[01912823]面向工业企业的短期负荷预测技术

目前电力行业致力于从高速增长转型为高质量发展，正处于转变发展方式和优化供需结构的攻坚期。 以引导用户智慧用电、提高用电效率及优化资源配置为目标的电力需求侧管理受到了极大重视。在需 求侧用户中，工业企业的耗电量占比较大且呈现递增的趋势。而工业企业对其繁杂且冗余的用电信息 缺乏理性认识，导致用电成本增加和电力频频过剩，影响电网的负荷管理。因此，能够帮助企业掌握负 荷动态趋势和用电行为的电力负荷预测显得尤为重要。然而，目前大多数负荷预测文献都集中于确定 性负荷预测，没有考虑工业负荷的不确定性信息，故而面向工业企业的负荷预测研究势在必行。 u 王媛媛教授研究团队在工业企业负荷预测方向上取得了一系列原创性成果。以往电力系统的负荷预 测仅从电网角度，预测区域范围内未来用电量，以期安排发电厂的生产计划 ，导致用户用电行为的随 机和无序等负面效应。本项目从用户角度出发，考虑企业类型、季节变化、运行周期等因素，借助数据 挖掘算法刻画工业企业用电行为，构建企业用电需求预测模型。本技术首先对待预测工业企业的电力 负荷实测数据集进行分解，得到多个波动子序列，再根据负荷影响因素数据和每个波动子序列对应的 负荷数据特征集，为每个波动子序列生成相应的输入特征集。对每个波动子序列，利用构建的预测子 模型对相应的输入特征集中的目标特征进行预测。根据各预测子模型的预测结果确定待测工业企业 的负荷预测值，从而有效提高工业企业电力负荷的预测精准度。 u 该技术的优点在于，对非线性、时变性和非平稳性的工业企业负荷数据进行分解，得到多个波动子序 列，能够有效地捕捉工业企业用户负荷数据的时序关联性，可更深层次挖掘负荷数据时间序列的规律 性。对每个波动子序列构造对应的预测模型，将各预测模型的预测结果累加作为最终电力负荷预测结 果，可极大提高电力负荷的预测精度及预测速度。本技术对大量负荷数据的处理更有效率，解决了现 有预测模型过度拟合、训练学习困难、噪音敏感、大数据处理能力弱的问题 ，可有效提高工业企业电 力负荷的预测精准度。目前，该技术仍处于实验室阶段，可应用于大型或中小型工业企业，能有效指导 企业合理选择标准电价，科学实现精细化用电管理，积极进行错峰填谷用电。 u 本项目共产出科研论文13篇，申请专利5项。