运用统计数据挖掘的月度售电量预测方法探索
来源:用户上传
作者:
【摘要】供电公司由于营销系统中售电量抄表数据分时段的原因，无法逐日查询售电量数据。营销系统分期抄表数据均为既成事实，无法提前预判整个月份的售电量数据，这就对短期的月度售电量预测追踪提出了挑战。本文主要是研究分月售电量预测方法，利用供电公司的历史统计数据，建立时间序列数据模型，通过数理校验和分析，得到本地区的月度售电量预测追踪模型。通过分月上旬占比值的统计数据反推计算，从而简单、快速和准确的预测追踪整个月售电量数据。为供电公司各个职能部门的计划和预算管理工作提供了更具准确性和时效性的辅助决策。
【关键词】统计数据 月度售电量 预测方法
一、背景情况
当前，供电公司由于营销系统中售电量抄表数据分时段的原因，无法逐日查询售电量数据。在统计线损管理中，月度售电量追踪节点基本是每月8日、15日、21日，也就是营销系统分期抄表系统数据均为既成事实，只能被动接受，无法提前预判整个月的售电量数据。
浙江某供电公司通过对本地区近三年分月售电量及同比数据的分析，发现春季和秋季的变动规律比较复杂，不同的年份之间受极端天气和第二产业景气等因素的影响，差异也较大，这就对短期的月度售电量预测追踪提出了挑战。
本文主要是研究分月售电量预测追踪，利用供电公司的历史统计数据，建立时间序列数据模型，通过数理校验和分析，得到本地区的月度售电量预测追踪模型。为“短期电力市场预测准确率”、“电力电量预测关键任务完成指标”、“月度线损指标管控”等同业对标指标的提升做出有力支撑。
二、预测追踪方法的探索
浙江某供电公司以2018年10月份本地区售电量为例。国庆节长假期间（10月1—8日），本地区售电量为3106.14万千瓦时，同比增长了25.38%。10月份全月，本地区售电量为5333.83万千瓦时，同比增长了17.26%。
（一）按供电区域售电量比较分析
公司通过比较10月上旬分供电区域售电量的同比变动，电量增长主要集中在客户服务中心、古市供电所和延庆供电所的三个供电区域，同比增长率分别为43.21%、33.62%、16.05%。
然而，全县售电量占比（54%）最大的延庆供电所供电区域（主要的工业园区）的16.05%的上旬同比增长率，和6.01%的全月同比增长率相差较大，也直接影响到上旬同比增长率25.38%和全月同比增长率17.26%的差异。
（二）按行业分类售电量比较分析
公司通过比较10月份上旬分行业售电量的同比变动，对应各行业分类的售电量主要增长率分别是：大工业7.78%，城乡居民36.50%，农业20.29%。
其中，由于居民用电的抄表例日位于每月上旬，所以其全月售电量同比增长率37.24%和上旬36.50%的增长率接近，其它行业均有很大的差异，也直接影响到上旬同比增长率25.38%和全月同比增长率17.26%的差异。
（三）按上网方式供电量比较分析
今年10月前八天，网供电量合计为1162万千瓦时，相比去年同期增长了37.35%。从具体日期分析，电量增长主要集中在1—3日、6—8日头尾各三天。
其次，今年10月前八天基本属于枯水期，松阳水电上网电量为43.3万千瓦时，相比去年同期的44.4万千瓦时减少了2.48%，体量相当。
最后，对比网供电量的上旬电量同比增长率37.35%和全月电量同比增长率25.80%，差异较大。
对比水电上网电量的上旬电量同比增长率-2.48%和全月电量同比增长率-86.87%，差异则更大。
（四）按抄表例日比重比较分析
供电公司通过逆向思维，挖掘公司近三年每月上旬售电量占比数据的潜在价值。虽然近三年的春节（2016年2月8日，2017年1月28日，2018年2月16日）对应的公历略有波动。但是，通过1月和2月份的合并计算，也可以很好的得到平滑曲线，得出一般规律。近三年其它月份占比值均非常接近，已经涵盖了季节特性，并且均方差也很小。
公司依据近三年10月上旬抄表例日售电量占全月56.5%的比重一般规律，然后根据10月上旬营销抄表发行数据3106万千瓦时，运用比重法（3106/56.5%=5497）推算10月份售电量位于5497万千瓦时左右，同比增长率为20.85%。这和最终10月份全月售电量17.26%的增长率较为接近，也验证了该方法快捷和有效。
综上所述，公司在当前月度第一个抄表例日统一提前到每月1日的变革趋势下，只要营销系统售电量数据推送完毕后，即可通过分月上旬占比值的统计数据反推计算，从而简单、快速和准确的预测追踪整个月售电量数据。为公司发展部、营销部、财务部等职能部门的计划和预算管理工作提供了更具准确性和时效性（比每月下旬抄表例日提前了20天）的辅助决策。
三、评估与改进
（1）价值评估。该售电量预测方法挖掘了抄表例日售电量历史统计数据的潜在价值，通过占比重这一统计数据分析和整合，发现了各个月份的一般規律，优化了日常工作的计划管理和预测追踪。
（2）存在的问题。该方法完全依然历史数据和先验经验，一旦本地有新近较大的报装容量时，需要密切关注营销容量数据的变动，并及时进行预测模型的修正。
（3）改进方向。该方法今后还可以增大样本空间，扩展到三年期以上的数据，同时利用加权平均法来计算比重值，提高相邻近年份当月的权重。
（4）推广范围。该方法虽然是基于S供电公司的历史统计数据构建，但是数据模型本身具有广泛的普适性，可以在国网公司系统内其他县市供电公司中推广和应用，具有良好的推广价值。
转载注明来源:https://www.xzbu.com/2/view-15022931.htm
