1、    北京市電能替代潛力預(yù)測(cè)模型建立及實(shí)證分析    毛楷文一、研究背景及意義電力作為一種穩(wěn)定高效的清潔能源，相比其他能源具有得天獨(dú)厚的優(yōu)勢(shì)，出于能源消費(fèi)結(jié)構(gòu)合理化的要求和環(huán)境保護(hù)的壓力，電力在未來(lái)能源消費(fèi)領(lǐng)域中的地位也會(huì)愈加重要，伴隨著能源消費(fèi)結(jié)構(gòu)的調(diào)整和電力市場(chǎng)改革的不斷推進(jìn)，可以預(yù)見(jiàn)未來(lái)的電力需求一定會(huì)出現(xiàn)大幅增長(zhǎng)，市場(chǎng)面臨的電力需求也會(huì)更加多樣化，相對(duì)精準(zhǔn)的電力需求預(yù)測(cè)是國(guó)家進(jìn)行電力市場(chǎng)宏觀調(diào)控和改革推進(jìn)、電網(wǎng)企業(yè)進(jìn)行需求側(cè)管理與需求側(cè)響應(yīng)，應(yīng)對(duì)環(huán)境變化制定企業(yè)戰(zhàn)略的重要依據(jù)，因此，尋求一種合適的模型方法對(duì)未來(lái)電力需求進(jìn)行準(zhǔn)確預(yù)測(cè)就具有了重要的

2、研究?jī)r(jià)值和現(xiàn)實(shí)意義。二、國(guó)內(nèi)外研究現(xiàn)狀關(guān)于電力需求預(yù)測(cè)可以分為極短期負(fù)荷預(yù)測(cè)1-2、短期負(fù)荷預(yù)測(cè)3-5、中期負(fù)荷預(yù)測(cè)6、長(zhǎng)期負(fù)荷預(yù)測(cè)7-8，本研究的涉及的屬于長(zhǎng)期負(fù)荷預(yù)測(cè)，r.j. hyndman8提出了預(yù)測(cè)長(zhǎng)期高峰需求的預(yù)測(cè)方法，將人口增長(zhǎng)、經(jīng)濟(jì)狀況和天氣狀況等可能影響高峰需求的不確定因素考慮在內(nèi)。此外，特別提出，由于不同的駕駛行為和收費(fèi)模式，電動(dòng)汽車的大規(guī)模使用會(huì)成為不確定性因素之一9-12。關(guān)于針對(duì)電力需求預(yù)測(cè)的方法有很多，包括模糊邏輯方法和人工神經(jīng)網(wǎng)絡(luò)13，線性回歸14，數(shù)據(jù)挖掘15，傳遞函數(shù)16，貝葉斯統(tǒng)計(jì)17，判斷預(yù)測(cè)18和灰色動(dòng)態(tài)模型19等方法，在電力需求預(yù)測(cè)領(lǐng)域都得到很好的實(shí)踐

3、。國(guó)內(nèi)學(xué)者關(guān)于電力需求的預(yù)測(cè)主要方法有協(xié)整理論20、灰色模型21、支持向量機(jī)22、人工神經(jīng)網(wǎng)絡(luò)23、組合預(yù)測(cè)法24等。李如琦25通過(guò)利用啟發(fā)式最小二乘支持向量機(jī)對(duì)我國(guó)中長(zhǎng)期電力負(fù)荷進(jìn)行預(yù)測(cè)，具有較高的精度、可行性與實(shí)用性。除了對(duì)基本方法的研究之外，很多學(xué)者通過(guò)研究如粒子群等優(yōu)化算法26-29對(duì)預(yù)測(cè)模型進(jìn)行優(yōu)化，以提高各類預(yù)測(cè)方法的精度。三、研究模型構(gòu)建通過(guò)對(duì)電力需求預(yù)測(cè)相關(guān)文獻(xiàn)的研究可以發(fā)現(xiàn)，影響電力需求的因素眾多，相比影響因素而言可統(tǒng)計(jì)利用的數(shù)據(jù)相對(duì)較少，且各因素與終端電力消費(fèi)量之間的關(guān)系是非線性的，因此考慮應(yīng)用蟻獅優(yōu)化最小二乘支持向量機(jī)（ant lion optimizer least s

4、quares support vector machine （alo -lssvm）的方法進(jìn)行預(yù)測(cè)。最小二乘支持向量機(jī)（least squares support vector machine，lssvm）是支持向量機(jī)在二次損失函數(shù)下的一種形式，是利用小樣本數(shù)據(jù)的統(tǒng)計(jì)學(xué)習(xí)理論在高維特征空間中尋找最優(yōu)線性回歸超平面對(duì)數(shù)據(jù)進(jìn)行回歸的一種模型?；舅枷雭?lái)源于最優(yōu)分離超平面最大化間隔并采用核學(xué)習(xí)的方法，是結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則在統(tǒng)計(jì)學(xué)習(xí)問(wèn)題上的一個(gè)具體實(shí)現(xiàn)。在運(yùn)用最小二乘支持向量機(jī)lssvm模型預(yù)測(cè)電力需求時(shí)，首先需要確定正則化參數(shù)c和核函數(shù)參數(shù)2的數(shù)值，而這兩個(gè)參數(shù)的取值對(duì)lssvm模型回歸性能具有很重

5、要的影響。其中，正則化參數(shù)c（也稱之為懲罰參數(shù)）用于控制lssvm模型函數(shù)擬合的誤差，其值越大，擬合誤差越小，但也會(huì)導(dǎo)致模型的訓(xùn)練時(shí)間增加以及過(guò)擬合現(xiàn)象;核函數(shù)參數(shù)2代表徑向基rbf函數(shù)的帶寬，lssvm模型擬合誤差隨著參數(shù)2的變小而減小，但同時(shí)也會(huì)存在模型訓(xùn)練時(shí)間增加以及過(guò)擬合現(xiàn)象。因此，需要合理有效地確定正則化參數(shù)c和核函數(shù)參數(shù)2的數(shù)值。當(dāng)前，確定正則化參數(shù)c和核函數(shù)參數(shù)數(shù)值主要有兩種方法：一是根據(jù)經(jīng)驗(yàn)主觀確定二者的參數(shù)值，這種方法常常會(huì)導(dǎo)致lssvm模型不能很好的反映實(shí)際問(wèn)題的特征;另一種方式是采用群體智能等方法優(yōu)化確定lssvm模型的這兩個(gè)參數(shù)，這種方法規(guī)避了人為主觀確定方法的缺點(diǎn)，同

6、時(shí)能夠通過(guò)多次迭代尋優(yōu)最優(yōu)的參數(shù)值。因此，近些年在實(shí)際工程問(wèn)題中得到了廣泛地應(yīng)用。本文為了能夠準(zhǔn)確設(shè)定正則化參數(shù)c和核函數(shù)參數(shù)2的值，采用第二種方法，具體為運(yùn)用蟻獅優(yōu)化算法自動(dòng)尋找用于預(yù)測(cè)電力需求的最優(yōu)參數(shù)值。通過(guò)文獻(xiàn)分析，我們選取gdp，人口和產(chǎn)業(yè)結(jié)構(gòu)作為影響用電需求的主要影響因素，并用全社會(huì)用電量作為樣本年份中的電力需求值，運(yùn)用上文構(gòu)建的模型，將gdp、人口、產(chǎn)業(yè)結(jié)構(gòu)以及全社會(huì)用電量作為輸入變量，就能對(duì)未來(lái)受社會(huì)經(jīng)濟(jì)因素影響下的理論用電需求做出預(yù)測(cè)。四、以北京地區(qū)為例的電力需求預(yù)測(cè)實(shí)證分析利用構(gòu)建的alo-lssvm模型對(duì)北京地區(qū)至2020年的電力需求進(jìn)行預(yù)測(cè)，首先根據(jù)相關(guān)歷史數(shù)據(jù)和政策分

7、析，對(duì)2016-2020年的北京市g(shù)dp、人口和產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行分析和預(yù)測(cè)，再代入模型預(yù)測(cè)2017-2020年的電力需求。（一）gdp圖1 北京市2001-2016年實(shí)際gdp根據(jù)北京市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要主要目標(biāo)中對(duì)經(jīng)濟(jì)發(fā)展的要求提出經(jīng)濟(jì)保持中高速增長(zhǎng)。在發(fā)展質(zhì)量和效益不斷提高的基礎(chǔ)上，地區(qū)生產(chǎn)總值年均增長(zhǎng)6.5%，2020年地區(qū)生產(chǎn)總值和城鄉(xiāng)居民人均收入比2010年翻一番。根據(jù)發(fā)展規(guī)劃要求對(duì)北京市2017-2020年的gdp進(jìn)行預(yù)測(cè)，結(jié)果如表1所示。（二）人口北京市2001-2016年實(shí)際人口總數(shù)與增長(zhǎng)率如圖2所示：根據(jù)北京市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要關(guān)于有序疏解

8、非首都功能中提出要求，嚴(yán)格控制增量，有序疏解存量，強(qiáng)化政策措施，加強(qiáng)人口調(diào)控，嚴(yán)格控制人口規(guī)模，2020年常住人口控制在2300萬(wàn)人以內(nèi)。因此對(duì)北京市2017-2020年的人口進(jìn)行預(yù)測(cè)，如表2所示。（三）產(chǎn)業(yè)結(jié)構(gòu)一般選取一個(gè)地區(qū)的二產(chǎn)占比來(lái)表征產(chǎn)業(yè)結(jié)構(gòu)，有別于其他地區(qū)，北京出臺(tái)的一系列環(huán)境治理政策，去產(chǎn)能政策，非首都功能化政策等措施，不斷提高三產(chǎn)在國(guó)民經(jīng)濟(jì)中的占比，北京市第三產(chǎn)業(yè)已然成為影響地區(qū)電力需求的最主要因素，因此針對(duì)北京市，特選取第三產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比例表征產(chǎn)業(yè)結(jié)構(gòu)。北京市2001-2016年的三產(chǎn)占比結(jié)構(gòu)變化如圖3所示。根據(jù)北京市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要中提出的要求，

9、主要經(jīng)濟(jì)指標(biāo)平衡協(xié)調(diào)，勞動(dòng)生產(chǎn)率和地均產(chǎn)出率大幅提高。三次產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)進(jìn)一步優(yōu)化，服務(wù)業(yè)增加值占地區(qū)生產(chǎn)總值比重高于80%。因此本文利用十二五以來(lái)的三產(chǎn)占比平均增長(zhǎng)率預(yù)測(cè)2017-2020年的三產(chǎn)占比，結(jié)果如表3所示。（四）全社會(huì)用電量根據(jù)中國(guó)電力統(tǒng)計(jì)年鑒數(shù)據(jù)，可以得到2001-2016年北京市全社會(huì)用電量如圖4所示。利用2001-2011年的全社會(huì)用電量、gdp、人口、三產(chǎn)占比的歷史數(shù)據(jù)，運(yùn)用前文構(gòu)建的alo-lssvm方法，對(duì)2017-2020年的用電需求進(jìn)行預(yù)測(cè)，其中選取2001-2015的歷史數(shù)據(jù)作為訓(xùn)練樣本，以2016年的數(shù)據(jù)作為測(cè)試樣本，根據(jù)mae （平均絕對(duì)誤差）準(zhǔn)則，得到與2兩

10、個(gè)參數(shù)的最優(yōu)值，進(jìn)而對(duì)2017-2020年的用電需求值進(jìn)行預(yù)測(cè)，結(jié)果如表4所示。通過(guò)比較2016年全社會(huì)用電量和2016年測(cè)試樣本的計(jì)算結(jié)果可以發(fā)現(xiàn)，2016年的預(yù)測(cè)值和實(shí)際值誤差為3%，說(shuō)明alo-lssvm模型的預(yù)測(cè)具有較高準(zhǔn)確度，運(yùn)用該方法能夠較為精確的對(duì)未來(lái)受社會(huì)經(jīng)濟(jì)影響的電力需求做出預(yù)測(cè)。參考文獻(xiàn)：1李翔， 高山， 陳昊. 基于變結(jié)構(gòu)協(xié)整理論的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)模型j. 電網(wǎng)技術(shù)， 2007， 31（9）：48-52.2王大鵬， 汪秉文. 基于變權(quán)緩沖灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)j. 電網(wǎng)技術(shù)， 2013， 37（1）：167-171.3羅楠， 朱業(yè)玉， 杜彩月. 支持向量機(jī)方法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用j. 電網(wǎng)技術(shù)， 2007（s2）：215-218.4王小波， 劉德強(qiáng). 基于人工神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)的研究j. 電力學(xué)報(bào)， 2011， 26（4）：2