地區用電量影響因素分析及需求預測方法研究

李亮明

（廣東電網有限責任公司佛山高明供電局，廣東 佛山528500）

1 地區用電量影響因素分析

要想準確地實現對地區用電量的預測，就必須先分析出影響地區用電量的主要因素。在當前形勢下，影響用電量的因素有很多，一個地區的用電量與該地區的經濟、社會、人口及生態環境之間都存在著密切的關系。

1.1 GDP與用電量的關系

在影響地區用電量的眾多因素中，經濟發展水平是最重要的決策因素。其中，GDP作為一個衡量地區經濟發展水平的重要指標，與用電量之間存在著密切關系。一般而言，一個地區的GDP增長代表該地區的經濟持續發展，那么生產與人民日常生活對用電量的依賴性就會越來越強，同時這種用電量的增長反過來對地區GDP的增長也會起到相應的促進作用。通常而言，用電量是一個地區經濟運行的一個十分靈敏的指標，在GDP減速階段，該地區用電量的增長趨勢會變緩，在GDP高速增長階段，該地區的用電量又會急劇增加，這些都說明GDP與用電量之間存在著穩定且顯著的正相關關系。例如2014年一季度，廣東GDP完成13 636.91億元，同比增長7.2%，二季度GDP則同比增長7.5%，相應地，全社會用電量增長7.2%，增幅比一季度提高0.7個百分點。圖1給出了近年來廣東省全社會用電量與GDP指標的變化曲線，由圖1可知，GDP與用電量的變化趨勢基本一致，關聯程度非常大。

圖1 廣東省全社會用電量增速與GDP增長比較（1991—2010）

通常來說，電力消費彈性系數可以表示用電量增長率與GDP增長率之間的關系。隨著GDP的變化，電力消費彈性系數在各年中有所變化十分常見，但從周期來看，電力消費彈性系數的變化是有一定規律的。在經濟上行周期，若用電量的增長速度比經濟發展的速度還高，電力消費彈性系數將增大，表現為地區用電量的增長速度也持續加快；而當GDP增長速度放緩時，若用電量的增長速度低于GDP增長速度，那么電力消費彈性系數將減小。例如在廣東上一輪的經濟上行周期中，2002—2004年全省電力消費彈性系數分別為0.93、1.04、1.09，而2010年至今，廣東電力消費彈性系數在1.03左右波動，處于一個正常的范圍。

1.2 產業結構變化與用電量的關系

不同經濟發展階段對應著不同的產業結構，而產業結構和用電結構的改變必然影響著最終的用電需求。因為各產業對用電量的需求大小并不一致，導致產業結構會對用電量造成重要影響，像第二產業和第三產業對電力的需求就要比第一產業大。改革開放以來，廣東省的產業結構中，第一產業所占比例持續變小，二、三產業所占比例持續提高。根據統計數據，廣東省近年來第二產業用電所占比重最大，其次是第三產業的用電比重，最后是第一產業，但因為廣東處于工業化后期，第三產業發展迅速，導致第二產業用電量的增長速度放緩，其占全社會用電量的比重也在逐漸降低。例如，2010年廣東第二產業的用電量比重為79.78%，而根據2013年1—11月的最新統計數據可知，其用電量比重則降低到67.09%。

1.3 人口因素對用電量的影響

從長遠看來，人口數會對地區電力需求產生重要影響。人口數量的穩定增長必然會促進電力消費的增長。此外，人口結構的特性也會影響到居民生活用電的需求。廣東省人口數量較大，尤其是隨著近年城市化進程的加快以及外來務工人員的數量增多，廣大城市人口數量急劇膨脹，這給城市電力供應帶來了很大的壓力。隨著經濟的增長和人民生活水平的提高，城鄉居民的收入得到了大幅度的提高，這帶來的一個顯著效果就是改變了人們的消費意識，從以往滿足照明等基本電力消費需求上升到使用空調等現代化電器的享受消費，必然會對居民用電量造成影響。從1986年到2010年，廣東省居民生活用電占全社會用電總量的比重從12.3%上升到13.6%，而2013年頭11個月的城鄉居民生活用電量為661.3億k W·h，同比增長2.05%。

2 現代用電量需求預測方法研究

傳統的用電量需求預測方法包括直觀預測法、回歸分析法、時間序列分析法及趨勢外推法等。但隨著用電環境的日趨復雜，傳統方法的預測準確度已經越來越難以滿足形勢發展的需要，因此有必要對用電量需求預測方法加以研究，提出能適應現代用電量需求預測發展的新方法。

2.1 基于灰色系統理論的地區電力需求預測模型

灰色系統理論以“部分信息明確，部分信息不明確”的“小樣本”、“貧信息”不確定性為研究對象，主要通過利用部分明確的信息形成必要的有限序列和微分方程，以提取有價值的信息，從而實現對不明確信息發展趨勢的預測。基于灰色系統理論的地區電力需求預測模型如下：

首先，根據歷史負荷數據建立原始序列如下：

式中，n為用電量歷史數據的樣本數，這里指代抽取了前n年的用電量歷史數據；X（0）（i）為前n年中第i年的用電量數據。

其次，對 X（0）作 1-GAO 運 算，得 到 X（0）的 1-GAO 序列 X（1）：

其中，X（1）（1）＝X（0）（1），X（1）（i）＝X（0）（i）＋X（1）（i－1）。

第三，按照GM（1，1）模型進行預測，計算方法如下：

式中，a為模型的發展參數，反映X（1）及其原始序列X（0）的發展趨勢；b為模型的協調系數，反映數據間的變化關系。

設t＝（a，b）T，Y＝［X（0）（2），X（0）（3），…，X（0）（n）］T，B＝，則系數a、b可通過下式求出：

最后，進行需求預測模擬值求取。求得系數a、b后，解式（3）所示微分方程，可以得到GM（1，1）的預測模型：

根據式（5）求得X（1）的模擬值序列為｛X（1）′（1），X（1）′（2），…，X（1）′（n），X（1）′（n＋1）｝，然后按下式還原出X（0）的模擬值：

進而得到X（0）的模擬值序列為｛X（0）′（1），X（0）′（2），…，X（0）′（n），X（0）′（n＋1）｝，則X（0）′（n＋1）即當年的用電量需求預測值。

2.2 基于人工神經網絡的地區電力需求預測模型

人工神經網絡可以模仿人腦對大量非線性和非結構化的問題進行處理，具有優秀的預測能力。因為短期用電量需求受政治、經濟等巨大轉折影響的幾率較低，可以被看作是一個平穩隨機的過程，所以采用人工神經網絡技術對短期用電量需求進行預測具有巨大的應用潛力，并且已經引起了越來越多技術人員的注意。基于人工神經網絡的地區電力需求預測模型如下：

首先，建立樣本數據。以廣東汕頭某區第四季度的用電量需求預測為例，樣本數據x包括該地區歷年各個季度的用電量歷史數據，每一條樣本由4個值組成［x（1）～x（4）］，代表該地區某年中4個季度的用電量歷史數據（表1）。

其次，以每條樣本數據中前3個季度的用電量［x（1）～x（3）］為BP神經網絡模型輸入值，第四季度的用電量為輸出值進行網絡訓練。用BP網絡的實際輸出y與樣本數據中第四季度用電量真值x（4）之間的誤差來修正網絡的連接權值，直至二者的誤差達到設定值。這一較小值稱為擬合誤差，一般用實際輸出與輸出樣本之間誤差的平方和表示：

最后，針對訓練好的網絡，輸入該地區需要預測當年的第一、二、三季度的用電量，則網絡輸出即為第四季度的電力需求預測結果。

表1 汕頭某區的季度用電量樣本 單位：k W·h

3 結語

正確地預測電力需求，既是為了確保地區電力供需平衡，也是為后期電網規劃提供科學依據。因此，對當前地區用電量影響因素進行科學分析，并在此基礎上采用科學有效的方法預測電力需求，對促進區域經濟和社會發展具有十分重要的現實意義。

［1］徐麗娜.中國用電量需求模型的建立及需求預測［J］.山西大同大學學報：自然科學版，2013（1）：18～21

［2］夏麗.基于ARIMA模型及回歸分析的區域用電量預測方法研究［D］.南京理工大學，2013

［3］馬洪松.基于改進灰色模型的電力負荷預測方法研究及應用［D］.華北電力大學，2013

［4］李勇.信陽地區電力需求預測簡析［J］.中國科技博覽，2013（37）：239～240

［5］吳雪花.應用于月度用電量預測的小波分析法［J］.江蘇電機工程，2014（2）：8～11