业扩报装是电力部门营销业务的一个重要环节,其数据能够反映大用户的用电量变化趋势。但是,目前对电量预测方法的研究主要集中在数学模型和算法优化两个方面,主要考虑天气、温度、政策等因素对电量预测的影响,而未计及业扩报装容量数据中所包含的信息。通过对业扩报装数据所包含的新装用户用电特征信息进行挖掘,将业扩报装容量和用电量结合,构建一种基于业扩报装的电量预测模型,用于行业和全社会电量预测,可以提高电量预测精度。预测结果可以用于指导电力生产调度和电源规划等方面,具有较大的实际应用价值。首先,采用改进的聚类算法对用户用电量进行聚类分析,根据用户用电规律和行业发展特征对大工业用户进行精确行业划分,为行业电量预测提供能够反映地区经济发展水平和重点行业转移等因素的典型行业。其次,对各行业新装送电后行业用电量增长趋势进行研究,在聚类分析得到的典型行业中筛选出最能代表该行业用电量增长特征的典型企业,利用季节调整模型剔除季节因素和随机因素对行业用电量的影响,利用主成分分析将对典型企业用电信息进行数据降维,使用生长曲线对降维后的行业用电量进行拟合,得到各行业新装送电后用电量增长规律。最后,构建一种基于业扩报装电量预测模型,使用季节调整模型对全社会用电量和业扩报装容量两个时间序列进行季节调整,消除季节变动和随机因素对电量的影响,采用灰色关联分析法对这两个时间序列的进行关联程度分析,根据关联度最高的月份用电量和业扩报装容量数据进行全社会用电量预测,算例分析结果证明采用关联度分析可以提高电量预测精度。采用线性回归、随机森林和LSTM神经网络三种电量预测模型进行电量预测,根据预测结果对比LSTM神经网络方法的误差最小,预测精度满足工程实际要求。本文对业扩报装数据进行数据挖掘,研究业扩报装容量对行业用电量和全社会用电量的影响,利用季节调整模型,剔除季节因素和随机因素对用电量的干扰,从大工业行业用电和全社会用电两个方面构建预测模型,实现对行业用户和全社会电力用户的电量预测,采用灰色关联法分析了业扩报装容量对全社会用电量的先行性,利用基于业扩报装的电量预测模型对未来电量变化趋势进行分析。实际算例验证了本文方法的可行性。