【技术】天洑数据建模实施案例集锦（4） - 用户用电量时序预测

用电量预测是用户用能分析的一项重要研究内容，不仅能够帮助电力企业预判整个行业用电量发展趋势，还能帮助企业合理安排购电计划。其预测方法分为经典预测方法和现代智能预测方法，经典预测方法基于发展趋势的相似性进行预测，当用电量趋势波动较大时预测效果会产生明显下降。

1. 多种外部因素影响用户用电量：用户用电量不仅受天气、季节等自然因素的影响，还与多种社会经济因素存在关联关系。这会增加用电量预测的建模难度。

3. 传统的用电量预测方法在挖掘种类多、体量大、纬度高和生成速度快的用电大数据时存在一定的局限性，难以准确把握用户的用电量关联因素及变化规律。

图1  DTEmpower不仅提供了一站式的数据建模解决方案，通过简单的节点拖拽即可搭建完整的建模流程；还集成了ARIMA、SARIMA、TBATS等常见的时序预测算法，满足用户对时序预测建模需求的同时，扫清了数据驱动技术在实际工业应用中落地的一大障碍

图2  基于DTEmpower的用户用电量预测建模过程，通过5个节点的连接即可搭建完整的时序预测模型，最终模型对t 1时刻预测值的R2指标为94.27%

1. 【时序变量设定】节点可以设置时间变量、预测变量和外源变量三类：时间变量为时序模型的对应时间索引列，预测变量为时序模型用于预测的变量，外源变量为影响预测变量的其他变量。

提前预知用户用电量的变化

通过时序预测的方法，精确快速的预测用户用电量的变化情况，为合理的电力输送及调度提供模型支撑。

提高电力系统的经济和社会效益

高精度的用户用电量预测模型有利于节煤、节油和降低发电成本，避免资源浪费，为制定合理的电源建设规划，提高电力系统的经济效益和社会效益提供助力。