基于数据挖掘的中长期电力市场需求分析及预测

王玥超

摘 要：电力是人们生产生活中不可缺少的能源之一，而电力市场需求分析与预测直接影响到电网安全可靠供电、电网经营企业的生产经营决策及经营效益。因此，本文基于数据挖掘技术，简要分析中长期电力市场需求分析的必要性，阐述目前对电力市场预测的方法等。以期为电力市场的发展提供了有力的依据与指导，从而进一步提高电力市场的运转效率。

关键词：数据挖掘；电力市场；需求分析；预测

随着我国改革开放和社会主义市场经济体制的确立与发展。人们对电力行业与电力供应的要求也在不断提高。面对现代化社会的生产和生活方式，电力的市场需求的分析和预测的重要性在不断的凸显出来。本文结合已有的数据，利用现有的数据挖掘技术分析中长期电力市场需求的规律，进而为电力行业的发展提供指导和借鉴。

1 数据挖掘的概念

数据挖掘是的基本过程原理和几个重要的模块包含以下几个方面：数据库数据仓库简称为数据库，主机的服务器根据使用者的请求，从数据库中利用相关的算法挖掘数据，在数据库中也有相应的服务器，其作用是负责提取有效的与用户请求一致或者相近的数据。数据仓库的三个模块包含：知识库、数据挖掘引擎、模式评估模块。第一模块是知识库，其作用是指导数据库的搜索，或评价搜索结果的相关兴趣度。使用者确信自己需要的搜索结果也可以包含在内。可以利用这种知识，根据用户的预期效益的評估模式。第二个模块是数据挖掘引擎，它是数据挖掘基本的模块。由一组功能模块组成，数据挖掘引擎的作用是为了分析数据的特征、对数据进行关联、聚类、分类操作，然后进行演变和偏差分析；最后是模式评估模块。其具有兴趣度度量的功能，可以与挖掘引擎模块实现交互。另外，模式评估模块也可以与挖掘模块实现集成。为了实现数据挖掘的有效性和提升数据挖掘的效率，一般需要在数据挖掘过程中嵌入模式评估模块，以便将搜索范围和宽度限制在使用者想要搜索范围之内。通常来看，数据挖掘包括描述和预测两个类型。描述性是在挖掘任务中表示数据库中数据的一般特点。预测性则表示在对挖掘的数据进行推断、预测。

2 电力市场需求分析预测的必要性

在改革开放以来，随着电力的商品化，全国各个电力公司以取得经济效益，服务于客户为中心。同时，在现代化社会中，由于自然环境的影响，企业、个人等用电量因时间、地点或者季节而发生变化。另外，当前我国电力市场中，电力公司对于电力的供应少于人民群众或者企业的用电需求，电力市场面临的矛盾是用电结构或者行业之间的矛盾突出，产业之间、行业之间、企业之间用电的分析不明晰，或者结构不合理。从改革开放以来，虽然我国建立社会主义市场经济，但是我国电价收费水平与国际平均水平相比，明显偏低，是为了追求以低电价鼓励企业生产或者企业的投资，以推动各行各业的发展。但目前这种电价的阶梯级设置，并没有以及良好的用电数据进行分析设立，造成了一些行业电力浪费与而另外其他行业电力短缺并重的局面。

3 中长期电力市场需求分析及预测模型研究

目前对于中长期电力市场的预测包含对全国各省市地区的市场需求分析与预测，对各个行业的市场需求分析与预测。

3.1 省市地区的电力市场需求分析与预测模型

对于省市地区电力市场来说，其需求量因为地域范围广、统计指标差异大和时间的跨度比较大的特点，同时不同区域的经济发展水平和地域特征，从而容易客观因素的影响，且这一影响经常是随机性的。所以，建立模型时，一般包括模型的输入。主要定义模型的自变量与决策变量；所建立的模型可以清晰的反映各个自变量（影响因素）与因变量（电力市场需求）之间的关系；最后利用数据对模型的稳定性进行检验等。

常用模型主要有两种，具体情况如下。

3.1.1多元线性回归预测模型

多元线性回归模型是指因变量Y与两个或两个以上自变量X1，X2，···，Xp的线性依赖关系。因变量的变化往往不取决于一个自变量，可能同时有两个或两个以上的自变量对其变化产生影响，此时简单线性回归模型就不适用了，需要用多元线性回归模型。这一模型的输入变量有多个。所以，在建立电力市场需求的分析预测模型时，要充分考虑外界的影响因素。这一模型的特点是，建立模型不太复杂，同时将影响电力市场需求主要的因素考虑到预测模型内，从而反映电力市场需求变化的影响因素。

3.1.2灰色预测模型

灰色预测模型可以在所拥有的数据是少量的、不完全的环境下进行的预测方法。其理论内容与建模过程相一致。包括对数据进行分析、建立相对应模型、通过模型对问题进行预测、相关管理者进行决策和变量的控制.目前常用的一些预测方法，例如，线性或者非线性回归模型，其模型的建立过程中需要较大的样本数据，才能建立准确的预测模型。而灰色预测模型建模时需要的样本数据少，同时计算过程简便方便，建模准确性高。

3.2 各行业电力需求分析与预测模型

与省市级电力市场数据获取与特点相比，各个行业的电力市场需求受外部因素的影响小。主要的模型是自回归综合移动平均模型。

自回归综合移动平均模型是把研究问题或者研究对象随时间变化而形成的一系列数据的序列看作是一个随机的，通过采用相关的数学模型来近似描述这个随机序列。自回归综合移动平均模型简记为ARIMA。相对于省市级电力市场需求数据受外部影响较大而言，由于行业内部的电力需求数据与行业的特点，产品的特性有关，更多的受行业内部的因素影响。所以，使用自回归综合移动平均模型非常有效。

4 结语

总之，数据挖掘理论和技术在电力市场需求分析和预测研究和应用得到了许多企业和学者的重视。通过上述对不同省市和行业的需求预测模型进行分析，为中长期电力市场需求分析及预测的准确性提供了基础的理论依据。

参考文献：

[1]丁业豪，麦琪.电力市场用电量需求分析预测模型研究[J].电测与仪表，2017，54（14）：14-23.

[2]黄元生，王玉玮，盖姝.基于线性回归方法的我国电力市场短期用电需求预测分析[J].价值工程，2011，30（31）：17-18.

[3]张凌浩.基于WWW的电力市场需求分析与预测系统[J].电力信息化，2004（01）：60-63.