基于ARIMA模型的光伏客户需求服务预测研究

2016-11-28 11:20郭丽平蔡永自
商情 2016年40期
关键词:光伏发电预测

郭丽平++蔡永自

【摘要】随着中央和地方政府对光伏发电上网电价补贴政策的刺激,配套电网建设和技术成果的创新运用,加之光伏生产厂家一条龙服务的推动,分布式光伏客户呈爆发式增长。本研究旨在采用ARIMA模型对光伏每月累计并网户数、客户咨询数据和上网电量三个指标将来的数据进行预测。

【关键词】光伏发电 并网户数 客户咨询 上网电量 预测

一、引言

光伏发电作为清洁能源,是目前国家鼓励发展的行业。作为分布式光伏发电大省,浙江省“十三五”规划纲要也明确“将全面实施百万家庭屋顶光伏工程,到2020年光伏发电力争达到800万千瓦。”光伏也成为部分地区产业带动经济增长的新途径。随着中央和地方政府对光伏发电上网电价补贴政策的刺激,配套电网建设和技术成果的创新运用,加之光伏生产厂家一条龙服务的推动,分布式光伏客户呈爆发式增长。本研究旨在采用ARIMA模型对光伏每月累计并网户数、客户咨询数据和上网电量三个指标将来的数据进行预测。

二、ARIMA模型及其预测分析思路

ARIMA模型,全称为求和自回归移动平均模型(auto regressive integrated moving average model,简记ARIMA),是由詹金斯(Jenkins)与博克思(Box)于20世纪70年代初提出的时间序列预测方法。其中,ARIMA(p, d, p)称为差分自回归移动平均模型,AR为自回归,P为自回归项;MA为移动平均,y为移动平均项数,d为时间序列达到平稳时所做的差分次数(解树国,2012)。通过ARIMA模型,将分布式光伏并网数量、上网电量、客户咨询随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列。这个模型一旦被识别后,就可以从时间序列的过去值及现在值来预测未来值。该模型的基本原理如下:

如果假设随机变数Yt,为在时间t的一个观测值,那么一组Yt,所构成的数列就称为随机过程,而一般标准的ARIMA(p,d,q)模型可以记为Yt~ARIMA(p,d,q),其定义为:

чp(B)Wt=θq(B)αt

式中,чp(B)=1-ч1B-…-чpBp,Wt=(1-B)dYt,Qp(B)=1-1-θ1B-θ2B2…-…θqBq,αt为白色噪音,亦即α~N(0,σ2α),p,d,q为非负整数,B为后移分算子,即BYt~Yt-1,ч1,ч2,…чp,为自我回归参数,θ1,θ2,…θq,为移动平均参数。

ARIMA模型最大优点在于对季节周期性数据指标的准确预测,ARIMA的季度或月度模型能揭示出被解释变量的非线性特征,ARIMA模型需要先估计它的阶数后,再使用最小二乘法进行预测。具体的建模步骤如下:①序列平稳化。如果数据序列是非平稳的,并存在一定的增长或下降趋势,则需要对数据进行差分处理,这个过程叫非平稳序列平稳化。②模型识别。若平稳序列的偏相关函数是拖尾的,而自相关函数是截尾的,则可断定序列适合MA(q)模型;若平稳序列的偏相关函数是截尾的,而自相关函数是拖尾的,可断定序列适合AR(p)模型;一般情况下,可通过自相关(ACF)和偏自相关图(PACF)估计出阶数P,Q的可能取值,然后,通过AIC准则(赤池准则),SC准则(施瓦茨准则),其中AIC值和SC值都是越小越好,从而选出最合适的模型阶数。③模型预测。根据建立的ARIMA(p,d,q)模型,利用Eviews软件对分布式光伏上网用户、结算电量、客户咨询等数据进行预测(陈平和夏敏,2011)。

三、预测过程及结果分析

本研究选取的基础数据包括三个指标,累计并网户数(BINGWANG)、每月结算电量(JIESUAN)、客户咨询数据(ZIXUN)。

(1)对累计并网户数的预测与分析。按照前述步骤,首先对累计并网户数(BINGWANG)进行平稳性检验,以确定d值。累计并网户数(BINGWANG)变量的平稳性检验结果,变量BINGWANG是三阶单整变量,从而得到d=3。在稳定性分析的基础上,根据自相关和偏相关图可以确定p=1,q=1。

进而,根据建立的BINGWANG变量应该选择ARIMA(1,3,1),利用Eviews软件进行预测,得到预测值。

(2)对每月结算电量的预测与分析。类似的,针对每月结算电量(JIESUAN)进行预测的步骤如前所述。变量JIESUAN是2阶单整变量,从而得到d=2。进而根据自相关和偏相关图可以确定p=0,q=0。

根据建立的每月结算电量(JIESUAN)应该选择ARIMA(0,2,0),利用Eviews软件进行预测。

(3)对客户咨询数据的预测与分析。最后,针对客户咨询数据(ZIXUN)进行预测。变量JIESUAN是1阶单整变量,从而得到d=1。进而根据自相关和偏相关图可以确定p=1,q=1。

根据建立的客户咨询数据(ZIXUN)应该选择ARIMA(1,1,1),利用Eviews软件进行预测。

累计并网户数(BINGWANG)、每月结算电量(JIESUAN)、客户咨询数据(ZIXUN),这三个指标的最终预测结果见表。

四、结论

本文基于2015年1月-2016年6月的基础数据,采用ARIMA模型预测了2016M07-2017M12宁波供电公司分布式光伏并网数量、上网结算电量、客户咨询数量。从模型预测结果来看,宁波供电公司分布式光伏并网数量、上网结算电量、客户咨询数量将呈爆发式增长态势。预计2016年12月累计并网户数为2305户,比2016年6月增长405.48%;上网结算电量4604万千瓦时,比6月份增长615.15%;95598客户咨询数量39个,比6月份增长39.29%。预计2017年12月累计并网户数为14557户,比同比上年增长531.54%;当月上网结算电量16223万千瓦时,同比上年增长252.37%;95598客户咨询数量59个,同比上年增长51.28%。根据公司光伏客户成功备案的统计数据,模型预测数据反应了光伏发电业务增长态势和增长速度。

参考文献:

[1]解树国.基于RBF和ARIMA模型下货运量预测算法与软件实现[M]. 湖南大学硕士学位论文,2012.

[2]陈平,夏敏. 基于ARIMA模型的短期风速预测方法[J]. 华章,2011,(15).

猜你喜欢
光伏发电预测
选修2—2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
选修2—2期中考试预测卷(A卷)答案与提示
选修2—2期中考试预测卷(B卷)答案与提示
太阳能光伏发电与厂房的一体化设计
基于单片机的太阳能路灯控制器
大型并网光伏发电站选址分析
中国西北地区光伏发电的环境影响评估
《福彩3D中奖公式》:提前一月预测号码的惊人技巧!
预测高考