Industrial Electricity Consumption Prediction Considering Causal Transmission Pathway in Industry Development

MA Wei; LIU Zhao; HE Jinghan; WANG Xiaojun; LI Jiaming; DOU Jiaming

doi:10.7500/AEPS20250215003

您当前的位置：

首页 >

文章列表页 >

Industrial Electricity Consumption Prediction Considering Causal Transmission Pathway in Industry Development

Basic Research | 更新时间：2026-02-28

- Industrial Electricity Consumption Prediction Considering Causal Transmission Pathway in Industry Development
- Automation of Electric Power Systems Vol. 49, Issue 21, Pages: 98-107(2025)
- 作者机构：
  
  1.北京交通大学电气工程学院，北京市100044
  2.电力规划设计总院，北京市100120
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(U23B6007)
- DOI：10.7500/AEPS20250215003
  CLC：
- Received：15 February 2025，
  
  Revised：2025-06-18，
  
  Online First：12 September 2025，
  
  Published：10 November 2025
- 稿件说明：
移动端阅览
马伟,刘曌,和敬涵等.考虑行业发展因果传导路径的行业用电量预测[J].电力系统自动化,2025,49(21):98-107.

MA Wei,LIU Zhao,HE Jinghan,et al.Industrial Electricity Consumption Prediction Considering Causal Transmission Pathway in Industry Development[J].Automation of Electric Power Systems,2025,49(21):98-107.
马伟,刘曌,和敬涵等.考虑行业发展因果传导路径的行业用电量预测[J].电力系统自动化,2025,49(21):98-107. DOI： 10.7500/AEPS20250215003.

MA Wei,LIU Zhao,HE Jinghan,et al.Industrial Electricity Consumption Prediction Considering Causal Transmission Pathway in Industry Development[J].Automation of Electric Power Systems,2025,49(21):98-107. DOI： 10.7500/AEPS20250215003.

摘要

电量需求可以映射经济发展趋势，上下游行业发展导致不同行业用电量需求间存在因果关系。现有行业用电量预测缺乏行业间因果传导路径分析，且预测算法忽略了时序与特征之间的耦合关系，导致行业用电量预测模型存在输入因果传导路径不明确、政策参考性差、预测精度低等问题。为此，文中提出一种考虑行业发展因果传导路径的行业用电量预测方法。首先，为挖掘行业上下游生产关系，采用贪婪等价搜索算法构建47个行业间因果本质图，明确不同行业间的因果传导路径。然后，将因果传导路径作为收敛交叉映射算法的约束条件，进而自适应计算因果传导路径的最佳时滞期。最后，提出时序-特征混合预测算法，将不同行业间因果传导路径依次作为预测模型的输入，预测不同行业的用电量需求。通过全国47个行业的实际用电量数据，验证了所提方法的适用性和有效性。

Abstract

Electricity demand can reflect the economic development trends

and the development of upstream and downstream industries leads to the causal relationships between the electricity demands of various industries. Existing industrial electricity consumption prediction lacks the analysis of causal transmission pathways among industries

and the prediction algorithms ignore the coupling relationship between time series and features. This results in issues such as unclear input causal transmission pathways

limited policy relevance

and low prediction accuracy in industrial electricity consumption prediction model. Therefore

this paper proposes a industrial electricity consumption prediction method considering causal transmission pathways in industry development. First

to explore the production relationships among upstream and downstream industries

the greedy equivalence search algorithm is employed to construct a causal essential graph among 47 industries

clarifying the causal transmission pathways among various industries. Then

these causal transmission pathways are used as constraints for the convergent cross-mapping algorithm to adaptively calculate the optimal time lag for causal transmission pathways. Finally

a temporal-feature mixing prediction algorithm is proposed

which sequentially incorporates causal transmission pathways among various industries as inputs to the prediction model to predict the electricity demand across various industries. The applicability and effectiveness of the proposed method are validated using actual electricity consumption data from 47 industries in China.

关键词

Keywords

references

王向，谭显东，张成龙，等 . 近年中国全社会用电量与经济增速差距分析及展望［J］. 中国电力， 2024 ， 57 （ 10 ）： 199 - 207 .

WANG Xiang ， TAN Xiandong ， ZHANG Chenglong ， et al . Analysis and prospect of gap between electricity consumption and economic growth in China in recent years ［J］. Electric Power ， 2024 ， 57 （ 10 ）： 199 - 207 .

康重庆，夏清，张伯明 . 电力系统负荷预测研究综述与发展方向的探讨［J］. 电力系统自动化， 2004 ， 28 （ 17 ）： 1 - 11 .

KANG Chongqing ， XIA Qing ， ZHANG Boming . Review of power system load forecasting and its development ［J］. Automation of Electric Power Systems ， 2004 ， 28 （ 17 ）： 1 - 11 .

徐青山，王文帝，林章岁，等 . 面向行业大数据特征挖掘的电力经理指数指标体系的建立与应用［J］. 电力自动化设备， 2015 ， 35 （ 7 ）： 15 - 21 .

XU Qingshan ， WANG Wendi ， LIN Zhangsui ， et al . Establishment and application of EMI indicator system orienting to massive industrial data mining ［J］. Electric Power Automation Equipment ， 2015 ， 35 （ 7 ）： 15 - 21 .

王鹏，陈启鑫，夏清，等 . 应用向量误差修正模型的行业电力需求关联分析与负荷预测方法［J］. 中国电机工程学报， 2012 ， 32 （ 4 ）： 100 - 107 .

WANG Peng ， CHEN Qixin ， XIA Qing ， et al . Correlation analysis and forecasting method on industrial electricity demand based on vector error correction model ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 4 ）： 100 - 107 .

刘锦翔，张江丰，董山玲，等 . 基于条件增强扩散模型的短期负荷概率预测［J］. 电力系统自动化， 2024 ， 48 （ 23 ）： 197 - 207 .

LIU Jinxiang ， ZHANG Jiangfeng ， DONG Shanling ， et al . Short-term load probabilistic forecasting based on conditional enhanced diffusion model ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 23 ）： 197 - 207 .

李钷，李敏，刘涤尘 . 基于改进回归法的电力负荷预测［J］. 电网技术， 2006 ， 30 （ 1 ）： 99 - 104 .

LI Po ， LI Min ， LIU Dichen . Power load forecasting based on improved regression ［J］. Power System Technology ， 2006 ， 30 （ 1 ）： 99 - 104 .

单志龙，刘兰辉，张迎胜，等 . 一种使用灰度预测模型的强自适应性移动节点定位算法［J］. 电子与信息学报， 2014 ， 36 （ 6 ）： 1492 - 1497 .

SHAN Zhilong ， LIU Lanhui ， ZHANG Yingsheng ， et al . A strong self-adaptivity localization algorithm based on gray prediction model for mobile nodes ［J］. Journal of Electronics & Information Technology ， 2014 ， 36 （ 6 ）： 1492 - 1497 .

叶宗斌，周步祥，林楠，等 . 基于等维新息指数平滑法模型的中长期负荷预测［J］. 电力系统保护与控制， 2012 ， 40 （ 18 ）： 47 - 51 .

YE Zongbin ， ZHOU Buxiang ， LIN Nan ， et al . Medium/long term load forecast of exponential smoothing method based on information and equal dimensional operators ［J］. Power System Protection and Control ， 2012 ， 40 （ 18 ）： 47 - 51 .

程浩忠，胡枭，王莉，等 . 区域综合能源系统规划研究综述［J］. 电力系统自动化， 2019 ， 43 （ 7 ）： 2 - 13 .

CHENG Haozhong ， HU Xiao ， WANG Li ， et al . Review on research of regional integrated energy system planning ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 7 ）： 2 - 13 .

王双成，郑飞，张立 . 基于贝叶斯网络的时间序列因果关系学习［J］. 软件学报， 2021 ， 32 （ 10 ）： 3068 - 3084 .

WANG Shuangcheng ， ZHENG Fei ， ZHANG Li . Learning causal relationship from time series based on Bayesian network ［J］. Journal of Software ， 2021 ， 32 （ 10 ）： 3068 - 3084 .

刘灏，商峻，毕天姝，等 . 基于实测数据的电网频率信号特征分析与提取方法［J］. 电力系统自动化， 2023 ， 47 （ 10 ）： 135 - 144 .

LIU Hao ， SHANG Jun ， BI Tianshu ， et al . Feature analysis and extraction method of power grid frequency signal based on measured data ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 10 ）： 135 - 144 .

ZHANG Y ， WANG Q ， YANG Z ， et al . Wind power correlation analysis using Spearman's rank correlation in multi-energy systems ［J］. Applied Energy ， 2022 ， 306 ： 117952 .

黄悦华，刘兴韬，张磊，等 . 基于C藤Copula及条件风险价值的综合能源系统灵活爬坡优化调度［J］. 中国电机工程学报， 2023 ， 43 （ 24 ）： 9411 - 9423 .

HUANG Yuehua ， LIU Xingtao ， ZHANG Lei ， et al . Flexible ramping optimal scheduling of integrated energy system based on C-vine Copula and conditional value at risk ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 24 ）： 9411 - 9423 .

LI S ， LIU Y ， ZHOU N ， et al . Maximum entropy-based uncertainty quantification for renewable energy integration ［J］. IEEE Transactions on Sustainable Energy ， 2021 ， 12 （ 2 ）： 1234 - 1245 .

裴铭，叶林，罗雅迪，等 . 计及频率响应时空相关性的新能源电力系统惯量估计方法［J］. 电力系统自动化， 2024 ， 48 （ 8 ）： 53 - 66 .

PEI Ming ， YE Lin ， LUO Yadi ， et al . Inertia estimation method for power system with renewable energy considering spatio-temporal correlation of frequency response ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 8 ）： 53 - 66 .

郭鸿业，陈启鑫，夏清，等 . 考虑经济因素时滞效应的月度负荷预测方法［J］. 电网技术， 2016 ， 40 （ 2 ）： 514 - 520 .

GUO Hongye ， CHEN Qixin ， XIA Qing ， et al . Study on mid-term electricity load forecast considering time lag effects of economic factors ［J］. Power System Technology ， 2016 ， 40 （ 2 ）： 514 - 520 .

CAO Y J ， LI Q ， TAN Y ， et al . A comprehensive review of Energy Internet： basic concept， operation and planning methods， and research prospects ［J］. Journal of Modern Power Systems and Clean Energy ， 2018 ， 6 （ 3 ）： 399 - 411 .

YAO C Z ， LIN Q W ， LIN J N . A study of industrial electricity consumption based on partial Granger causality network ［J］. Physica A： Statistical Mechanics and Its Applications ， 2016 ， 461 ： 629 - 646 .

CHICKERING D M . Optimal structure identification with greedy search ［J］. Journal of Machine Learning Research ， 2003 ， 3 （ 3 ）： 507 - 554 .

RUNGE J ， BATHIANY S ， BOLLT E ， et al . Inferring causation from time series in earth system sciences ［J］. Nature Communications ， 2019 ， 10 ： 2553 .

SPIRTES P ， ZHANG K . Causal discovery and inference： concepts and recent methodological advances ［J］. Applied Informatics ， 2016 ， 3 （ 1 ）： 3 .

SUGIHARA G ， MAY R ， YE H ， et al . Detecting causality in complex ecosystems ［J］. Science ， 2012 ， 338 （ 6106 ）： 496 - 500 .

李龙飞，钟海旺，张广伦，等 . 基于因果分析的行业月度电量预测方法［J］. 电网技术， 2023 ， 47 （ 9 ）： 3629 - 3638 .

LI Longfei ， ZHONG Haiwang ， ZHANG Guanglun ， et al . Monthly sectoral electricity demand prediction based on causal analysis ［J］. Power System Technology ， 2023 ， 47 （ 9 ）： 3629 - 3638 .

ZHOU H Y ， ZHANG S H ， PENG J Q ， et al . Informer： beyond efficient transformer for long sequence time-series forecasting ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2021 ， 35 （ 12 ）： 11106 - 11115 .

TOLSTIKHIN I O ， HOULSBY N ， KOLESNIKOV A ， et al . MLP-mixer： an all-MLP architecture for vision ［EB/OL］. ［ 2024-11-12 ］. http：//arxiv.org/pdf/2105.01601 http://arxiv.org/pdf/2105.01601 .

马伟，乔颖，鲁宗相，等 . 基于敏感气象特征因子筛选与优化组合的短期风电功率预测［J］. 电网技术， 2023 ， 47 （ 7 ）： 2897 - 2908 .

MA Wei ， QIAO Ying ， LU Zongxiang ， et al . Short-term wind power prediction based on combination of screening and optimizing sensitive meteorological characteristics ［J］. Power System Technology ， 2023 ， 47 （ 7 ）： 2897 - 2908 .

LU P ， YE L ， PEI M ， et al . Short-term wind power forecasting based on meteorological feature extraction and optimization strategy ［J］. Renewable Energy ， 2022 ， 184 ： 642 - 661 .

ORESHKIN B N ， CARPOV D ， CHAPADOS N ， et al . N-BEATS： neural basis expansion analysis for interpretable time series forecasting ［C］// 33rd International Conference on Machine Learning ， June 19-24 ， 2016 ， Vienna， Austria .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Hierarchical Early-warning for Multi-period Balance Risk in Look-ahead Dispatch of Power Grid Considering Uncertainty of Wind Power

Frequency Regulation Package Design for Virtual Power Plants Based on Graph Neural Network Prediction and Stackelberg Game

Multi-period Online Preventive Control Strategy for Power Grid with High Proportion of Renewable Energy Based on Reinforcement Learning

Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis

Related Author

HE Jinghan

LIU Zhao

MA Wei

CHEN Yiping

HUANG He

XU Jian

ZHANG Jun

SI Ruiqi

Related Institution

Southern Power Grid New Energy System (Beijing) Research Institute Co., Ltd.

Power Dispatch and Control Center of China Southern Power Grid

School of Electrical Engineering and Automation, Wuhan University

School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University

Kunming Power Exchange Center Co., Ltd.

⁰