基于PMC指数模型的电力政策量化及其在负荷预测中的应用

doi:10.11959/j.issn.2096-6652.202121

智能科学与技术学报 ›› 2021, Vol. 3 ›› Issue (2): 202-210.doi: 10.11959/j.issn.2096-6652.202121

基于PMC指数模型的电力政策量化及其在负荷预测中的应用

刘天斌¹, 赵杭², 汪辰¹, 袁红霞², 张银芽¹, 胡晨茜², 李金星², 高天露², 张俊²

¹ 国家电网有限公司华中分部，湖北武汉 430077
² 武汉大学电气与自动化学院，湖北武汉 430072

修回日期:2021-01-15 出版日期:2021-06-15 发布日期:2021-06-01
作者简介:刘天斌（1966- ），男，国家电网公司华中分部教授级高级工程师，主要研究方向为电力规划、电力调度运行等
赵杭（1995- ），男，武汉大学电气与自动化学院博士生，主要研究方向电力系统分析与机器学习
汪辰（1988- ），男，国家电网公司华中分部高级工程师，主要研究方向为电网运行控制与电网规划设计等
袁红霞（1996- ），女，武汉大学电气与自动化学院硕士生，主要研究方向为大数据及人工智能技术在电力系统中的应用
张银芽（1970- ），男，国家电网公司华中分部正高级经济师，主要研究方向为电力交易、电力市场分析、电力计划等
胡晨茜（1998- ），女，武汉大学电气与自动化学院硕士生，主要研究方向为电力系统大数据与机器学习等
李金星（1996- ），男，武汉大学电气与自动化学院硕士生，主要研究方向为电力系统及其自动化、边缘计算在电力物联网中的应用等
高天露（1994- ），男，武汉大学电气与自动化学院工程师，主要研究方向为人工智能、自然语言处理和区块链在电力系统运行分析和控制决策中的应用
张俊（1981- ），男，武汉大学电气与自动化学院教授、博士生导师，中国自动化学会副秘书长，IEEE射频识别理事会（IEEE CRFID）副主席。主要研究方向为大数据、人工智能、物联网等新一代信息技术及其在电力能源等复杂系统中的应用。担任 IEEE Transactions on Computational Social Systems、IEEE Internet of Things Magazine、IEEE/CAA Journal of Automatica Sinica、《自动化学报》《智能科学与技术学报》等高水平学术期刊编委。2019 年获得杨嘉墀科技奖二等奖
基金资助:
国家电网公司华中分部科技项目(521400180005)

Power policy quantification based on PMC index model and its application in load forecasting

Tianbin LIU¹, Hang ZHAO², Chen WANG¹, Hongxia YUAN², Yinya ZHANG¹, Chenxi HU², Jinxing LI², Tianlu GAO², Jun ZHANG²

¹ Central China Branch of State Grid Corporation of China, Wuhan 430077, China
² School of Electrical Engineering and Automation, Wuhan University, Wuhan 430072, China

Revised:2021-01-15 Online:2021-06-15 Published:2021-06-01
Supported by:
The Science and Technology Program of the Central China Branch of SGCC(521400180005)

摘要/Abstract

摘要：

政策对电力系统负荷有直接的影响。为了充分挖掘政策因素与负荷之间的关系，提高负荷预测的精度，提出一种基于政策建模一致性（PMC）指数的电力政策量化方法，并将其应用到负荷预测中。首先建立电力领域PMC评价体系，然后通过文本挖掘技术得到电力政策文本的PMC指数，最后构建基于长短期记忆的负荷预测模型，将电力政策量化指标与天气、日期等影响因素一同输入模型中，与不考虑政策因素的模型进行对比。实验表明，考虑政策因素的负荷预测模型获得了较好的结果，加入政策量化数据后，负荷预测模型的平均绝对百分比误差从1.67降低到0.98，平均绝对误差从28.97降低到19.68，这表明PMC模型具有一定的政策量化能力。

关键词: 电力政策, PMC, 政策量化, 评价模型

Abstract:

Policy has a direct impact on power system load.In order to fully explore the relationship between policy factors and load, and improve the accuracy of load forecasting, a quantitative method of power policy based on policy modeling consistency (PMC) index was proposed and it was applied to load forecasting.Firstly, the PMC evaluation system of electric power field was established, and then the PMC index of power policy text was obtained by text mining technology.Finally, the load forecasting model based on long shrot term memory was constructed.The quantitative index of power policy, weather, date and other influencing factors were input into the model, and compared with the model without considering policy factors.The experiment shows that the load forecasting model with policy factors achieves good results.After adding policy quantitative data, the error mean absolute percentage error of load forecasting model is reduced from 1.67 to 0.98, and mean absolute error is reduced from 28.97 to 19.68, which indicates that PMC model has a certain ability of policy quantification.

Key words: power policy, PMC, policy quantification, evaluation model

中图分类号:

TM714

刘天斌, 赵杭, 汪辰, 等. 基于PMC指数模型的电力政策量化及其在负荷预测中的应用[J]. 智能科学与技术学报, 2021, 3(2): 202-210.

Tianbin LIU, Hang ZHAO, Chen WANG, et al. Power policy quantification based on PMC index model and its application in load forecasting[J]. Chinese Journal of Intelligent Science and Technology, 2021, 3(2): 202-210.

图/表 11

图1

图2

表1

电力政策评价变量"

一级变量	二级变量	二级变量含义	二级变量评价标准
政策性质X1	X1:1	预测	体现预测性，有则为1，没有为0
	X1:2	建议	提出建议，有则为1，没有为0
	X1:3	监管	体现监管性，有则为1，没有为0
	X1:4	支持	体现支持特征，有则为1，没有为0
	X1:5	引导	包含引导性，有则为1，没有为0
政策效力X2	X2:1	长期	涉及多于10年的内容，有为1，没有为0
	X2:2	中期	涉及5～10年内容，有则为1，没有为0
	X2:3	短期	涉及1～5年内容，有则为1，没有为0
政策级别X3	X3:1	全国	政策范围涉及全国，是为1，否则为0
	X3:2	全省	政策范围涉及全省，是为1，否则为0
	X3:3	全市	政策范围涉及全市，是为1，否则为0
	X3:4	区县	政策范围涉及区县，是为1，否则为0
政策领域X4	X4:1	经济	政策领域涉及经济，是为1，否则为0
	X4:2	社会服务	政策领域涉及社会服务，是为1，否则为0
	X4:3	环境	政策领域涉及环境，是为1，否则为0
	X4:4	制度	政策领域涉及制度，是为1，否则为0
	X4:5	技术	政策领域涉及技术，是为1，否则为0
激励约束X5	X5:1	政府补贴	涉及政府补贴内容，有则为1，没有为0
	X5:2	专项基金	涉及专项基金内容，有则为1，没有为0
	X5:3	法律法规	涉及法律法规内容，有则为1，没有为0
政策受体X6	X6:1	各部委	涉及国家各部委，有则为1，没有为0
	X6:2	省、自治区、直辖市	涉及省、自治区、直辖市，有则为1，没有为0
	X6:3	国家电网	涉及国家电网，有则为1，没有为0
政策重点X7	X7:1	能源价格	涉及能源价格内容，有则为1，没有为0
	X7:2	能源投资	涉及能源投资内容，有则为1，没有为0
	X7:3	环境保护	涉及环境保护内容，有则为1，没有为0
	X7:4	安全防护	涉及安全防护内容，有则为1，没有为0
	X7:5	电力改革	涉及电力改革内容，有则为1，没有为0
	X7:6	节能减排	涉及节能减排内容，有则为1，没有为0
政策公开X8	—	—	政策公开发布，是为1，否则为0

表1

表2

图3

图4

表3

表4

表5

政策文本的PMC指数计算结果"

政策一级指标	政策文本1的PMC指数	政策文本2的PMC指数	政策文本3的PMC指数
政策性质X1	0.3	0.3	0.4
政策效力X2	0.67	0.23	0.33
政策级别X3	0.5	0.5	0.5
政策领域X4	0.2	0.4	0.4
激励约束X5	0.67	0.77	0.33
政策受体X6	0.4	0.75	1
政策重点X7	0.23	0.83	0.4
政策公开X8	1	1	1
PMC指数	$3 . 97$	$4 . 78$	$4 . 36$
等级	不良	可接受	可接受

表5

图5

表6

参考文献 13

[1]	PORUMB R , POSTOLACHE P , SERITAN G ,et al. Load profiles analysis for electricity market[J]. Computational Methods in Social Sciences, 2013,1(2): 30.
[2]	LI X L , LI B K , ZHAO L ,et al. Forecasting the short-term electric load considering the influence of air pollution prevention and control policy via a hybrid model[J]. Sustainability, 2019,11(10): 2983.
[3]	ZHAO L N , ZHOU Z C , ZHANG Y P ,et al. Study of applicability of the methods of medium and long term load forecasting in new economy normal state[C]// Proceedings of the 2nd Annual International Conference on Energy,Environmental ＆ Sustainable Ecosystem Development.[S.l.]: Atlantis Press, 2016.
[4]	CHEN X , QIU J , DONG Z Y . An improved load forecast model using factor analysis:an australian case study[C]// Proceeding of the 4th IEEE International Conference on Information and Automation. Piscataway:IEEE Press, 2017: 903-908.
[5]	黄萃, 任弢, 张剑 . 政策文献量化研究:公共政策研究的新方向[J]. 公共管理学报, 2015,12(2): 129-137.
	HUANG C , REN T , ZHANG J . Policy documents quantitative research:a new direction for public policy study[J]. Journal of Public Management, 2015,12(2): 129-137.
[6]	范梓腾, 谭海波 . 地方政府大数据发展政策的文献量化研究——基于政策“目标-工具”匹配的视角[J]. 中国行政管理, 2017(12): 46-53.
	FAN Z T , TAN H B . Big data development strategies of Chinese local governments based on documents quantitative methods- compatibility of policy goals and policy tools[J]. Chinese Public Administration, 2017(12): 46-53.
[7]	DANTAS G A , DE CASTRO N J , DIAS L ,et al. Public policies for smart grids in Brazil[J]. Renewable and Sustainable Energy Reviews, 2018,92: 501-512.
[8]	李樵 . 我国促进大数据发展政策工具选择体系结构及其优化策略研究[J]. 图书情报工作, 2018,62(11): 5-15.
	LI Q . Research on the architecture and optimization strategy of policy instrument selection for the development of big data in China[J]. Library and Information Service, 2018,62(11): 5-15.
[9]	汪晓梦 . 区域性技术创新政策绩效评价的实证研究——基于相关性和灰色关联分析的视角[J]. 科研管理, 2014,35(5): 38-43.
	WANG X M . An empirical study on performance evaluation of regional technology innovation policy-based on perspective analysis of correlation and grey correlation[J]. Science Research Management, 2014,35(5): 38-43.
[10]	STOLBOVA V , MONASTEROLO I , BATTISTON S . A financial macro-network approach to climate policy evaluation[J]. Ecological Economics, 2018,149: 239-253.
[11]	ESTRADA M A R . Policy modeling:definition,classification and evaluation[J]. Journal of Policy Modeling, 2011,33(4): 523-536.
[12]	WU Y , LEI J , BAO L ,et al. Short-term load forecasting based on improved grey relational analysis and neural network optimized by bat algorithm[J]. Automation of Electric Power Systems, 2018,42(20): 67-72.
[13]	GROSS G , GALIANA F D . Short-term load forecasting[J]. Proceedings of the IEEE, 1987,75(12): 1558-1573.

变量名称	单位	取值规则
日平均负荷	MW	每日负荷实际值
日平均气温	℃	每日气温实际值
降雨量	mm	每日降雨量实际值
日期类型	—	1代表工作日，2代表节假日
天气类型	—	1代表晴，2代表阴，3代表降雨或降雪

PMC指数	0～3.9	4～5.9	6～7.9	8～9
评价等级	不良	可接受	良好	优秀

模型	MAPE（包含政策）	MAPE（不包含政策）	MAE（包含政策）	MAE（不包含政策）
LSTM	0.98	1.67	19.68	28.97
BP神经网络	1.24	1.78	24.22	34.87
SVM	1.73	2.24	37.56	44.63

基于PMC指数模型的电力政策量化及其在负荷预测中的应用

Power policy quantification based on PMC index model and its application in load forecasting

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 13

相关文章 0

Metrics

推荐阅读 0

一级变量	二级变量
X1	X1:1 X1:2 X1:3 X1:4 X1:5
X2	X2:1 X2:2 X2:3
X3	X3:1 X3:2 X3:3 X3:4
X4	X4:1 X4:2 X4:3 X4:4 X4:5
X5	X5:1 X5:2 X5:3
X6	X6:1 X6:2 X6:3
X7	X7:1 X7:2 X7:3 X7:4 X7:5 X7:6
X8	—