舒格蘭

摘 要：簡要分析了中長期電力市場的需求，合理預測電網(wǎng)內(nèi)部發(fā)電機組出現(xiàn)的狀況。這對電網(wǎng)的運行模式和機組的檢修有很好的指導，從而確保整個社會的生產(chǎn)和生活。以數(shù)據(jù)挖掘理論為基礎(chǔ)，簡要分析和預測中長期電力市場的需求，以有效推動電力行業(yè)的發(fā)展。

關(guān)鍵詞：數(shù)據(jù)挖掘理論；電力市場；中長期需求；發(fā)電機組

中圖分類號：TP311.13 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.24.046

隨著經(jīng)濟的不斷發(fā)展和電力市場的開放，人們對電力行業(yè)的要求也在不斷提高，而電力市場需求的分析和預測工作也就越來越重要。為了確保電力系統(tǒng)運行的經(jīng)濟性和安全性，提高電力企業(yè)的效益，需要有效分析和預測中長期電力市場的需求，進而為電力行業(yè)的發(fā)展提供指導和借鑒。 按照時間的不同，電力市場的需求可以分為短期預測、中期預測和長期預測。本文主要討論中長期預測，并借助數(shù)據(jù)挖掘理論，分析和總結(jié)搜集、觀察到的數(shù)據(jù)。

1 數(shù)據(jù)挖掘理論概述

數(shù)據(jù)挖掘理論，主要是指從大量隨機、模糊、不完全的數(shù)據(jù)中提取一些隱含其中的，人們不知道，但又具有一定代表性和規(guī)律性，具有潛在利用價值的知識、信息的過程。數(shù)據(jù)挖掘不僅可以遍歷和查詢過去數(shù)據(jù)，還可以預測未來行為和發(fā)展趨勢，自動探索從前沒有出現(xiàn)的模式，進而為人們的行為和決策提供支持。被挖掘出的信息可以使用在信息管理、處理查詢、支持決策和控制過程等方面。按照功能，可將其主要劃分為以下幾類：①關(guān)聯(lián)分析。如果2個或者多個數(shù)據(jù)項取值多次出現(xiàn)且概率比較高，就可能具有某種關(guān)聯(lián)，能夠建立數(shù)據(jù)之間關(guān)聯(lián)的規(guī)則。②數(shù)據(jù)分類。這在數(shù)據(jù)挖掘中使用的次數(shù)最多，分類主要是對某一類別概念的描述，代表某類數(shù)據(jù)整體的信息狀況，也就是對這類信息內(nèi)涵的描述。③聚類分析。數(shù)據(jù)庫內(nèi)的數(shù)據(jù)能夠分類為一系列子集，相同類別內(nèi)，個體之間距離比較小，不同類別個體之間距離則比較大。④時序模式。借助時間序列，搜索重復出現(xiàn)概率比較高的模式。

2 國內(nèi)中長期電力市場的特點

國內(nèi)中長期電力市場主要有以下3個特性：①宏觀性。電力商品被廣泛使用，使得中長期電力市場和其他市場不同，不是只涉及一個或者少數(shù)行業(yè)，而是與整個社會宏觀經(jīng)濟的發(fā)展，人們生產(chǎn)、生活水平的提高息息相關(guān)。在判斷中長期電力市場的前景時，需要考慮到它對社會各行業(yè)的影響。②復雜性。電力這個商品的特殊性決定其無法大規(guī)模存儲，而電力發(fā)電、供應和使用的同時性也對電力市場需求的分析提出了更高的要求，使其更加復雜。③不確定性。不同地區(qū)的經(jīng)濟狀況和產(chǎn)業(yè)結(jié)構(gòu)不同，用電的需求和特性也有很大的差異。相同地區(qū)不同時間用電特性和需求也會有很大的變化，所以，電力市場的需求分析需要隨不同的經(jīng)濟發(fā)展狀況和時間、地點的變化而不斷變化。

3 電力市場需求預測模型分析與研究

3.1 省市級電力需求預測模型

省市級電力市場的需求因為地域、時間的跨度比較大，受到電力市場外因素的影響比較嚴重，且這一影響經(jīng)常是非線性的，所以，建立模型時，需要考慮以下因素：①模型的輸入。模型應該有多個輸入，輸入變量是外部的影響因素和電力需求自身滯后值。但是，輸入也不能太多，因為中長期電力市場需求的預測特點為小樣本，如果參數(shù)太多，也會為模型辨識帶來困難。②需要反映各個影響因素與電力市場需求之間的關(guān)系。③模型需要穩(wěn)定。

常用模型主要有兩種，具體情況如下。

3.1.1 多元線性回歸預測模型

這一模型的輸入有多個，所以，在預測模型時，要充分考慮外界的影響因素。這種模型的建模方式比較簡單，所以，應用比較廣泛，當前，一些地區(qū)在執(zhí)行電力需求預測工作時，還在使用這一模型。這一模型主要是將與電力市場需求相關(guān)的因素添加到預測模型內(nèi)，這更能反映電力市場外部因素的影響。

3.1.2 最小二乘支持向量機

支持向量機在20世紀90年代得到發(fā)展，近些年，因為其非線性擬合能力比較好，經(jīng)常被用于非線性回歸問題中。當前，支持向量機已經(jīng)成為預測電力需求的常見模型，也是研究熱點。支持向量機所需的訓練樣本比較少，而且克服神經(jīng)網(wǎng)絡(luò)訓練的時間比較長，學習和訓練的結(jié)果有隨機性等不足，所以，在中長期電力需求預測中，如果存在強非線性和小樣本的問題，就十分適合使用支持向量機求解。

3.2 行業(yè)電力需求預測模型研究

與省市級電力市場相比，各個行業(yè)的電力市場需求受外部因素的影響比較小，受其自身趨勢的影響比較大。常用的模型主要有以下2種。

3.2.1 自回歸滑動平均模型

這一模式是統(tǒng)計在建模中的具體應用，也是傳統(tǒng)時間序列分析中經(jīng)常使用的模型之一。與省市級電力市場相比，行業(yè)電力市場受外界因素的影響比較小，更多的是受自身變化的影響，所以，適合使用這一模型。

3.2.2 神經(jīng)網(wǎng)絡(luò)預測模型

近些年，因為神經(jīng)網(wǎng)絡(luò)具有十分優(yōu)秀的非線性能力，使其倍廣泛應用于電力市場需求的預測中。目前，在電力市場中，使用最多的是誤差反向傳播學習算法。一般來說，根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以分成輸入層、中間層和隱含層。

4 結(jié)束語

綜上所述，數(shù)據(jù)挖掘理論在中長期電力市場需求分析和預測研究中發(fā)揮著非常重要的作用，需要引起相關(guān)人員的高度重視。研究時，如果考慮到需求外部的影響，為了提升省市級市場需求預測的效果，需要分析更多的變量，盡量包含更多領(lǐng)域，以確保能夠全面反映市場的變化需求。使用最小二乘支持向量機擬合指標和外部因素間的非線性關(guān)系時，需要借助一定經(jīng)驗，選擇最優(yōu)的參數(shù)組合。另外，對于相同類別行業(yè)所建立的模型，雖然具有普遍性，但還是存在可能出現(xiàn)較大誤差的情況。因此，在實際應用時，需要單獨建模，提升預測水平，以便提供準確的數(shù)據(jù)，為電力行業(yè)的發(fā)展提供借鑒。

參考文獻

[1]王艷龍.基于數(shù)據(jù)挖掘的中長期電力市場需求分析及預測[D].杭州：浙江大學，2016.

[2]張連育.基于數(shù)據(jù)挖掘的電力故障分析及預警系統(tǒng)研究與實現(xiàn)[D].北京：中國科學院研究生院，2010.

[3]李其軍.基于數(shù)據(jù)挖掘的電力需求預測探究[J].電子測試，2015（1）：153-154.

〔編輯：白潔〕