引言

電力供需預(yù)測(cè)指標(biāo)是反映國(guó)民經(jīng)濟(jì)活動(dòng)的敏感指標(biāo),電力供需預(yù)測(cè)的結(jié)果可作為國(guó)家宏觀經(jīng)濟(jì)政策的決策參考依據(jù),決定著電力企業(yè)自身發(fā)展的方向和速度。電力的發(fā)展與國(guó)民經(jīng)濟(jì)發(fā)展高度關(guān)聯(lián),各級(jí)政府和電力企業(yè)高度關(guān)注電力供需預(yù)測(cè)工作,以滿足群眾生活對(duì)電力的需求,化解電力發(fā)展不均衡、不充分的主要矛盾。隨著電力需求長(zhǎng)時(shí)期快速增長(zhǎng),電力供需矛盾也不斷加劇。面對(duì)多變波動(dòng)的電力供需市場(chǎng),傳統(tǒng)的預(yù)測(cè)方法已經(jīng)很難較為精準(zhǔn)地預(yù)測(cè)未來(lái),需要引入新的預(yù)測(cè)方法,特別是在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能與實(shí)體經(jīng)濟(jì)深度融合的時(shí)代背景下,更應(yīng)借助大數(shù)據(jù)強(qiáng)大的智能預(yù)測(cè)功能做好電力供需預(yù)測(cè)工作,通過(guò)萬(wàn)物互聯(lián)提取海量的電力供需信息,去偽存真,匯總至云端,經(jīng)大數(shù)據(jù)加工、集成、分析,開(kāi)發(fā)出更具價(jià)值、更加精準(zhǔn)的電力供需預(yù)測(cè)數(shù)據(jù),以滿足電力行業(yè)發(fā)展的需要。

1傳統(tǒng)電力供需預(yù)測(cè)方法的利弊

傳統(tǒng)電力供需預(yù)測(cè)方法是根據(jù)社會(huì)經(jīng)濟(jì)發(fā)展和電力負(fù)荷等歷史數(shù)據(jù),建立相應(yīng)的數(shù)學(xué)模型,找出歷史數(shù)據(jù)的變化規(guī)律和各種相關(guān)因素的內(nèi)在聯(lián)系,進(jìn)而對(duì)未來(lái)電力需求進(jìn)行預(yù)測(cè)。這一基于歷史數(shù)據(jù)處理的電力需求預(yù)測(cè)方法,依托所采集的歷史數(shù)據(jù),采用數(shù)據(jù)外推法、彈性系數(shù)法、重點(diǎn)工程法、產(chǎn)值單耗法、人口綜合法等工具建立相應(yīng)的數(shù)據(jù)模型,預(yù)測(cè)結(jié)果有一定的準(zhǔn)確性,能較好地指導(dǎo)電力行業(yè)發(fā)展方向,進(jìn)而保證國(guó)民經(jīng)濟(jì)可持續(xù)發(fā)展。但是,傳統(tǒng)的電力供需預(yù)測(cè)方法主要采用自身外推法和相關(guān)性分析法。不論采用哪種方法,都要事先設(shè)定各種參數(shù),參數(shù)的設(shè)定受主觀因素影響較大,導(dǎo)致負(fù)荷預(yù)測(cè)結(jié)果隨意性也較大,不夠嚴(yán)謹(jǐn)。傳統(tǒng)的供需負(fù)荷預(yù)測(cè)方法包含典型日負(fù)荷曲線,在歷史數(shù)據(jù)的基礎(chǔ)上,采用時(shí)間外推法,并結(jié)合社會(huì)經(jīng)濟(jì)發(fā)展的要求和天氣等因素,用趨勢(shì)移動(dòng)平均法、指數(shù)平滑法和神經(jīng)網(wǎng)絡(luò)法,獲得預(yù)測(cè)結(jié)果。由歷史數(shù)據(jù)預(yù)測(cè)若干個(gè)行業(yè)典型年負(fù)荷值,綜合考慮各行業(yè)負(fù)荷增速、社會(huì)經(jīng)濟(jì)運(yùn)行、中長(zhǎng)期氣候變化(氣溫、來(lái)水)、重點(diǎn)項(xiàng)目密集布局對(duì)電量增長(zhǎng)潛力的挖掘能力、節(jié)能減排及大氣污染治理要求等外在因素,分類疊加,形成高、中、低三檔最大年負(fù)荷需求結(jié)果,用于指導(dǎo)電力工業(yè)均衡發(fā)展和電力生產(chǎn)調(diào)度。這種方法的供需預(yù)測(cè)都具有一個(gè)共性,即根據(jù)歷史數(shù)據(jù)外推無(wú)法獲得實(shí)時(shí)負(fù)荷預(yù)測(cè),不能用于泛在電力物聯(lián)網(wǎng)的實(shí)時(shí)調(diào)控。

傳統(tǒng)的電力供需預(yù)測(cè)結(jié)果能夠較好地反映電力行業(yè)與國(guó)民經(jīng)濟(jì)發(fā)展的內(nèi)在聯(lián)系及電力企業(yè)自身發(fā)展規(guī)律,廣泛應(yīng)用于政府的宏觀決策參考層面和電力企業(yè)的規(guī)劃發(fā)展上,并發(fā)揮著數(shù)據(jù)指導(dǎo)功效。但傳統(tǒng)的電力供需預(yù)測(cè)精度不高,已很難適應(yīng)電力市場(chǎng)的快速發(fā)展和變化。用單一組的歷史數(shù)據(jù)對(duì)未來(lái)做預(yù)判的方法是限局單一的,對(duì)其他指標(biāo)類型的預(yù)示功能有限,預(yù)測(cè)結(jié)果往往無(wú)法判定其他類別不確定因素的影響,無(wú)助于回避決策風(fēng)險(xiǎn)。在多變的市場(chǎng)環(huán)境中,不確定性是常態(tài),有時(shí)某些不確定因素還會(huì)上升為主要的關(guān)聯(lián)因素。僅考慮單一條件的分析結(jié)果,其精確度不高是不可避免的。

另一方面,傳統(tǒng)的電力供需預(yù)測(cè)手段多采用相關(guān)性分析法(如彈性系數(shù)法)和各類線性回歸數(shù)學(xué)模型法,這種靠對(duì)單一維度歷史數(shù)據(jù)進(jìn)行推演而獲得的電力供需預(yù)測(cè)結(jié)果,有其固有的缺陷,即結(jié)果的不確定性。因?yàn)閭鹘y(tǒng)的電力負(fù)荷預(yù)測(cè)模型很難模擬真實(shí)的運(yùn)行環(huán)境,不能全面反映價(jià)格、氣候變化、城市規(guī)劃、人口變動(dòng)等變量對(duì)電力需求的影響。多維度(變量)的數(shù)據(jù)模型計(jì)算工作量是呈指數(shù)級(jí)增長(zhǎng)的,人工無(wú)法勝任。隨著高速計(jì)算技術(shù)的應(yīng)用,對(duì)風(fēng)、光電這類隨機(jī)性和不確定性強(qiáng)的電源類型進(jìn)行電力負(fù)荷預(yù)測(cè),需綜合考慮氣候變化等其他變量的影響,傳統(tǒng)的模型和方法難當(dāng)重任,勢(shì)必引入新的計(jì)算方法和數(shù)字模型,如蒙特卡羅(Monte二Carlo)模型方法加以解決。這種方法既可避免多維度數(shù)據(jù)處理計(jì)算量巨大的負(fù)擔(dān),又可較為客觀準(zhǔn)確地預(yù)測(cè)風(fēng)、光電的電力負(fù)荷。

隨著第三產(chǎn)業(yè)用電比重的增加和用電總量的快速增長(zhǎng),研究分析隨機(jī)性很大的第三產(chǎn)業(yè)電力消費(fèi)趨勢(shì),已成為電力需求預(yù)測(cè)工作的要點(diǎn)和難點(diǎn)。第三產(chǎn)業(yè)的電力消耗,不僅與人民群眾日常生活息息相關(guān),還具有需求彈性大、價(jià)格彈性大、受低價(jià)驅(qū)動(dòng)和消費(fèi)心理影響等新特質(zhì)。例如,隨著電動(dòng)機(jī)車(電動(dòng)汽車和電摩)存有量增長(zhǎng)井噴式地爆發(fā),其電力消費(fèi)呈現(xiàn)出隨機(jī)、無(wú)序的增長(zhǎng)態(tài)勢(shì),這類電力需求既無(wú)歷史數(shù)據(jù)可參照,又無(wú)密切相關(guān)的統(tǒng)計(jì)指標(biāo)可比對(duì),傳統(tǒng)的電力需求預(yù)測(cè)方法難以對(duì)電動(dòng)機(jī)車這類波動(dòng)負(fù)荷做出精確的預(yù)測(cè),必須尋求新的方法和手段加以解決,大數(shù)據(jù)平臺(tái)的強(qiáng)大預(yù)測(cè)功能為我們提供了解決問(wèn)題的途徑。

2電力供需預(yù)測(cè)的價(jià)值內(nèi)涵和特征

在互聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)推算生成的電力供需預(yù)測(cè)數(shù)據(jù)具有信息化時(shí)代的烙印,更具活力和價(jià)值。

(1)在大數(shù)據(jù)時(shí)代,電力供需預(yù)測(cè)一改過(guò)去由歷史數(shù)據(jù)推演未來(lái)的方法,直接采集泛在物聯(lián)網(wǎng)用戶終端數(shù)據(jù)和SCADA、

DCS的數(shù)據(jù),過(guò)濾清洗后借助HBaSe數(shù)據(jù)庫(kù)管理框架匯集到云端,使用Mapreduce、Spark等計(jì)算框架整理挖掘出數(shù)據(jù)的內(nèi)在規(guī)律,形成更為精確、有價(jià)值的電力需求預(yù)測(cè)數(shù)據(jù),融匯生成電力供需預(yù)測(cè)結(jié)果。預(yù)測(cè)結(jié)果兼具實(shí)時(shí)和中長(zhǎng)期預(yù)測(cè)功效,精準(zhǔn)度也得到極大提高,可直接應(yīng)用于電力生產(chǎn)監(jiān)控和電力消費(fèi)終端的電力資源配置,有效平抑電力峰谷差幅度,具有極高的數(shù)據(jù)價(jià)值和實(shí)用性。由歷史數(shù)據(jù)推演轉(zhuǎn)變?yōu)樵贫藬?shù)據(jù)計(jì)算,是電力供需預(yù)測(cè)方法從量變到質(zhì)變的一大飛躍。

(2）影響電力供需預(yù)測(cè)結(jié)果的變量很多,如國(guó)民經(jīng)濟(jì)運(yùn)行方式、時(shí)間、空間(區(qū)域）、人文、政策等。多維度(變量）數(shù)據(jù)的模擬合成計(jì)算量巨大,借助現(xiàn)代高速計(jì)算技術(shù),可大膽選擇多維度數(shù)據(jù)模型進(jìn)行模擬運(yùn)算。與過(guò)去使用一維數(shù)據(jù)(往往是對(duì)結(jié)果影響最大的變量數(shù)據(jù)）進(jìn)行模擬運(yùn)算相比較,多維度的數(shù)據(jù)模型能更客觀、全面反映電力供需趨勢(shì)和分布。例如,在對(duì)某一特定區(qū)域的電力消費(fèi)市場(chǎng)進(jìn)行預(yù)測(cè)時(shí),全面考慮時(shí)間、空間(區(qū)域）、城市化進(jìn)程以及人口單耗電能諸多因素,模擬生成的預(yù)測(cè)結(jié)果更具價(jià)值,直接成為當(dāng)?shù)亟ㄔO(shè)分布式能源站的決策依據(jù)。

(3）互聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)下的電力供需預(yù)測(cè)及采用的數(shù)據(jù)處理方法也發(fā)生了質(zhì)的變化。傳統(tǒng)的數(shù)據(jù)處理技術(shù)僅對(duì)單一的歷史數(shù)據(jù)進(jìn)行分析、模擬計(jì)算,少有導(dǎo)入諸如風(fēng)場(chǎng)風(fēng)速分布、氣象雷達(dá)云圖信息等非結(jié)構(gòu)化數(shù)據(jù)參與分析計(jì)算?；ヂ?lián)網(wǎng)大數(shù)據(jù)平臺(tái)為電力供需預(yù)測(cè)提供了更為強(qiáng)大的算法工具,不僅能完整地處理歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)流(結(jié)構(gòu)化數(shù)據(jù)）,也能同步處理與電力供需預(yù)測(cè)高度關(guān)聯(lián)的非結(jié)構(gòu)化數(shù)據(jù)(如氣象雷達(dá)圖像、微博信息數(shù)據(jù)、電力管理者急待把控的爬蟲(chóng)數(shù)據(jù)等）。這種新的計(jì)算技術(shù)的應(yīng)用,極大地提高了預(yù)測(cè)的精確度,能較為客觀地把握電力供需的變化規(guī)律與發(fā)展趨勢(shì)。

(4）大數(shù)據(jù)計(jì)算的成果是多樣的,不但有電力供需預(yù)測(cè)分析結(jié)果,還具有數(shù)據(jù)挖掘功能,對(duì)所采集的數(shù)據(jù)按區(qū)域、行業(yè)及其他屬性進(jìn)行分類統(tǒng)計(jì),智能決策,指導(dǎo)精確營(yíng)銷和行業(yè)對(duì)標(biāo)管理。

3新型電力供需預(yù)測(cè)結(jié)果的應(yīng)用

互聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)為電力供需預(yù)測(cè)方法賦予了新的內(nèi)涵和活力,其預(yù)測(cè)結(jié)果具有精準(zhǔn)性、全面性、實(shí)時(shí)性等優(yōu)勢(shì),在泛在電力物聯(lián)網(wǎng)系統(tǒng)中更能體現(xiàn)其預(yù)測(cè)的數(shù)據(jù)價(jià)值。例如,隨著電力體制改革的深入,風(fēng)、光電等新能源高密度大規(guī)模地并入電網(wǎng),不確定電力擾動(dòng)增加,對(duì)不確定性、隨機(jī)性很高的風(fēng)、光電出力進(jìn)行預(yù)測(cè)顯得愈加重要。通過(guò)導(dǎo)入衛(wèi)星云圖和太陽(yáng)輻射分布數(shù)據(jù),采用更先進(jìn)的模擬算法,得到相對(duì)精準(zhǔn)的風(fēng)、光電力負(fù)荷預(yù)測(cè)結(jié)果,正向引導(dǎo)物聯(lián)網(wǎng)中特定電力消耗負(fù)荷,最大限度地吸納風(fēng)、光電不確定性的隨機(jī)電力。

泛在電力物聯(lián)網(wǎng)背景下的新型電力負(fù)荷預(yù)測(cè)具有很大的發(fā)展?jié)摿蛢r(jià)值。隨著泛在電力物聯(lián)網(wǎng)的建設(shè)逐漸深入,各類主動(dòng)負(fù)荷將不斷涌現(xiàn)。大數(shù)據(jù)平臺(tái)下的電力供需預(yù)測(cè)結(jié)果,直接實(shí)時(shí)地引導(dǎo)主動(dòng)負(fù)荷的電力消費(fèi),有效平抑電力峰谷差,為電力需求側(cè)管理(DSM）開(kāi)辟了新的管理途徑和手段。

云計(jì)算數(shù)據(jù)將是巨大的財(cái)富和資產(chǎn),其價(jià)值可能遠(yuǎn)超過(guò)其對(duì)應(yīng)的實(shí)體資產(chǎn)。云計(jì)算數(shù)據(jù)的預(yù)測(cè)分析結(jié)果,作為一種新的生產(chǎn)要素,直接運(yùn)用到電力系統(tǒng)各類經(jīng)營(yíng)生產(chǎn)活動(dòng)中。數(shù)字經(jīng)濟(jì)是充滿活力、代表未來(lái)的新經(jīng)濟(jì),站在網(wǎng)絡(luò)空間利益共同體的高度,各級(jí)政府、企業(yè)、社會(huì)組織和個(gè)體利益主體都要以開(kāi)放包容的態(tài)度,深化合作,優(yōu)勢(shì)互補(bǔ),共同打造泛在能源物聯(lián)網(wǎng)系統(tǒng),讓更多的群體共享大數(shù)據(jù)服務(wù)的成果,共享智能互聯(lián)釋放出來(lái)的大數(shù)據(jù)紅利。

4結(jié)語(yǔ)

傳統(tǒng)的電力供需預(yù)測(cè)方法已呈現(xiàn)出其局限性,不能全面、準(zhǔn)確地反映電力市場(chǎng)需求的快速變化,但仍可作為電力行業(yè)中長(zhǎng)期規(guī)劃的參考依據(jù)。

互聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)的應(yīng)用,為我們更精準(zhǔn)地預(yù)測(cè)未來(lái)打開(kāi)一扇窗,創(chuàng)造性地開(kāi)發(fā)電力供需預(yù)測(cè)的新辦法、新手段。新的電力供需預(yù)測(cè)方法和結(jié)果具有網(wǎng)絡(luò)數(shù)字時(shí)代的特征,實(shí)時(shí)、精準(zhǔn)、更具活力和使用價(jià)值。