论文部分内容阅读
摘 要：随着电力体制改革的推进，众多售电公司相继成立，并将进入城市配电网增量市场。对于城市配电网，居民、商业电量增速快，且在总电量中占比逐渐增加，发展潜力巨大。本文以居民、商业电量总和为研究对象，对其发展趋势进行分析，然后设计了一种考虑人口因素的居民、商业用户长期售电量预测方法。最后，以广东省某大型城市中心城区为例，对本文所提出的方法进行检验。
关键词：人口因素;居民商业用电;长期电量预测;年人均耗量
中图分类号：F426 文献标识码：A 文章编号：1004-7344（2019）03-0074-02
引 言
随着电力体制改革的推进与深入，配电网增量市场向社会资本开放，全国各省市陆续成立了众多售电公司，其中绝大多数售电公司的业务将集中在城市配电网增量市场。对于各大中型城市，受产业升级转型等因素影响，导致其大工业电量增长缓慢，甚至对个别城市或区县，其大工业电量处于下降状态。与此同时，其第三产业用电量及居民生活用电量则不断上升，成为城市配电网增量市场的主力。
以广东省为例，绝大多数售电公司集中在广州、深圳两大城市，这两大城市的共同点为：人口众多且持续增长、第三产业发达、大工业向市区周边或周边城市迁移。以上特点决定，大多数售电公司需将城市配电网增量市场，即居民、第三产业用电市场作为自己的主营业务。
目前国内电网企业将全部电力用户分为5大类，其中居民用户单独为一类，第三产业用电应对应商业用户。故本文以居民、商业用户电量为研究对象，考虑人口因素对其的影响，研究其电量预测的方法。
本文以居民、商业电量总和为研究对象，在充分分析其发展趋势与规律的基础上，考虑人口因素对其影响，设计了考虑人口因素的居民、商业用户长期售电量预测方法，该方法对区域内常住人口及年人均耗量分别进行预测，将预测结果相乘得到居民、商业电量总和。最后以广东省某大型城市区级供电局为例，对所提出的方法进行检验。
1 居民、商业电量发展趋势
受城市产业升级转型等因素影响，部分大中城市或市中心某区出现了大工业电量下降、居民商业电量增加的趋势。以广东省某大型城市中心城区C区为例，该区自2013年起，大工业电量在总电量中占比持续降低，但居民、商业电量总和及常住人口数量持续增长，居民、商业电量的增量潜力巨大。深入分析可知，居民、商业电量的增速大于常住人口的增速，即居民、商业年人均耗电量（以下简称“年人均耗量”）的增速亦不断增长。
綜合分析可知，部分大中城市或市中心城区的居民、商业电量存在巨大增量市场，售电公司在进入某一区域前，需对该区域市场潜力进行预测评估，在进行电量预测时，不应仅着眼于居民、商业电量总和的统计数据，可将居民、商业电量看做两部分的乘积，即：
Qjs=qjs·N（1）
其中Qjs为居民、商业电量总和，单位为kWh，qjs为年人均耗量，单位为kWh/（年·人），N为该区域常住人口数量，单位为人。因此，本文从年人均耗量及常住人口数量的角度对居民、商业电量总和进行研究，抓住影响其变化的根源，分别进行预测。
2 算法设计
如（1）式所示，居民、商业电量总和由两项因素决定，故本文分别对两项因素进行预测，将预测结果相乘得到居民、商业电量总和的预测值。本文所设计的算法流程为：数据收集及预处理-对年人均耗量进行预测-对常住人口数量进行预测-计算得到总电量预测值。
（1）数据收集及预处理
对待预测区域历年居民、商业用电量及对应年份的常住人口数量进行收集，并计算得到年人均耗量。
（2）对年人均耗量进行预测
目前对于中长期电量预测，普遍采用组合预测模型的方法。可以证明，组合预测模型的预测误差平方和不大于参与组合的各个单一模型的预测误差平方和的最小值[1～2]。本文选取一元线性回归法、加权拟合直线方程、累加线性拟合法、灰色预测模型、双曲线模型、对数曲线模型、S形曲线模型、倒指数曲线模型共8种常用预测模型算法构成组合预测模型，使用拟合方差法[3]计算得到各单一预测模型的权重。
（3）对常住人口数量进行预测
同样使用组合预测模型及拟合方差法，对常住人口数量进行预测，得到综合预测结果N。
（4）计算得到总电量预测值
将年人均耗量预测结果和常住人口预测结果相乘，得到居民、商业电量总和的预测结果Qjs。
3 算例分析
本文使用广东省某大型城市中心城区C区近年来各项数据，对本文所提出的方法进行检验。
该区2013年至2016年全区各项售电量及人口、年人均耗量数据如表1所示。
本文基于以上4年该区的电量及人口数据，使用本文提出的预测方法对该区2017年居民、商业电量总和进行预测，同时使用组合预测方法，直接对居民、商业电量总和进行预测计算，将二者结果进行比对分析。
（1）使用本文提出的预测方法进行预测计算
计算输入数据为历年常住人口及年人均耗量数据，使用组合预测模型分别对二者进行预测，再将所得结果相乘，得到居民、商业电量总和的预测结果，预测结果如表2所示。
（2）直接对居民、商业电量总和进行预测计算
计算输入数据为历年居民、商业电量总和，使用组合预测模型直接对其进行预测，所得预测结果为2017年该区居民、商业电量总和为21.57亿kWh.
（3）预测结果比对分析
将（1）、（2）所得结果与2017年该区居民、商业电量总和实际值进行比对，结果如表3所示。
由表3可知，本文所提出方法的预测结果，明显优于对总电量直接进行预测的方法，因本文方法充分考虑了人口因素对居民、商业电量的影响，对常住人口数量、年人均耗量分别进行预测，保留了二者发展趋势的细节信息，因而可以得到更为准确的预测结果。
售电公司可使用本方法，对区域居民、商业电量潜力进行预测，寻找更有商业价值的区域，更有针对性的开展售电活动。
4 结 论
（1）本文对居民、商业电量发展趋势进行了分析，可知对大中型城市，其居民、商业电量数值及在总电量中的占比均呈现上升趋势，为售电公司开展售电业务提供了足够的市场。
（2）本文设计了考虑人口因素的居民、商业用户长期售电量预测方法。该方法充分考虑人作为居民、商业电量的用电主体及在用电行为中的主导地位，使用组合预测模型对人口数量和年人均耗量分别进行预测，再将二者预测结果相乘，得到居民、商业电量总和的预测而结果。
（3）本文以广东省某大型城市中心城区为例，对所提出的售电量预测方法进行检验，结果证明该方法比直接对居民、商业电量进行预测，具有更高的准确性。本方法在整体工作量增加不大的情况下，提高了对居民、商业电量的预测精度，可帮助售电公司对各区域进行售电量预测，评估开发潜力，指导其售电业务的开展，以获取最大的经济效益。
参考文献
[1]汪同三，张 涛.组合预测——理论、方法及应用[M].北京：社会科学文献出版社，2008.
[2]陈华友.组合预测方法有效性理论及其应用[M].北京：科学出版社，2008.
[3]康重庆，夏 清，刘 梅.电力系统负荷预测[M].北京：中国电力出版社，2007.
收稿日期：2018-12-6
关键词：人口因素;居民商业用电;长期电量预测;年人均耗量
中图分类号：F426 文献标识码：A 文章编号：1004-7344（2019）03-0074-02
引 言
随着电力体制改革的推进与深入，配电网增量市场向社会资本开放，全国各省市陆续成立了众多售电公司，其中绝大多数售电公司的业务将集中在城市配电网增量市场。对于各大中型城市，受产业升级转型等因素影响，导致其大工业电量增长缓慢，甚至对个别城市或区县，其大工业电量处于下降状态。与此同时，其第三产业用电量及居民生活用电量则不断上升，成为城市配电网增量市场的主力。
以广东省为例，绝大多数售电公司集中在广州、深圳两大城市，这两大城市的共同点为：人口众多且持续增长、第三产业发达、大工业向市区周边或周边城市迁移。以上特点决定，大多数售电公司需将城市配电网增量市场，即居民、第三产业用电市场作为自己的主营业务。
目前国内电网企业将全部电力用户分为5大类，其中居民用户单独为一类，第三产业用电应对应商业用户。故本文以居民、商业用户电量为研究对象，考虑人口因素对其的影响，研究其电量预测的方法。
本文以居民、商业电量总和为研究对象，在充分分析其发展趋势与规律的基础上，考虑人口因素对其影响，设计了考虑人口因素的居民、商业用户长期售电量预测方法，该方法对区域内常住人口及年人均耗量分别进行预测，将预测结果相乘得到居民、商业电量总和。最后以广东省某大型城市区级供电局为例，对所提出的方法进行检验。
1 居民、商业电量发展趋势
受城市产业升级转型等因素影响，部分大中城市或市中心某区出现了大工业电量下降、居民商业电量增加的趋势。以广东省某大型城市中心城区C区为例，该区自2013年起，大工业电量在总电量中占比持续降低，但居民、商业电量总和及常住人口数量持续增长，居民、商业电量的增量潜力巨大。深入分析可知，居民、商业电量的增速大于常住人口的增速，即居民、商业年人均耗电量（以下简称“年人均耗量”）的增速亦不断增长。
綜合分析可知，部分大中城市或市中心城区的居民、商业电量存在巨大增量市场，售电公司在进入某一区域前，需对该区域市场潜力进行预测评估，在进行电量预测时，不应仅着眼于居民、商业电量总和的统计数据，可将居民、商业电量看做两部分的乘积，即：
Qjs=qjs·N（1）
其中Qjs为居民、商业电量总和，单位为kWh，qjs为年人均耗量，单位为kWh/（年·人），N为该区域常住人口数量，单位为人。因此，本文从年人均耗量及常住人口数量的角度对居民、商业电量总和进行研究，抓住影响其变化的根源，分别进行预测。
2 算法设计
如（1）式所示，居民、商业电量总和由两项因素决定，故本文分别对两项因素进行预测，将预测结果相乘得到居民、商业电量总和的预测值。本文所设计的算法流程为：数据收集及预处理-对年人均耗量进行预测-对常住人口数量进行预测-计算得到总电量预测值。
（1）数据收集及预处理
对待预测区域历年居民、商业用电量及对应年份的常住人口数量进行收集，并计算得到年人均耗量。
（2）对年人均耗量进行预测
目前对于中长期电量预测，普遍采用组合预测模型的方法。可以证明，组合预测模型的预测误差平方和不大于参与组合的各个单一模型的预测误差平方和的最小值[1～2]。本文选取一元线性回归法、加权拟合直线方程、累加线性拟合法、灰色预测模型、双曲线模型、对数曲线模型、S形曲线模型、倒指数曲线模型共8种常用预测模型算法构成组合预测模型，使用拟合方差法[3]计算得到各单一预测模型的权重。
（3）对常住人口数量进行预测
同样使用组合预测模型及拟合方差法，对常住人口数量进行预测，得到综合预测结果N。
（4）计算得到总电量预测值
将年人均耗量预测结果和常住人口预测结果相乘，得到居民、商业电量总和的预测结果Qjs。
3 算例分析
本文使用广东省某大型城市中心城区C区近年来各项数据，对本文所提出的方法进行检验。
该区2013年至2016年全区各项售电量及人口、年人均耗量数据如表1所示。
本文基于以上4年该区的电量及人口数据，使用本文提出的预测方法对该区2017年居民、商业电量总和进行预测，同时使用组合预测方法，直接对居民、商业电量总和进行预测计算，将二者结果进行比对分析。
（1）使用本文提出的预测方法进行预测计算
计算输入数据为历年常住人口及年人均耗量数据，使用组合预测模型分别对二者进行预测，再将所得结果相乘，得到居民、商业电量总和的预测结果，预测结果如表2所示。
（2）直接对居民、商业电量总和进行预测计算
计算输入数据为历年居民、商业电量总和，使用组合预测模型直接对其进行预测，所得预测结果为2017年该区居民、商业电量总和为21.57亿kWh.
（3）预测结果比对分析
将（1）、（2）所得结果与2017年该区居民、商业电量总和实际值进行比对，结果如表3所示。
由表3可知，本文所提出方法的预测结果，明显优于对总电量直接进行预测的方法，因本文方法充分考虑了人口因素对居民、商业电量的影响，对常住人口数量、年人均耗量分别进行预测，保留了二者发展趋势的细节信息，因而可以得到更为准确的预测结果。
售电公司可使用本方法，对区域居民、商业电量潜力进行预测，寻找更有商业价值的区域，更有针对性的开展售电活动。
4 结 论
（1）本文对居民、商业电量发展趋势进行了分析，可知对大中型城市，其居民、商业电量数值及在总电量中的占比均呈现上升趋势，为售电公司开展售电业务提供了足够的市场。
（2）本文设计了考虑人口因素的居民、商业用户长期售电量预测方法。该方法充分考虑人作为居民、商业电量的用电主体及在用电行为中的主导地位，使用组合预测模型对人口数量和年人均耗量分别进行预测，再将二者预测结果相乘，得到居民、商业电量总和的预测而结果。
（3）本文以广东省某大型城市中心城区为例，对所提出的售电量预测方法进行检验，结果证明该方法比直接对居民、商业电量进行预测，具有更高的准确性。本方法在整体工作量增加不大的情况下，提高了对居民、商业电量的预测精度，可帮助售电公司对各区域进行售电量预测，评估开发潜力，指导其售电业务的开展，以获取最大的经济效益。
参考文献
[1]汪同三，张 涛.组合预测——理论、方法及应用[M].北京：社会科学文献出版社，2008.
[2]陈华友.组合预测方法有效性理论及其应用[M].北京：科学出版社，2008.
[3]康重庆，夏 清，刘 梅.电力系统负荷预测[M].北京：中国电力出版社，2007.
收稿日期：2018-12-6