【正文】 因素。 線性指數(shù)平滑法當(dāng)時(shí)間序列隨時(shí)間的發(fā)展有不斷增加或減少的趨勢時(shí)，用單指數(shù)平滑法預(yù)測就不準(zhǔn)了，因?yàn)檫@種時(shí)間序列不屬于平穩(wěn)過程，線性指數(shù)平滑法是這種時(shí)間序列的一種有效的預(yù)測方法，用這種方法預(yù)測時(shí)，它把平均每一期的增量考慮進(jìn)去，不斷地作趨勢性的調(diào)整。 ()式中：a 是平滑常數(shù)， 0 a 1。 移動(dòng)算術(shù)平均法設(shè)當(dāng)前時(shí)期為t ，已知時(shí)間序列觀測值為{(x1, y1),( x2, y2),( xt, yt)}，假設(shè)按連續(xù)n個(gè)時(shí)期的觀測值計(jì)算一個(gè)平均數(shù)，作為對(duì)下一個(gè)時(shí)期，即(t+1)時(shí)期的預(yù)測值，用表示： ()它的優(yōu)點(diǎn)是計(jì)算簡單，缺點(diǎn)是要保存的數(shù)據(jù)比較多，而且n的大小不容易確定，故它只能用于平穩(wěn)時(shí)間序列時(shí)間數(shù)列。這相當(dāng)于在歷史數(shù)據(jù)中消除極大值和極小值，獲得該時(shí)間序列的“平滑值”，并以它作為對(duì)未來時(shí)期的預(yù)測值。 指數(shù)平滑法假設(shè)時(shí)間序列有著某種數(shù)據(jù)模式，而觀測值既體現(xiàn)著這種基本數(shù)據(jù)模式，又反映著隨機(jī)變動(dòng)。的一般表達(dá)式為： ()依據(jù)式()，當(dāng)?shù)^程達(dá)到時(shí)，有，即此時(shí)的為非線性回歸模型參數(shù)的最優(yōu)估計(jì)。由式()可知，當(dāng)設(shè)定的一個(gè)初值后，就可以求得一個(gè)新的估計(jì)值。由于是事先設(shè)定的一個(gè)初值，因此式(13)和(14)中的和可由樣本計(jì)算得到。設(shè)的初始值為，則可近似為： ()其中。設(shè)已知觀測值，按統(tǒng)計(jì)學(xué)理論，問題就是如何求取的最小二乘估計(jì)值，即求使得對(duì)任何都有，為殘差平方和函數(shù)： ()極小等價(jià)于下面的導(dǎo)數(shù)為零 ()式中： 。當(dāng)選擇的曲線類型確定下來后，可以根據(jù)最小二乘法確定估計(jì)值。其散點(diǎn)圖明顯的表明不能用一條直線近似地?cái)M合。 非線性回歸模型設(shè)有兩個(gè)變量x和y，它們之間存在非線性關(guān)系。用最小二乘法估計(jì)a和b。在實(shí)際問題中，對(duì)自變量x和因變量y作n次實(shí)驗(yàn)觀察，且在x不全相同的各個(gè)值上對(duì)y的觀察是相互獨(dú)立的，其n對(duì)觀察值為{(x1, y1),( x2, y2),( xn, yn)}。a，b及σ都是不依賴于x的未知參數(shù)， x與y的這種關(guān)系稱為一元線性回歸模型?；貧w方程求得后，若如給定各自變量數(shù)值，即就能求出因變量值。 回歸分析方法回歸分析方法是研究變量和變量之間依存關(guān)系的一種數(shù)學(xué)方法，根據(jù)回歸分析方法涉及變量的多少，可以分為單元回歸分析和多元回歸分析。由以往的用電量和國民生產(chǎn)總值可分別求出它們的平均增長率，記為Ky和Kx從而求得電力彈性系數(shù)E ()如果用某種方法預(yù)測未來m年的彈性系數(shù)為，國民生產(chǎn)總值的增長率為，可得電力需求增長率為 ()這樣就可用比例系數(shù)增長預(yù)測法得出第m年的用電量， ()式中：A0 ——基年（預(yù)測起點(diǎn)年）的用電量。電力彈性系數(shù)是用電量的平均年增長率與國民生產(chǎn)總值(或社會(huì)總產(chǎn)值)平均年增長率的比值，當(dāng)然也可以考慮用電量與其他經(jīng)濟(jì)指標(biāo)的彈性系數(shù)。在對(duì)一個(gè)因素發(fā)展變化預(yù)測的基礎(chǔ)上，通過彈性系數(shù)對(duì)另一個(gè)因素的發(fā)展變化作出預(yù)測的一種間接預(yù)測方法。后來彈性的概念被推廣應(yīng)用于社會(huì)經(jīng)濟(jì)領(lǐng)域。彈性一詞來源于材料力學(xué)中的彈性變形的概念。 幾種常見的負(fù)荷預(yù)測方法 比例系數(shù)增長法比例系數(shù)增長法假定今后的電力負(fù)荷與過去有相同的增長比例，用歷史數(shù)據(jù)求出比例系數(shù)，按比例預(yù)測未來發(fā)展，設(shè)第m年的用電量為Am kWh，第n年的用電量為An kWh，則從第n年到第m(nm) 年用電量的平均增長率K 為： ()由此預(yù)測第l年(lm) 的用電量Al為 ()這與以Am為起點(diǎn)的預(yù)測結(jié)果相同，這是因?yàn)椋? ()由比例增長法的理論推導(dǎo)可知，該方法思路簡單、計(jì)算簡便，但該方法把負(fù)荷在若干時(shí)間段的增長看成一致，沒有考慮負(fù)荷增長的特殊性和復(fù)雜性，在實(shí)際工程中由于其產(chǎn)生的誤差很大僅能作為大致的估算，而不能作為調(diào)度和生產(chǎn)的數(shù)據(jù)使用。；（2）電力負(fù)荷本身的不確定性使得預(yù)測結(jié)果是一個(gè)概率的值；（3）各地區(qū)，各時(shí)段電力負(fù)荷的發(fā)展具有可比性和相似性。因此電力負(fù)荷預(yù)測具有如列特點(diǎn)：不確定性或不完全準(zhǔn)確性、條件性、負(fù)荷預(yù)測的地區(qū)效應(yīng)、時(shí)間性以及多方案性。 短期負(fù)荷預(yù)測的特點(diǎn)負(fù)荷預(yù)測是根據(jù)過去和現(xiàn)在的負(fù)荷值來預(yù)測未來的數(shù)值，其研究對(duì)象是不確定的，需要采用適當(dāng)?shù)念A(yù)測技術(shù)和模型來推知負(fù)荷的發(fā)展趨勢和未來可能達(dá)到的狀況。3．按負(fù)荷特性分類根據(jù)負(fù)荷預(yù)測表示的不同特性，可分為最高負(fù)荷、最低負(fù)荷、平均負(fù)荷、負(fù)荷峰谷差、高峰負(fù)荷平均、低谷負(fù)荷平均、平峰負(fù)荷平均、全網(wǎng)負(fù)荷、母線負(fù)荷、負(fù)荷率等類型的負(fù)荷預(yù)測[24]，以滿足供電、用電部門的管理工作的需要。農(nóng)村負(fù)荷預(yù)測主要指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電與工業(yè)負(fù)荷相比，受氣候、季節(jié)等自然條件的影響很大，也受農(nóng)作物種類、耕作習(xí)慣的影響。. 按預(yù)測對(duì)象行業(yè)分時(shí)各負(fù)荷的構(gòu)成和特點(diǎn)負(fù)荷預(yù)測類別負(fù)荷構(gòu)成負(fù)荷特點(diǎn)城市民用負(fù)荷預(yù)測主要是城市居民的家用負(fù)荷具有經(jīng)常的年增長以及明顯的季節(jié)性波動(dòng)特點(diǎn)，與居民的日常生活和工作的規(guī)律緊密相關(guān)。2．按預(yù)測對(duì)象行業(yè)分類按預(yù)測對(duì)象行業(yè)分可分為城市民用負(fù)荷預(yù)測、商業(yè)負(fù)荷預(yù)測、農(nóng)村負(fù)荷預(yù)測、工業(yè)負(fù)荷預(yù)測以及其他負(fù)荷預(yù)測。 中期負(fù)荷預(yù)測5年左右10年以內(nèi)用于電力系統(tǒng)規(guī)劃，包括發(fā)電設(shè)備及輸變電設(shè)備靜擴(kuò)建計(jì)劃、退役計(jì)劃、改建計(jì)劃。 負(fù)荷預(yù)測的時(shí)間分類負(fù)荷預(yù)測的類別預(yù)測時(shí)限預(yù)測目的超短期負(fù)荷預(yù)測l天以內(nèi)按小時(shí)或按分鐘計(jì)對(duì)電網(wǎng)進(jìn)行計(jì)算機(jī)在線控制，實(shí)現(xiàn)發(fā)電容量的合理調(diào)度，滿足給定的運(yùn)行要求，同時(shí)使發(fā)電成本最小。主要是就著重將電網(wǎng)的結(jié)構(gòu)及設(shè)施有步驟的過渡到規(guī)劃網(wǎng)絡(luò)，用制定電力系統(tǒng)的擴(kuò)建、增容和改建規(guī)劃，安排電力系統(tǒng)長期運(yùn)行方式等。主要是解決電網(wǎng)存在的主要問題，逐步滿足負(fù)荷的需要，提高供電質(zhì)量和電網(wǎng)的可靠性，用于電力生產(chǎn)檢修計(jì)劃，安排電力系統(tǒng)短期運(yùn)行方式等。主要用于對(duì)電網(wǎng)進(jìn)行計(jì)算機(jī)的在線監(jiān)控，實(shí)現(xiàn)發(fā)電容量的合理調(diào)度，滿足運(yùn)行要求，使發(fā)電成本最小等。1．按時(shí)間分類電力系統(tǒng)負(fù)荷預(yù)測按時(shí)間進(jìn)行分類[46]，可分為超短期負(fù)荷預(yù)測、短期負(fù)荷預(yù)測、中期負(fù)荷預(yù)測和長期負(fù)荷預(yù)測。第六章結(jié)合論文的上述工作，解決了對(duì)電力系統(tǒng)短期負(fù)荷進(jìn)行預(yù)測的具體方法問題，將預(yù)測工作分成工作日和周休日兩部分，給出了整個(gè)電力系統(tǒng)短期負(fù)荷預(yù)測模型的具體實(shí)例。首先分析了影響負(fù)荷特性的主要因素，然后介紹了短期負(fù)荷預(yù)測中所需的數(shù)據(jù)去偽和數(shù)據(jù)量化方法。針對(duì)QNN收斂速度慢這一情況，引入反正切函數(shù)作為隱含層激活函數(shù)，并引入了假飽和預(yù)防函數(shù)，提出了改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)模型；。最后，介紹了量子神經(jīng)網(wǎng)絡(luò)的基本理論基礎(chǔ)，包括量子計(jì)算的基礎(chǔ)知識(shí)，量子神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型和量子神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法；。針對(duì)常規(guī)人工神經(jīng)網(wǎng)絡(luò)理論的局限性，論述了量子神經(jīng)網(wǎng)絡(luò)的理論形成和技術(shù)優(yōu)勢，得出量子神經(jīng)網(wǎng)絡(luò)能夠很好應(yīng)用于短期負(fù)荷預(yù)測的結(jié)論。對(duì)比分析了各種預(yù)測方法的優(yōu)劣，為后文的發(fā)展做好鋪墊。第二章主要介紹了負(fù)荷預(yù)測的分類依據(jù)和短期負(fù)荷預(yù)測的主要特點(diǎn)。論文分六章，其組織結(jié)構(gòu)如下：第一章主要介紹了電力負(fù)荷預(yù)測的研究現(xiàn)狀以及負(fù)荷預(yù)測的目的和意義。因此，采用一般的負(fù)荷預(yù)測模型難以達(dá)到預(yù)測要求。 本文所做的工作短期負(fù)荷預(yù)測既是電力系統(tǒng)優(yōu)化調(diào)度的基礎(chǔ)工具，又是電力企業(yè)日常經(jīng)營管理工作的重要組成部分，準(zhǔn)確的負(fù)荷預(yù)測是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃和做好電網(wǎng)供需平衡的關(guān)鍵?；谟绊懾?fù)荷預(yù)測的眾多不同的因素，各種氣象因素的敏感程度是不同的。氣象對(duì)負(fù)荷有明顯的影響[45]，氣溫、陰晴、降水和大風(fēng)都會(huì)引起負(fù)荷的變化，但每個(gè)電網(wǎng)負(fù)荷對(duì)各種氣象因素的敏感程度是不相同的，這是研究負(fù)荷預(yù)測的重要內(nèi)容。按照系統(tǒng)負(fù)荷構(gòu)成，不同的負(fù)荷有著不同的變化規(guī)律[44]，而且一個(gè)地區(qū)負(fù)荷往往含有幾種類型的負(fù)荷，比例不同。負(fù)荷預(yù)測方法發(fā)展至今，已經(jīng)積累了不少經(jīng)驗(yàn)。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的主要優(yōu)點(diǎn)在于它不需要任何負(fù)荷模型，但其缺點(diǎn)是訓(xùn)練過程比較消耗時(shí)間，并且它并不能保證一定收斂，這在一定程度上影響了人工神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測方法對(duì)特殊的負(fù)荷變化的預(yù)測精度。文獻(xiàn)[42]建立了以Morlet小波為激勵(lì)函數(shù)的小波神經(jīng)網(wǎng)絡(luò)。文獻(xiàn)[40]以Morlet小波作為隱節(jié)點(diǎn)激勵(lì)函數(shù)，建立了單輸入單輸出的小波神經(jīng)網(wǎng)絡(luò)。文獻(xiàn)[38]提出了一種改進(jìn)的徑向函數(shù)網(wǎng)該方法能夠體現(xiàn)負(fù)荷波動(dòng)性和氣候?qū)ω?fù)荷影響。文獻(xiàn)[36]則提出了基于混沌學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)模型。文獻(xiàn)[34]采用自適應(yīng)模糊神經(jīng)元網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測。文獻(xiàn)[32]提出了對(duì)樣本數(shù)據(jù)進(jìn)行處理的一些有效方法，從歷史數(shù)據(jù)中選取那些與預(yù)測時(shí)間的特征量(即網(wǎng)絡(luò)輸入量)相似的數(shù)據(jù)作為訓(xùn)練用的樣本。上述方法有效改善了負(fù)荷預(yù)測的精度，但是對(duì)于具體的負(fù)荷預(yù)測問題，目前并不存在通用的改進(jìn)模型，因此要提高精度就要針對(duì)具體問題進(jìn)行進(jìn)一步的研究。文獻(xiàn)[22]討論了當(dāng)預(yù)測對(duì)象系統(tǒng)存在轉(zhuǎn)折性變化時(shí)，灰色預(yù)測校正模型在此方面的有效應(yīng)用。但其微分方程指數(shù)解只適合于具有呈指數(shù)增長趨勢的負(fù)荷指標(biāo)，在其它增長趨勢下預(yù)測的精度變差，而且簡單的灰色預(yù)測在數(shù)據(jù)離散程度較大的情況時(shí)，精度下降的很快。灰色預(yù)測的模型簡稱GM模型,它所需建模信息少、運(yùn)算方便、建模的精度較高，因而在各種預(yù)測領(lǐng)域有著廣泛的應(yīng)用。模糊數(shù)學(xué)在預(yù)測方面還沒有形成完整而深刻的理論以及成系統(tǒng)的方法，還有待于進(jìn)一步研究與探索。文獻(xiàn)[15]采用模糊聚類分析的方法對(duì)已知負(fù)荷數(shù)據(jù)、溫度和天氣類型等影響短期負(fù)荷預(yù)測的相關(guān)因素進(jìn)行聚類分析文獻(xiàn)[17]將模糊聚類技術(shù)和粗糙集理論結(jié)合，利用客觀信息熵對(duì)影響負(fù)荷的因素進(jìn)行權(quán)重分配。故該方法應(yīng)用到電力系統(tǒng)中較為適宜。其僅僅是模擬專家的推理和判斷方式，并不需要建立精確的數(shù)學(xué)模型。這些方法的制藥優(yōu)點(diǎn)在于很好地處理了氣象及特殊事件等干擾因素，該方法的預(yù)測精度基本上達(dá)到了令人滿意的效果，但把專家知識(shí)轉(zhuǎn)換為一系列的數(shù)學(xué)規(guī)則在目前情況下是較難實(shí)現(xiàn)的。文獻(xiàn)[12]將人工智能中的事例推理技術(shù)引入到電力系統(tǒng)短期負(fù)荷預(yù)測中，針對(duì)傳統(tǒng)規(guī)則專家系統(tǒng)知識(shí)獲取的瓶頸問題，事例推理充分利用另一種知識(shí)資源來解決新的預(yù)測問題。專家系統(tǒng)主要是將在某方面專家在實(shí)際工作中對(duì)事物獲得的感性認(rèn)識(shí)進(jìn)行提取，建立知識(shí)庫，并在系統(tǒng)的實(shí)際運(yùn)行過程中對(duì)知識(shí)庫不斷進(jìn)行更新和維護(hù)，以跟隨事物的變化軌跡，達(dá)到模擬專家的目的。專家系統(tǒng)、模糊邏輯系統(tǒng)、灰色系統(tǒng)理論和人工神經(jīng)網(wǎng)絡(luò)代表著當(dāng)今人工智能技術(shù)的幾大分支，它們都在負(fù)荷預(yù)測領(lǐng)域逐步得到應(yīng)用。即使構(gòu)造出了數(shù)學(xué)模型，也存在著如模型的定階、求解、識(shí)別困難、模型適應(yīng)性不強(qiáng)、建模所需的數(shù)據(jù)量大、運(yùn)算速度慢以及預(yù)測精度不高等缺點(diǎn)。文獻(xiàn)[9]對(duì)偏最小二乘回歸分析在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用進(jìn)行了研究。由于電力負(fù)荷的變化受到很多相關(guān)因素的影響，所以采用回歸分析法進(jìn)行負(fù)荷預(yù)測是自然的想法和可行的途徑。時(shí)間序列分析法的主要不足在于片面突出了時(shí)間因素在預(yù)測中的作用，而不考慮外界具體因素的影響，該方法只承認(rèn)所有影響因素的綜合作用，并在未來對(duì)預(yù)測對(duì)象仍然起作用，并未去分析探討預(yù)測對(duì)象和影響因素之間的因果關(guān)系。大量學(xué)者對(duì)該方法進(jìn)行了研究，文獻(xiàn)[4]根據(jù)采樣定理和對(duì)具體的負(fù)荷記錄的觀察提出了負(fù)荷預(yù)測準(zhǔn)確度的上限估計(jì)應(yīng)該在更密集的負(fù)荷采樣序列中進(jìn)行的觀點(diǎn)。電力系統(tǒng)的負(fù)荷變動(dòng)同樣具有慣性，在時(shí)間上具有連續(xù)性，因而時(shí)間序列法成為早期傳統(tǒng)負(fù)荷預(yù)測技術(shù)中的主要方法，并且是現(xiàn)代各種預(yù)測方法的基礎(chǔ)。對(duì)于僅考慮經(jīng)濟(jì)和負(fù)荷大小的兩因素的系統(tǒng)時(shí)，彈性系數(shù)法具有較好的比率關(guān)系，預(yù)測結(jié)果能在接受的范圍內(nèi)，但對(duì)于短期負(fù)荷預(yù)測中負(fù)荷與多個(gè)因素的非線性關(guān)系，該方法很難得到就好的預(yù)測結(jié)果。該方法思路簡單、計(jì)算簡便，但該方法把負(fù)荷在若干時(shí)間段的增長看成一致，沒有考慮負(fù)荷增長的特殊性和復(fù)雜性，在實(shí)際工程中由于其產(chǎn)生的誤差很大僅能作為大致的估算。比例系數(shù)增長法是一種最簡單、直接的方法。這一階段，基本采用經(jīng)濟(jì)領(lǐng)域的預(yù)測技術(shù)來進(jìn)行負(fù)荷預(yù)測。由于當(dāng)時(shí)的電力系統(tǒng)規(guī)模很小，人們對(duì)負(fù)荷預(yù)測并沒有給予足夠的重視，沒有進(jìn)行相應(yīng)的理論研究。這樣，準(zhǔn)確的負(fù)荷預(yù)測就使得電網(wǎng)運(yùn)營企業(yè)可以在電力市場中以較便宜的電價(jià)購電。精確的負(fù)荷預(yù)測，可以使電力企業(yè)經(jīng)濟(jì)地安排機(jī)組生產(chǎn)；利用精確的負(fù)荷預(yù)測對(duì)水電系統(tǒng)而言，可以確定最優(yōu)的水庫放水和機(jī)組投產(chǎn)計(jì)劃；對(duì)火電系統(tǒng)而言，可以確定機(jī)組按最經(jīng)濟(jì)地組合起停生產(chǎn)；對(duì)水火電結(jié)合的系統(tǒng)，可確定系統(tǒng)按最經(jīng)濟(jì)的狀態(tài)進(jìn)行水電火電分配；對(duì)聯(lián)網(wǎng)的系統(tǒng)，精確的負(fù)荷預(yù)測不但決定系統(tǒng)按最經(jīng)濟(jì)的線路進(jìn)行電能傳輸，還可決定系統(tǒng)按最經(jīng)濟(jì)的形式向鄰網(wǎng)輸電和購電。對(duì)于發(fā)電單位，短期負(fù)荷預(yù)測是制定發(fā)電計(jì)劃和報(bào)價(jià)的依據(jù)；對(duì)供電部門，短期負(fù)荷預(yù)測為供電方制定購電計(jì)劃提供依據(jù)；對(duì)輸電單位，短期負(fù)荷預(yù)測也是制定發(fā)電計(jì)劃及安全、可靠、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)。(2) 在電力市場條件下，短期負(fù)荷預(yù)測不再是純技術(shù)性的問題，它應(yīng)當(dāng)是一個(gè)技術(shù)性與經(jīng)濟(jì)性相結(jié)合的問題。另外，準(zhǔn)確的短期負(fù)荷預(yù)測有助于運(yùn)行人員準(zhǔn)確地估計(jì)電能的生產(chǎn)、輸送、分配和消費(fèi)各個(gè)環(huán)節(jié)的情況，制定出合理的運(yùn)行方案，確保電網(wǎng)和機(jī)組的安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。準(zhǔn)確的短期負(fù)荷預(yù)測是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃、合理安排機(jī)組啟停和做好電網(wǎng)供需平衡的關(guān)鍵。因此負(fù)荷預(yù)測已經(jīng)成為實(shí)現(xiàn)電力系統(tǒng)管理現(xiàn)代化和智能電網(wǎng)發(fā)展中的重要內(nèi)容之一。在上述背景下,電力負(fù)荷預(yù)測理論在電力系統(tǒng)的運(yùn)行和管理中得到了足夠的重視，它已經(jīng)在成為現(xiàn)代電力系統(tǒng)工程學(xué)科中占有重要地位的研究領(lǐng)域。目前我國對(duì)中長期負(fù)荷預(yù)測研究得較多，而對(duì)短期負(fù)荷預(yù)測研究得較少[1,2]。電力系統(tǒng)負(fù)荷預(yù)測是指從已知的經(jīng)濟(jì)、社會(huì)發(fā)展和電力系統(tǒng)需求出發(fā)，考慮政治、經(jīng)濟(jì)、氣候等相關(guān)因素，通過對(duì)歷史數(shù)據(jù)的分析和研究，探索各個(gè)因素之間的內(nèi)在聯(lián)系和發(fā)展規(guī)律，以未來經(jīng)濟(jì)和社會(huì)發(fā)展情況的預(yù)測結(jié)果為依據(jù)，在滿足一定精度要求的意義下，對(duì)未來的電力需求做出估計(jì)和預(yù)測．近年來，由于預(yù)測的較大誤差，我國多次出現(xiàn)了局部地區(qū)的大面積停電事故，這些大