作者：蒋惠凤
出版社：东南大学出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
中长期电力负荷预测技术与应用试读：
前言
对负荷进行中长期预测，有利于决定未来新发电机组的安装，决定电网的增容和改建，也有利于国民经济健康、协调、快速地发展。负荷预测核心问题是预测的技术方法，如何改进和简化方法，提高负荷预报的精度，使预测手段和结果满足市场经济的电力发展要求。本书主要研究电力系统负荷中长期预测技术。在大量查阅国内外文献的基础上，对电力负荷预测研究做了较全面的综述。在借鉴前人所做工作的基础上，把当前先进的智能决策技术应用到电力负荷预测中，并且通过对多个模型的组合优化得到了组合预测模型。
主要研究内容和创新点有：（1）回归分析是一种被普遍应用的统计分析与预测技术。但当自变量高度相关时，回归系数用普通最小二乘法就很难估计。本书所建立的以人口、收入、GDP等指标为自变量的回归模型中，自变量之间高度相关。因此，本书建立了江苏省电力负荷预测逐步回归模型、岭回归模型和偏最小二乘回归模型。岭回归方法利用具有微小偏差的有偏估计量代替无偏估计，提高了精度。偏最小二乘回归实现了多元线性回归、主成分分析和典型相关分析的综合，克服了自变量之间的多重共线性，其计算过程更可靠。（2）建立了江苏省电力负荷预测灰色预测模型：通过1997—2008年的数据来对模型进行了验证，结果表明模型的检验值P＞0.95、C＜0.35，表明模型的预测精度为“优”，说明江苏省全社会用电量用GM（1,1）完全能够满足要求。该模型对江苏省2010—2015年全社会用电量进行预测，结果表明，今后几年江苏省的用电量增加很快，到2015年将达到9413.3亿kW·h，这就要求加快电力建设，来满足今后几年经济发展对电力的需求。（3）人工智能也被广泛用于预测，模仿人脑的智能化处理，对大脑非结构性、非精确性规律有自学习自适应功能，神经网络是被广泛应用的人工智能技术之一。本书应用贝叶斯正则化算法优化BP神经网络，通过多维经济数据（国内生产总值、固定资产投资总额、人均收入）与用电量的相关分析，来确定网络的拓扑结构，建立用电量的人工神经网络模型。用从江苏统计年鉴和江苏省电力局取得的17年数据为输入、用电量为输出来训练建立好的BP神经网络，经仿真表明该神经网络能很好地解决用电量多影响因素之间的不确定性和非线性，模型的预测精度较高。（4）建立了江苏省电力负荷预测遗传规划预测模型：将遗传规划方法应用于江苏省电力系统中长期负荷预测，预测结果表明所建立的模型能根据历史负荷与其相关因素数据自动生成负荷预测模型，无需事先确定各变量之间的函数关系，避免了人为判断失误而产生的误差，从模型的运行效率来看，GP模型结构更简单、预测精度更高。（5）每种模型的预测结果反映了其对历史序列变化规律的拟合以及对未来变化规律的推测，因此各单一预测方法的结果时好时坏，需要通过组合预测来提高预测精度，组合模型的关键是权重的取得。本书将神经网络技术与回归模型相结合，将通过各回归方法得出的预测值作为输入，实际用电量值作为输出，确定神经网络的拓扑结构，利用神经网络在处理非线性、不确定性或模糊关系方面具有的独特优势来确定各回归预测方法的变权系数，最后用训练好的神经网络预测江苏省全社会用电量。结果显示，组合预测的精度明显高于单个模型。（6）建立了江苏省电力负荷神经网络优化组合预测模型：根据模型预测精度选择组合负荷预测的单个模型分别为：逐步回归模型、岭回归模型、偏最小二乘回归模型、二步预测校正法、灰色预测模型和遗传规划模型。首先定义网络的输入、输出样本，然后设定建立的神经网络，训练和仿真所建立的BP网络，同时通过一组样本数据来验证所建立网络的合理性。当训练到100步时，误差已很小，当训练到587步时，网络性能达到要求。最终得到的均方误差为9.995×-410。（7）为了提高负荷预测精度，将主成分回归（PCR）、偏最小二乘回归（PLSR）和反向传播神经网络（BPNN）结合用于中长期负荷预测，分别建立基于PCR、PLSR及与神经网络耦合的年用电量预测模型。模型结果表明，分别以PCR、PLSR方法提取成分作为神经网络的输入，以实际用电量作为输出建立的PC-BPNN和LV-BPNN非线性模型拟合优度优于PCR和PLSR模型。将2009—2011年的数据作为检验数据放入各模型，从检验效果来看，线性模型的预测值均高于实际值，非线性模型的预测值均低于实际值。（8）历年积累的江苏省全社会用电量数据是个时间序列，时间序列预测是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。江苏省全社会用电量时间序列的散点图表明其发展趋势为曲线，更类似于生命周期曲线，即前期发展较慢，表现为较平稳的上升，随后发展迅速，表现为较陡峭的上升曲线，发展到一定程度后，发展速度再次变缓，曲线重新变平稳，但目前江苏省全社会用电量发展重新变平稳的曲线并不长，随着经济发展速度的放缓以及新能源的替代作用的发挥，可能会出现长期的平稳发展甚至出现下降趋势，这些均给利用时间序列预测带来困难，发展趋势发生拐点，使得时间序列带有的信息不能作为预测的基础，因此传统的时间序列预测方法并不适用。编者2016年5月1绪论1.1选题背景及意义
负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，探索用电负荷与主要影响因素之间的内在联系和发展变化规律，对未来的用电需求做出的预测。电力系统负荷需求预报是电力系统运行、控制和规划不可缺少的一部分，负荷预报的结果已成为经济调度和推行电力市场化的必要基础。
电能的特点之一是不能大量储存，即电能的生产、输送、分配、消费是同时进行的，所以系统内的可用发电容量，在正常运行条件下，应当在任何时候都能满足系统内负荷的要求。电能不能大量贮存的特点使得电力系统必须随时保持供需平衡，并向各类用户尽可能经济地提供可靠和合乎标准的电能，以满足他们对负荷的需求。电力是一种敏感性商品，不足的电力供给不仅对江苏省的经济增长产生了负面影响，而且也会影响社会的稳定和投资环境。因此，为保证电力系统的安全、经济运行，必须掌握负荷的变化规律，以及未来的变化趋势。随着电力市场改革的深入，作为电力市场主体的各电力公司要立足于电力市场，其一切经济活动就必须以经济效益为中心，并把深入研究电力市场的供需形势及其发展作为公司经营活动的基础。因此，做好电力负荷预测工作是准确把握市场脉搏、分析未来电力需求走势的必要工具。在电力系统运行、控制和计划管理中，负荷预测决定了发电、输电和配电的合理安排，既是电力系统规划的重要组成部分，又是提高电力企业的经济效益和促进国民经济发展的重要因素之一。
负荷预测根据预报时间的长短，可分为以下几类：（1）超短期负荷预测
指从几分钟到未来1小时内的负荷预测，主要用于安全监视、预防控制和紧急状态处理。（2）短期负荷预测
指对未来1天到1周的负荷预测，主要用于优化机组启停、水电计划、水火电协调和交换功率计划。（3）中期负荷预测
指提前几周到几个月甚至几年的预测，主要用于确定燃料计划、水库调度、机组检修等。（4）长期负荷预测
指提前5年以上的预测，主要用于电源和网络规划。
对负荷进行中长期预测，有利于决定未来新发电机组的安装，决定电网的增容和改建。也有利于维持社会的稳定和创造良好的投资环境。2000年以后，我国电力消费增长速度迅速上升，由于在建能力过低，电力装机增长速度下降，2001年重新出现电力供应短缺苗头，2002年出现了局部地区、局部时段电力供应短缺现象，2003年夏天开始更是出现了大面积缺电的现象，随后几年用电比较平稳。江苏地处经济发达的长江三角洲，随着国民经济的高速增长和人们生活水平的提高，对用电的需求迅速增长。“八五”以前，江苏省连续10多年缺电，其中最主要原因是境内经济高速增长，用电负荷猛增，单纯依靠中央财政拨款建设电源难以满足社会经济发展的需要，电源建设大大滞后于经济发展。到“八五”“九五”期间，国家实行投资体制改革，采用集资办电，扩大电力建设资金的来源，改变了电力投资紧张的局面，随着电源建设的力度加大，用电紧张的情况逐年得到缓解。“九五”期间以来，逐步达到供需平衡，实现了近年来社会经济与电力供应协调发展的良性局面；“九五”后期，江苏用电需求又呈迅速增长的势头，特别是地处苏南负荷中心的苏州、无锡地区全年用电量增长迅速，年均增长16%以上。在用电高峰期产生的电力缺口，只能通过拉闸限电抑制需求。近年来至将来，用电依然紧张，“十二五”期间通过利用西南水电、三峡水电等“西电东送”电力，内蒙古、山西、陕西等“北电南送”等形式外来电维持约750万kW不增加，电力缺口将进一步扩大，最大缺口将达到1780万kW。面对电力供给偏紧的局面，政府可以加大电力投资来缓解电力短缺，但是也不能盲目地投资，需要合理规划，因此中、长期负荷预测是非常必要和紧迫的。本文重点研究预测期为一年的中期预测。
由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所以负荷预测工作所研究的对象是不肯定事件。只有不肯定事件、随机事件才需要人们采用适当的预测技术，推知负荷的发展趋势和可能达到的状况。负荷预测具有以下特点：（1）不准确性
因为电力负荷未来的发展是不肯定的，它要受到多种多样复杂因素的影响，而且各种影响因素也是发展变化的。人们对于这些发展变化有些能够预先估计，有些却很难事先预见到，加上一些临时情况发生变化的影响，因此就决定了预测结果的不准确性或不完全准确性。（2）条件性
各种负荷预测都是在一定条件下作出的。对于条件而言，又可分为必然条件和假设条件两种，如果负荷人员真正掌握了电力负荷的本质规律，那么预测条件就是必然条件，所做出的预测往往是比较可靠的。然而在很多情况下，由于负荷未来发展的不确定性，所以就需要一些假设条件。当给预测结果加上一定的前提条件，有利于用电部门使用预测结果。（3）时间性
各种负荷预测都有一定的时间范围，因为负荷预测属于科学预测的范畴，因此要求有比较确切的数量概念，往往需要确切地指明预测的时间。（4）多方案性
由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发展状况进行预测，就会得到各种条件下不同的负荷预测方案。
负荷预测工作是根据电力负荷的发展变化规律，预计或判断其未来发展趋势和状况的活动，因此必须科学地总结出预测工作的基本原理，用于指导负荷预测工作。（1）可能性原理
由于事物的发展变化是在外因和内因共同作用下进行的。内因的变化及外因作用力的不同，会使事物发展变化有很多种可能性。所以，对某一具体指标的预测，往往是按照其发展变化的多种可能性，进行多方案预测的。（2）可知性原理
事实上，预测对象的发展规律，其未来的发展趋势和状况是可以为人们所知道的。客观世界是可以被认识的，它的过去和现在不但可以被人们认识，而且人们可以通过总结它的过去和现在推测其未来。这是我们进行预测活动的基本依据。（3）反馈性原理
从输出返回到输入端，利用输出与输入的差调节输入的过程称为反馈。预测的反馈性原理实际上是为了不断提高预测的准确性而进行的反馈调节。在预测活动的实践中人们发现，当预测的结果和经过一段实践所得到的实际值存在着差距时，可利用这个差距，对远期预测值进行反馈调节，以提高预测的准确性。在进行反馈调节时，第一、认真分析预测值和实际值之间的差距及产生差距的原因；第二、根据已经查明的原因，适当改变输入数据进行反馈，并调节远期预测结果。反馈性预测实际上就是将预测的理论值与实际相结合，在实践中检验，然后进行修改、调整，使预测质量进一步提高。（4）相似性原理
相似性原理对应于预测的类比原则，认为尽管客观世界中各种事物的发展各不相同，但某些事物发展之间还是存在着类似之处，人们就利用这种相似性进行预测。在大多数情况下，作为预测对象的一个事物，其当今的发展状况和发展过程可能与另一事物过去一定阶段的发展过程和发展状况相似，人们就根据后一事物的已知发展过程和状况，来预测所预测对象的未来发展状况和过程，这就是相似性原理。当今，预测技术中使用的历史类推法或类比法，就是基于这个原理的预测方法。譬如，当我们预测一个新的经济开发区的耗电量时，因为其建成时期较短，没有很多历史数据可以利用，这时，就难以用回归分析、趋势外推等方法建模预测。这种情况下，我们可以参考一个早已建成的、规模和条件具有可比性的其他经济开发区，以其发展时期相对应的用电量，作为预测新经济开发区用电量的基础，从而可以模拟出相应的预测结果。（5）连续性原理
事物未来的发展是可以干预和控制的。预测的动机即在于，将所预测的未来信息反馈至现在，从而作出决策，以调整和控制未来的行动。因此，了解事物的过去和掌握其变化规律，就可以对其未来的发展状况利用连续性原理进行预测。（6）系统性原理
预测对象在时间上是连续的，预测将来必须已知过去和现在。预测对象是一个完整的系统，它本身有内在的系统，它与外界事物的联系又形成了它的外在系统。这些系统组合成一个完整的总系统，可以进行综合考虑。即预测对象的未来发展是系统整体的动态发展，而且整个系统的动态发展与它的各个组成部分和影响因素之间的相互影响和相互作用密切相关。
负荷预测核心问题是预测的技术方法，或者说是预测数学模型及其解法。随着现代科学技术的不断进步，许多专家和学者对理论创新和研究逐步深入，开发了很多预测模型和软件。但是电力企业走向市场的形势对电力负荷预测提出了新要求，如何改进和简化方法，提高负荷预报的精度，使预测手段和结果满足市场经济化的电力发展，能有效地提高电力系统运行的经济效益和系统的安全，是现在和今后研究的重点课题。
负荷预测水平已经成为衡量一个电力企业管理是否走向现代化的显著标志之一，尤其是在用电管理走向市场的今天，用电负荷预测问题显得更加重要而艰巨。国家电力经济政策指出，未来电力生产和供应等各个环节中，将更加突出电力商品交易的经济性原则和公开性原则。国家电力公司在2001年伊始，公布了电网调度公开化的规定，要求各级电力企业将电网负荷的需求统计数据和预测数据作为一项基本信息向社会公布。在参与电力市场建设过程中，对电力企业来说，加强电力需求预测在发电和供电过程中占有一定的地位。
负荷预测是电力部门重要的基础工作，准确的负荷预测是电力系统安全运行和经济运行所必不可少的。所以搞好负荷预测工作，提高预测的精度、准确度具有重要的意义，主要表现在以下几点：（1）负荷预测是电力系统安全经济运行的基础，准确的负荷预测可以经济合理地安排电网内部发电机组的启停，保持电网的安全稳定性，减少不必要的旋转储备容量。（2）准确的负荷预测可以合理安排机组的检修计划，保证社会正常生产和生活，有效地降低发电成本并提高经济效益和社会效益。（3）准确的负荷预测还有利于决定未来新的发电机组的安装，决定装机容量的大小、地点和时间，决定电网的增容和改进，决定电网的建设和发展。
因此，如何利用现有的数据资料建立相应的预测模型，提高预测的精度，已成为电力系统用电预测不容忽视的研究课题之一。1.2国内外研究现状
对预测方法的探索，一直是国内外学者关注的一个热点，多年来提出了许多预测方法。关于预测方法将在下一章中详细阐述。负荷预测有长短期之分，不同长度的负荷存在不同的特点，且影响因素也不同，因此预测方法也会针对负荷的长度而有所不同。从国内外研究情况来看，国外关于中长期预测的研究远远少于短期预测，国内则基本上两者并重。负荷预测的内容一般包括负荷（负荷曲线）、电量的预测。中长期负荷预测一般指的是电量的预测。
除了预测方法之外，国内外学者也对影响中长期负荷的影响因素做了研究。影响电力负荷预测的因素是复杂多样、规律各异的，在社会方面，如农业结构、经济发展速度、能源利用、人口增长、科学技术发展水平、国家政策、社会状况、节假日制度等；在自然因素方面，如天气变化、季节更替、自然灾害等各种气象条件。电力系统负荷是社会诸因素的综合产物，在负荷预测中，必须综合考虑各项因素。在这些影响因素中，有些对长期负荷预测影响大，有些对短期负荷预测影响大，因此在保证一定精度要求的条件下，为研究问题的方便，往往只考虑主要影响因素，忽略次要影响因素。对于中长期负荷预测而言，影响负荷预测的主要因素是国家的宏观经济形势、宏观产业结构调整及能源市场变化。在国民经济高速增长的时期，各种用电量增加，电力需求旺盛，当经济增长放缓时，电力需求必然受到影响。短期负荷预测的影响因素主要是气象条件的变化和节假日等，在不同地区，这些影响因素所起到的作用也不同。除了上述影响因素之外，突发性事件、不可预测性事故停电、线路状况、用电大户的负荷波动以及非计划性检修等也会对负荷预测的精度产生影响。对于这些影响因素，有些在预测模型中无法考虑其影响，需要预测人员根据经验及实际情况予以考虑。1.3主要工作
如上所述，科技工作者在电力负荷预测领域开展了长期的研究，不少的负荷预测方法和成果被发表。本文的研究工作得益于这些理论成果，对现有的较为成熟的预测理论与方法作了系统的总结与分析，适当借鉴其他领域预测工作中的成功经验，将预测方法应用于江苏省全社会用电量的研究。
本文以江苏省为实际的研究对象，首先概述了负荷特点，负荷预测的重要理论意义和国内外在该领域内的研究现状和应用价值，以及负荷预测的主要方法。
然后分析了江苏电网电力供需形势和消费结构，并且分析了影响江苏省全社会用电量的因素作为建模的依据，发现用电量的增长与经济发展有着密切的联系，经济越发达，对电的需求越大，电力的发展应比经济发展适当超前。
论文主体部分首先对目前使用的多种精度较高的单一预测方法进行了介绍和实证分析，其中包括第一个比较传统的预测方法，利用能消除多重共线性的回归方法进行预测。使用的方法有逐步回归、岭回归和偏最小二乘回归。结果表明逐步回归的预测效果较好，但是剔除了一些重要影响因素；岭回归和偏最小二乘回归的预测效果相差不大，但是岭回归的最佳偏倚系数目前没法确定，回归方程的确定一定程度上取决于经验；偏最小二乘回归的可操作性较强，但是交叉有效性的计算比较复杂。第二个单一模型是灰色模型。第三个单一模型是贝叶斯正则化算法优化BP神经网络，经仿真表明该神经网络能很好地解决用电量多影响因素之间的不确定性和非线性，模型的预测精度较高。第四个单一模型是遗传规划法，无需事先确定各变量之间的函数关系，避免人为判断失误而产生的误差，从模型的运行效率来看，GP模型结构更简单、预测精度更高。每种方法都有其固有的缺陷，再加上电力负荷的复杂性，各单一预测方法的结果往往不理想，需要通过组合预测来提高预测精度。因此本文将神经网络技术与各个单一模型相结合，将通过各回归方法得出的预测值作为输入，实际用电量值作为输出，确定神经网络的拓扑结构，利用神经网络在处理非线性、不确定性或模糊关系方面具有的独特优势来确定各回归预测方法的变权系数，最后用训练好的神经网络预测江苏省全社会用电量，获得了较好的预测效果。另外一种组合方式是先采取降维的方式减少变量之间的多重共线性，将主成分回归（PCR）、偏最小二乘回归（PLSR）和反向传播神经网络（BPNN）结合用于中长期负荷预测，分别建立基于PCR、PLSR及与神经网络耦合的年用电量预测模型。模型结果表明，分别以PCR、PLSR方法提取成分作为神经网络的输入，以实际用电量作为输出建立的PC-BPNN和LV-BPNN非线性模型拟合度优于PCR和PLSR模型。在研究中发现影响因素的选择至关重要，直接影响模型的精度和泛化能力，因此利用研究资源耗费的经典的经济模型，研究了影响用电量消耗的经济变量驱动因素。
最后部分是结论和展望。电力市场供需平衡对发展经济、节约能源、保护环境等方面具有重要意义。装机容量不足将导致电力短缺，以致使国民经济其他部门中大量生产能力无法发挥作用，从而严重制约着国民经济的顺利发展；装机过多，则使大量机组处于闲置状态，造成浪费。电力行业本身具有两重性，既是能源生产行业也是能源和资源消耗行业；既为清洁生产和生活提供基础和条件，本身又是一个污染大户。因此电源规划变得异常重要，而负荷预测是电源规划的前提，尽量提高负荷预测的精度是刻不容缓的。组合预测方法能很好地提高预测精度，但是各种预测方法的权系数如何取得，以及组合前使用多少种预测方法最合适，这些都是要解决的问题。2电力需求预测方法
科学的预测是进行决策的依据和保证，电力负荷预测是企业制订基建计划、发供电计划、燃料计划、财务收支计划等各项重要经营计划的基础，也是计划、规划工作的重要组成部分，其目的是为了合理安排电源和电网的建设进度，提供宏观决策的依据，使电力建设满足国民经济增长和人民生活水平提高的需要。
中长期负荷预测主要是用于制定电力系统的扩建规划，包括装机容量的大小、形式、地点、时间和电网的增容扩建上。它为所在地区或电网的电力发展速度、电力建设规模、电力工业布局、能源资源平衡、地区间的电力余缺调剂，以及电网资金和人力资源的需求平衡提供了可靠的依据。2.1电力负荷的构成及特点
电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。
城市民用负荷主要是城市居民的家用电器，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。
商业负荷，主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。
工业负荷是指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式（包括设备利用情况、企业的工作班制等），而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。
农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别，所以对提高电网负荷率有好处。
从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。
电力负荷的特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。2.2负荷预测的步骤
负荷预测的关键在于收集大量的历史数据，建立高效的预测模型，采用合适的算法，以历史数据为基础，进行大量试验验证，通过不断修正模型和算法，反映出负荷变化规律。负荷预测步骤主要包括下面一些过程。2.2.1 历史数据的收集
通过不同渠道来收集历史数据（包括电力企业内部资料和外部资料），选出具有代表性的历史数据。挑选数据要按照可靠、代表性为依据。数据收集的好坏将直接影响负荷预测的效果。2.2.2 历史数据的整理
理论上讲，模型预测的质量不会超过所用资料的精度。因此，要对所收集的统计数据进行审核和加工处理，来保证数据的质量，从而为保证预测精度奠定基础，即要保证数据资料的完整性，数字准确无误，反映的都是正常状态下的水平，资料中没有异常值，还要注意资料的补缺，对不可靠的数据加以核实调整。2.2.3 负荷数据的预处理
经过初步数据整理，还要对所用负荷数据分析预处理，即对历史数据中的异常值的平稳化和缺失数据的补全，对异常数据采用水平和垂直处理方法。数据的水平处理是进行数据分析时，将相邻的两个时间负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就判断为不合格数据。数据的垂直处理是负荷数据预处理时考虑其周期为24 h，认为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不合格数据进行修正，修正为待处理数据的最近几天该时刻的负荷平均值。2.2.4 负荷预测模型的建立
负荷预测模型的建立非常关键，对负荷预测选择合适的预测模型是负荷预测过程关键的一步。当由于模型选择不当而造成预测误差较大时，就要选择新的预测模型，也可同时采用多种数学模型进行运算，通过对比来选择合适的预测模型。在选择适当的预测技术后，建立负荷预测数学模型进行预测工作。由于历史数据的变化规律并不能代表将来负荷的变化规律，所以要对影响预测数据的新因素进行分析，对预测模型进行恰当的修正后确定预测值。2.3电力负荷预测方法简介
随着电力的商品化和市场化，电力负荷预测的准确性对电力系统安全、经济运行和国民经济发展具有重要的意义。预测负荷不足，可能会导致用电紧张、用电质量和系统安全性下降，需要由费用高的峰值机组来补偿负荷不足或者从相邻电网买入较高价的电量；相反，预测负荷过量，则可能导致过多的旋转备用，使得运行费用增加，造成投资浪费和资金效益低下。准确的负荷预测，可以经济合理地安排电网内部机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生活和生产活动，从而提高经济效益和社会效益。早在1985年英国的一份研究报告表明：英国电力负荷预测的误差每增加一个百分点，每年的经济损失就达一千万英镑。世界各国都非常重视对电力需求预测与决策的研究。尤其是欧美各国，在一定的时期和范围内确实取得了显著的效果。如美国建立和发展专门的智囊机构，发展预测和决策技术，开展预测和决策研究、咨询活动。2.3.1 基于参数模型的中长期电力负荷预测方法
基于参数模型的方法是通过分析负荷和影响负荷的因素之间的关系，建立负荷的数学模型或统计模型。
1）实际工作中常用预测方法
用电量预测是电力部门的工作内容之一，因此在实际工作中实施相关的预测方法。① 分产业产值单耗法，即单位产品耗电法，是通过某一单位产品的平均单位产品用电量以及该产品的产量，得到生产这种产品总产量的总用电量。单耗法需要做大量细致的统计工作，但在实际工作中很难对产品较准确地求出其单耗，而且工作量也太大。② 电力弹性系数法，电量平均增长率与国内生产总值之间的比值，根据国内生产总值增长速度结合电力弹性系数得到规划期末的总用电量，弹性系数法是从宏观上确定电力发展同国民经济发展的相对速度，是衡量国民经济发展和用电需求的重要参数。但是同单耗法一样，电力弹性系统法需要做大量细致的统计工作，而且不同时期，电力弹性有比较大的差异，需要经常预测调整。③ 负荷密度预测法，是从地区土地面积（或建筑面积）的平均耗电量出发作预测。一般，先预测未来某时期的土地面积（或建筑面积）和单位面积用电密度，再乘以面积得到用电量预测值，分区负荷预测法首先根据近年来的发展情况、经济发展目标以及电力规划目标将待预测区域划分成多个功能区，然后对每个功能区用负荷密度法进行预测，最后相加得到总的用电量预测值。
在长期的实践中，为了找到使用方便、计算精度高、计算速度快的预测方法，国内外许多学者对负荷预测问题进行了深入广泛的研究，相继提出了很多种有效的预测算法。预测方法大体上经历了传统的预测方法，智能预测方法和组合预测方法。
2）回归分析方法
回归分析方法是电力负荷预测常用的一种分析方法，因为电力负荷并不是孤立存在的，与气候、经济变量之间存在密切关系。在回归分析中，回归方程的因变量往往是电力负荷，可以是短期负荷，也可以是长期负荷，自变量是影响电力负荷的各种因素，如经济变量、人口和气候等。若影响因素只考虑一个变量，则为一元回归，考虑多个变量为多元回归。另外根据自变量和因变量之间的函数形式，又可以分为线性回归和非线性回归。由于回归分析方法容易理解，适用性强，有多位学者利用回归分析方法对电力负荷进行了预测。
Nasr G E等学者（2000年）建立了战后黎巴嫩电力消费的经济计量模型，该模型引入了GDP、总进口和温度这三个影响电力消费的决定因素，使用普通最小二乘回归方法建立回归模型，然后用残差修正模型进行修正，分阶段建立预测模型。曾思勇，杨文君（1999年）阐述了回归分析法及其在用电量预测中的具体应用，验证了用该方法预测的准确性，介绍了使用该方法提高预测准确性的手段。鲁从山（2001年）对山东省1978—1999年国内生产总值指数与全社会用电量做了对数线性回归分析，进一步对模型进行了相关性检验，通过一阶差分变换对模型进行了修正，最后得到合理的回归方程。用此模型对山东省“十五”期间的全社会用电量进行了预测。李艳梅，孙薇（2003年）从影响电力需求的某些因素出发，利用多元线性回归模型建立居民人均纯收入与人均生活用电量的回归方程。王鹏飞（2005年）利用中国1987—2002年国内生产总值（GDP）和人口总数作为自变量，每年的用电总量作为因变量，建立多元线性回归模型，并且根据中国GDP的增长率和人口自然增长率预测了2003—2020年的GDP和人口总数，以建立的模型为基础预测了中国未来18年的用电量。史晋生，曹世光（1999年）在分析了市场经济条件下原有弹性系数方法的不适用性后，提出居民电力需求的计量经济模型可表述为GDP，电价、气温、用电容量等解释变量函数。认为计量经济学模型的结构式不仅揭示了变量之间的直接因果关系，也可以用来揭示相对变化量之间的关系，即可以进行弹性分析。
3）时间序列法
时间序列法是由Box-Jenkins于上世纪70年代提出并发展起来的。电力系统的负荷是个时间序列，长期以来，积累了大量的数据资料，在时间上有延续性，数据的可得性和方法的可应用性使得时间序列法成为早期负荷预测技术中的主要方法，并且是现在各种先进预测技术的基础。其中，最常用、最有效的方法是Box-Jenkins时间序列法，该方法将负荷序列当做一个随机过程进行处理，应用自回归动平均模型（ARMA）、自回归积累式动平均模型（ARIMA）等模型进行预测。
4）趋势外推法
趋势外推法是一种利用当前负荷变化趋势预测未来负荷的方法，由于电力系统负荷变化趋势明显，所以第一步选定负荷规律趋势模型，然后利用线性或非线性图形识别法、差分进化法求出负荷预测结果。2.3.2 基于非参数模型的中长期电力负荷预测方法
1）灰色预测技术
1982年，中国学者邓聚龙教授创立的灰色系统理论，是一种研究少数据、贫信息不确定性问题的新方法。灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。社会、经济、农业、工业、生态、生物等许多系统，是按照研究对象所属的领域和范围命名的，而灰色系统确是按颜色命名的。在控制论中，人们常用颜色的深浅形容信息的明确程度，如艾什比（Ashby）将内部信息未知的对象称为黑箱（BlackBox），这种称谓已为人们普遍接受。我们用“黑”表示信息未知，用“白”表示信息完全明确，用“灰”表示部分信息明确、部分信息不明确。相应地，信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部分信息明确、部分信息不明确的系统称为灰色系统。它把一切随机过程看作是在一定范围内变化，与时间有关的灰色过程，不是从统计规律的角度应用大样本进行研究，而是采用数据生成的方法，将杂乱无章的原始数据整理成规律性强的生成序列再做研究。GM（1,1）模型是最常见的一种灰色模型，它是由一个只包含单变量的一阶微分方程构成的模型，是作为电力负荷预测的一种有效的模型。GM（1,1）模型是一种指数增长模型，当电力负荷呈严格指数增长时，从理论上已经证明，此方法具有预测精度高、所需样本数据少、计算简便和可检验等优点。
王国霞等（2005年）在灰色系统理论的基础上，对影响电力消费的社会经济因子进行灰色关联分析。结果表明：作为重工业发展基地的山西省电力需求与国民经济发展水平及工业发展有密切关系。通过GM（1,1）预测模型较好地预测了2003—2020年山西省的电力需求。经检验预测精度较高，能反映其实际发展趋势。Che—ChiangHsu, Chia—YonChen（2003年）综合了残差修正模型和人工神经网络信号处理技术，提出了应用改进的灰色GM（1, l）模型，并且将其应用于台湾地区的电力需求预测中，证明了所提出模型的有效性、准确性。王成山等（1999年）对各种不同灰色系统（GM）预测模型进行详细分析比较，针对城市年用电量需求增长的特点，总结出各种GM模型的优劣及其适用范围，为电力系统工作人员进行年用电量预测提供参考依据。
2）专家系统预测技术
专家系统是一种大型复杂的智能计算机软件，它是一个用基于知识的程序设计方法建立起来的计算机软件系统。它把专门领域中若干个人类专家的知识和思考、解决问题的方法以适当的方式存储在计算机中使计算机能在推理机的控制下模仿人类专家去解决问题，在一定范围内取代专家或起专家助手作用。一个完整的预测系统由知识库、动态存储器、推理机制、解释机制、知识获取机制和人机接口等几个部分组成。
专家系统具有下列主要特点：（1）存储一个或多个专家的知识和经验，能以接近专家的水平在特定领域内工作。（2）能高效、准确、迅速地工作，不会像人类专家那样产生疲倦和不稳定性。（3）使人类专家的领域知识突破了时间和空间的限制，ES程序可永久保存并复制任意多的副本，以在不同地区和部门使用。（4）可通过符号处理进行各种形式的推理，也可以对不确定数据进行推理。（5）具有透明性，能以可理解的方式解释推理过程。（6）具有自学习能力，可总结规律，不断扩充和完善系统自身。
由于电网发展应当符合市场经济的要求和电网自身的发展规律，因而对未来各种可能引起负荷发生变化的情况，还需要预测人员丰富的经验与判断能力，即专家知识。是对数据库里存放的历史数据，包括负荷及影响负荷的各项因素，对这些数据进行细致的分析，从而汇集有经验的负荷预报人员的知识，提取有关规则，发现其规律性，按照一定的规则推理进行负荷预测。专家系统对人类的不可量化的经验进行转化的一种较好的方法，但专家系统分析本身是一个耗时的过程，专家经验提炼困难，知识库的形成难度大，并且有些复杂的因素很难准确地表达。专家系统是具有人类专家的知识和经验，能模拟人类专家的思维决策过程，对问题求解并给出相当于专家水平的答案的计算机程序。同模糊预测法相比，其不仅能将人类不可量化的经验进行转化，还具有较好的透明性和交互性，能解释其得出结论的理由，便于专家检查其推理过程中是否出错并进行相应的修改。但其运算速度较慢，缺乏学习能力和利用模糊知识的能力，过分依赖规则，而规则本身不具有普遍适应性，预测模型不能推广到所有的系统。
S.Rahman等人提出了基于优先向量法的专家系统负荷预测方法。优先向量法是分析各种因素对目标变量影响的相对重要性的一种方法。预测方法如下：先用专家知识对历史数据进行过滤，形成与预测时间大气变量比较类似的相似集，然后用优先向量法将非定量因素转化为定量因素，最后对相似集进行最小平方拟合，得到负荷随温度、温差、日类型和小时的变化关系的线性模型，用于负荷预测。同时S.Rahman等人给出了在负荷预测中应用专家系统的一个实例，将天气和日负荷曲线的关系离线生成一个规则库，规则库的生成依赖于调度员的经验及文献作者自身的观察，并且应用统计方法对规则加以效验。
3）模糊预测法
该算法是来自控制领域内的模糊控制和预测控制的产物，模糊控制技术是在系统的控制中加入模糊数学理论，使其进行确定性工作，可以对一些无法建立数学模型的系统进行有效控制。模糊系统是一个非线性系统，不考虑计算过程，而是从输入输出的角度进行控制。对于一个非线性连续函数，模糊控制系统需要找出一类隶属函数，一种推理规则和一个解模糊法，使设计的模糊系统能够逼近所控制的非线性函数。
用于电力系统负荷预测的模糊方法有模糊分行业用电模型、模糊线性回归、模糊指数平滑、模糊聚类、模糊时间序列模型等，这些模糊负荷预测模型是在原有模型的基础上结合模糊理论形成新的预测模型，能够很好地处理带有模糊性的变量，解决了在负荷预测中存在大量的模糊信息的难题，提高了电力系统中长期负荷预测的精度。模糊预测方法不是依据历史数据的分析，而是考虑电力负荷与多因素的相关，将负荷与对应环境作为一个数据整体进行加工，得出负荷变化模式及对应环境因素特征。从而将待测年环境因素与各历史环境特征进行比较，得出所求的负荷增长率。
以下是电力系统负荷预测几种基本的模糊方法：
① 模糊聚类法
此方法采用电力负荷增长率作为被测量，调研后采取国内生产总值（GDP）、人口、农业总产值、工业总产值、人均国民收入、人均电力等因素的增长率作为影响电力负荷增长的环境因素，构成一个总体环境。通过对历史环境与历史电力负荷总体的分类及分类特征、环境特征的建立，进一步由未来待测年份的环境因素对各历史类的环境特征的识别，来选出与之最为接近的那类环境，得出所求电力负荷增长率。
② 模糊线性回归法
该方法认为观察值和估计值之间的偏差是由系统的模糊性引起的。回归系数是模糊数预测的结果，是带有一定模糊幅度的模糊数。模糊指数平滑法是指在指数平滑模型的基础上，将平滑系数模糊化，用指数平滑进行预测。这种方法具有算法简单、计算速度快、预测精度高、预测误差小，尤其在原始数据存在不确定性和模糊性时，更具有优越性。
③ 模糊相似优先比法
该方法是用相似优先比来判断哪种环境因素发展特征与电力负荷的发展特征最为相似，选出优势因素后，通过待测年某因素与历史年相同因素的贴近度选出与待测年贴近度最大的历史年，并认为这样选中的历史年电力负荷特征与待测年的电力负荷特征相同，从而得出预测负荷值与模糊聚类方法相比，该方法把影响电力负荷的多种因素“简化”为一种主要因素，适用于某种特殊功能占主导地位的供电区域。
④ 模糊最大贴近度法
该方法的核心在于选定某种影响因素（如经济增长速度等），通过比较所研究地区与各参考地区该因素接近的程度，选中与其最为贴近的参考地区，认为该地区相应的电力负荷发展规律与所研究地区对应的电力负荷发展规律相同。该方法与前两种模糊方法相比，不需要待测地区的历史数据，也不必通过识别历史负荷数据的发展模式来进行预测，所以不必进行历史数据修正就可以直接完成预测工作。同时，数据的收集和整理也远比前两者方便。
模糊预测法是基于模糊理论，将已有的工作经验、历史的记录数据或将二者的综合以规则的形式表达出来，并转换成可以在计算机上运行的算法，进而完成各种工作任务。相比人工神经网络，该方法能够比较明确地描述专家的意图，处理电力系统中许多不精确的、模糊的现象，还可以用于中长期负荷预测；但其学习能力较弱，受人为因素的影响较大。
4）神经网络法
神经网络是模仿人脑神经网络进行学习和处理问题的非线性系统。它由若干个具有并行运算功能的神经元节点及连接它们的相应的权值构成，通过激励函数实现输入变量到输出变量之间的非线性映射。
神经网络法是一种不依赖于模型的方法，它比较适合那些具有不确定性或高度非线性的对象，具有较强的适应和学习功能。用于负荷预测时，神经网络法利用神经网络可以任意逼近非线性系统的特性，对历史的负荷曲线进行拟合。神经网络具有大规模分布式并行处理、非线性、自组织、自学习、联想记忆等优良特性，其在电力领域的应用虽然解决了负荷预测中传统方法未能解决的问题，但有时应用现有神经网络模型进行实际负荷预测时，预测精度还是难以达到要求。
误差反向传播算法又称为BP法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。负荷预测中常用的模型有Kohonen模型、BP模型、改进的BP模型、RBF神经网络等。从已知数据确定权值是一个无约束最优化问题，典型的算法是BP法，对于前馈神经网络模型还有很多其他权值修正法。BP网络学习规则的指导思想：对网络权值和阈值的修正要沿着表现函数下降最快的方向——负梯度方向．
神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。
Che-Chiang Hsu等学者运用人工神经网络方法建立了台湾区域负荷预测模型，引入地区GDP、地区人口和地区最高温度为输入神经元，输出为区域最高负荷。Ajith Abraham和Baikunth Nath使用模糊人工神经网络方法建立了维多利亚地区的负荷需求模型，通过与神经网络预测方法和时间序列预测方法的比较，证实该方法在预测时间和精度上有优势。
5）小波分析预测法
小波分析是一种时域—频域分析方法，在时域和频域上同时具有良好的局部化性质。小波变换能将各种交织在一起的不同频率混合组成的信号，分解成不同频带上的块信息。对负荷序列进行正交小波变换，投影到不同的尺度上，各个尺度上的子序列分别代表原序列中不同“频域”的分量，可清楚地表现负荷序列的周期性。以此为基础，对不同的子负荷序列分别进行预测。由于各子序列周期性显著，采用周期自回归模型会得到更为精确的预测结果。最后，通过序列重组得到完整的小时负荷预测结果，它要比直接用原负荷序列进行预测来得精确。并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。
其优于传统的Fourier分析，主要表现在：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚焦到信号的任意细节，尤其是对奇异信号很敏感，能很好地处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、存储、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。2.3.3 与动态过程结合的预测方法
1）混沌理论预测法
该算法也是将控制论中的混沌理论用于负荷预测中，通常用于解决非线性的能源系统的负荷预测情况。其主要核心是将各个分布式能源后的电力系统看成是非线性的系统模型，然后找出与混沌系统共同的特点，最终通过构造混沌的时间序列对负荷进行描述，就可以在形成的相空间中实施预测。
2）卡尔曼滤波算法
卡尔曼滤波算法是用一种高效逐次计算方法来估计动态的状态，得到最小误差的最优估计，并将负荷作为状态变量，用递推的滤波算法进行预测，一般用于在线预测。因精度最为关键，所以预测中需要尽可能地使用已掌握的信息以减少预测时间；目前被应用在基于极大似然估计的卡尔曼滤波方法实施的超短期下的负荷预测中，其在滤波过程中先后做到了参数辨识、偏差处理和负荷预测，提高了预测精度，缩短了预测时间。2.3.4 组合预测方法
组合预测方法在近年来迅速发展，在负荷预测中得到了广泛的使用，出现了多种不同预测方法的组合预测方法，并在实际应用中取得了很好的效果。组合预测方法是建立在最大信息利用基础上，它集结了多种单一模型所包含的各部分信息，进行最优组合。因此，在大多数情况下，通过组合预测可以达到改善预测结果的目的。
从历史文献来看，组合预测模型是美国人Schmitt，用20世纪40年代的数据预测1950年美国37个大城市的人口数，用外推法和计量经济法两种结果进行组合，预测准确度确有提高。在组合方法上，最早进行比较系统研究的是Bates J和Granger C W J的论文《预测值的组合》，但只限于两个预测值的组合。进入20世纪70年代以来，组合预测的研究更为人们所重视，组合预测的方法也同趋完善。1989年，国际预测领域的权威性学术刊物《Journal of Forecasting》还出版了组合预测专辑，充分说明了组合预测在预测研究中的重要地位。进入90年代，组合预测的研究更处于一个热潮之中。
近年来，我国在组合预测方法研究方面也取得了一系列的研究成果。随着组合预测技术研究的发展，发表了一系列关于组合预测的学术论文，为促进我国组合预测的理论研究与应用做出了重要贡献。在组合预测中，有一个关键的问题是权重的确定。在使用最优组合预测方法时，最优加权系数向量可能有负分量，即某一个或某些加权系数为负。在这种情况下，最优组合预测方法归于失效。为了避免出现负加权系数，人们开始寻找一些满足非负约束的非最优组合预测方法。简单平均法和递归等权组合预测法为组合预测技术的发展开辟了新的方向，并在预测中被广泛应用，但是事实证明这两种方法的有效性，仍有待从理论上进一步证明。除了以上对组合预测权重的确定方法研究外，还有学者利用其他的方法来确定权重数。周宗放、杨春德提出了利用目标规划法来确定组合预测权重数的新思路。他们认为由于环境复杂度的同益增长和决策能力的不断提高，大量事实表明事物的实际发展结果总是或多或少地受到社会环境因素以及决策者个人认识，甚至一些突发事件的影响，并不存在绝对精确、可靠的预测方法，因此现代预测技术并不能完全取代决策者的经验，而只是使决策者的经验更加丰富和深刻而已。该文提出的方法，强调了决策者的参与意识，利用目标规划法所具有的灵活性，扩大了组合预测权重的适应范围。钟波等将权系数确定问题转化为粗糙集中属性重要性评价问题，建立了关于组合预测方法的关系数据模型，通过属性值的特征化建立了知识系统，在数据驱动下应用分析预测方法对预测对象的依赖性和重要性，计算出组合预测模型的权系数。该方法克服了传统权系数确定方法的主观性，避免了线性或非线性极值问题的数值计算，使得组合预测方法更具客观性。陈华友从对策论的观点出发，把组合预测中各单项预测模型视为合作对策的局中人，把组合预测的误差平方和视为合作的结果，再按Shapley值法在各单项预测模型中进行分配，从而获得组合预测权系数确定的一种方法。牛东晓等学者提出了季节性负荷预测的组合优化灰色神经网络模型，研究了同时考虑两种趋势的复杂季节型负荷预测问题。游仕洪等学者介绍了模糊组合预测对电力系统中长期负荷预测的方法和冗余方法在组合预测中的应用。2.4电力需求预测的难点
电力需求预测在严重缺电时期用电力弹性系数法、人均用电量法或产品产量单耗法都可以简单地进行。但是当电力供求基本平衡之后，要进行准确的预测，特别是要进行长期预测，则是一件非常困难的事，其难点有：（1）思想观念上的问题。也就是我们规章制度能否成为促使其要求准确预测电力需求的动力。如果谁也不对预测的准确度负责，反而是能搞电力工程就可以从中获得好处，那么电力需求预测是做不好的。解决办法是指定责任单位或引入竞争机制。（2）客观上的问题。影响电力需求变化的因素很多，而且各种因素互相影响，错综复杂，一般来说影响电力需求的因素主要有产业结构（包括产业政策、能源政策、环境法规、比较利益等）、市场渗透性（包括产品生命周期、市场占有率）、燃料替代（包括要素投入价格、能源科技、电力需求侧管理）、技术进步（研究与发展、奖励措施、教育水准）、产出水平（包括产品市场需求、市场结构投入要素、人口）、不确定性（包括世界经济增长、燃料成本及其他）等6大类。3江苏省电力供需现状及影响因素3.1电力市场环境分析3.1.1 经济发展总体情况
2015年全省完成固定资产投资45905.2亿元，比上年增长10.5%。其中，国有及国有控股投资10004.9亿元，增长7.4%；民间投资31997.8亿元，增长14%，占全部投资的比重为69.7%。分产业来看，第一、第二、第三产业分别完成投资232.2亿元、22891亿元、22782亿元，占全省投资总量的0.5%、49.9%和49.6%，分别增长12.2%、12.8%和8.3%。第二产业投资中，工业投资22757.5亿元，增长12.4%。服务业投资中，卫生、社会保障和社会福利业投资增长63%，信息传输、软件和信息技术服务业投资增长31.3%，租赁和商务服务业增长29%，教育投资增长13.2%，交通运输、仓储和邮政业投资增长12.3%。
在消费方面，2015年全省社会消费品零售总额25876.8亿元，比上年增长10.3%。按消费形态分，商品零售23456.7亿元，比上年增长10.3%；餐饮收入2420.1亿元，增长10.5%。按经营单位所在地分，城镇市场实现零售额23252.3亿元，增长10.2%；乡村市场实现零售额2624.4亿元，增长10.9%。全年全省无店铺线上零售额实现302.8亿元，比上年增长26.9%，增速高于有店铺零售20个百分点，其中网上商店零售比上年增长34.4%。
2015年，江苏省服务业占GDP比重首次超过第二产业，第一产业增加值3987.9亿元，比上年增长3.2%；第二产业增加值32043.6亿元，增长8.4%；第三产业增加值34084.8亿元，增长9.3%。全年服务业增速比GDP高出0.8个百分点，占GDP比重达48.6%。产业结构第一次变成“三、二、一”，标志着现代产业结构初步架构。2015年全省规模以上服务业单位实现营业收入9867.1亿元，比上年增长12.4%，增速比上年同期提高0.4个百分点；营业利润995.5亿元，增长16.3%。公路客货运周转量增长3.6%，铁路客货运周转量增长0.4%，民航旅客吞吐量、货邮吞吐量分别增长15.5%、4.4%，规模以上港口货物吞吐量增长3.6%。现代服务业也在加快发展，全年金融业增加值增长15.7%，互联网和相关服务业营业收入增长61.9%，邮政业营业收入增长27.9%，快递业务量、营业收入分别增长56%和48.2%，科技服务业营业收入同比增长14.1%。
2015年，江苏省规模以上工业企业实现主营收入14.8万亿元，利润总额9617.1亿元，占全国的1/7，居全国首位。全年规模以上工业企业产销率达98.1%。列统的474种工业产品中，有261种产品产量比上年实现增长。全年规模以上工业增加值比上年增长8.3%。其中，国有控股工业增加值3796.6亿元，增长2.1%；股份制企业增加值
试读结束[说明：试读内容隐藏了图片]