一种供电公司月度市场化采购电量的预测方法技术

一种供电公司月度市场化采购电量的预测方法，属供电管理领域。包括对代购电用户实施用电特征的画像和聚类分析，构建描绘代购电用户月用电特征指标体系，按不同类别采用适宜的预测模型实施用电量预测；在搜集保障性用电历史月用电量及用户变更信息的基础上，对居民和农业用户的次月用电量实施预测；将低压工商业用户次月用电量预测值与居民/农业保障性用电次月预测值加总，作为低压用电量；据低压用电量实施低压电网网损预测；将计入网损的低压供电量与10kV及以上工商业用户代购电量加总，据该值实施110～10kV配网网损预测；将各级配网网损与代购电、保障性用电预测值加总，由此获得供电公司次月市场化采购电量预测结果。得供电公司次月市场化采购电量预测结果。得供电公司次月市场化采购电量预测结果。

【技术实现步骤摘要】
一种供电公司月度市场化采购电量的预测方法


[0001]本专利技术属于供电管理领域，尤其涉及一种用于供电公司月度市场化采购电量的预测方法。

技术介绍

[0002]我国自2021年末起，电力公司不再参与为直购电的工商业用户提供代购电业务。供电部门每月须上报次月代购电预测电量，作为电力市场运营部门组织市场化交易的依据。
[0003]随着代购电占比的逐步提升，给承担代购电业务的供电公司带来了新的问题：传统供电方式下，供电公司只要做好客户服务、电量计量、电费计收、线损管理等业务即可。而在代购电业务中，供电公司需向竞价市场申报购电量，供电公司对代购电量的偏差控制能力将带来真金白银的损失。
[0004]因此，代购电量申报数据的准确性直接关系到电网运行的安全性；有些地区还对代购电量申报偏差实施考核，并对过度偏差实施惩罚，这种情况下代购电申报电量的准确性还直接关系到供电公司的营销收益。
[0005]另一方面，负荷/电量预测问题，虽然以往从规划、调度的角度已有不少研究，但电力市场环境下营销口的代购电量预测有其特殊性，具体表现在：
[0006](1)传统的预测针对变电站/线路/供电区域，利用变电站/线路/供电区域的历史用电数据即可实施预测；而委托代购电的只是一部分工商业用户，且每月委托购电的用户有进有出，有些用户还带有分布式电源且其自发自用电量受气候影响明显，故而基于历史用电总量的预测方法难以适用，需探索针对用户的用电量预测方法，采用分解—加总的思路实施代购电量预测。
[0007](2)不同用户用电量的敏感影响因素不尽相同，有些用户的用电量特别敏感于气温，有些与企业生产计划有关而有一定内在规律，因此无法用单一的预测模型获得足够精度的预测，有必要开展用户用电量变化规律的画像分析，在此基础上分类提出相适应的预测方法。
[0008](3)代购电价格随竞价市场而波动，而电价水平也是影响用电需求的重要因素，传统负荷/电量预测并不计入价格的影响，而在代购电预测中有必要计入电价对需求的影响。
[0009]申请公布日为2022.10.14，申请公布号为CN 115186880 A的专利技术专利申请，公开了“一种基于DF检验的售电公司购电决策判断方法”，，包括：步骤1根据售电公司每月实际售电量和预测售电量，计算预测误差值x，通过x是否存在趋势来判断是否需要调整购电量，以此减少因预测不准造成的偏差考核；步骤2对步骤1计算得出的x计算DF检验统计量τ；步骤3设定置信水平α，根据步骤2计算出的τ判断x是否存在趋势，当x存在趋势时，则发出预警，使得工作人员重新预测并调整购电量，避免因电量预测偏差造成的经济损失。该技术方案通过DF检验判断预测误差值的趋势性，为工作人员提供可靠的购电量调整判断。但是其属于趋势分析类方法，即基于历史数据对负荷/用电量发展趋势做出模型化估计，再将该模
型用于未来月负荷/用电量预测。实际采用的方法是参考去年同期值，并根据当年过往月相对于上年同期的增减情况对预测结果做出修正。这种预测方法的特点是直接对采购电总量实施预测，由于代购电用户每月都有增减，参考历史月实施预测的准确性较差。
[0010]申请公布日为2022.12.20，申请公布号为CN 115496304 A的专利技术专利申请，公开了“一种代理购电量预测算法的立体综合评价方法及系统”，包括：基于K
‑
means算法对代理购电用户的用电特征进行聚类得到区域群或行业群；以时间周期为横向维度、以区域群或行业群为纵向维度采用不同的电量预测算法进行代理购电量预测，并计算预测值与实际值的预测偏差；基于预测偏差和评价因子权重值对代理购电量预测算法进行立体综合评价。该技术方案是基于时间维度和空间维度分配评价因子权重值，既能体现预测算法在强相关月份的准确性，又能反应预测算法在较长周期的稳定性。但是其依赖于电力客户缴费习惯、移峰填谷潜力等方面的相关性分析，或是先预想一种可能的变化趋势，然后用函数拟合的方法确定关联关系。其直接对采购电总量实施预测，由于代购电用户每月都有增减，参考历史月实施预测的准确性较差。
[0011]综上，现有预测方法难以简单应用，相应的预测方法值得专门研究，以便尽快解决供电公司代购电业务中精准电量申报的问题。

技术实现思路

[0012]本专利技术所要解决的技术问题是提供一种供电公司月度市场化采购电量的预测方法。其采用分解预测的方式，将市场化采购电量预测分为工商业代购电量预测和保供电量预测两部分。仅对用户增长趋势稳定的保供电量部分，采用基于历史总量数据建模和预测的方法；对工商业代购电部分则对个体预测，通过个体预测结果加总获得总量预测值。由此可解决代购电用户每月增减的问题，进而解决供电公司代购电业务中精准电量申报的问题。
[0013]本专利技术的技术方案是：提供一种供电公司月度市场化采购电量的预测方法，其特征是具体包括以下步骤：
[0014]1)在搜集代购电用户历史用电量、电价、气象数据及用户变更信息的基础上，开展代购电用户次月用电量预测；对代购电用户实施用电特征的画像和聚类分析，构建描绘代购电用户月用电特征指标体系，按不同类别采用适宜的预测模型实施用电量预测；
[0015]2)在搜集保障性用电历史月用电量及用户变更信息的基础上，对居民和农业用户的次月用电量实施预测；
[0016]3)将低压工商业用户次月用电量预测值与居民/农业保障性用电次月预测值加总，作为低压用电量；据低压用电量实施低压电网网损预测；
[0017]4)将计入网损的低压供电量与10kV及以上工商业用户代购电量加总，据该值实施110～10kV配网网损预测；
[0018]5)将各级配网网损与代购电、保障性用电预测值加总，由此获得供电公司次月市场化采购电量预测结果。
[0019]具体的，所述的用电特征的画像和聚类分析包括：
[0020](1)代购电用户用电特征指标的构建：构建能表征代购电用户月用电量受哪些因素影响的指标体系；
[0021](2)用电特征指标的标签化：对每一特征指标，确定一些取值范围，每一取值范围对应不同的属性描述；
[0022](3)代购电用户用电特征指标的聚类分析：对每一特征指标实施聚类分析，根据聚类中心对应的指标所属的取值范围，对照出标签属性；
[0023](4)代购电用户画像分析：根据聚类所得标签属性的组合情况，对代购电用户的用电特征给予多角度描绘，即实施画像。
[0024]具体的，所述的代购电用户月用电特征指标体系，从以下四个维度构建描绘代购电用户月用电特征指标体系：
[0025](1)周日类型敏感性：
[0026]若用户的用电量与一周内的日类型有关，则其日用电量在所属周的排序应该与星期几呈相关性；
[0027](2)节假日敏感性：
[0028]此处的节假日不包含周末；
[0029]将国定假日分为短假和长假两类；基于关联分析法中的“提升度”指标来定义用户日用电量的节假日敏感性；
[0030](3)气温敏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种供电公司月度市场化采购电量的预测方法，其特征是具体包括以下步骤：1)在搜集代购电用户历史用电量、电价、气象数据及用户变更信息的基础上，开展代购电用户次月用电量预测；对代购电用户实施用电特征的画像和聚类分析，构建描绘代购电用户月用电特征指标体系，按不同类别采用适宜的预测模型实施用电量预测；2)在搜集保障性用电历史月用电量及用户变更信息的基础上，对居民和农业用户的次月用电量实施预测；3)将低压工商业用户次月用电量预测值与居民/农业保障性用电次月预测值加总，作为低压用电量；据低压用电量实施低压电网网损预测；4)将计入网损的低压供电量与10kV及以上工商业用户代购电量加总，据该值实施110～10kV配网网损预测；5)将各级配网网损与代购电、保障性用电预测值加总，由此获得供电公司次月市场化采购电量预测结果。2.按照权利要求1所述的供电公司月度市场化采购电量的预测方法，其特征是所述的用电特征的画像和聚类分析包括：(1)代购电用户用电特征指标的构建：构建能表征代购电用户月用电量受哪些因素影响的指标体系；(2)用电特征指标的标签化：对每一特征指标，确定一些取值范围，每一取值范围对应不同的属性描述；(3)代购电用户用电特征指标的聚类分析：对每一特征指标实施聚类分析，根据聚类中心对应的指标所属的取值范围，对照出标签属性；(4)代购电用户画像分析：根据聚类所得标签属性的组合情况，对代购电用户的用电特征给予多角度描绘，即实施画像。3.按照权利要求1所述的供电公司月度市场化采购电量的预测方法，其特征是所述的代购电用户月用电特征指标体系，从以下四个维度构建描绘代购电用户月用电特征指标体系：(1)周日类型敏感性：若用户的用电量与一周内的日类型有关，则其日用电量在所属周的排序应该与星期几呈相关性；(2)节假日敏感性：此处的节假日不包含周末；将国定假日分为短假和长假两类；基于关联分析法中的“提升度”指标来定义用户日用电量的节假日敏感性；(3)气温敏感性:包括夏季气温敏感性和冬季气温敏感性，同一用户在两个季节的用电气温敏感性可能不同；对于每一季节，又分为日用电量相对于日最高气温、日最低气温、日平均气温的敏感性；一共有六个敏感性；对每一种气温敏感性，先将日用电量按所在日类型归类，以相应日类型平均日用电量为基准，计算日用电量的相对值，进而采用相对灵敏度的概念定义气温敏感性；(4)电价敏感性维度：
基于月用电量，而不是日用电量进行分析；为了剔除气温的干扰，需横向对比同一季节各月间因电价波动而产生的用电量差异。4.按照权利要求3所述的供电公司月度市场化采购电量的预测方法，其特征是所述的代购电用户月用电特征指标体系，通过对四项指标分别实施标签化，设定不同属性特征的指标取值范围，对四个维度指标取值范围的设定按以下原则进行：(1)对周日类型敏感性维度：以“卡方值≥一定显著性水平下临界值”为分类依据，显著性水平可根据预测精度调整；从而当表示相应代购电用户的用电量具有周日类型敏感的特征，否则不具有该特征；(2)节假日敏感性维度：以“相应提升度指标≥一定阈值”为分类依据；阈值同样可根据预测精度要求调整；(3)气温敏感性维度：该维度采用日用电量与气象指标之间的Person相关系数定义，故而采用Person相关系数的相应阈...

【专利技术属性】
技术研发人员：张洋，韩跃峻，陆斌，冯彬，赵敏，陆微，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：