基于数据挖掘的电力需求预测探究

李其军（佛山供电局，广东佛山，528200）

基于数据挖掘的电力需求预测探究

李其军
（佛山供电局，广东佛山，528200）

电力需求的预测是电力服务企业制定供电、购电的重要依据，因此，做好对电力需求的预测，对提高电力企业的经济运行能力具有重要的作用。本文结合原始预测系统中存在的问题，提出采用数据挖掘技术对原始数据的采集、预处理等，从而实现对电力需求预测的客观性和准确性，更好的服务与电力企业和社会。

数据挖掘模型；综合预测；电力需求

随着信息化的发展，越来越多的电力企业开始采用信息技术实现对企业的自动化管理，如针对电力的需求，采用简单的预测模型，实现对社会电力需求的整体预测。同时企业用电越来越走向精细化，做好对中长期城市用电的需求预测，是今后供电企业科学利用信息化技术的趋势。但是，现代电力企业在电力预测方面模型简单、操作复杂、工作量大以及预测的精度低等缺点给现代电力企业的服务带来了很大的麻烦。因此，构建符合市场需求的更为精确的预测模型成为电企做好服务的重要环节。

1 系统设计的要求

结合现阶段电力企业在电力需求预测方面存在的问题，本文对系统的设计提出以下的要求：

第一，对电力需求的预测将充分将国民经济的各项指标对电力的影响纳入进来，其主要的原因是用电量的多少与国民经济增长有着很大的关系；

第二，将城镇化纳入到对电力需求的预测中，因为随着我国经济的发展，城镇化可反映居民增加的多少，从而对未来我国长期的用电量有着最为直观的需求分析；

第三，将阶梯电量计算给居民用电带来的影响纳入到预测当中，因为国家发改委在电力改革方面，采用阶梯定价的方式，在一定程度上将影响居民的用电的多少。

第四，将国家节能减排对用电大户所带来的影响纳入到系统当中。因为随着国家对环保观念的重视，未来在很大程度上将注重企业的节能减排，从而减少企业的用电量。

第五，针对现阶段的数据挖掘算法，本文结合各个算法的优缺点，采用多种算法综合组合的方式，实现对电力需求的客观预测。采用在不同的时刻和情况下采用不同的预测算法。

2 基于电力需求模型的综合预测模型构建

2.1模型构建及其优缺点比较

通过上述的分析，我们可以看出以往的对电力预测的算法通常都是采用单一的数据挖掘模式的形式，如BP神经网络算法、模糊预测法等。通过采用单一的算法，所挖掘的结果通常缺乏客观性，如以吉林供电公司为例，其采用单一回归预测，其预测的数据与实际应用的电量的多少存在很大的偏差。因此，为提高本系统预测的准确性，决定采用多种数据挖掘算法相结合的综合预测模型。其具体的思路是首先构建综合预测模型的方法库，并通过单一模型检测方法，对偏差比较大的模型进行剔除。对预测较好的模型进行反复的测算，并通过一定的方式将测算的结果进行组合，从而得到最佳的综合预测的模型。

而对综合预测模型的选择，其关键点在于如何对模型的组合。对此，本文为解决该问题，采用加权平均的方式确定不同模型的权重系数。同时通过对不同数据挖掘算法的优劣势的比较，其具体的结果如图1所示。

表1　各种不同算法的优缺点比较

2.2算法应用实例

结合本文对电力预测的要求，本文通过采用对比的方式实现对综合模型准确性的验证与评价。同时以某省全社会的用电量作为综合预测的目标。而所谓的全社会用电量包括生产用电和居民生活用电的总和。而做好对该省全社会的居民用电，为未来3-5年甚至更长时间的电力企业电网规划、输电线路布局等有着非常重要的作用。同时，在对数据进行选取的时候，必须对数据进行一定的平滑处理，从而剔除数据中的异常的值，以此更好的实现对数据挖掘的结果。

通过以该省1999年--2006年的历史数据分析，对2007-2012年的社会用电总量数据进行单一预测，其不同算法得到的结果如表2所示。

表2　不同算法误差分析

通过上述的算法分析可以看出模糊算法和自然增长算法所产生的预测误差要远远小于其他的数据挖掘算法，因此，本文综合模型采用自然增长和模糊两种算法。通过选取2000年到2009年数据，对以后三年的用电进行预测，从而得到如表3所示。

表3　综合模型与单一模型的误差比较

通过上述的比较和验证可以看出，通过综合模型所得到的预测数据所与实际用电量相比所产生的误差要小于采用单一模型所产生的误差。因此，可以证明采用综合模型预测要好于单一模型。

3 系统功能设计

结合系统设计的要求，本文将系统的功能设计为数据采集与处理、模型库、系统维护、结果可视化查询等功能模块。

其中数据采集与处理包括对居民用电营销、调度自动化、电网负荷等数据的采集。通过采用挖掘技术实现对数据从上到下的挖掘；

模型库则主要包括数据挖掘的各种不同的算法，如灰色关联、模糊预测、BP神经网络等算法在内。

需求预测库模块主要对电力需求进行预测。其具体的步骤则为通过采用单一模型进行预测，通过比较选择误差最小的预测模型，并通过采用回归分析的方式，实现对不同预测方法权重的比较，从而计算数据挖掘的结果。

结果可视化则是通过综合预测模型对数据的计算，将其挖掘和预测的结果和电力增长的规律通过可视化的方式将其展现给用户，使得用户更为直观了解电力需求的预测数据和该省电力需求的增长规律。

系统管理包括系统权限分配和系统维护。通过对不同使用角色的功能分配，实现对系统使用的正常运转。同时通过对数据的日常维护、备份等，保障系统的运行。

4 系统架构设计

电力需求数据挖掘的计算设计多个不同的系统和数据库，因此，对系统的设计采用最新的B/S模式，该模式其典型的优点在于通过Internet网络可实现对数据的采集。同时该模式还可有

效对系统进行维护，增加了系统的灵活性。其具体的架构设计如图1所示。

图1　 系统整体架构设计

从系统的架构来讲，将系统分为三层：表现层、数据层和业务层。其中表现层主要用于与用户的交互；业务层主要用于对不同业务功能模块的逻辑分配；数据层用于与数据库的数据交换。而该系统与电力企业的其他数据库连接，包括营销数据库、电力负荷、电力生产、电力调度管理系统数据库等等，从而方便对数据的采集。同时，因为涉及到很多不同的数据库，本文采用ETL抽取技术，实现将不同的数据进行抽取，并对其格式等进行统一处理，从而更好的利于对后续的数据挖掘的进行。其具体的步骤是通过对数据的抽取、清洗、转换和加载，从而形成数据仓库。而数据仓库是构建数据挖掘的基础，为数据挖掘做准备。

5 结语

通过对上述系统的开发构建，提高了电力需求预测的准确性，并通过对数据的预测，实现对电网规划的优化，在工作辖区内安装7条10kv输电线路，保障电力的更好的供应。因此，采用综合预测模型提高了预测的准确度，并提高了电网服务的效率，对促进新形势下的电力改革具有重要的意义。但是，本系统的开发中针对综合模型的权重系数的计算还需要做进一步的改进，从而更好的提高该挖掘的结果。

［1］ 邰能灵，侯志俭.小波模糊神经网络在电力系统中短期负荷预测中的应用［J］.中国电机工程学报.2004，24（1）：24-2913（2）：480-492.

［2］ （加）韩家炜，堪博著 数据挖掘概念与技术（原书第 2 版）［M］.机械工业出版社.2007：：7-7.

［3］ 顾洁.电力系统中长期负荷预测理论与方法研究［D］.上海：上海交通大学，2002.110-116

李其军，男，大学学士，工程师，主要从事供电企业营业厅工作，申报高级工程师

Forecasting electricity demand based on data mining

Li Qijun
（Foshan Power Supply Bureau，Guangdong Foshan，528200）

Electricity demand forecasting electricity supply service companies develop，purchase an important basis for electricity and， therefore， do a good job of forecasting electricity demand，the ability to improve the economic operation of power enterprises play an important role.In this paper，the original prediction system problems using data mining techniques proposed acquisition of the raw data，pre-processing ， etc.，in order to achieve objectivity and accuracy of forecasts of electricity demand，better service and electricity business and society .

data mining models；integrated forecasting；electricity demand

2014—05—12