第一產(chǎn)業(yè)用電量統(tǒng)計分析與預測思路探討*

汪志宏 石雪梅

(1.解放軍陸軍軍官學院 合肥 230031)(2.國網(wǎng)安徽省電力公司經(jīng)濟技術研究院 合肥 230061)

第一產(chǎn)業(yè)用電量統(tǒng)計分析與預測思路探討*

汪志宏1石雪梅2

(1.解放軍陸軍軍官學院 合肥 230031)(2.國網(wǎng)安徽省電力公司經(jīng)濟技術研究院 合肥 230061)

在對第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量分析研究的基礎上,提出合并電量預測構想,并建立了合并電量預測模型,算例結果表明,該模型預測結果合理有效。該模型以在安徽省中長期負荷預測研究與管理應用系統(tǒng)中得到實現(xiàn),具有很高的實用價值。

第一產(chǎn)業(yè); 農(nóng)村居民; 用電量; 合并用電量; 預測

Class Number TP391

1 引言[1]

第一產(chǎn)業(yè)的范圍各國不盡相同,一般包括農(nóng)業(yè)、林業(yè)、漁業(yè)、畜牧業(yè)和采集業(yè),有的國家還包括采礦業(yè)。中國國家統(tǒng)計局對三次產(chǎn)業(yè)的劃分規(guī)定,第一產(chǎn)業(yè)指農(nóng)業(yè),林業(yè)、牧業(yè)、漁業(yè)等。相應地,第一產(chǎn)業(yè)用電量則包括農(nóng)業(yè),林業(yè)、牧業(yè)、漁業(yè)等用電量。電能作為終端能源的一部分,其需求的變化關系到能源需求布局的改變,因此合理準確預測用電量的消費是一件非常重要的工作。目前國內(nèi)電力負荷預測專家習慣于將電量預測分產(chǎn)業(yè)分別預測,其中對于第一產(chǎn)業(yè)用電量預測則多見于要么利用歷史發(fā)生的實際值趨勢外推,要么在歷史發(fā)生區(qū)間內(nèi)取平均值,或者相對科學一點的做法是采用指數(shù)平滑法對此進行預測,而對于囊括農(nóng)業(yè)、林業(yè)、漁業(yè)、畜牧業(yè)等方面的第一產(chǎn)業(yè)用電量是否可以更加合理地預測是本文研究的重點,本文嘗試著從產(chǎn)業(yè)發(fā)展的角度研究第一產(chǎn)業(yè)用電量的預測方法。

2 第一產(chǎn)業(yè)電量分析與預測思路提出[2,6,9]

為深入分析第一產(chǎn)業(yè)電量增長特點,本文選取某地區(qū)分產(chǎn)業(yè)統(tǒng)計電量進行研究。數(shù)據(jù)樣本選取為2000年及以后統(tǒng)計指標,分析維度分別為月度、季度、年度。經(jīng)分析發(fā)現(xiàn)第一產(chǎn)業(yè)用電占該地區(qū)全社會用電比例非常小,無論從月度、季度還是年度來看,第一產(chǎn)業(yè)用電量的增長波動頻繁,沒有明顯的增長規(guī)律。

經(jīng)與該地區(qū)電量統(tǒng)計專家調(diào)研交流了解到,該地區(qū)的農(nóng)村區(qū)域對于專門的排灌線路或者其他農(nóng)林牧漁需要用電的網(wǎng)架可能不太完善,居民可能為了方便,也許就可能直接將居民用電線路臨時改為第一產(chǎn)業(yè)用電線路,而在表計計量統(tǒng)計值上這部分用電量就表現(xiàn)為農(nóng)村居民生活用電量。因此,傳統(tǒng)意義上的第一產(chǎn)業(yè)用電量就存在統(tǒng)計上的偏差。為克服上述統(tǒng)計上的不完善,本文嘗試將第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量合并分析與預測。

圖1 某地區(qū)2000～2012年度第一產(chǎn)業(yè)用電量絕對量與增速趨勢

圖2 某地區(qū)2000～2012年分季度第一產(chǎn)業(yè)用電量絕對量與增速趨勢

圖3 某地區(qū)2000～2012年第一產(chǎn)業(yè)用電量分月絕對量與增速趨勢

圖4 某地區(qū)2000～2012年第一產(chǎn)業(yè)用電占全社會用電量比例趨勢變化

同樣選取該地區(qū)2000年及以后統(tǒng)計指標,分析維度分別為月度、季度、年度,對第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量合并值開展分析(以下均用“用電量合并值”代替),分析結果如圖5～圖8所示。

圖5 某地區(qū)2000～2012年用電量合并值絕對量與增速趨勢(年度)

圖6 某地區(qū)2000～2012年分季度用電量合并值分季絕對量與增速趨勢

圖7 某地區(qū)2000～2012年用電量合并值分月絕對量與增速趨勢

圖8 某地區(qū)2000～2012年用電量合并值占全社會用電量比例趨勢變化

3 預測算例[5,7～8,10]

以上分析表明,如果將第一產(chǎn)業(yè)用電量單獨預測,則明顯存在擬合效果及預測能力較差問題,因此本文提出第一產(chǎn)用電量和農(nóng)村居民用電量合并預測模型。具體預測及檢驗過程如下。

3.1 第一產(chǎn)業(yè)用電量預測模型

1) 模型方程

Yt=-A*XGDP(t+1)+B*XUCI(t)+Cξ+D其中,Yt表示t期合并用電量;XGDP(t+1)為t+1期的第一產(chǎn)業(yè)增加值,XUCI(t)為當期農(nóng)村居民現(xiàn)金收入。

2) 選取某區(qū)域電網(wǎng)歷史電量(1996～2012年)作為樣本區(qū)間開展驗證

3.2 模型可信度分析

用上述模型對合并用電量進行線性回歸,得回歸方程:

Yt= -256.1104*XGDP(t+1)+157.389*XUCI(t)

+0.8419ξ+18905.4650

模型系數(shù)T檢驗結果表明,一產(chǎn)增加值和農(nóng)村居民現(xiàn)金收入顯著通過T檢驗,模型的R2為0.96,F統(tǒng)計量概率值為0.00000,D.W統(tǒng)計量為1.87,接近于2,模型總體可信度較高。從實際值和擬合值序列對比圖來看,2011年以來,擬合值與實際值十分接近,從而也說明了模型可信度較高。

表1 T檢驗結果 單位:萬千瓦時

3.3 預測誤差分析

為了驗證模型預測效果,分別以2012年四季度和2013年一季度為樣本期結點,分別預測2013年前兩個季度和2013年二季度,并與實際值對比,結果如下。從表2中可以看出,該模型預測誤差總體較小,預測較為準確。

運用該預測思路與模型預測出該地區(qū)2013年三四季度和2014年四個季度合并用電量,結果如表2～表3所示。

表2 模型預測誤差 單位:萬千瓦時

表3 2013年預測結果 單位:萬千瓦時

3.4 時間序列模型[3～4]

本文選取時間序列模型(ARIMA模型和灰色預測模型),相應地對該地區(qū)2013年三季度、四季度展開預測。以驗證本文所述模型的合理性。

ARIMA模型方程如下:

Yt= 23987098.7968+[AR(4)=0.9986,

MA(2)=0.6809,MA(4)=-0.2161]

式中,Yt表示t期合并用電量。

表4 ARIMA模型預測誤差 單位:萬千瓦時

模型R2為0.9534,F統(tǒng)計量概率值為0.00000,D.W統(tǒng)計量為2.17,接近2,模型總體可信度較高。表4給出ARIMA模型預測誤差統(tǒng)計,從結果看,ARIMA模型對2013年二季度第一產(chǎn)業(yè)及農(nóng)村居民用電量之和預測誤差相對較高。

同樣,本文采用灰色模型,也對該地區(qū)2013年二季度的第一產(chǎn)業(yè)及農(nóng)村居民用電量之和進行了預測,結果表明灰色模型總體預測效果不好。預測結果及誤差分析表5。

表5 灰色預測模型預測誤差 單位:萬千瓦時

3.5 預測結果匯總及方案比較

從經(jīng)濟模型和時間序列模型的可信度和預測誤差來看,ARIMA模型短期預測較為準確,對2014年的把握可能不太準確,灰色預測模型并不能有效識別拐點,預測誤差較大,因而推薦方案采用經(jīng)濟預測模型結果。

3.6 變動趨勢分析

將2013年預測方案與歷史實際值結合,計算得到近年來各季度合并用電量同比增速以及年度增速情況。

表6 2013年預測結果匯總及推薦方案 單位:億千瓦時

從季度同比增速來看,合并用電量的波動性較大,這就使得傳統(tǒng)的趨勢外推方法不能適用于對未來的預測。

依據(jù)本文構建模型預測2013年三季度同比增速為2.2%,略低于二季度的5.0%,原因在于2013年三季度預測結果并未考慮到該地2013年7～8月存在異常高溫天氣的影響,若考慮異常高溫因素,則三季度預測結果將接近實際值。

圖9 各季度同比增速(2013年和2014年不含高溫修正電量)

圖10 年度增速(2013年不含該地區(qū)異常高溫修正電量)

從年度增速來看,合并用電量近年來保持穩(wěn)步增長趨勢,同樣在考慮了一定比例的異常高溫電量后,2013年合并用電量增速將會明顯高于6.88%。

4 結語

以上算例表明,為克服傳統(tǒng)預測方法的弊端,依據(jù)第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量之間難以劃清的特點而提出的合并電量預測概念與模型,合理性非常明顯,模型預測結果校核表明,預測結果誤差較傳統(tǒng)時間序列法較小,實驗結果證明本文提出的預測思路合理,模型有效。

[1] 劉振亞.中國電力與能源[M].北京:中國電力出版社,2012.

[2] 李昉,羅漢武.基于多元線性回歸理論的河南省用電量預測[J].電網(wǎng)技術,2008(1):72-76.

[3] 曾鳴,李樹雷,等.基于ARMA模型和BP神經(jīng)網(wǎng)絡組合優(yōu)化算法的風電預測模型[J].華東電力,2013,41(2):347-352.

[4] 王允平,黃殿勛,等.智能電網(wǎng)環(huán)境下采用關聯(lián)分析和多變量灰色模型的用電量預測[J].電力系統(tǒng)保護與控制,2012,40(1):96-100.

[5] 范德成,王韶華,等.季度周期模型在我國用電量預測中的應用研究[J].電網(wǎng)技術,2012,36(7):106-110.

[6] 李艷梅,孫薇.多元線性回歸分析在用電量預測中的應用[J].華北電力技術,2003(11):40-41.

[7] 譚忠富,張金良,吳良器,等.中長期負荷預測的計量經(jīng)濟學與系統(tǒng)動力學組合模型[J].電網(wǎng)技術,2011,35(1):186-190.

[8] 牛東曉,曹樹華,趙磊,等.電力負荷預測技術及應用[M].北京:中國電力出版社,1999:16-23.

[9] 傅毓維,張玲.預測決策理論與方法[M].哈爾濱:哈爾濱工程大學出版社,2003:107-164.

[10] 王茜,王雁凌,張粒子.影響電力需求預測各因素的客觀權重分配方法[J].電網(wǎng)技術,2008,32(5):82-86.

Statistical Analysis and Forecast of Primary Industrial Electricity

WANG Zhihong1SHI Xuemei2

(1. Army Officer Academy of PLA, Hefei 230031) (2. State Grid-Anhui Province Electric Power Corporation Research Institute of Economic & Technology, Hefei 230061)

The paper first analyzes primary industrial electricity and rural residential electricity. Based on this, the idea that merger the primary industrial electricity and rural residential electricity is proposed. And then, a forecast model of merger electricity is built. The result of the forecast shows that the model is reasonable and effective. The model has been implemented in Anhui Province Mid-long load forecasting and management application system. It has high practical value.

primary industrial, rural residents, electricity, merger electricity, forecast

2014年4月6日,

2014年5月21日

汪志宏,男,碩士,副教授,研究方向:預測與決策分析。石雪梅,女,碩士,高級工程師,研究方向:電力系統(tǒng)及其自動化。

TP391

10.3969/j.issn1672-9730.2014.10.025