淺談幾種常用電量預測方法

【摘要】電量預測的影響因素較多，例如地區經濟、政策、氣候等，這些因素中有確定性的，也有隨機性的，增加了電量預測的難度。本文介紹電力彈性系數法、電量產出效益法、回歸分析法、灰色預測法等常用電量預測方法，通過實際案例分析幾種方法的預測精度和適用性，為供電企業提供決策支撐。

【關鍵詞】售電量；預測；方法

Several Forecast Methods of eLElectricity Sales

ZHENG Jiana，FAN Ming

（Guangzhou Power Supply，Guangdong Guangzhou， 51000）

Abstract： There are many factors affecting power consumption forecasting， such as region economy， policy， climate and so on， has the uncertainty of these factors， there are also random， increases the difficulty of forecasting the amount of electricity. This paper introduces the method of electricity elasticity coefficient， power output efficiency method， regression method， analysis method， gray prediction method and other commonly used power， precision and applicability of several methods through the analysis of actual case， and provide decision support for power supply enterprises.

Key words： electricity sales；forecast；method

引 言

電量預測是指在滿足一定精度要求下，充分考慮一些重要的自然條件與社會影響、系統運行特性與增容決策等方面，研究或利用一種能夠處理過去與未來電量的關系的數學方法，確定未來某特定時刻的電量數值。

對電量進行準確預測，可以保證人民生活和社會正常生產，有效地降低電力企業的運行成本，保證電網經濟運行，提高社會和經濟效益。電量的影響因素較多，例如地區經濟、政策、氣候等，這些因素中有確定性的，也有隨機性的，這一方面說明了電量預測所需的數據較多，另一方面說明了電量預測結果由于影響因素的隨機性在一定程度上具有不確定性，很大程度上增加了電量預測的難度。

本文介紹了電力彈性系數法、電量產出效益法、回歸分析法、灰色預測法等常用電量預測方法，以廣州市某區2006-2013年的售電量為例，通過幾種預測方法對2014、2015年售電量進行預測，為供電企業提供決策支撐。

1、電量預測方法

1.1 電力彈性系數法

電力彈性系數反映了電力工業發展與國民經濟發展之間的關系，是宏觀經濟學中說明發展總趨勢的一種概括性指標，可以作為衡量電力發展是否適應國民經濟發展的一個參數。一般而言，電力彈性系數等于售電量的增長率與生產總值的增長率之比，則電力彈性系數 表達式為：

=售電量增長率/生產總值增值率

如果確定了計劃期的電力彈性系數 ，根據預測期規劃的國民生產總值的發展速度B（%）和基準年的售電量 （kWh），即可預測期n年末的售電量 （kWh）。其計算公式為：

電力彈性系數法預測售電量，關鍵在于所選取的電力彈性系數是否經濟合理，必須先預測地區生產總值的增長率。但是，沒有足夠的科學依據和方法能夠論證多大的數值合理，這是該方法的一個缺陷。另一方面，由于國家和地區財力的限制，致使能夠提供的電力資金不足，往往無法實現理論上選的的電力彈性系數，這是該方法的另一個缺陷。目前，該方法主要用于電力部門進行中長期電量的預測。

確定經濟合理的電力彈性系數，準確地反映國民經濟對電力的實際需要，使電力增長能夠適應國民經濟發展，這是該法預測售電量的關鍵所在。

1.2 電量產出效益法

電力作為國民經濟的重要基礎產業，用電量和售電量指標歷來被認為是經濟運行態勢的重要反映。電力消費與GDP存在一定的關聯關系，因此可以利用一定的電力指標反映經濟運行狀況，例如電量產出效益。電量產出效益是指每千瓦時產出了多少GDP經濟效益，該指標受到新能源、節能減排、產出結構調整等因素影響。

1.3 回歸分析法

回歸分析法就是利用回歸分析理論，通過統計分析變量的歷史數據，確定各變量之間的函數關系，實現對預測期用電量進行預測的目的?；貧w預測可分為線性回歸和非線性回歸。優點是：回歸模型參數估計技術成熟，過程簡單，預測速度快，外推性好。缺點是：對歷史數據要求高，當數據存在較大誤差或殘缺時，模型預測精度將大大降低；線性回歸模型預測精度較低，非線性回歸模型計算量大、過程復雜；只能考慮像濕度、溫度等定變量條件的氣象因素，不能詳細地考慮到各種影響售電量的因素。

應用回歸分析法對售電量進行預測時，應注意以下幾點：

若依時序（即自變量為時間與因變量的一組數值）建立回歸模型，并依此外推對未來售電量進行預測時，其外推測的時間（即預測期）不宜過長；此外預測需緊密結合定性分析，這樣才可使預測結果更可行、更實用，只有當預測結果符合或接近實際時，其預測才有意義和實用價值。

1.4 灰色預測法

一般來說，用于建立預測模型的數據越多越好，或者說，模型是建立在大樣本基礎上。而事實上，即使樣本容量大，但不一定能夠找到樣本的統計規律，即使能夠找到統計規律，也不一定是典型的，也有一些非典型過程，如非平穩等，而這些非典型過程卻是很難處理的。灰色模型，即GM模型（GERY MODEL），則不受模型樣本是否存在統計規律、統計規律是否為典型過程的限制，而且灰色模型所需的樣本量小，計算量小?；疑Ｐ偷乃枷胧牵合葘υ紨祿M行生成，將原始數據生成具有一定規律的序列；再對生成序列進行建模預測，得到生成序列的預測值；最后對生成序列的預測值進行還原，得到模型的預測值。

其中GM（1，1）模型是灰色理論常用的模型，它具有一定的精度，計算過程簡單。但該模型只考慮售電量本身，不涉及其他隊售電量影響的因素，例如GDP。售電量本身就受到多種確定性、不確定性因素的共同影響，倘若只考慮了售電量本身，將對模型的預測結果造成一定的影響，模型的預測準確性也不能得到有效保證。因此可以使用GM（1，N）模型，該模型綜合了各種主要影響因素對售電量的影響，從而提高售電量預測的準確性。

2、電量預測實例

依據某區2007—2013年的售電量，采用電力彈性系數法、電量產出效益法、回歸分析法和灰色預測法對該區2014和2015年售電量進行預測。

2.1 彈性系數法

該區地區生產總值及各行業增加值呈現逐年增長趨勢，增長速度較快。

利用彈性系數-地區生產總值增長率擬合方法對2014、2015年彈性系數進行預測。

對數據進行擬合可得到擬合公式為y=0.1176x-0.57609。預計2014、2015年該區生產總值（GDP）增長率約為11%、10.5%。因此，2014、2015年該區用電電力彈性系數分別為0.76、0.66，售電量增長率為7.92%、6.93%。故可算得2014年該區售電量預測值為98.99億千瓦時、105.85億千瓦時。

2.2 電量產出效益法

根據該區地區生產總值及各行業增加值，可以得到該區全社會及各行業每千瓦時用電量產出效益。

對2014年該區售電量產出效益進行預測。擬合曲線為：y=0.58978x-1172.98586，可以計算得出2014、2015年白云區每千瓦時產出效益預測值分別為14.8311元/千瓦時、15.4208元/千瓦時。2014、2015年白云區地區生產總值分別按11%、10.5%增長，即2014、2015年該區地區生產總值預計分別為1475.58億元、1630.52億千瓦時，因此可以預測得到2014、2015年該區售電量分別為99.49億千瓦時、105.74億千瓦時。

2.3 回歸分析法

在回歸方程中，只有一個自變量的稱為一元回歸，有多個自變量的稱為多元回歸。一元線性回歸法是在排除其他影響因素或者假定其他影響因素確定的情況下，分析某一因素是如何影響另一因素的過程。

2007年至2013年售電量呈現線性增長的變化趨勢，其擬合公式為：y=6.24190x-12471.48762，從而可以計算出2014、2015年該區售電量預測值為99.7億千瓦時、105.94億千瓦時。

2.4 灰色預測法

利用GM（1，1）模型對2014、2015年該區售電量進行預測，采用Matlab軟件建立灰色預測模型。在Matlab平臺上，輸入2007—2013年售電量數據，然后調用函數計算，即可得出該模型的預測值。

故預測出2014、2015年該區售電量為100.52億千瓦時、106.48億千瓦時。

2.5 2014年售電量預測及2015年售電量初步預測

根據上述電力彈性系數法、電量產出效益法、回歸分析法和灰色預測法對2014、2015年白云區售電量進行預測，總結在下表。

同時電量預測需考慮到天氣影響，同時城市“退二進三”和產業升級的影響，電量預測都存在一定地誤差。通過近些年電量增長趨勢，同時考慮到工商同價和大用戶直購電的影響，綜合預測2014、2015年售電量為99.97億千瓦時、105.49億千瓦時。

小 結

電量預測的核心是預測技術（預測模型），預測方法有很多，每一種預測方法都有各自的適用范圍，各種預測方法都各自的優缺點，所以在預測過程中需考慮各種不確定性因素，如氣候、經濟形勢、電價政策等。在實際售電量預測中，必須靈活選用適用的的預測方法，可選用多種方法進行預測，將所得預測結果互為比較，再根據企業實際情況進行修正，最終預測出合理的結果。

參考文獻：

[1] 牛東曉，曹樹華，趙磊.電力負荷預測技術及其應用[M].北京：中國電力出版社，1998.

[2] 周琪，幾種電量預測的使用方法[J].江蘇電機工程，2006，25（6）：52-54.

[3] 孔令云，售電量分類預測模型及其軟件開發[J].電力系統及其自動化學報，2008，20（6），52-55.

作者簡介

鄭嘉娜（1969-），女，廣東廣州人，本科，高級工程師，從事電能量預測分析方面研究。