引言

電力供需預測指標是反映國民經濟活動的敏感指標,電力供需預測的結果可作為國家宏觀經濟政策的決策參考依據,決定著電力企業(yè)自身發(fā)展的方向和速度。電力的發(fā)展與國民經濟發(fā)展高度關聯,各級政府和電力企業(yè)高度關注電力供需預測工作,以滿足群眾生活對電力的需求,化解電力發(fā)展不均衡、不充分的主要矛盾。隨著電力需求長時期快速增長,電力供需矛盾也不斷加劇。面對多變波動的電力供需市場,傳統(tǒng)的預測方法已經很難較為精準地預測未來,需要引入新的預測方法,特別是在互聯網、物聯網、大數據、云計算、人工智能與實體經濟深度融合的時代背景下,更應借助大數據強大的智能預測功能做好電力供需預測工作,通過萬物互聯提取海量的電力供需信息,去偽存真,匯總至云端,經大數據加工、集成、分析,開發(fā)出更具價值、更加精準的電力供需預測數據,以滿足電力行業(yè)發(fā)展的需要。

1傳統(tǒng)電力供需預測方法的利弊

傳統(tǒng)電力供需預測方法是根據社會經濟發(fā)展和電力負荷等歷史數據,建立相應的數學模型,找出歷史數據的變化規(guī)律和各種相關因素的內在聯系,進而對未來電力需求進行預測。這一基于歷史數據處理的電力需求預測方法,依托所采集的歷史數據,采用數據外推法、彈性系數法、重點工程法、產值單耗法、人口綜合法等工具建立相應的數據模型,預測結果有一定的準確性,能較好地指導電力行業(yè)發(fā)展方向,進而保證國民經濟可持續(xù)發(fā)展。但是,傳統(tǒng)的電力供需預測方法主要采用自身外推法和相關性分析法。不論采用哪種方法,都要事先設定各種參數,參數的設定受主觀因素影響較大,導致負荷預測結果隨意性也較大,不夠嚴謹。傳統(tǒng)的供需負荷預測方法包含典型日負荷曲線,在歷史數據的基礎上,采用時間外推法,并結合社會經濟發(fā)展的要求和天氣等因素,用趨勢移動平均法、指數平滑法和神經網絡法,獲得預測結果。由歷史數據預測若干個行業(yè)典型年負荷值,綜合考慮各行業(yè)負荷增速、社會經濟運行、中長期氣候變化(氣溫、來水)、重點項目密集布局對電量增長潛力的挖掘能力、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、低三檔最大年負荷需求結果,用于指導電力工業(yè)均衡發(fā)展和電力生產調度。這種方法的供需預測都具有一個共性,即根據歷史數據外推無法獲得實時負荷預測,不能用于泛在電力物聯網的實時調控。

傳統(tǒng)的電力供需預測結果能夠較好地反映電力行業(yè)與國民經濟發(fā)展的內在聯系及電力企業(yè)自身發(fā)展規(guī)律,廣泛應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)揮著數據指導功效。但傳統(tǒng)的電力供需預測精度不高,已很難適應電力市場的快速發(fā)展和變化。用單一組的歷史數據對未來做預判的方法是限局單一的,對其他指標類型的預示功能有限,預測結果往往無法判定其他類別不確定因素的影響,無助于回避決策風險。在多變的市場環(huán)境中,不確定性是常態(tài),有時某些不確定因素還會上升為主要的關聯因素。僅考慮單一條件的分析結果,其精確度不高是不可避免的。

另一方面,傳統(tǒng)的電力供需預測手段多采用相關性分析法(如彈性系數法)和各類線性回歸數學模型法,這種靠對單一維度歷史數據進行推演而獲得的電力供需預測結果,有其固有的缺陷,即結果的不確定性。因為傳統(tǒng)的電力負荷預測模型很難模擬真實的運行環(huán)境,不能全面反映價格、氣候變化、城市規(guī)劃、人口變動等變量對電力需求的影響。多維度(變量)的數據模型計算工作量是呈指數級增長的,人工無法勝任。隨著高速計算技術的應用,對風、光電這類隨機性和不確定性強的電源類型進行電力負荷預測,需綜合考慮氣候變化等其他變量的影響,傳統(tǒng)的模型和方法難當重任,勢必引入新的計算方法和數字模型,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據處理計算量巨大的負擔,又可較為客觀準確地預測風、光電的電力負荷。

隨著第三產業(yè)用電比重的增加和用電總量的快速增長,研究分析隨機性很大的第三產業(yè)電力消費趨勢,已成為電力需求預測工作的要點和難點。第三產業(yè)的電力消耗,不僅與人民群眾日常生活息息相關,還具有需求彈性大、價格彈性大、受低價驅動和消費心理影響等新特質。例如,隨著電動機車(電動汽車和電摩)存有量增長井噴式地爆發(fā),其電力消費呈現出隨機、無序的增長態(tài)勢,這類電力需求既無歷史數據可參照,又無密切相關的統(tǒng)計指標可比對,傳統(tǒng)的電力需求預測方法難以對電動機車這類波動負荷做出精確的預測,必須尋求新的方法和手段加以解決,大數據平臺的強大預測功能為我們提供了解決問題的途徑。

2電力供需預測的價值內涵和特征

在互聯網大數據平臺推算生成的電力供需預測數據具有信息化時代的烙印,更具活力和價值。

(1)在大數據時代,電力供需預測一改過去由歷史數據推演未來的方法,直接采集泛在物聯網用戶終端數據和SCADA、

DCS的數據,過濾清洗后借助HBaSe數據庫管理框架匯集到云端,使用Mapreduce、Spark等計算框架整理挖掘出數據的內在規(guī)律,形成更為精確、有價值的電力需求預測數據,融匯生成電力供需預測結果。預測結果兼具實時和中長期預測功效,精準度也得到極大提高,可直接應用于電力生產監(jiān)控和電力消費終端的電力資源配置,有效平抑電力峰谷差幅度,具有極高的數據價值和實用性。由歷史數據推演轉變?yōu)樵贫藬祿嬎?是電力供需預測方法從量變到質變的一大飛躍。

(2）影響電力供需預測結果的變量很多,如國民經濟運行方式、時間、空間(區(qū)域）、人文、政策等。多維度(變量）數據的模擬合成計算量巨大,借助現代高速計算技術,可大膽選擇多維度數據模型進行模擬運算。與過去使用一維數據(往往是對結果影響最大的變量數據）進行模擬運算相比較,多維度的數據模型能更客觀、全面反映電力供需趨勢和分布。例如,在對某一特定區(qū)域的電力消費市場進行預測時,全面考慮時間、空間(區(qū)域）、城市化進程以及人口單耗電能諸多因素,模擬生成的預測結果更具價值,直接成為當地建設分布式能源站的決策依據。

(3）互聯網大數據平臺下的電力供需預測及采用的數據處理方法也發(fā)生了質的變化。傳統(tǒng)的數據處理技術僅對單一的歷史數據進行分析、模擬計算,少有導入諸如風場風速分布、氣象雷達云圖信息等非結構化數據參與分析計算?；ヂ摼W大數據平臺為電力供需預測提供了更為強大的算法工具,不僅能完整地處理歷史數據和實時數據流(結構化數據）,也能同步處理與電力供需預測高度關聯的非結構化數據(如氣象雷達圖像、微博信息數據、電力管理者急待把控的爬蟲數據等）。這種新的計算技術的應用,極大地提高了預測的精確度,能較為客觀地把握電力供需的變化規(guī)律與發(fā)展趨勢。

(4）大數據計算的成果是多樣的,不但有電力供需預測分析結果,還具有數據挖掘功能,對所采集的數據按區(qū)域、行業(yè)及其他屬性進行分類統(tǒng)計,智能決策,指導精確營銷和行業(yè)對標管理。

3新型電力供需預測結果的應用

互聯網大數據平臺為電力供需預測方法賦予了新的內涵和活力,其預測結果具有精準性、全面性、實時性等優(yōu)勢,在泛在電力物聯網系統(tǒng)中更能體現其預測的數據價值。例如,隨著電力體制改革的深入,風、光電等新能源高密度大規(guī)模地并入電網,不確定電力擾動增加,對不確定性、隨機性很高的風、光電出力進行預測顯得愈加重要。通過導入衛(wèi)星云圖和太陽輻射分布數據,采用更先進的模擬算法,得到相對精準的風、光電力負荷預測結果,正向引導物聯網中特定電力消耗負荷,最大限度地吸納風、光電不確定性的隨機電力。

泛在電力物聯網背景下的新型電力負荷預測具有很大的發(fā)展?jié)摿蛢r值。隨著泛在電力物聯網的建設逐漸深入,各類主動負荷將不斷涌現。大數據平臺下的電力供需預測結果,直接實時地引導主動負荷的電力消費,有效平抑電力峰谷差,為電力需求側管理(DSM）開辟了新的管理途徑和手段。

云計算數據將是巨大的財富和資產,其價值可能遠超過其對應的實體資產。云計算數據的預測分析結果,作為一種新的生產要素,直接運用到電力系統(tǒng)各類經營生產活動中。數字經濟是充滿活力、代表未來的新經濟,站在網絡空間利益共同體的高度,各級政府、企業(yè)、社會組織和個體利益主體都要以開放包容的態(tài)度,深化合作,優(yōu)勢互補,共同打造泛在能源物聯網系統(tǒng),讓更多的群體共享大數據服務的成果,共享智能互聯釋放出來的大數據紅利。

4結語

傳統(tǒng)的電力供需預測方法已呈現出其局限性,不能全面、準確地反映電力市場需求的快速變化,但仍可作為電力行業(yè)中長期規(guī)劃的參考依據。

互聯網大數據平臺的應用,為我們更精準地預測未來打開一扇窗,創(chuàng)造性地開發(fā)電力供需預測的新辦法、新手段。新的電力供需預測方法和結果具有網絡數字時代的特征,實時、精準、更具活力和使用價值。