兩種考慮溫度和經濟增長因素的月度全社會用電量預測方法

李文峰 白宏坤 劉永民 毛玉賓 陸浩

（1.國網河南省電力公司經濟技術研究院，河南鄭州 450052；2.國網焦作供電公司，河南焦作 454150）

兩種考慮溫度和經濟增長因素的月度全社會用電量預測方法

李文峰1白宏坤1劉永民1毛玉賓1陸浩2

（1.國網河南省電力公司經濟技術研究院，河南鄭州 450052；2.國網焦作供電公司，河南焦作 454150）

短期電力需求預測是保證電力系統安全運行的一項基礎性工作，針對此，提出2種考慮溫度和經濟增長因素的月度全社會用電量預測方法，通過選用規模以上工業增加值增速表示月度經濟增長趨勢情況，科學構建月度全社會用電量與平均溫度以及當月的經濟增長指標之間的線性回歸模型，可以準確預測月度全社會用電量。

用電量預測方法；電力需求預測；溫度；線性回歸模型

電力需求是經濟發展的晴雨表，電力需求預測對電力部門及相關經濟和能源部門的工作具有重要意義，全社會用電量是反映電力需求的重要指標之一。

目前，全社會用電量常用的預測方法包括趨勢外推法、總量回歸、ARIMA、增速外推、彈性系數和產值單耗法等［1-4］。王鵬飛［5］利用我國1987-2002年年度數據，以GDP和總人口作為自變量，全社會用電量作為因變量，建立線性回歸模型，預測我國未來年份的全社會用電量；陳莉［6］運用甘肅省1999-2005年年度數據，采用總量回歸法，并通過灰色系統理論中的GM（1，1）模型，預測出GDP的未來年份的預測值，從而進一步對甘肅省2006-2010年的全社會用電量進行了預測；張璇［7］通過分析我國2007年7月-2012年6月全社會用電量的月度數據，建立時間序列ARIMA乘積季節模型，對我國未來6個月的全社會用電量進行了預測。

這些研究大多基于年度數據進行年度預測，其中趨勢外推法、ARIMA和增速外推都是根據過去和現在的發展趨勢推斷未來的一類方法，只能反映全社會用電量自身的變化趨勢，無法反映和預測經濟發展對其影響，因此無法準確預測未來的全社會用電量。傳統彈性系數法和產值單耗法常用于預測年度全社會用電量，但是傳統電力消費彈性系數法中GDP增速是與上一年可比價計算得到的，而用電量是實物量的增速，這種方法計算得出的彈性系數在歷史區間內包含了價格因素，因此，用其與不含價格因素的變量進行比較是不合理的。產值單耗法亦是如此［2-4］。

鑒于此，本文綜合考慮溫度和經濟增長因素對全社會用電量的影響，建立考慮溫度和經濟增長因素的預測模型，對月度全社會用電量進行準確預測。

1 原理

在建立考慮經濟增長趨勢因素的預測模型時，經濟增長趨勢的量化方式可以是加入時間趨勢項，也可以用由月度工業增加值增速轉換得到的經濟增長指數來表示。因為二產增加值增速與GDP增速走勢高度一致，而規模以上工業增加值在二產增加值中占比很大，考慮到數據的可獲得性，本文在月度層面選用規模以上工業增加值增速表示月度經濟增長趨勢情況。

1.1 第1 種方法

1.1.1 獲取數據并排序。獲取歷史期與預測月同月的全社會用電量、月平均溫度數據，并將數據按照年份先后順序排列。

1.1.2 賦予時間趨勢項。按照年份順序，如數據樣本從2009-2013年，則依次賦予時間趨勢項1、2、3、4和5，預測期如為14a，賦予時間趨勢項即6。

1.1.3 建立加入時間趨勢項的預測模型。以月度全社會用電量為因變量，時間趨勢項和月平均溫度為自變量，建立線性回歸方程，即：

式（1）中，Ei為月全社會用電量，i為時間趨勢項，Ti為月平均溫度，A為常數項，B為時間趨勢項的系數，C為Ti的系數。

1.1.4 求出預測月的平均溫度預測值。取樣本期月平均溫度的平均值作為預測月的平均溫度預測值。

1.1.5 計算預測月的全社會用電量。根據上述預測模型回歸得到的常數項和系數值，并將預測月的平均溫度預測值、時間趨勢項代入式中，可得到預測月全社會用電量的預測值。

第1種方法計算流程圖詳見圖1。

1.2 第2 種方法

1.2.1 獲取工業增加值增速數據。獲取歷史期與預測月同月的規模以上工業增加值增速數據，并將其折算成以基期I0=100的經濟增長指數：

式（2）中，Ii為月度經濟增長指數，GYi為當月的規模以上工業增加值增速，I0為基期的經濟增長指數。

1.2.2 獲取全社會用電量、月平均溫度數據并排序。獲取歷史期與預測月同月的全社會用電量，以及月平均溫度數據，并與1.2.1中數據一起按照年份先后順序排列。

圖1 第1種方法流程圖

1.2.3 建立加入經濟增長指數的預測模型。以月度全社會用電量為因變量，月平均溫度和月度經濟增長指數為自變量，建立線性回歸方程，即

式（3）中，Ei為月全社會用電量，Ti為月平均溫度，A為常數項，B為Ti的系數，C為Ii的系數。

1.2.4 求出預測月的平均溫度預測值。取樣本期平均溫度的平均值作為預測月的平均溫度預測值。

1.2.5 求預測月的經濟增長指數。根據相關經濟研究部門給出的預測月規模以上工業增加值增速預測值，折算成預測月的經濟增長指數。

1.2.6 計算預測月的全社會用電量。根據1.2.3回歸得到的常數項和系數，并將預測月的平均溫度預測值、經濟增長指數預測值代入回歸方程中，可計算得到預測月全社會用電量的預測值。

第2種方法計算流程圖詳見圖2。

由上述技術方案可知，本文通過分別構建月度全社會用電量電量與平均溫度、用時間趨勢項或經濟增長指數，表示經濟增長趨勢的量化指標之間的線性回歸方程，得到月度全社會用電量預測值，以有助于月度電力規劃，以及電網生產調度與電網月度生產計劃的制定。

2 算例分析

通過本文提出的2種方法預測，以2007-2013年歷年6月歷史數據作為樣本期，預測2014年6月全社會用電量。其中，樣本期某省全社會用電量、月平均溫度、規上工業增加值增速、經濟增長指數詳見表1。

圖2 第2種方法流程圖

表1 樣本期電量、溫度、經濟數據

2.1 第1 種方法

2.1.1 賦予時間趨勢項。數據樣本期為2007-2013年6月，依次賦予其時間趨勢項1、2、3、4、5、6和7。預測期為2014年6月，賦予時間趨勢項8，詳見表1。

2.1.2 建立加入時間趨勢項的預測模型。預測模型如下：

式（4）中，Ei為月全社會用電量，i為時間趨勢項，Ti為月平均溫度。回歸方程的系數全部通過T檢驗，R2= 0.994。

2.1.3 確定2014年6月平均溫度預測值。取2007-2013年6月平均溫度的平均值25.54作為2014年6月平均溫度預測值。

2.1.4 計算2014年6月全社會用電量預測值。將2014年6月的時間趨勢項8、平均溫度預測值25.54代入2.1.2的預測模型中，得到2014年6月全社會用電量預測值約為129.450億kW·h。

2.2 第2 種方法

①獲取2007-2013年6月的規模以上工業增加值增速數據，并將其折算成以2006年為100的經濟增長指數：②獲取2007-2013年6月全社會用電量、月平均溫度數據，并將這些數據與步驟①中數據一起按照年份先后順序排列，詳見表1；③建立加入經濟增長指數的預測模型：Ei=13.817+0.886Ti+0.221Ii，其中Ei為月全社會用電量，Ti為月平均溫度，Ii為月度經濟增長指數。回歸方程的系數全部通過T檢驗，R2=0.999，模型對歷史數據擬合得非常好，可以解釋99.9%的歷史數據；④取2007-2013年6月平均溫度的平均值25.536作為2014年6月平均溫度預測的值；⑤因為目前安徽省統計局已公布2014年6月規模以上工業增加值增速為11.5%，折算成預測月的經濟增長指數為425.53（如未公布，則根據相關經濟研究部門給出的預測月規模以上工業增加值增速預測值，折算成預測月的經濟增長指數）；⑥將2014年6月的平均溫度預測值、經濟增長指數值代入步驟③回歸方程中，可得到2014年6月全社會用電量預測值為130.480億kW·h。

2014年6月安徽省全社會用電量實際值為130.323億kW·h，上述2種方法的預測誤差分別為-0.66%、-0.01%，準確性較高。

3 結語

短期電力需求預測是保證電力系統安全運行的一項基礎性工作，本文提出了2種考慮溫度和經濟增長因素的月度全社會用電量預測方法，通過選用規模以上工業增加值增速表示月度經濟增長趨勢情況，科學構建了月度全社會用電量與平均溫度以及當月的經濟增長指標之間的線性回歸模型，可以準確預測月度全社會用電量。

［1］張士強，王雯，王健.ARIMA模型在城市年用電量預測中的應用［J］.電力需求側管理，2010（6）：31-34.

［2］王文圣，丁晶，趙玉龍，等.基于偏最小二乘回歸的年用電量預測研究［J］.中國電機工程學報，2003（10）：17-21.

［3］葛斐，石雪梅，榮秀婷，等.電力消費彈性系數與產業結構關系研究——以安徽省為例［J］.四川大學學報：哲學社會科學版，2015（3）：79-85.

［4］郭挺，饒建業.“新常態”下廣東省中長期電力需求預測［J］.廣東電力，2015（6）：6-11.

［5］王鵬飛.多元線性回歸方法在中國用電量預測中的應用研究［J］.華北電力技術，2005（8）：16-18.

［6］陳莉.統計方法在預測全社會用電量中的應用［J］.華北電力技術，2006（S2）：192-194.

［7］張璇.ARIMA乘積季節模型在全社會用電量預測中的應用［J］.現代經濟，2011（13）：234-235.

Two Kinds of Monthly Total Electricity Consumption Forecasting Method by Considering Temperature and Economic Growth Factors

Li Wenfeng1Bai Hongkun1Liu Yongmin1Mao Yubin1Lu Hao2
（1.Economic and Technical Research Institute of State Grid Henan Electric Power Corporation，Zhengzhou Henan 450052；
2.State Grid Jiaozuo Power Supply Company，Jiaozuo Henan 454150）

Short-term electricity demand forecast is a basic work to ensure the safe operation of power system,based on this,two monthly social electricity consumption forecasting methods by considering temperature and economic growth factors were presented.By selecting the above-mentioned industrial added value growth to indicate the monthly economic growth trend,the scientific construction of the monthly total electricity consumption and the average temperature and the monthly economic growth between the linear regression model between the monthly total electricity consumption of the whole society with the average temperatureand and the economic growth index of the month was scientifically constructed,so that can accurately predict the monthly electricity consumption of the whole society.

electricity consumption forecasting method；electricity demand forecast；temperature；linear regression model

TM715

A

1003-5168（2016）11-0112-03

2016-10-11

李文峰（1985-），男，博士，工程師，研究方向：電力需求預測、電力經濟關系研究等。