Page 56 - 电力与能源2023年第四期

362 邵佳佳，等：面向电力市场交易的客户电量预测技术研究

表 2 2022 年 7~12 月模型预测结果 %
7 月 8 月 9 月 10 月 11 月 12 月
用户分类
模型 误差 模型 误差 模型 误差 模型 误差 模型 误差 模型 误差
季节趋 季节趋 机器 机器 机器 季节趋
保供居民 7.04 10.72 2.45 1.47 1.33 7.58
势分解 势分解 学习 学习 学习 势分解
保供农业 季节趋 机器 季节趋 季节趋 机器 机器
20.60 18.22 7.20 7.74 11.26 3.25
低压 势分解 学习 势分解 势分解 学习 学习
保供农业 机器 机器 机器 机器 机器 机器
16.16 2.70 6.48 48.01 38.71 60.66
高压 学习 学习 学习 学习 学习 学习
非保供一 季节趋 季节趋 机器 机器 机器 季节趋
般工商业 11.71 13.15 0.88 4.00 0.45 3.98
势分解 势分解 学习 学习 学习 势分解
低压
非保供大 回归 机器 回归 回归 回归 机器
6.00 2.89 0.26 2.11 13.50 19.78
工业低压 分析 学习 分析 分析 分析 学习
非保供 回归 回归 回归 回归 机器 机器
1.76 6.99 0.86 1.79 0.20 2.76
高压 分析 分析 分析 分析 学习 学习
市场交易 回归 回归 回归 机器 机器 机器
13.21 0.37 1.21 3.23 0.37 0.15
高压 分析 分析 分析 学习 学习 学习
低压、农业高压、非保供大工业低压用户的预测效 市场交易的客户电量预测模型和解决方案。在实
果有待提升，部分月份的全局最优模型的预测误 际生产活动中的性能评估表明：（1）对于保供用
差在 20% 以上。农业低压、农业高压、非保供大 户，在无异常突发事件影响下，模型预测的效果较
工业低压用户的电量趋势性和/或季节性特征不 为稳定。在可能发生异常突发事件的条件下，人
明显，与气象、节假日等外部因素的相关性不强， 工预测能够结合电费专职人员经验，更为准确地

但是这部分用户的电量规模较小，对整体预测精 分析研判；（2）对于代理购电、市场交易用户，由于
度影响不大。 该类用户的组成按季度调整，需要定期跟踪用户
从季节划分看，多数情况下，同类用户秋季 群，更新历史数据，现阶段电费专职人员可对照参
（9~11 月）的预测误差低于夏季（7~8 月）和冬季 考模型预测，给出最终预测结果。
（12 月）的预测误差。受到异常气象和疫情影响， 参考文献：

2023 年夏季的电量均较历史同期波动更为显著， ［1］ ZHANG P，PAN X P，XUE W C. Short-term load fore⁃

f
导致预测模型难以基于历史夏季和冬季的电量与 casting based on wavelet decomposition，uzzy gray correla⁃
.
tion clustering and BP neural network［J］ Electric Power
气象因素的协变关系来准确预测今年同期的协变

Automation Equipment，2012.
关系。 ［2］ ZU X R，TIAN M，BAI Y. Short-term load forecasting

进一步地，按照保供、代理购电、市场交易、总 based on fuzzy clustering and functional wavelet-kernel re⁃
gression［J］ Electric Power Automation Equipment，2016.
.

体的用户分类展示了 2022 年 7~12 月的模型预测
［3］ W BAOYI，W DONGYANG，Z SHAOMIN. Distributed

误差（见表 3），分析结论与前文一致。 short-term load forecasting algorithm based on Spark and
.
IPPSO_LSSVM［J］ Electric Power Automation Equip⁃
5 结语 ment，2016.

［4］ L BO，Q CHUAN，J PING，et al. Short-term bus load

本文提出了面向电力市场交易的客户电量预
forecasting based on XGBoost and Stacking model fusion
测技术，并结合数理统计和机器学习，建立了面向 ［J］ Electric Power Automation Equipment，2020.
.
表 3 2022 年 7~12 月模型预测结果 %
按用户分类的月电量 7 月误差 8 月误差 9 月误差 10 月误差 11 月误差 12 月误差
保供用户电量 7.07 10.73 2.43 0.61 1.04 14.13
代理购电用户电量 8.41 9.28 1.53 1.31 0.15 6.23
市场交易用户电量 13.21 0.37 1.21 3.38 0.37 0.15
总电量 3.82 7.93 0.19 1.52 0.36 7.09