摘要：常規(guī)的高能耗企業(yè)短期電力負荷預測方法，易受內(nèi)外循環(huán)魯棒性影響，導致電力負荷預測平均相對誤差（MeanRelativeError，MRE）較高，因此，基于時序模型，設計一種全新的高能耗企業(yè)短期電力負荷預測方法。即處理了企業(yè)短期電力負荷預測數(shù)據(jù)，基于時序模型設計了企業(yè)短期電力負荷預測算法，從而實現(xiàn)了短期電力負荷預測。實驗結果表明，設計的高耗能企業(yè)短期電力時序模型負荷預測方法的電力負荷預測平均相對誤差MRE較低，證明設計的電力負荷預測方法的預測效果較好，有一定的應用價值，為降低企業(yè)電能損耗做出了一定的貢獻。

關鍵詞：時序模型高耗能企業(yè)電力負荷預測平均相對誤差

中圖分類號：TP39

AShort-TermPowerLoadForecastingMethodforHighEnergyConsumptionEnterprisesBasedonTimingModel

LIKangyuYANHongJIANGXiZHANGDandan

HarbinPuhuaElectricPowerDesignCo.，Ltd.，HarbinCity，HeilongjiangProvince，150000China

Abstract：Conventionalshort-termpowerloadforecastingmethodsforhighenergyconsumingenterprisesareeasilyaffectedbytherobustnessofinternalandexternalcycles，resultinginahighMeanRelativeError（MRE）inpowerloadforecasting.Therefore，basedonatimingmodel，anewshort-termpowerloadforecastingmethodforhighenergyconsumingenterprisesisdesigned.Inotherwords，theshort-termpowerloadforecastingdataforenterprisesareprocessedandashort-termpowerloadforecastingalgorithmisdesignedbasedonatimingmodel，therebyachievingshort-termpowerloadforecasting.TheexperimentalresultsshowthatMREofthedesignedshort-termpowertimingmodelloadforecastingmethodforhighenergyconsumingenterprisesisrelativelylow，whichprovesthatthedesignedpowerloadforecastingmethodhasgoodpredictiveeffectandcertainapplicationvalue，makingacertaincontributiontoreducingenterprisepowerloss.

KeyWords：Timingmodel;Highenergyconsumption;Electricityloadforecasting;MRE

受經(jīng)濟與工業(yè)化發(fā)展規(guī)模影響，我國各個區(qū)域的電力需求不均，建設的配電網(wǎng)規(guī)模存在較大差異[1]。若未針對地區(qū)概況進行短期電力負荷預測則很容易出現(xiàn)過高的供配電負荷[2]，不僅會增加供配電成本，還會導致電網(wǎng)運行故障，難以滿足人們的日常要求[3]。為解決上述問題，提前進行區(qū)域供配電規(guī)劃[4]，需要設計一種有效的高耗能企業(yè)短期電力負荷預測方法。相關研究人員提出考慮相似用電單元及圖卷積神經(jīng)網(wǎng)絡的高耗能企業(yè)短期電力負荷預測方法[5]，其主要利用單元負荷相似性進行聚類處理，生成用電負荷預測策略，實現(xiàn)短期電力負荷預測；還有研究人員提出基于二次分解策略組合Informer的高耗能企業(yè)短期電力負荷預測方法[6]，其主要利用樣本熵值計算進行預測分量重構，從而確定最終的預測結果，完成短期電力負荷預測。但是易受內(nèi)外循環(huán)魯棒性影響，導致電力負荷預測平均相對誤差MAPE過高。為此，本文基于時序模型，設計了一種高耗能企業(yè)短期電力負荷預測方法。

1短期電力時序模型負荷預測方法設計

1.1處理企業(yè)短期電力負荷預測數(shù)據(jù)

電力負荷數(shù)據(jù)是短期電力負荷預測的基礎，要想提高電力負荷預測的準確性，需要對電力負荷預測數(shù)據(jù)進行有效處理[7]。首先，可以根據(jù)預測要求設置采樣間隔與采樣點，收集全部的采樣數(shù)據(jù)，開始執(zhí)行電力負荷預測數(shù)據(jù)處理流程。在電力負荷數(shù)據(jù)采集的過程中受采集設備故障等因素影響，會導致數(shù)據(jù)內(nèi)部噪聲過多，影響后續(xù)的電力負荷預測結果，因此需要對缺失數(shù)據(jù)進行處理[8]。本文設計的方法使用填充法進行了缺失數(shù)據(jù)填補。缺失數(shù)據(jù)填充完畢后，需要進行水平修正，剔除相差較大的數(shù)據(jù)閾值。除此之外，可以根據(jù)負荷數(shù)據(jù)的基礎特性進行垂直處理。

經(jīng)過處理的數(shù)據(jù)剔除了無用的噪聲，但是格式仍然存在一定的差異，因此，本文設計的高耗能企業(yè)短期電力負荷預測方法按照某一特定的量綱進行了數(shù)據(jù)歸一化處理，避免出現(xiàn)數(shù)據(jù)爆炸問題，待歸一化訓練完成后，進行反向歸一化驗證，從而獲得準確的短期電力負荷預測數(shù)據(jù)。

1.2基于時序模型的負荷預測

常規(guī)的短期電力負荷預測方法在局部加權回歸提取電力負荷預測分量時容易受內(nèi)外循環(huán)魯棒性影響，降低了最終的預測效果，且短期電力負荷的變化波動較大，影響短期電力負荷預測結果的因素較多，預測難度較高，因此，本文設計的短期電力負荷預測方法基于時序模型設計了企業(yè)短期電力負荷預測算法。時序模型可以根據(jù)時間序列分析原理運用概率統(tǒng)計法獲取預測數(shù)據(jù)序列，生成預測模型，實現(xiàn)參數(shù)估計與自適應控制處理。電力負荷時序的平穩(wěn)性較差，周期性也相對難以確定，因此，可以根據(jù)預測時間間隔生成MATLAB模擬曲線。

根據(jù)MATLAB模擬曲線可以建立屬性分類機制，快速獲取平穩(wěn)的電力負荷預測時序，在實際負荷預測分析的過程中，可以根據(jù)預測目標的屬性值篩選樣本空間，按照時間順序調(diào)整時間間隔。在通常情況下，判斷的樣本負荷特征值存在一定的截尾性，因此需要根據(jù)有限時間序列的關系計算預測均值函數(shù)。根據(jù)上述預測的均值函數(shù)可以進行自相關估計，獲取樣本的基礎容量，從而得到短期電力負荷預測時序模型。根據(jù)上述構建的短期電力負荷預測時序模型，可以針對負荷量變化因素進行量化分析，確定預測離散屬性關系，調(diào)節(jié)電力負荷預測變量。

2實驗

2.1實驗準備

根據(jù)高耗能企業(yè)短期電力負荷預測實驗要求，本文將某高耗能企業(yè)作為研究對象，采集處理了電力負荷預測數(shù)據(jù)，生成了實驗數(shù)據(jù)集。在實驗開始前，需要進行預測負荷描述，根據(jù)采集的電力負荷預測數(shù)據(jù)生成實驗參數(shù)，調(diào)整實驗間隔時間序列，待上述步驟完畢后，再進行預測任務描述。為了滿足實驗的隨機性要求，本文選取的研究區(qū)域的光儲能、風儲能兩個單元，獲取了相關的實驗數(shù)據(jù)，進行電力負荷篩選。從歷史樣本數(shù)據(jù)集合中選擇負荷儲能單元預測要求的實驗樣本序列，生成自相關函數(shù)，再根據(jù)實驗預測要求進行參數(shù)匹配，實驗指標電力負荷預測平均相對誤差MRE計算式如下（1）所示。

力負荷預測平均相對誤差MRE越高證明電力負荷預測效果越差，反之越低證明電力負荷預測效果較好。待實驗指標確定完畢后，即可得出后續(xù)的實驗結果。

2.2實驗結果與討論

結合上述的實驗準備，在配置的實驗平臺中可以進行高耗能企業(yè)短期電力負荷預測實驗。分別使用三種不同的方法，即本文設計的基于時序模型的高耗能企業(yè)短期電力負荷預測方法、朱子意等人[5]考慮相似用電單元及圖卷積神經(jīng)網(wǎng)絡的高耗能企業(yè)短期電力負荷預測方法，以及朱莉等人[6]基于二次分解策略組合Informer的高耗能企業(yè)短期電力負荷預測方法，對研究的高耗能企業(yè)的部分個體單元（類別1光儲單元＼類別2風儲單元）進行短期負荷預測。使用公式（1）計算這3種方法在不同日期的電力負荷預測平均相對誤差MRE。實驗結果如表1所示。

由表1可知：本文設計的基于時序模型的高耗能企業(yè)短期電力負荷預測方法在不同日期下的電力負荷預測平均相對誤差MRE較低；朱子意等人[5]的考慮相似POqNsIzHUWIUlQGOMt+7Xl4p7aFLbNZtPtS9VebkNRY=用電單元及圖卷積神經(jīng)網(wǎng)絡的高耗能企業(yè)短期電力負荷預測方法，以及朱莉等人[6]基于二次分解策略組合Informer的高耗能企業(yè)短期電力負荷預測方法在不同日期下的電力負荷預測平均相對誤差MRE較高。上述實驗結果證明，本文設計的短期電力負荷預測方法的預測效果較好，有一定的應用價值。

3結語

近幾年，我國各個領域的用電量正在成倍增長，對電能質(zhì)量的要求也越來越高。與此同時，我國正在進行供能優(yōu)化轉(zhuǎn)型，使用光能、風能等清潔能源替代常規(guī)的不可再生能源。但我國的各個區(qū)域電網(wǎng)分配不均，供需要求不等，容易導致供配電損耗過高，不符合供電經(jīng)濟性要求，因此，本文基于時序模型構建了一種全新的高耗能企業(yè)短期電力負荷預測方法。通過實驗結果表明，設計的高耗能企業(yè)短期電力負荷預測的預測效果較好，有一定的應用價值，為推動我國的供配電可持續(xù)發(fā)展做出了一定的貢獻。

參考文獻

[1].周孟然，張易平，汪勝和，等.基于MVMD-CapSA-DBN的工業(yè)多元負荷分類研究[J].河南師范大學學報（自然科學版），2023，51（3）：123-130.

[2].俞勝，黃福興，馮艷麗，等.新型電力AMI系統(tǒng)中基于NeuralProphet模型的電力負荷預測與修補研究[J].智慧電力，2023，51（5）：44-50.

[3].俞斌，孟偉，俞天楊，等.基于ICEEMDAN-CNN-K-shape的智慧園區(qū)短期負荷預測研究[J].國外電子測量技術，2023，42（5）：103-112.

[4].邵非凡，王俊琪，尹晗，等.適應電力保供形勢的新型電力系統(tǒng)“電力發(fā)展命運共同體”建設模式研究[J].電子元器件與信息技術，2023，7（4）：101-104.

[5].朱子意，孫曉燕，柳先彪，等.基于相似用電單元及圖卷積神經(jīng)網(wǎng)絡的電力負荷預測[J].電力科學與工程，2023，39（7）：9-23.

[6].朱莉，韓凱萍，朱春強.二次分解策略組合Informer的短期電力負荷預測方法[J].國外電子測量技術，2023，42（6）：23-32.

[7].王艷松，申曉陽，李強，等.基于PCA-GRD-LWR模型的海上油田中長期最大電力負荷預測[J].中國石油大學學報（自然科學版），2023，47（2）：129-135.

[8].余蕾，岳超，車怡然，等.電價激勵下電力負荷響應潛力評估研究：基于凈負荷的廣義負荷資源互動分析[J].價格理論與實踐，2022（8）：154-159.