如何对能源负荷进行预测？

/ 方案描述

随着近年来能源交易市场改革、节能优化和综合能源能源经济调度等逐步 深化，对能源精细化控制诉求越来越高，随之而来的是对用能负荷预测的 精准度要求提升。而传统预测采用手工、规则加调参，以及简易算法等方 式，面对多维度、复杂变化、多预测实体和时间粒度的多样性、用能特征 差异大和突变因素多等情况时，导致预测工作复杂、人工介入多和预测准 确率不高等问题，影响能源控制优化。

基于工业大脑中预置的人工智能算法引擎库中，面向企业用能预测场景做 了针对性数据处理和模型编排，内置多种模式，提供自主特征工程、模型 业务维度和时间粒度的自定义和模型评价寻优的能力，封装标准化数据接 口和模型输出服务，以公有云SAAS服务形式提供服务，让企业可以简易 地完成数据集成和模型实例化等配置工作，即可获得高精准度的用能负荷 预测。

/ 架构特点

基于阿里云公有云部署的工业大脑，提供的数据工厂、算法工厂和AI创作 间，分别为用能负荷预测提供数据标准化接入和预处理、模型预训练及寻 优评价等、模型的实例化业务编排，从而提供标准化的用能负荷预测的实 时过程，开发人员基于工业大脑提供的可视化实施界面，快速完成数据接 入、个性化模型定义、模型验证和服务发布等配置实施，然后基于发布的 API将 预测数据与能源分析控制系统集成，快速完成整体系统的实施开发。

用能负荷预测功能架构图

/ 核心价值

轻量化交付。主要以工业大脑PAAS工具为底座，基于内置算法的预训练 模型，以公有云部署交付为主，客户只需要将训练数据上云和预测数据接 口开发，通过2周左右（在数据准备Ready情况下）模型优化后即可获得 多维度、多时间粒度的负荷预测API服务，快速让企业获得基于算法的精 准预测；

预测效果好。工业大脑基于内置的底层算法优化，并与多个能源行业的负 荷、用能预测场景实践结合，一方面提供模型的准确率，以及在跨场景的 一定层度的自适应模型寻优能力，在多个项目中，在预测数据有保障的情 况下，预测准确率90%+（传统一般85%左右。具体指标需要结合不同 的项目数据情况、业务的突变因素和时间颗粒度等评估）；

建设成本低。公有云SaaS化服务的预测服务，减少企业部署等相关成 本，同时快速建议的建设方式，实施成本低；而模型中内置的多种自适应 和参数化能力，在后续业务变化和调整中都可以快速适应，运维要求和工 作量降低，项目费用预估与传统做负荷预测的相比，减少50%。

/ 相关案例

项目聚焦市公司，县区公司的日/周/月电量预测，不同产业类型、大工业 用户的日/周/月电量预测。提供完整自动化预测处理，释放原来人工预测 的大量工作量，解决项目中遇到的原始异常数据、专家知识借鉴、特征的 组合、模型多样性选择等因素，实现了 县区按月预测平均准确率 97%、按日预测平均准确率90%；大用户按月预测平均准确率 92%，按日预测平均准确率88%；主站按15min预测平均准 确率97%。

如需了解更多关于阿里云工业相关的技术干货内容或者有技术研发需求，欢迎加入阿里云工业大脑钉钉群，跟着专家一起学习、分享、交流，推进工业智能化发展！

加入阿里云工业大脑智能制造学习交流钉钉群 （点击） 加入钉钉学习交流群

加入钉钉群可享有以下权益