在日常的工作中，万里扬能源能科技研究院一直在测试各类开源预测算法的性能表现。在测试一些神经网络算法时，我们经常陷入到对抽象的、高维度的参数调整中，比如 LSTM（长短期神经网络）网络深度（层数）、神经元个数、学习率，再如TCN（时间卷积网络）中的感受野、卷积核数量等超参数，我们需要经过耐心细致的调参过程才能得到满意的预测结果。

    而有一个开源项目却能够即插即用，给我们留下了深刻的印象。Facebook在2018年前后开源了Prophet项目，这是一个能够由Python和R实现调用的预测工具。Prophet的设计理念非常的实用主义：首先Prophet并没有去追求实现完全自动的预测，而是留下了人工干预和调整的空间；Prophet也没有很高的使用门槛，即使是经验比较少的数据工程师也能够快速上手，同时更有经验的专家也能够借助Prophet提升预测水平的上限。因此我们果断在用户负荷的预测上，对其效果进行了测试。

    我们选用了某段时间内，用户的负荷数据作为研究对象，对数据进行了清洗和重采样，输入Prophet算法模型进行了预测结果的优化测试。首先，在不配置参数的情况下，由模型自动拟合，得到下图。从历史数据来看，预测段不仅体现了日内负荷波动的特性，还体现了周末的特性，可见Prophet能够捕获负荷在不同周期下的特征。同时红色虚竖线标记处代表负荷水平趋势的转变点，如果能够获取到用户检修安排、加班安排，或者疫情趋势等外部信息，我们可以通过人工设定转变点，更好的拟合负荷水平变化的情况。

    实际上，Prophet能够输出目标序列在周内和日内的周期性曲线，同时由于Prophet采用了经典趋势性和周期性叠加拆分的思路，因此还能够通过分解负荷在不同周期（周内、日内）的特性和阶段趋势，进一步对负荷趋势做出分析判断。如下图，这里截取今年4月底的一段负荷做分析，由于五一假期的关系，显然整周的负荷存在下降趋势，而周内和日内的趋势，也能够与人工判断相互验证。

    由于用户负荷受节假日调休影响很大，我们也非常关心Prophet能否适应假期的负荷衰减。实际上Prophet不仅有内置的假期日历，还能够指定标记日期。这样一来对我们在节假日的策略制定上带来了很大的便利。同时，对于多年的历史数据，Prophet能够为不同类型的节假日匹配不同的负荷衰减程度；同时对于较长的节假日，在节假日首尾能够设置过渡段，反映出负荷逐渐减小/恢复的过程。为了应对特殊情况，我们在预测中对于预测值通常有最大/小值的限制：比如在用户负荷预测的场景中，用户总功率是有上限的，预测不能够超过上限；调休等引起的衰减也受产能计划约束，不会突破下限。默认情况下，Prophet使用线性模型对趋势进行预测，我们也可以将其设置为指数类型，增加模型的适用范围。在日常的现货申报过程中，用户负荷预测往往还受到信息滞后的影响：因为交易中新更新的用户负荷存在一定的滞后，这就要求我们对更长的一个时间段做出预测。这里我们以滞后天数为类别，在测试集上进行滚动预测和统计，得出了Prophet模型随数据滞后天数性能衰减的情况。可见其在4天时误差来到最大，之后维持在相对稳定的水平。

    作为一种时序模型，我们也很好奇Prophet与经典模型的性能差异。因此我们选出经典模型中常见的SARIMAX和Holt-Winters指数平滑模型与其进行对比。在逐日预测中，Prophet模型基本达到了SARIMAX模型的水平，但是SARIMAX水平上限更高。 在逐时预测中，Prophet模型基本达到了Holt-Winters指数平滑模型的水平，但在应对节假日时，效果较差。

    Prophet预测模型原理清晰，参数有很强的实际意义，容易做出调整和修正，但其准确程度需要细致的调整才能达到较高水平，输出结果可以作为一种基线模型，为人工调整提供参考。显然仅仅依赖算法是无法满足在现货环境下售电公司对用户负荷管理的需求。在实际工作中，万里扬能源建立了完整的用户负荷预测和用电偏差管理系统。通过宏观经济数据收集分析、微信小程序收集数据、大客户专人负责制等手段，多维度分析用户用电情况。（上图是由微信小程序收集的用户放假安排）

    在实际电量申报时，万里扬能源安排专责对用户负荷的水平和曲线形状做出进一步的修正。同时，万里扬能源借助自主研发的用户负荷预测平台，实现对用户负荷的精准管理，并进行负荷预测的复盘。我们始终认为负荷预测作为电力交易的关键技术之一，在售电公司面对日益复杂的规则和日益高频的交易时，将发挥至关重要的作用，能够辅助售电公司进行交易决策，最终规避市场风险，最大化保障电力用户的市场收益。

作者：万里扬能源科技研究院