基于多Agent协同技术的用电需求预测系统的设计

基于多Agent协同技术的用电需求预测系统的设计摘要：电力市场环境下，用电需求日益复杂化，影响电价的因素日益增多，使电价具有较强的弹性。作者首先对用电需求预测这一需求预测和电价预测相互影响、而且这两种预测又是交叉进行的复杂过程进行了分析。然后提出利用多Agent协同技术设计需求和电价的并行预测系统。在这一预测系统中，通过Agent技术将系统理论、需求预测、电价预测、信息收集与知识发现技术紧密地结合起来，以提高供电市场中用电需求预测的准确性。关键词：用电市场；需求预测；电价预测；多Agent协同1引言电力需求预测分析是进行电力营销工作的前提和基础。在电力市场环境下，电价作为一种价格信号，它在以下三个方面能够更好地发挥经济杠杆的作用，即：(1)向生产者传递供求、成本、利润等方面的信息，为决策提供依据；(2)向政府决策机构传递社会总供给与总需求、生产结构、消费水平与结构等方面的信息；(3)向消费者传递信息，引导消费。因此，电价作为电力市场的核心因素，它一方面反映市场需求的变化，另一方面电价的变化又影响着需求变化。因此，市场环境下的用电需求不再是传统意义上的用电量和用电负荷。用电需求的内涵已转变为在一定时期内有支付能力的电力用户对电能商品的需求，即用电需求信息中隐含了电价信息。因此，在电力市场环境下，电力需求预测不再仅仅是在某一确定的销售电价水平下的电力需求预测，而是考虑到需求与价格之间的互动影响、在不同销售电价水平下的电力需求预测。从广义上来说，电力市场中的用电需求预测包括对需求电力的预测，也包括对需求价格的预测。电力市场参与者的利益最终都集中反映于交易的电能量和电价，任何一个市场参与者如果能提前掌握市场需求的电力、电量和电价的信息就可以在电力市场交易中获得更大的利益。因此，在电力市场环境下，用电需求预测问题就成为重点研究的问题。电力市场条件下，按发电、输电、配电和售电这4个环节的开放程度，可将电力市场模式划分为以下4种，即垄断模式、单一买方模式、批发模式和零售模式。零售模式彻底开放了售电侧市场，所有用户都可以直接选择发电公司，也可以选择供电(零售)商和电力经纪人。这时的发电环节、输配电环节和售电环节相互间完全独立，配电网络也和输电网络一样，向发电商和用户开放。在零售模式下的电力市场中，电价与电力需求之间的弹性空间最大。电力需求受价格的影响更敏锐，同时，电价能够更及时、准确地传递市场需求状况信息。因此，本文基于零售市场环境开展用电需求预测研究。针对我国当前电力体制改革和电价机制改革的发展进程，尽管售电市场还没有开放，销售电价由政府管制，但全面、准确的用电需求预测还是非常必要的。一方面，用电需求预测是供电企业开展营销、规划工作的前提和基础。另一方面，市场条件下，政府电价监管部门也格外重视用电需求预测，以期制定合理的电价。可见，无论电力市场采用何种模式，合理、准确的用电需求预测对于用电市场的发展都具有重要意义。用电市场面向的用户以及影响电力需求的因素日益增多、复杂，使得电价预测和需求预测的难度越来越大。分布化和层次化的用电市场电价和需求预测系统可以更好地勾画出市场的基本轮廓和特点。因此，本文提出采用多Agent技术设计面向电价和需求预测行为主体的用电需求预测系统，来完成需求预测任务的描述、分解、分布和管理。2用电市场中电力需求预测狭义的电力需求预测的内容包括电量预测和电力预测两部分。电量预测主要涉及供电量和售电量预测，电力预测主要指负荷预测，这里的负荷涉及指最大负荷、最小负荷、最大峰谷差。电力需求与电力消费、需要、动机、欲望、购买力等有着密切关系。它包括隐性需求和显性需求。即市场电力需求状况不仅仅与细分市场自身的电力负荷特性密切相关，同时还受到其它市场因素，如人口、经济发展状况、电气用具的饱和度、气象条件、物价的调整、电价政策、假日经济政策等的影响。用电需求预测工作是开拓市场的关键环节，不仅需要做好宏观的整体市场预测，具体的细分市场需求预测工作更是重中之重。由于各类细分子市场都有其特有的市场环境、市场发展趋势、市场潜力和影响电力需求的主要市场因素，所以电力需求预测要结合各细分子市场的特点，选择适宜的预测模型进行预测。市场环境下的电力需求预测包括两方面的预测工作，一方面是利用历史市场数据，运用不同的预测算法进行显性电力需求预测；另一方面是要预测市场的隐性电力需求，例如能源市场中其他能源的价格变动对电力需求的影响。最后综合显性需求和隐性需求预测结果进行整体需求预测[1]。用电市场中细分市场的种类多，市场关联因素多，且各个市场关联程度不同[2]。这些特性导致用电侧的电力需求预测系统是一个高度复杂的系统，它不仅涉及到电力系统内部的基础数据、还必须涉及电力系统外部的诸多影响因素的相关数据等。3用电市场中需求电价预测根据上文分析，从广义上讲，用电市场需求预测还包括需求电价预测。在零售竞争的用电市场中，各类用户具有很大的选择权，发电商、供电(零售)商和电力经纪人共同参与市场的竞争，(如图1所示)，可以更有效地提高竞争程度，提高资源的优化程度。因此，零售模式下的用电市场中的电价预测的准确性直接影响到售电方定价决策的正确性，进而也影响到电价对需求的激励作用。电价预测是定价决策的依据，直接影响电价决策的关键信息包括电力需求信息、电力成本信息和市场竞争状况信息。(1)电力需求信息根据经济学中的需求法则，市场需求与价格满足一定的需求曲线关系。一般通过研究电力需求的价格弹性来分析电力需求与电价的变化关系。电力需求的价格弹性是需求量变化与价格变化的相对比例。(2)电力成本信息理论上，产品的市场需求和成本决定了产品定价的空间。在这个定价空间内才能保证成本的回收并获得适当利润。需求的价格弹性小的产品其成本加成可以大些，而需求的价格弹性较大的产品其价格不能过多地偏离成本。随着用电市场供求关系由卖方市场转向买方市场和在用电市场中引入竞争机制，电力商品需求的价格弹性增大。因此，在这种市场环境下，电力成本的预测是电价预测的重要依据。(3)市场竞争状况信息前面论述了电力的定价范围由电力需求的上限和企业成本的下限决定。但是，与一般商品一样，可替代产品的价格动态，对市场电力需求具有相当程度的影响。电力商品的可替代产品主要有柴油、天然气、太阳能等。4需求预测与电价预测的并行预测进程需求预测与电价预测是两个并行的预测进程，既有一定的关联，又相对独立。两个过程互相影响，交叉进行。首先，在预测算法上，两个预测进程具有通用性。无论是需求预测或是电价预测，常用的预测算法一般有类比法、趋势外推法、回归法、时间序列分析法、灰色预测法、专家系统法等[3]。考虑到需求预测与电价预测的复杂性，任何单一的预测模型都很难满足预测系统对精度的要求，一般采用组合预测模型。各类预测算法都有其自身的优、缺点，对不同的预测环境都有一定的适应程度，在灵活性和适应性上都有较大局限。单一预测的缺点主要体现在：①不可能将所有在未来起作用的因素全部包含在模型中；②很难确定众多参数之间的精确关系；③只利用了部分有用信息，抛弃了其他有用的市场信息[1]。比较之下，组合算法预测模式则可以利用更多的信息，改善预测模型的拟合能力，具有更强的灵活性和环境适应能力。其次，电价预测和需求预测的预测目标相对独立。需求预测主要计及电力需求的自然增长，以及其他市场影响因素，包括电价在内对市场需求的影响。而电价预测除了要考虑需求状况外，还要考虑成本信息，市场竞争信息等。可以看出，尽管这两个预测进程相对独立，但是需求和电价信息在彼此的预测进程中又互相引用。即在电价预测过程中要考虑需求的变化，反过来在需求预测过程中也要考虑电价的变化。需求变化与电价变化之间的关联性，一般通过电力需求价格弹性指标来反映。电力需求价格弹性是电力需求量与价格变化的相对比例，它反映出价格变化对电力需求的影响，同时也反映对电力销售收入的影响，是电力销售商定价决策的重要依据。与其他普通商品一样，电力用户的需求会随电价的上升而减少，即需求的价格弹性系数为负值，如图2所示。由于需求曲线难以量化分析，经济学家通常将其在某一均衡点附近线性化。弹性系数定义为式中L0为电力需求；r0为电力需求为L0时的电价；ΔL为电力需求由L0变为L1时的增量，Δr为电力需求出现增量ΔL时电价的增量。不同类型的电力用户具有不同的弹性系数。一般来说，由于大用户能以多种形式参与市场，其选择供电方的自由度大，能够灵活适应市场变化，故弹性系数大。而小用户参与市场的竞争力小，与大用户相比，小用户一般是比较被动地适应市场变化，故弹性系数小。同时，在不同的价格水平上用户需求的弹性是不同的。从图2的曲线中可以看出，在价格水平较高的均衡点A处，需求弹性系数小，而在价格水平较低的均衡点B处，需求弹性系数大。一般来说，相对于小用户，大用户的价格水平偏低，所以大用户的需求的价格弹性较大。5多Agent协同预测系统设计5.1概述Agent技术最早于20世纪70年代出现在人工智能领域，其最大特点是具有一定的智能及良好的灵活性和坚定性[4]，特别适合对复杂、协同和难以预测的问题进行处理[5-7]。多Agent系统(Multi-AgentSystem，MAS)是有多个Agent组成的集合，由一系列在局域网或Internet上耦合的Agent构成，或者由在同一个硬件环境下的软件Agent构成[5]。这些Agent成员之间相互协同，相互服务，共同完成各自任务。各Agent成员的限制，MAS通过竞争或磋商等手段协调解决各Agent成员的目标和行为之间的矛盾和冲突。MAS系统中的Agent分布于网络计算机上，以增强系统的可靠性和鲁棒性，提高系统的运行效率。系统的知识存储在各个Agent中，以便于利用与获取知识。这使系统具有良好的可扩展性，呈现出一种开放式的结构。5.2预测系统中的Agent的分类多Agent协同需求预测和电价预测系统由多种不同类型的软件Agent组成。系统包括：(1)管理Agent负责系统管理；(2)交互Agent担负人机交互任务；(3)预测Agent由多种预测算法以及相应的预测知识构成。由于用电需求受到电价、社会经济等多方面的影响，所以预测Agent又细分为电价因素预测Agent、经济因素预测Agent、有关行业因素预测Agent、政策因素预测Agent、消费心理因素预测Agent五大类；(4)评估Agent进行预测方案误差评估；(5)组合Agent利用已有的预测方案的结果生成新的预测结果；(6)信息集成Agent负责信息收集、整理数据。所有的Agent均分布在网络计算机上，利用网络进行通讯，如图3所示。5.3预测系统的工作流程用电需求预测系统需要众多的基础数据采集渠道，系统一方面向供电企业内部的不同部门采集负荷数据、电量数据、电价数据等，另一方面还要向电力系统外部的其他部门采集气象数据、经济数据等。同时，用电需求预测结果也服务于供电企业的多个部门，如计划部门、营销部门等。因此，预测系统采用分布结构，可以利用Internet技术耦合多个Agent，实现分布设计。系统的预测过程是一个人(预测人员、专家)机合作的过程，其主要流程如图3所示，包括：(1)用户将预测问题及相关的定性和定量信息送给交互Agent。信息集成Agent从外部采集相关数据；(2)交互Agent将预测问题分解成小的预测任务，通过管理Agent向预测Agent发送消息；(3)各预测Agent接受预测任务后从信息集成Agent那里获得所需相关数据，然后进行预测，预测结果发送到评估Agent；(4)评估Agent通过学习模块分析各种用电需求影响因素与需求变化的灵敏度以及各种预测算法的预测误差，并且结合由交互Agent获得的专家经验，对各种预测方案获得的预测结果进行评估；(5)组合Agent从评估Agent那里取出一些评估较好的预测结果后，通过一定的组合方法得出新的预测结果，并将新结果送给评估Agent；(6)预测用户根据评估Agent提供的预测结果及其评估结果，结合自己的经验决策最终的预测结果。5.4Agent之间的通信在多Agent系统中，Agent之间