大气污染防治政策下区域钢铁行业用电量智能预测研究

区域电力预测研究对于电力系统运行规划具有重要意义,研究区域电网主要用电对象特性,开展主要用电对象电力预测,可有效提高整体预测精度,因此我们必须重视区域主要用电对象的电力特性研究。钢铁行业作为冀北地区主要用电对象,自身电力负荷特性较为复杂,同时随着新型大气污染防治政策的逐步推行,冀北钢铁行业用电特性也出现了新变化。因此,必须开展新型大气污染防治政策下的区域钢铁行业用电量智能预测研究,针对推行政策进行分析量化,引入政策因素,构建新阶段适用的钢铁行业电力预测模型,保证电力预测精度。本文旨在开展新型政策环境下冀北钢铁行业用电量预测研究,首先对冀北钢铁行业用电量现状及影响因素进行识别分析,从宏观经济、产量、下游行业及政策角度识别构建了影响因素集；其次针对其中的定性影响因素政策因素开展分析量化研究,为后续预测模型提供输入变量。再次,采用神经网络敏感性分析法,筛减与钢铁行业用电量之间敏感性较小的影响因素,提高后续模型输入变量的准确性；再次,分别利用非线性S型函数、BP神经网络和LSSVM预测模型开展预测,并选取拟合精度较高的BP神经网络和LSSVM进行优化组合,创新构建了大气污染防治政策下的冀北钢铁行业优选组合预测模型。最后,利用本文构建的大气污染防治政策下的冀北钢铁行业优选组合预测模型,开展多情景冀北钢铁用电量预测,给出对应情景下的预测结果。随着大气污染防治政策的广泛推广,政策因素也将逐渐成为各地高耗能行业用电量的重要影响因素,本文提出的大气污染防治政策下的区域钢铁行业用电量智能预测方法可广泛推广应用到其他重工业城市,实现政策因素的量化分析,提高钢铁行业以及其他其他高耗能行业的用电量预测精度,指导行业相关配套电力设施的规划建设,保证电力建设的及时性和经济性。