念可W用來描述電力系統(tǒng)中的一些模糊現象，如負荷預測中的關鍵因素氣象狀況的評判、 負荷的日期類型的劃分等，將模糊方法應用于負荷預測可W更好的處理負荷變化的不確定 性。模糊預測法將模糊信息和經驗W規(guī)則的形式表示出來，并轉換成可W在計算機上運行 的算法，使得其在電力系統(tǒng)的許多領域中得到了應用。目前模糊集理論應用于負荷預測主 要有W下幾種方法:模糊聚類法、模糊相似優(yōu)先比法、模糊最大貼近度法等。
[0007] 專家系統(tǒng)預測法是對數據庫里存放的過去幾年、甚至幾十年的數據進行分析，從 而匯集有經驗的負荷預測人員的知識，提取有關規(guī)則，按照一定的規(guī)則進行預測的方法。專 家系統(tǒng)預測法適用于中長期負荷預測。該方法能匯集多個專家的知識和經驗，并且占有的 資料、信息多，考慮的因素也比較全面，有利于得出較為正確的結論。另一方面，專家系統(tǒng)是 對人類的不可量化的經驗進行轉化的一種較好的方法，若能將它與其他方法有機地結合起 來，構成預測系統(tǒng)，將可得到滿意的結果。其缺點是:受數據庫里積累的知識總量的限制，對 突發(fā)性事件和不斷變化的條件適應性差，難W取得確定的長期預測結果。
[000引人工神經網絡是仿效生物處理模式W獲得智能信息處理功能的理論。20世紀90年 代，人工神經網絡模型(Adificial Neural Networks,簡記作ANN)開始被用于電力負荷預 。神經網絡是由大量的簡單神經元組成的非線性系統(tǒng)，每個神經元的結構和功能都比較 簡單，而大量神經元組合產生的系統(tǒng)行為卻非常復雜。人工神經網絡方法具有難W科學確 定網絡結構、學習速度慢、存在局部極小點、記憶具有不穩(wěn)定性等固有缺陷。目前，研究和應 用最多的是W下4種基本模型和它們的改進模型，即化時ield神經網絡、多層感知器、自組 織神經網絡和概率神經網絡。一般而言，ANN應用于短期負荷預測要比應用于中長期負荷預 測更適宜。
[0009] 小波分析作為近十多年來迅速發(fā)展起來的一種方興未艾的科學方法在各個工程 領域中受到了廣泛的注意與重視。在負荷預測中，當時間序列發(fā)生變化，尤其是發(fā)生突然變 化時，常用算法的預測結果就不理想，而小波分析在時域和頻域上同時具有良好的局部化 性質，而且，能很好的處理微弱或突變的信號，其目標是將一個信號的信息轉化成小波系 數，從而能夠方便地加 W處理、存儲、傳遞、分析或應用于重建原始信號。運些優(yōu)點決定了小 波分析可W有效地應用于負荷預測問題的研究。
[0010] 綜合預測方法其實就是將不同的預測方法進行適當的組合，最終能提高預測的精 度。在預測實踐中，可W對多種可選的預測模型，逐一進行試探性的分析和預測，舍棄那些 效果明顯較差的模型，同時也選擇出比較有效的模型根據不同的權重組合在一起，達到更 佳的預測效果。

【發(fā)明內容】

[0011] 本發(fā)明的目的在于提供基于產業(yè)鏈產品產量的電量預測方法，W克服現有技術領 域的不足，本發(fā)明的方法包括如下步驟：
[0012] 1)篩選產業(yè)鏈指標，并提取指標數據，所述產業(yè)鏈指標包括社會總體經濟發(fā)展水 平類指標和主要行業(yè)經濟發(fā)展水平類指標；
[0013] 2)構建產業(yè)鏈指標庫；
[0014] 3)通過所述指標數據及產業(yè)鏈指標庫外推電量預測模型。
[0015] 2.根據權利要求1所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于所述 社會總體經濟發(fā)展水平類指標包括居民行業(yè)指標和民生指標。
[0016] 所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，所述民生指標包 括投資指標與生產消費指標，W新開工面積、銷售面積作為投資指標代表指標，W區(qū)域消費 品零售總額和區(qū)域工業(yè)銷售產值作為生產消費指標代表指標。
[0017] 所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，居民行業(yè)指標包 括居民生活質量指標與家電使用指標，W第Ξ產業(yè)固定資產投資數額作為居民生活質量指 標的代表指標，W家電產量作為家電使用指標。
[0018] 所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，主要行業(yè)經濟發(fā) 展水平類指標的選取包括:根據地區(qū)細分行業(yè)的電量從高到低的占比排序，提取排名前Ξ 的行業(yè)認定為主導行業(yè);再根據行業(yè)主要產品產量進行上下游行業(yè)產品產量指標篩選。
[0019] 所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，構建產業(yè)鏈指標 庫包括：
[0020] 指標的預處理:對各指標時間序列進行初步調整，剔除和修正各個選定指標在相 同時間段內數據序列中的極端值，使整個序列符合特定分析的要求；
[0021] 指標關聯(lián)性建立:通過峰谷對比法，對各個指標的波峰波谷與地區(qū)電量曲線進行 循環(huán)對比，形成綜合判斷指標曲線，進而根據綜合判斷指標曲線找出先行指標、一致指標W 及滯后指標，
[0022] 通過循環(huán)方式匹配法，依據己知循環(huán)方式對經濟指標進行分類，在求出每個指標 的轉折點后，確定循環(huán)方式的基本類型，最終將每個指標的循環(huán)方式與作為地區(qū)電量的循 環(huán)方式相比較，求得匹配數；
[0023] 通過聚類分析法，計算多個先行指標值同地區(qū)電量之間的相關系數，把相似的行 業(yè)指標聚為一類形成被選指標庫，并將與地區(qū)電量相關程度最大的指標合并，W反映地區(qū) 電量和被選指標庫的相似程度；
[0024] 通過時差相關分析法，對各個被選指標與地區(qū)電量根據式（1)進行比較、計算，最 終得到產業(yè)鏈指標庫，時差相關系數計算公式為：
[0025]
[00%]式中ri為時差相關系數，ni為指標個數，x = [X1，X2,…，Xn]為被選指標、y= [yi, 72,…，yn]為地區(qū)電量，I、J為均值，t為時間變量，1為延遲期數。
[0027]所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，指標的預處理 中，產品產量在實際情況中經常W月度形式統(tǒng)一發(fā)布，通過X-11季節(jié)調整法判斷季節(jié)因素 對電量的影響:所述X-11季節(jié)調整法，將月度的時間序列通過分解模型分解為趨勢-循環(huán)成 分TC、季節(jié)成分S和不規(guī)則成分I，所用的分解模型主要有W下兩種：
[002 引加法模型：Yt = TCt+St+It
[0029] 乘法模型：Yt = TCtXStXIt
[0030] 其中，乘法模型適用于保持正值并且隨著序列水平增長其季節(jié)性波動的幅度也增 長的序列，加法模型與之類似，其計算數據可W是負值。
[0031] 所述的基于產業(yè)鏈產品產量的電量預測方法的進一步設計在于，所述步驟3)中外 推電量預測模型包括如下步驟：
[0032] A)采取直觀的比例系數處理方法，即在統(tǒng)一單位變量的條件下，求取每單位變量 對應消耗電量：
[0033] 1n=Ln/Q
[0034]其中，In為單位變量消耗電量;Ln為單位總產量;Q為電量；
[0035] B)建立多行業(yè)單位變量同電量的關系：
[0036] Qn=AxX 1n+D
[0037] 其中，Qn為擬合序列，Αχ為各變量系數，D為常數項。
[003引本發(fā)明的優(yōu)點如下：
[0039]本發(fā)明首先綜合考慮多種相關行業(yè)及其產業(yè)鏈的關聯(lián)性，篩選對電力市場產生影 響的關鍵指標，辨識產業(yè)的產品產量等確定性因素，最終對產業(yè)鏈中相關產品產量反映未 來電量的走勢進行范圍預測。
【具體實施方式】
[0040] 下面對本發(fā)明的方案進行詳細的描述。
[0041] 本發(fā)明提出的一種基于產業(yè)鏈產品產量的電量預測方法，其特征在于，具體步驟 如下：
[0042] 1)產業(yè)鏈指標篩選:產業(yè)鏈指標包括社會總體經濟發(fā)展水平類指標和主要行業(yè)經 濟發(fā)展水平類指標。社會總體經濟發(fā)展是展現全社會經濟發(fā)展水平的重要指標，其主要通 過投資等手段促進社會各產業(yè)的發(fā)展，從而帶來電量的強勁增長。而主要行業(yè)經濟發(fā)展水 平，即面向研究對象調研影響電力市場的多種行業(yè)，提取主要行業(yè)作為研究主體，調研主體 行業(yè)的上下游關聯(lián)產業(yè)，為后續(xù)建立產業(yè)鏈關聯(lián)方法構建劃定數據范圍。
[0043] 進一步的，由于居民電量呈現出逐年走高的趨勢，在電力市場分析的過程中，居民 電量是不得不考慮的重點。因此，社會總體經濟發(fā)展水平類指標包括居民行業(yè)指標和民生 指標。
[0044] 民生指標在很大程度上可W落實于投資類指標上，投資類指標中的重要組成部分 又包括基礎設施投資、鐵路投資、地區(qū)全社會固定資產投資、地區(qū)工業(yè)投資等;而房地產業(yè) 作為國民經濟中的支柱行業(yè)之一，其發(fā)展帶動了社會大量相關行業(yè)的發(fā)展。因此選擇新開 工面積、銷售面積作為房地產類指標;此外，民生指標還可表征在生產、消費水平上，W區(qū)域 消費品零售總額和區(qū)域工業(yè)銷售產值作為代表指標。
[0045] 居民行業(yè)指標，一方面通過居民行業(yè)用電程度衡量居民服務性消費水平的高低， 另一方面，通過家用電器的使用判斷電量的使用方向。前者主要體現在第Ξ產業(yè)固定資產 投資數額，后者體現在電冰箱、洗衣機、彩電等常用電器的銷量上。但是考慮到銷量無法直 接統(tǒng)計，因此W家電產量代替。
[0046] 主要行業(yè)經濟發(fā)展水平類指標的選取首先依據地區(qū)的電量分布結構，選取主要影 響行業(yè)作為典型代表，根據指選擇方法篩選典型代表行業(yè)的主要影響指標。在最終構建基 于產業(yè)鏈產品產量的電量預測方法模型前，需進行指標庫的構建。
[0047] 產業(yè)鏈指標庫的構建主要分為兩個步驟:指標的預處理和指標關聯(lián)性建立。指標 的預處理的本質是對各指標時間序列進行初步調整，剔除和修正各個選定指標在相同時間 段內數據序列中的極端值，使整個序列符合特定分析的要求。
[0048] 指標的預處理中，產品產量在實際情況中經常W月度形式統(tǒng)一發(fā)布，本專利中W X-11季節(jié)調整法判斷季節(jié)因素對電量的影響:X-11季節(jié)調整法，方法將月度的時間序列分 解為趨勢-循環(huán)成分TC、季節(jié)成分S和不規(guī)則成分I。所用的分解模型主要有W下兩種：
[0049] 加法模型：Yt = TCt+St+It
[0050] 乘法模型：Yt = TCtXStXIt
[0051] 其中，乘法模型適用于保持正值并且隨著序列水平增長其季節(jié)性波動的幅度也增 長的序列。加法模型與之類似，其計算數據可W是負值。
[0052] 而指標關聯(lián)性建立的方法主要有峰谷對比法、循環(huán)方式匹配法、聚類分析法與時 差相關分析法?，F詳述如下：
[0053] 通過峰谷對比法，對各個指標的波峰波谷與地區(qū)電量曲線進行循環(huán)對比，形成綜 合判斷指標曲線，進而根據綜合判斷指標曲線找出先行指標、一致指標W及滯后指標，
[0054] 通過循環(huán)方式匹配法，依據己知循環(huán)方式對經濟指標進行分類，在求出每個指標 的轉折點后，確定循環(huán)方式的基本類型，最終將每個指標的循環(huán)方式與作為地區(qū)電量的循 環(huán)方式相比較，求得匹配數；
[0055] 通過聚類分析法，計算多個先行指標值同地區(qū)電量之間的相關系數，把相似的行 業(yè)指標聚為一類形成被選指標庫，并將與地區(qū)電量相關程度最大的指標合并，W反映地區(qū) 電量和被選指標庫的相似程度；
[0056] 通過時差相關分析法，對各個被選指標與地區(qū)電量根據式（1)進行比較、計算，最 終得到產業(yè)鏈指標庫，時差相關系數計算公式為：
[0化7]
[005引式中ri為時差相關系數，ni為指標個數，x = [XI ,X2，…，Xn]為被選指標、y= [yi， 72,…，yn]為地區(qū)電量，歹為均值，t為時間變量，1為延遲期數。
[0059] 根據W上處理方法，得到基于產業(yè)鏈產品產量指標，為后續(xù)預測模型建立提供數 據基礎。
[0060] 在預測建模過程中，需要多種行業(yè)數據的支撐，因此通過前述數據提取及產業(yè)鏈 指標庫的構建，在充分考慮行業(yè)產量單耗對電力市場影響的基礎上，從行業(yè)產量變化同電 量變化的敏感性角度，科學有據地外推電量變化范圍。
[0061] 為直觀反映行業(yè)產量同電量的關系，采取直觀的比例系數處理方法，即在統(tǒng)一單 位變量的條件下，求取每單位變量對應消耗電量：
[0062] 1n=Ln/Q
[0063]其中，In為單位變量消耗電量;Ln為單位總產量;Q為電量。
[0064]此后，建立多行業(yè)單位變量同電量的關系：
[00化]Qn=AxX1n+D
[0066] 其中，Qn為擬合序列，Αχ為各變量系數，D為常數項。
[0067] 下面為某地電量預測的方法，具體步驟包括：（1)產業(yè)鏈指標篩選，根據選取地區(qū) 情況分析反映電力市場的行業(yè)數據，全面篩選對電力市場具有顯著影響的行業(yè)并進行聚類 處理，可得到對地區(qū)電力市場有影響的典型行業(yè)。
[0068] (2)產業(yè)鏈指標庫建立，建立典型行業(yè)的產業(yè)鏈關聯(lián)關系，劃定產業(yè)鏈指標范圍， 在產業(yè)鏈產品產量數據分析處理的基礎上，根據前述步驟確定相關系較高的11類行業(yè)曲 線，從而確定相關因素并構建指標庫。
[0069] (3)提取變量因素外推電量預測模型，對指標庫外推地區(qū)電量走勢進行判斷，確定 歷史走勢同電量間的時差位移關系，最終建立電量外推模型，預測地區(qū)未來電量。
[0070] 依據前述分析結論，得到外推的有效模型和外推電量結果如表1所示：
[0071 ] Qn=569044.6036-1262.708611+4848.26412-2693.57413-12553512.76641U
[0072] +102.873215-575.105916+2642.010717+23126.0271Is巧38.950219
[0073] -142557.38661i〇-5538281ii
[0074] 表1提取變量因素外推結果
[0075]
[0076] W上對本專利的較佳實施方式作了詳細說明，但是本專利并不限于上述實施方 式，在本領域的普通技術人員所具備的知識范圍內，還可W在不脫離本專利宗旨的前提下 做出各種變化。
【主權項】
1. 一種基于產業(yè)鏈產品產量的電量預測方法，其特征在于包括如下步驟： 1) 篩選產業(yè)鏈指標，并提取指標數據，所述產業(yè)鏈指標包括社會總體經濟發(fā)展水平類 指標和主要行業(yè)經濟發(fā)展水平類指標； 2) 構建產業(yè)鏈指標庫； 3) 通過所述指標數據及產業(yè)鏈指標庫外推電量預測模型。2. 根據權利要求1所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于所述社會 總體經濟發(fā)展水平類指標包括居民行業(yè)指標和民生指標。3. 根據權利要求2所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于所述民生 指標包括投資指標與生產消費指標，以新開工面積、銷售面積作為投資指標代表指標，以區(qū) 域消費品零售總額和區(qū)域工業(yè)銷售產值作為生產消費指標代表指標。4. 根據權利要求2所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于居民行業(yè) 指標包括居民生活質量指標與家電使用指標，以第三產業(yè)固定資產投資數額作為居民生活 質量指標的代表指標，以家電產量作為家電使用指標。5. 根據權利要求1所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于主要行業(yè) 經濟發(fā)展水平類指標的選取包括:根據地區(qū)細分行業(yè)的電量從高到低的占比排序，提取排 名前三的行業(yè)認定為主導行業(yè);再根據行業(yè)主要產品產量進行上下游行業(yè)產品產量指標篩 選。6. 根據權利要求1所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于構建產業(yè) 鏈指標庫包括： 指標的預處理:對各指標時間序列進行初步調整，剔除和修正各個選定指標在相同時 間段內數據序列中的極端值，使整個序列符合特定分析的要求； 指標關聯(lián)性建立:通過峰谷對比法，對各個指標的波峰波谷與地區(qū)電量曲線進行循環(huán) 對比，形成綜合判斷指標曲線，進而根據綜合判斷指標曲線找出先行指標、一致指標以及滯 后指標， 通過循環(huán)方式匹配法，依據己知循環(huán)方式對經濟指標進行分類，在求出每個指標的轉 折點后，確定循環(huán)方式的基本類型，最終將每個指標的循環(huán)方式與作為地區(qū)電量的循環(huán)方 式相比較，求得匹配數； 通過聚類分析法，計算多個先行指標值同地區(qū)電量之間的相關系數，把相似的行業(yè)指 標聚為一類形成被選指標庫，并將與地區(qū)電量相關程度最大的指標合并，以反映地區(qū)電量 和被選指標庫的相似程度； 通過時差相關分析法，對各個被選指標與地區(qū)電量根據式（1)進行比較、計算，最終得 到產業(yè)鏈指標庫，時差相關系數計算公式為：式中ri為時差相關系數，m為指標個數，χ= [χι，χ2,…，χη]為被選指標、y = [yi，y2,…， yn]為地區(qū)電量，歹為均值，t為時間變量，1為延遲期數。7. 根據權利要求6所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于指標的預 處理中，產品產量在實際情況中經常以月度形式統(tǒng)一發(fā)布，通過X-11季節(jié)調整法判斷季節(jié) 因素對電量的影響:所述X-11季節(jié)調整法，將月度的時間序列通過分解模型分解為趨勢-循 環(huán)成分TC、季節(jié)成分S和不規(guī)則成分I，所用的分解模型主要有以下兩種： 加法模型：Yt = TCt+St+It 乘法模型:Yt = TCtXStXIt 其中，乘法模型適用于保持正值并且隨著序列水平增長其季節(jié)性波動的幅度也增長的 序列，加法模型與之類似，其計算數據可以是負值。8. 根據權利要求1所述的基于產業(yè)鏈產品產量的電量預測方法，其特征在于所述步驟 3)中外推電量預測模型包括如下步驟： A) 采取直觀的比例系數處理方法，即在統(tǒng)一單位變量的條件下，求取每單位變量對應 消耗電量： 1n = Ln/Q 其中，In為單位變量消耗電量;Ln為單位總產量;Q為電量； B) 建立多行業(yè)單位變量同電量的關系： Qn=AxX 1n+D 其中，Qn為擬合序列，Αχ*各變量系數，D為常數項。
【文檔編號】G06Q50/06GK105825290SQ201610066978
【公開日】2016年8月3日
【申請日】2016年1月29日
【發(fā)明人】王海潛, 王旭, 葛毅, 高正平, 史靜, 王小英, 李晨, 劉梅, 趙燃, 羅欣, 姜楠
【申請人】江蘇省電力公司電力經濟技術研究院, 北京清軟創(chuàng)新科技股份有限公司, 國家電網公司