论文部分内容阅读
我国区域供电不平衡现象广泛存在，为了改变这种现象需要对电力进行准确预测。准确的电力需求预测对供电企业和电力客户都有重要的作用，可使供电企业提前做好发电、输配电准备，进行设备的更新改造，制定合理的年度供电计划，并可很好地满足电力客户的用电需求。
当前，对电力需求进行准确预测主要通过算法的改进和优化，但相关资料表明:仅通过算法的改进很难实现预测的高精度，因为电力需求的预测值不仅与电力需求历史数据有关，它还会受到多种外界因素的影响，比如，预测地区的宏观经济、人口数量及结构、经济结构、政府政策以及气候等。
自2009年以来，我国智慧城市的大力发展使得跨部门大数据的获取成为可能，本文在对电力需求进行预测分析时，不仅参考电力内部数据，而且参考影响电力需求的多种外界指标。其中，电力需求短期预测主要参考温度、湿度以及降雨量等天气因素，电力需求中长期预测则考虑人口、法人、宏观经济等外部影响因素。在进行预测分析时，将这些影响指标与电力需求历史数据一起作为模型的输入，对未来的电力需求进行预测分析。
对于预测模型算法的选取，电力需求短期预测采用遗传算法优化的BP神经网络，通过遗传算法对BP神经网络的初始权值和阈值进行优化。电力需求中长期预测分两种方法进行分析，第一种为对城市整体的电力需求进行预测，采用偏最小二乘回归法作为预测模型，通过该模型可充分利用模型的输入和输出数据，建立相应的回归方程，实现对电力需求的精准预测;第二种为对预测区域进行分层分区，然后根据用电客户类型的不同进行分类，实现对电力需求某一分区下某一用电客户的精准分析，然后再根据各类用电客户占分区用电量及各分区占预测区域总用电量的比例变化，确定相关比例系数，整合预测区域的电力需求预测模型。在电力需求预测模型建立后，本文以东北地区某市为例分别进行实例分析，结果证明了参考指标及预测模型选取的合理性。
当前，对电力需求进行准确预测主要通过算法的改进和优化，但相关资料表明:仅通过算法的改进很难实现预测的高精度，因为电力需求的预测值不仅与电力需求历史数据有关，它还会受到多种外界因素的影响，比如，预测地区的宏观经济、人口数量及结构、经济结构、政府政策以及气候等。
自2009年以来，我国智慧城市的大力发展使得跨部门大数据的获取成为可能，本文在对电力需求进行预测分析时，不仅参考电力内部数据，而且参考影响电力需求的多种外界指标。其中，电力需求短期预测主要参考温度、湿度以及降雨量等天气因素，电力需求中长期预测则考虑人口、法人、宏观经济等外部影响因素。在进行预测分析时，将这些影响指标与电力需求历史数据一起作为模型的输入，对未来的电力需求进行预测分析。
对于预测模型算法的选取，电力需求短期预测采用遗传算法优化的BP神经网络，通过遗传算法对BP神经网络的初始权值和阈值进行优化。电力需求中长期预测分两种方法进行分析，第一种为对城市整体的电力需求进行预测，采用偏最小二乘回归法作为预测模型，通过该模型可充分利用模型的输入和输出数据，建立相应的回归方程，实现对电力需求的精准预测;第二种为对预测区域进行分层分区，然后根据用电客户类型的不同进行分类，实现对电力需求某一分区下某一用电客户的精准分析，然后再根据各类用电客户占分区用电量及各分区占预测区域总用电量的比例变化，确定相关比例系数，整合预测区域的电力需求预测模型。在电力需求预测模型建立后，本文以东北地区某市为例分别进行实例分析，结果证明了参考指标及预测模型选取的合理性。