一、項目背景

隨著電力體制改革和智能電網(wǎng)建設(shè)的不斷深入，售電量己成為考核電力企業(yè)的一個重要指標，月度售電量預(yù)測對于國家電網(wǎng)公司合理地確定銷售電量總定額、分解售電量銷售指標、制訂有序用電方案、指導(dǎo)發(fā)電廠和輸配電網(wǎng)的合理運行、推動電力市場的發(fā)展和建設(shè)都具有十分重要的意義。

二、問題與挑戰(zhàn)

1.售電量變化影響因素多。

2.影響售電量影響的各因素間關(guān)系復(fù)雜。

3.售電量預(yù)測模型需具備自學(xué)習功能，使得模型能夠反映售電量最新的變化趨勢。

4.預(yù)測模型實現(xiàn)全自動化建模過程。

三、解決方案

為實現(xiàn)自動化、自學(xué)習的售電量預(yù)測，減少業(yè)務(wù)人員的操作成本，開發(fā)了自動獲取天氣數(shù)據(jù)、節(jié)假日數(shù)據(jù)、經(jīng)濟數(shù)據(jù)的主要經(jīng)濟數(shù)據(jù)的網(wǎng)絡(luò)爬蟲工具，并結(jié)合電網(wǎng)的業(yè)擴報裝等數(shù)據(jù)，構(gòu)建了基于貝葉斯季節(jié)調(diào)整算法的售電量預(yù)測解決方案，主要步驟如下：

1.數(shù)據(jù)預(yù)處理：包括異常值處理、最優(yōu)建模數(shù)據(jù)自動篩選等；

2.曲線分解：利用貝葉斯季節(jié)調(diào)整算法分解售電量曲線，分解得到趨勢項、季節(jié)項和隨機項；如圖1。

3.分解預(yù)測：在相關(guān)性研究、前導(dǎo)性分析的基礎(chǔ)上，分別考慮趨勢項、季節(jié)項和隨機項的相關(guān)因素，建立預(yù)測模型；

4.預(yù)測重構(gòu)：通過趨勢項、季節(jié)項和隨機項的預(yù)測結(jié)果逐點相加得到售電量預(yù)測結(jié)果；

5.預(yù)測擇優(yōu)：在多種預(yù)測結(jié)果中自動選擇最優(yōu)預(yù)測結(jié)果；

6.春節(jié)調(diào)整：在深入研究春節(jié)對售電量影響的基礎(chǔ)上，對預(yù)測結(jié)果進行調(diào)整，得到最終預(yù)測結(jié)果。如圖2。

四、應(yīng)用價值

1.外部數(shù)據(jù)自動爬取與結(jié)構(gòu)化

2.售電量精準預(yù)測

五、相關(guān)案例

國網(wǎng)總部及省公司售電量預(yù)測

大型供電企業(yè)售電量預(yù)測

國網(wǎng)某省及地市公司售電量預(yù)測