摘要：电网企业以售电为主营业务，售电量的多少将直接影响公司经营效益，而对售电量进行准确的预测还有利于公司进行有效的购电计划安排，提高供电可靠性。传统意义的售电量预测仅仅依赖于全社会用电量的大致走势来预估一个增长率，作为下一预测周期的预测基础，但是，随着电量影响因素的复杂化，其趋势增了更多的不确定性，就需要选择使用可以考虑多影响因素的预测模型进行预测。基于此，本文主要对售电量预测及其相关决策进行分析探讨。
关键词：售电量预测；相关决策；应用
1、前言
售电量是电网企业最为关注的指标之一，本文对中长期售电量预测步骤及其模型方法进行了研究。其中预测步骤包括：制定计划、收集资料、整理资料、建立模型、评价模型、综合分析、出具报告、结果分析等。预测模型有经典预测模型、灰色系统预测模型、神经网络预测模型、支持向量机模型等。
2、售电量预测概念和原理
售电量预测是指在正确的理论指导下，通过调查研究掌握大量的资料，运用可靠的方法和手段对公司售电量的发展趋势做出科学合理的推断。
售电量预测工作是根据负荷的历史数据，通过预测模型得出其发展规律，从而预测售电量在以后某一时间范围内的变化，因此数据采集和数学模型选择是工作中最重要的两部分。售电量预测的基本原理有：可知性原理，也就是说被预测的目标的变化是有规律的，其以后的变化可以通过历史的现在的变化预测得到，这是所有预测工作的基础；可能性原理，事物的发展是多方向的，预测目标的发展也是有多种方式的，条件不同，预测目标的预测结果不同，因此要进行多方向的预测；连续性原理，预测工作是通过历史数据得出预测目标的变化规律，而达成这一目的的前提书这种变化是连续的。
3、中长期售电量预测步骤
电网规划中长期售电量预测比较系统、复杂，一般分为以下几个步骤。
3.1确定售电量预测目的、制定预测计划
本文中的售电量预测目的是对未来5至10年的售电量变化进行粗略的预测。其中预测计划的制定需要考虑一系列问题：准备预测的时期为未来5至10年，历史资料跨度为过去十年中以年为单位的售电量数据资料。
3.2调查资料和选择资料
根据预测目标的具体要求，广泛搜集所需的有关资料。以直接有关性、可靠性、最新性为标准，选择资料，并且深入研究。搜集的资料应该包括电力企业内部资料和外部资料，国民经济有关部门的资料、以及公开发表和未公开发表的资料，然后从众多的资料中挑选出合适的部分。但是从我国目前情况来看，各层次的资料往往不够完整，真实性也有很大问题，资料收集难度比较大。
3.3资料整理
搜集到历年资料并进行初步分析之后，要对这些数据进行遴选，一定要突出数据的代表性，而且还要保证数据的真实性和可用性。评价资料质量高低的标准，主要有以下几个方面：数据完整性，数据项是否遗漏，数据是否真实，数据前提条件是否正常，资料时间连续性，时间序列个参数是否具有可比性。之后进行资料整理：对缺失的数据进行修补，核实调整真实性有问题的资料。
3.4建立预测模型
根据数据的完整程度、详细程度、数据项的个数选择合适的预测模型进行预测，如一次平滑模型、二次平滑模型、比例系数模型、弹性系数模型、灰色模型。如果条件合适，可以使用组合预测模型，给不同的预测模型加上相应的权重，进行预测。
3.5预测模型评价
预测模型的评价涉及多方面，其中预测数据是否精确是最重要的一点，要对分析预测结果进行误差分析，对于误差过大的模型，要及时进行修正模型参数，修改模型参数后如果数据拟合度仍然不理想，就要更换预测模型，直到数据拟合理想为止。
3.6综合分析
选择好预测模型后，就要向模型输入之前采集的大量数据，根据预测结果综合分析整个预测过程是否有遗漏的地方，及时补充到模型中。
3.7编写预测报告，交付使用
预测报告中包含的是本次预测的结果，由于预测结果的不确定性，必须把得出每种预测结果的条件详细描述，同时，对预测使用的各种数学模型和假设也要详细描述。
3.8售电量预测管理
本次售电量预测结束后，除了给予决策者此次决策支持外，还要及时进行反馈，如果发现偏差较大，要立即调整假设条件系数，以及调整使用的数学模型。
4、售电量预测方法
4.1Logistic模型
对于一个地域范围明确、稳定的电网（如本文用作算例的远安县供电公司），其土地面积确定、人口数量有限，若无外加条件，其特定月份的售电量将逐年增长且呈现类似“S”型曲线，如图1所示。
图1地域范围一定的区域的售电量增长趋势
显然，这个S曲线符合人口学中的Logistic模型，因此可借鉴该模型来作为本研究项目中售电量预测的一个分模型。
4.2层次分析—模糊聚类建模
当前，全面推进城镇化如火如荼，经济深化改革不断前行，两者相互交织，使得社会面貌呈现所谓的“新常态”。在“新常态”背景下，很多地方的人口、产业以及布局等元素出现新变化，使得这些地区的售电量不再呈“单边上扬”式的快速增长趋势，而展现为某种波动特性，这给售电量预测增加了难度。为了科学统筹具有模糊属性的经济形势、国家政策对售电量的影响，特构造“层次分析—模糊聚类”相结合的预测模型，如图2所示。
图2
在该模型中，首先是全面、细致梳理各类要素，形成层次体系。其次是运用层次分析法对要素权重进行配置（鉴于层次分析法是一种成熟的方法，本文不再单独阐述），并基于此将各要素量值予以集成；再次是运用模糊聚类来判断不同历史年份之间的相似度，找到与待测年月有较高相似度的历史年月；最后将该历史年月的相关数据与待测年月的相关数据融合以生成售电量预测值。
4.3最小二乘法应用
应该说，Logistic模型和“层次分析—模糊聚类”模型在售电量预测上各有侧重点，为了避免单一模型“一统天下”的弊端，将最小二乘法引入以使Logistic模型和“层次分析—模糊聚类”模型得到优势互补。具体来说：首先用单一模型对已经发生实绩的月度进行验证性“预测”，并计算预测值与实际发生值之间的偏差；然后对不同月份设定两个模型的“贡献比”（未知数形式）；最后将偏差矩阵和“贡献比”向量纳入最小二乘法，得到“贡献比”数据（在该“贡献比”下，两个模型的融合可使预测误差最小化）。
4.4电力相似月法
该方法主要用于校验驱动因素法的准确性，强调在相同的时间段内，气候条件相似，生产周期相似，对于用电量的影响理论上也相对一致。其优点是方法简单、易掌握，而且只从宏观层面考虑驱动因素，对数据的依赖要求较小，且用于年底预测的准确性较高。缺点是数据拟合度平滑，对高峰低谷因素的识别能力较差。电力相似月法的预测流程为：（1）加入上一年的GDP温度和用电量数据，对历史数据进行回归分析，基于历史数据，对去掉线损的用电量与温度和GDP相对值进行回归分析得到相应的回归方程和各个变量对应的系数；（2）采用过去10年的温度，对未来的温度数据进行预测；（3）对未来的GDP进行预测：进行相关的搜索和研究，如经济无特殊变化，该增长率可直接适用于各个季度，否则需进行判断，适当调高或调低某个季度；（4）代入数据进行预测，可得出各月的不含线损的用电量预测结果，改用名义电量乘以相应的线损率即可得到当年的线损值，与上述预测结果相加即为全社会用电量，其中，线损率为线损电量与除线损外其它用电量的比例，需要考虑逐渐下降的。
5、结语
售电量变化趋势受多种因素影响，这些因素既有归属于确定性层面的，也有归属于不确定性层面的。因此，为了准确掌握售电量变迁情况，必须同时进行针对确定性因素的售电量预测和针对不确定因素的售电量预测，并用科学方法将两者进行融合集成。
参考文献：
[1]潘小辉，刘丽萍，李扬.提高月度售电量预测精度的一种新方法[J].电力需求侧管理，2013，15（3）：11-14.
[2]王璐璐.营口地区电力营销系统中的需电量预测研究[D].北京：华北电力大学，2015.
[3]孙婧婕.基于组合方法的月度售电量预测研究[D].大连：大连理工大学，2014.
论文作者:王晓园
论文发表刊物:《电力设备》2018年第24期
论文发表时间:2019/1/8
标签：模型论文; 售电量论文; 数据论文; 资料论文; 用电量论文; 层次论文; 因素论文; 《电力设备》2018年第24期论文;