项目背景

随着电力体制改革和智能电网建设的不断深入，售电量己成为考核电力企业的一个重要指标，月度售电量预测对于国家电网公司合理地确定销售电量总定额、分解售电量销售指标、制订有序用电方案、指导发电厂和输配电网的合理运行、推动电力市场的发展和建设都具有十分重要的意义。

问题与挑战

1、售电量变化影响因素多。
2、影响售电量影响的各因素间关系复杂。
3、售电量预测模型需具备自学习功能，使得模型能够反映售电量最新的变化趋势。
4、预测模型实现全自动化建模过程。

解决方案

为实现自动化、自学习的售电量预测，减少业务人员的操作成本，开发了自动获取天气数据、节假日数据、经济数据的主要经济数据的网络爬虫工具，并结合电网的业扩报装等数据，构建了基于贝叶斯季节调整算法的售电量预测解决方案，主要步骤如下：
1、数据预处理：包括异常值处理、最优建模数据自动筛选等；
2、曲线分解：利用贝叶斯季节调整算法分解售电量曲线，分解得到趋势项、季节项和随机项；如图1。
3、分解预测：在相关性研究、前导性分析的基础上，分别考虑趋势项、季节项和随机项的相关因素，建立预测模型；
4、预测重构：通过趋势项、季节项和随机项的预测结果逐点相加得到售电量预测结果；
5、预测择优：在多种预测结果中自动选择最优预测结果；
6、春节调整：在深入研究春节对售电量影响的基础上，对预测结果进行调整，得到最终预测结果。如图2。

图1

 
图2

应用价值

外部数据自动爬取与结构化
售电量精准预测