改进型XGBoost算法模型的企业电力负荷电费优化

仲立军， 杨玉锐， 周晓琴， 牛中伟， 周子誉

(国网嘉兴供电公司，浙江 嘉兴 314000)

0 引 言

在企业工业用电以及用户的用电中，电费的整体架构通常包括基本电费、电度电费和功率因数调整电费等不同的形式。化工企业多数实行24 h连续生产，对供电可靠性要求高，多数采用双电源以保证供电质量[1]，因此无法有效通过生产负荷分时段调整，以利用分时电价差降低电度电费。现有技术中的企业功率因数在一定程度上虽然能够满足企业用电的需求，但是无功率太多，电费的优化空间相对比较小[2]。在计算基本电费时，需要根据企业用户的实际用电容量或者最大用电需量进行计算。在众多用电过程中，企业用户难以对未来的用电负荷情况进行判断，使得在选择基本电费计收方式时，难免与自身实际用电负荷存在偏差，容易引起基本电费虚高。这就需要一种方法实现企业电费优化。

1 负荷预测大数据模型设计

本文通过研究浙江某工业园区化工企业用电负荷特征，根据企业月度用电最大需量波动率分组，采用改进型XGBoost算法模型[3]，构建化工企业月度用电最大需量精准预测模型。为企业合理选择基本电费计算方式提供指导，帮助企业合理降低用电成本。采用的大数据模型如图1所示，下面分别对不同的算法模型进行说明。

图1 负荷预测大数据模型设计

1.1 改进型XGBoost算法模型

本文采用改进型XGBoost算法模型，在传统XGBoost算法模型的基础上加入逐步回归算法模型[4]，具有以下技术优势。……