利用条件核密度估计预测智能电表电力数据

近期智能电表的出现产生了大量微观层面的数据集。个体站点的电力消耗数据首次得以在近实时基础上获取。利用这些数据的潜力，可以极大地促进能源资源、电力公司和输电网络的高效管理。本研究旨在生成由个体智能电表记录的消耗量的概率密度估计值。此类估计值可辅助决策制定，帮助消费者识别并最小化其过剩电力使用，特别是在高峰时段。对于供应商而言，这些估计值可用于制定针对目标消费者的创新分时定价策略。我们考虑了基于条件核密度 (CKD) 估计并引入衰减参数的方法。这些方法能够捕捉消耗量的季节性，并实现其条件密度的非参数估计。利用一千个电表八个月的半小时数据，我们评估了从半小时到一周 ahead 的领先时间的点预测和密度预测。我们发现，基于核的方法优于未考虑季节性的简单基准方法，并与作为复杂基准的指数平滑方法表现相当。为了衡量财务影响，我们利用消耗量的密度估计值推导不同分时电价下的电力成本预测区间。我们表明，基于成本密度比较而在不同电价之间切换的简单策略，能为绝大多数消费者带来显著的成本节约。