城市中長(zhǎng)期用電量預(yù)測(cè)方法研究

徐彬鑫，李祥飛

（湖南工業(yè)大學(xué) 電氣與信息工程學(xué)院，湖南 株洲 412007）

城市中長(zhǎng)期用電量預(yù)測(cè)方法研究

徐彬鑫，李祥飛

（湖南工業(yè)大學(xué) 電氣與信息工程學(xué)院，湖南 株洲 412007）

針對(duì)影響城市中長(zhǎng)期用電量的主要因素，分別建立一元線性回歸法、產(chǎn)業(yè)產(chǎn)值單耗法、大用戶分析法以及氣候分析法4種預(yù)測(cè)模型，結(jié)合算例詳細(xì)介紹各模型的建立過(guò)程以及有效性檢驗(yàn)。算例結(jié)果表明，4種預(yù)測(cè)方法在預(yù)測(cè)用電量時(shí)誤差都較小，可以針對(duì)不同的情況采用。

電力市場(chǎng)；用電量預(yù)測(cè)；預(yù)測(cè)模型；一元線性回歸法

0 引言

用電量預(yù)測(cè)是電網(wǎng)規(guī)劃中的一個(gè)重要內(nèi)容，對(duì)城市中長(zhǎng)期用電量進(jìn)行準(zhǔn)確預(yù)測(cè)關(guān)系到一個(gè)城市的發(fā)展，關(guān)系到供電企業(yè)對(duì)電力的輸送、調(diào)度等問(wèn)題。在電力需求關(guān)系不斷改變的情況下，電力負(fù)荷特性也出現(xiàn)一些新的變化規(guī)律。把握好負(fù)荷特性新規(guī)律，考慮影響用電量的相關(guān)因素，對(duì)于提高用電量預(yù)測(cè)精度十分必要[1]。

從理論上來(lái)說(shuō)，電力需求的大小和負(fù)荷特性的變化受到國(guó)家宏觀經(jīng)濟(jì)調(diào)控和走勢(shì)、整體經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)調(diào)整特點(diǎn)、重點(diǎn)用電行業(yè)的發(fā)展、地區(qū)氣候情況等因素的影響。這說(shuō)明當(dāng)代絕大多數(shù)社會(huì)生產(chǎn)活動(dòng)都將影響電力需求的大小。在對(duì)電力需求預(yù)測(cè)的時(shí)候只能在這些影響因素中找出比較重要的因素進(jìn)行分析和預(yù)測(cè)。

本文針對(duì)4個(gè)影響用電需求的主要因素，分別構(gòu)建單項(xiàng)數(shù)學(xué)模型，對(duì)城市中長(zhǎng)期用電量進(jìn)行預(yù)測(cè)，以期為供電企業(yè)掌握市場(chǎng)需求，為企業(yè)決策提供參考依據(jù)。文中的時(shí)間跨度為5～10 a。

1 回歸模型預(yù)測(cè)

回歸模型預(yù)測(cè)就是利用數(shù)學(xué)中的回歸分析方法，統(tǒng)計(jì)出過(guò)去用電量數(shù)據(jù)，并分析各變量之間的關(guān)系，獲得一條確定的曲線，建立用電量與相關(guān)變量間的數(shù)學(xué)模型。將確定的曲線外延至一定時(shí)刻就得到該時(shí)刻的預(yù)報(bào)值，從而實(shí)現(xiàn)預(yù)測(cè)的目的，即利用數(shù)學(xué)模型預(yù)測(cè)今后的用電量[2-3]。在用電量預(yù)測(cè)中，把影響用電量因素作為自變量，把用電量作為因變量。因?yàn)橐蜃兞渴请S著自變量的變化而變化，自變量是原因、因變量是結(jié)果的關(guān)系不能逆轉(zhuǎn)[4]。建立擬合曲線可以用直線擬合也可以用曲線擬合，前者統(tǒng)稱為線性回歸，后者統(tǒng)稱為非線性回歸[5-6]。本文采用反映宏觀經(jīng)濟(jì)走勢(shì)的重要指標(biāo)即國(guó)內(nèi)生產(chǎn)總值（gross domestic poduct，GDP）與城市用電量的關(guān)系建立一元線性回歸模型，并結(jié)合算例驗(yàn)證該模型是否有效，從而通過(guò)國(guó)內(nèi)生產(chǎn)總值得出未來(lái)5 a用電量的預(yù)測(cè)值。課題組選用華中某城市歷史數(shù)據(jù)進(jìn)行一元線性回歸模型的建模和校驗(yàn)。

在一元線性回歸模型中，自變量用x表示，這里將國(guó)內(nèi)生產(chǎn)總值即GDP設(shè)定為自變量，因變量是依賴于自變量x的隨機(jī)變量，用y表示，這里將該城市的用電量設(shè)定為因變量。假設(shè)自變量x與因變量y的關(guān)系為

式中：a,b為與y無(wú)關(guān)的待定系數(shù)；

a+bx為y的平均值；

假如觀測(cè)的數(shù)據(jù)個(gè)數(shù)為n，則y在任何x值下的估計(jì)值為

則殘差為(yi-a-bxi)，而殘差平方和Q(a,b)為

利用高等數(shù)學(xué)中極值求法，對(duì)Q(a,b)求極小值可以得到a和b的最佳值，則的滿足方程

xi,yi分別為自變量和因變量的觀測(cè)值。

由式（4）可得到唯一解

當(dāng)求出a與b的估計(jì)值后，可得出y對(duì)x的線性回歸方程，即

由華中某城市2004—2014年的GDP與用電量數(shù)據(jù)得到其散點(diǎn)圖，確定這兩個(gè)量之間存在線性關(guān)系，如圖1所示，并據(jù)此建立GDP與用電量的一元線性回歸模型。

圖1 2004—2014年GDP與用電量關(guān)系圖Fig. 1 Relationship schema of GDP and electricity consumption from 2004 to 2014

為了檢驗(yàn)所求的一元線性回歸方程是否顯著，這里采用相關(guān)系數(shù)檢驗(yàn)。定義變量y與變量x的相關(guān)系數(shù)為

2 產(chǎn)業(yè)產(chǎn)值單耗模型預(yù)測(cè)

單耗法即單位產(chǎn)品電耗法，它是用電需求預(yù)測(cè)方法中的經(jīng)典方法，主要依靠歷史經(jīng)驗(yàn)來(lái)判斷變量對(duì)用電需求的影響，得到一組接近但不夠精確的預(yù)測(cè)值，其在中長(zhǎng)期電力需求預(yù)測(cè)中不失為一種簡(jiǎn)單可行的辦法[7]。單耗法要對(duì)所有產(chǎn)品劃分類別，推算各不同類別的用電量情況，再把全部類別用電量相加得到總的用電量預(yù)測(cè)值。在具有單耗指標(biāo)的工業(yè)電力預(yù)測(cè)中，單耗法得到普遍運(yùn)用[8]。在進(jìn)行各個(gè)類別單位耗電量指標(biāo)預(yù)測(cè)過(guò)程中，還要結(jié)合當(dāng)?shù)亟?jīng)濟(jì)發(fā)展?fàn)顩r和目標(biāo)，分析歷史數(shù)據(jù)中產(chǎn)值指標(biāo)和單位產(chǎn)值耗電量，并根據(jù)產(chǎn)業(yè)調(diào)整預(yù)測(cè)出規(guī)劃期內(nèi)用電量。這項(xiàng)調(diào)查統(tǒng)計(jì)工作的工作量十分巨大，在實(shí)際操作中很難得到所有指標(biāo)的單位耗電量的統(tǒng)計(jì)值[9]。所以，有時(shí)可以考慮用國(guó)民生產(chǎn)總值（GDP）來(lái)代替各種產(chǎn)品的產(chǎn)量。

單耗法的計(jì)算公式為

式中：A為用電量；

b為產(chǎn)品產(chǎn)量；

g為產(chǎn)品的單位耗電量。

對(duì)一個(gè)地區(qū)每種用電類別統(tǒng)計(jì)出單位耗電量gi，再知道每種類別的產(chǎn)品產(chǎn)量bi，就能計(jì)算出n種產(chǎn)品的總用電量，為

課題組針對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)城市用電需求的影響，運(yùn)用產(chǎn)業(yè)產(chǎn)值單耗模型預(yù)測(cè)城市5 a內(nèi)的全社會(huì)用電量。結(jié)合產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，將全社會(huì)用電量分為第一產(chǎn)業(yè)用電量、第二產(chǎn)業(yè)用電量、第三產(chǎn)業(yè)用電量和居民用電量4個(gè)部分，考慮用每年國(guó)民生產(chǎn)總值和人口的增加值代替單位產(chǎn)品的產(chǎn)量。

產(chǎn)業(yè)產(chǎn)值單耗法中參照式（10）求各產(chǎn)業(yè)用電單耗與各產(chǎn)業(yè)增加值的乘積，即能預(yù)測(cè)規(guī)劃年限每年各產(chǎn)業(yè)用電量。同理可求得居民生活用電量。在預(yù)測(cè)時(shí)，可以用規(guī)劃年限內(nèi)的國(guó)民生產(chǎn)總值增加值的預(yù)測(cè)值代替式（10）中的bi，單位耗電量的預(yù)測(cè)值代替式（10）中的gi，則用電量預(yù)測(cè)值為

下面以華中某城市歷史數(shù)據(jù)為例，通過(guò)對(duì)該城市2004—2009年產(chǎn)業(yè)單耗及歷年全省用電量數(shù)據(jù)的分析，建立產(chǎn)業(yè)產(chǎn)值單耗模型。2004—2009年各產(chǎn)業(yè)單耗如表1所示。

表1 2004—2009年各產(chǎn)業(yè)單耗表Table 1 Industrial consumption table from 2004 to 2009

根據(jù)2004—2009年的歷史數(shù)據(jù)、該城市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年發(fā)展規(guī)劃綱要以及關(guān)于“十二五”單位GDP能耗的下降指標(biāo)，對(duì)2010—2014年期間的產(chǎn)業(yè)用電量單耗進(jìn)行預(yù)測(cè)。設(shè)各產(chǎn)業(yè)單耗均速遞減，用各產(chǎn)業(yè)GDP增加值乘以各產(chǎn)業(yè)單耗可分別求得一、二、三產(chǎn)業(yè)用電量，一、二、三產(chǎn)業(yè)用電量相加得全行業(yè)用電量。同理，可用人口數(shù)乘以人均用電量得到居民生活用電量。最后把歷年全行業(yè)用電量的預(yù)測(cè)值與歷年居民生活用電量的預(yù)測(cè)值相加，得到2010—2014年全社會(huì)用電量的預(yù)測(cè)值。為了驗(yàn)證產(chǎn)業(yè)產(chǎn)值單耗法建立模型的有效性，需要將2010—2014年一、二、三產(chǎn)業(yè)用電量的預(yù)測(cè)值、居民生活用電量的預(yù)測(cè)值、全社會(huì)用電量的預(yù)測(cè)值與一、二、三產(chǎn)業(yè)用電量的實(shí)際值、居民生活用電量的實(shí)際值、全社會(huì)用電量的實(shí)際值進(jìn)行比較，如圖2所示。

圖2 產(chǎn)業(yè)模型用電量實(shí)際值和預(yù)測(cè)值擬合曲線圖Fig. 2 Fitting curves of actual value and predicted value of industrial electricity consumption

由圖2可知，用產(chǎn)業(yè)產(chǎn)值單耗模型得到的一產(chǎn)用電量、二產(chǎn)用電量、三產(chǎn)用電量以及居民生活用電量的預(yù)測(cè)值都與它們各自對(duì)應(yīng)的實(shí)際值存在一定誤差，由此相加得到的全社會(huì)用電量預(yù)測(cè)值與實(shí)際值相比，誤差進(jìn)一步擴(kuò)大。所以產(chǎn)業(yè)產(chǎn)值單耗法的預(yù)測(cè)結(jié)果還不夠精確。

3 大用戶遞增模型預(yù)測(cè)技術(shù)

大用戶預(yù)測(cè)方法的主要思路是將該地區(qū)大用戶（根據(jù)實(shí)際情況選取）用電剝離，對(duì)大用戶用電與其他項(xiàng)目用電分別進(jìn)行預(yù)測(cè)。可以把第二產(chǎn)業(yè)用戶分為已有大用戶、新增大用戶、一般用戶。其中已有大用戶可根據(jù)歷史電量數(shù)據(jù)以及其未來(lái)發(fā)展規(guī)劃確定期電量增長(zhǎng)速度；一般大用戶可通過(guò)營(yíng)銷部門的業(yè)擴(kuò)報(bào)裝狀況確定其投產(chǎn)時(shí)間、年用電量等數(shù)據(jù)進(jìn)行預(yù)測(cè)；一般大用戶可采用平均增長(zhǎng)率法進(jìn)行預(yù)測(cè)得出。

以華中某城市歷史數(shù)據(jù)為例，建立大用戶遞增模型并對(duì)電量進(jìn)行預(yù)測(cè)。首先對(duì)大用戶進(jìn)行定義，根據(jù)該城市實(shí)際情況，定義年用電量0.3億千瓦時(shí)以上的用戶為大用戶；然后以本地區(qū)在建或待建的各重大項(xiàng)目為依據(jù)，從中篩選出投資意向較為明確的大用戶，分年度預(yù)測(cè)今后大用戶電量；第三，把歷史數(shù)據(jù)中的第二產(chǎn)業(yè)電量分為大用戶電量和一般用戶電量。第四，把需要預(yù)測(cè)的第二產(chǎn)業(yè)電量分為已有大用戶電量、新增大用戶電量和一般用戶電量三類。其中，已有大用戶電量參考最近一年大用戶電量數(shù)據(jù)，一般用戶電量根據(jù)本地區(qū)歷史一般用戶電量數(shù)據(jù)得出，新增大用戶電量根據(jù)預(yù)測(cè)大用戶電量得出。第五，預(yù)測(cè)第一產(chǎn)業(yè)用電量、第三產(chǎn)業(yè)用電量和居民生活用電量，可以根據(jù)前面所述的各種預(yù)測(cè)方法得出，在這里選擇采用自然增長(zhǎng)率法。最后，把預(yù)測(cè)的第一產(chǎn)業(yè)用電量、第二產(chǎn)業(yè)用電量、第三產(chǎn)業(yè)用電量和居民生活用電量相加，得到全社會(huì)用電量的預(yù)測(cè)數(shù)據(jù)。2010—2014年大用戶預(yù)測(cè)方法用電量的預(yù)測(cè)值和實(shí)際值比較如圖3所示。

圖3 大用戶模型用電量實(shí)際值和預(yù)測(cè)值擬合曲線圖Fig. 3 Fitting curves of actual value and predicted value for major consumers

由圖3可知，利用大用戶遞增模型得到的大用戶用電量預(yù)測(cè)值與實(shí)際值之間的誤差較小，全行業(yè)用電量的預(yù)測(cè)也比較精確。

4 氣候模型預(yù)測(cè)

近年來(lái)，氣候條件變化對(duì)用電量的影響越來(lái)越引起了人們的關(guān)注，隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展，人民生活水平日益提高，制冷和取暖設(shè)備的用電量在全社會(huì)用電量中占有越來(lái)越大的比重。氣候條件對(duì)用電量的影響可以通過(guò)溫度、降水量、濕度、氣壓、日照時(shí)數(shù)等變量作用，其中，對(duì)全社會(huì)用電量影響作用最大的是溫度。

用電量受各方面的因素影響，可以分為對(duì)氣候敏感的用電量和的用電量，這兩個(gè)電量需要分開(kāi)來(lái)考慮[10]。

要研究用電量與氣溫的關(guān)系，就需要建立氣溫與用電量的數(shù)學(xué)模型。以華中某城市為例，要預(yù)測(cè)一個(gè)中長(zhǎng)期的5 a用電量，先要收集該城市近年的氣溫與用電量的數(shù)據(jù)。課題組按月為單位，收集2005—2014年10 a每月供電量和每月平均氣溫的歷史數(shù)據(jù)，并進(jìn)行整理。再按照上面的思路進(jìn)行趨勢(shì)電量與氣象電量的分離，可知

式中：y為供電量；

yt為趨勢(shì)電量；

yw為氣象電量；

yr為隨機(jī)電量。

這3個(gè)量中，趨勢(shì)電量yt最有規(guī)律可循，也最容易建模求出，隨機(jī)電量yr是一個(gè)很小的量，可以忽略不計(jì)，因此氣象電量yw可以由供電量和趨勢(shì)電量計(jì)算得出，即

趨勢(shì)電量yt是一個(gè)在時(shí)間序列中表現(xiàn)平穩(wěn)變化的量，它的預(yù)測(cè)方法根據(jù)時(shí)間尺度的不同采用不同的方法。在較短的時(shí)間尺度內(nèi)，如5 a期間，經(jīng)濟(jì)可以看作勻速增長(zhǎng)，可以采用最小二乘法建立模型來(lái)預(yù)測(cè)趨勢(shì)電量。課題組一共收集了10 a期間，120個(gè)月的數(shù)據(jù)，為了簡(jiǎn)便，選用最小二乘法。目標(biāo)函數(shù)是按照時(shí)間排列的實(shí)際值對(duì)趨勢(shì)的偏差平方和最小[11]，并要求實(shí)際值在趨勢(shì)線上方的偏差值之和等于實(shí)際值在該線下方的偏差值之和，即偏差總和應(yīng)等于零。因此，實(shí)際上就是要求為最小，并按此條件來(lái)確定趨勢(shì)直線的參數(shù)a和b。

使用該城市10 a的歷史數(shù)據(jù)，建立趨勢(shì)電量的方程，即

式中t為時(shí)序。

本研究中一共是120個(gè)月的數(shù)據(jù)，時(shí)間序列為偶數(shù)，時(shí)間序列原點(diǎn)在兩個(gè)中間時(shí)間之間，左中心點(diǎn)之前各時(shí)刻序號(hào)為-1, -3, -5, …，右中心點(diǎn)之后各時(shí)刻序號(hào)為1, 3, 5, …，則，于是參數(shù)a和b的表達(dá)式為

式（15）～（16）中：N為月數(shù)，取120；

x為觀測(cè)指標(biāo)；

最后計(jì)算得出a=324 82.74，b=139.400 6，再代入式（14），可以得出每月的趨勢(shì)電量yt，再由式（13）可以得到每月的氣象電量yw，從而實(shí)現(xiàn)了趨勢(shì)電量的分離，并且趨勢(shì)電量yt是穩(wěn)定增長(zhǎng)的，但是該氣象電量yw受供電量y波動(dòng)的影響，有正負(fù)值。為了增強(qiáng)客觀性，引入月相對(duì)氣象用電量P[12]，定義為

引入月相對(duì)氣象用電量后，氣象電量就是一個(gè)客觀的比值。可以看出，月平均氣溫關(guān)系與月氣象用電量yw或月相對(duì)氣象用電量P之間的相關(guān)性有明顯的季節(jié)性變化[12]，所以需要分春、夏、秋、冬4個(gè)季節(jié)來(lái)進(jìn)行擬合。用MATLAB進(jìn)行二次擬合，分季節(jié)建立月相對(duì)氣象用電量P對(duì)于月平均氣溫x的數(shù)學(xué)模型。

春季（3—5月）擬合方程為

夏季（6—8月）擬合方程為

秋季（9—11月）擬合方程為

冬季（12—2月）擬合方程為

由擬合方程式（18）～（21），預(yù)測(cè)2005—2014年四季的月相對(duì)氣象用電量P′。再將月相對(duì)氣象預(yù)測(cè)電量P′代入式（17）的變式

得到供電量的預(yù)測(cè)值y′。最后要求得到的是全社會(huì)用電量。根據(jù)定義，全社會(huì)用電量等于供電量與廠用電量之和。全社會(huì)用電量預(yù)測(cè)值與實(shí)際值的比較擬合曲線如圖4所示。

圖4 氣候模型全社會(huì)用電量預(yù)測(cè)值與實(shí)際值擬合曲線圖Fig. 4 Fitting curve of forecast value and actual value of climatic model

由圖4可知，氣候預(yù)測(cè)模型以溫度變化為變化因素，在假設(shè)溫度是平均變化的基礎(chǔ)上，通過(guò)MATLAB建立的擬合方程對(duì)用電量的預(yù)測(cè)能達(dá)到很小的誤差，在上述的4種方法中，氣候模型的預(yù)測(cè)效果最佳。

5 結(jié)語(yǔ)

以華中某城市用電量數(shù)據(jù)為研究基礎(chǔ)，針對(duì)用電量的影響因素建立了4種不同的城市中長(zhǎng)期用電量單項(xiàng)預(yù)測(cè)模型。其中，一元線性回歸模型的預(yù)測(cè)平均絕對(duì)誤差為2.172 023，均方根誤差為2.662 502，標(biāo)準(zhǔn)誤差為2.943 507；產(chǎn)業(yè)產(chǎn)值單耗模型的預(yù)測(cè)平均絕對(duì)誤差為5.498 400，均方根誤差為8.056 618，標(biāo)準(zhǔn)誤差為10.401 050；大用戶遞增模型預(yù)測(cè)的平均絕對(duì)誤差為4.960 100，均方根誤差為6.500 149，標(biāo)準(zhǔn)誤差為8.391 657；氣候與用電量模型的預(yù)測(cè)平均絕對(duì)誤差為1.361 111，均方根誤差為1.630 000，標(biāo)準(zhǔn)誤差為1.848 246。這4種單項(xiàng)模型建模方法比較簡(jiǎn)單，能在一定程度上對(duì)未來(lái)電量進(jìn)行預(yù)測(cè)。在電力市場(chǎng)改革的大環(huán)境下，城市用電量的準(zhǔn)確預(yù)測(cè)能為供電企業(yè)掌握電力市場(chǎng)提供依據(jù)，使其準(zhǔn)確把握用電市場(chǎng)趨勢(shì)，為供電企業(yè)的發(fā)展做出正確的決策提供參考。

[1] 吳海波. 基于負(fù)荷特性分析的中長(zhǎng)期負(fù)荷預(yù)測(cè)研究[D].長(zhǎng)沙：湖南大學(xué)，2014. WU Haibo. Research on Medium-Long Term LoadForecasting Based on Load Characteristic Analysis[D]. Changsha：Hunan University，2014.

[2] 胡朝陽(yáng)，孫維真，汪 震，等. 考慮市場(chǎng)力的短、中、長(zhǎng)期電價(jià)預(yù)測(cè)[J]. 電力系統(tǒng)自動(dòng)化，2003，27(22)：16-22. HU Chaoyang，SUN Weizhen，WANG Zhen，et al. Short-Term, Medium-Term and Long-Term Forecasting of Electricity Price with Consideration to Market Power[J]. Automation of Electric Power Systems，2003，27(22)：16-22.

[3] KHUNTIA S R，RUEDA J L，MART A M M，et al. Forecasting the Load of Electrical Power Systems in Mid-and Long-Term Horizons：a Review[J]. IET Generation，Transmission & Distribution，2016，10(16)：3971-3977.

[4] 孟慶天，李莉美. 城市電力負(fù)荷預(yù)測(cè)方法分析[J]. 科技創(chuàng)新與應(yīng)用，2012(34)：158. MENG Qingtian，LI Limei. Urban Power Load Forecasting Method Analysis[J]. Science and Technology Innovation and Application，2012(34)：158.

[5] 李金超，牛東曉，李金穎，等. 基于熵權(quán)的中長(zhǎng)期電力負(fù)荷組合預(yù)測(cè)[J]. 華東電力，2005，33(8)：26-29. LI Jinchao，NIU Dongxiao，LI Jinying，et al. Combination Forecasting of Medium-Long Term Power Load Based on Entropy Weigh[J]. East China Electric Power，2005，33(8)：26-29.

[6] DUDEK G. Pattern-Based Local Linear Regression Models for Short-Term Load Forecasting[J]. Electric Power Systems Research，2016，130：139-147.

[7] 祁振華. 電力負(fù)荷預(yù)測(cè)的方法研究[J]. 內(nèi)蒙古科技與經(jīng)濟(jì)，2012(23)：86-87. QI Zhenhua. Power Load Forecasting Methods of Research[J]. Inner Mongolia Science and Technology and Economy，2012(23)：86-87.

[8] 葉 劍. 電力負(fù)荷預(yù)測(cè)方法在配網(wǎng)規(guī)劃中的實(shí)施要點(diǎn)分析[J]. 通訊世界，2014(24)：75-76. YE Jian. Power Load Forecasting Methods in the Implementation of Quantitative Analysis in the Planning of Distribution Network[J]. Communication World，2014(24)：75-76.

[9] 白莉妍，史玉琴. 基于產(chǎn)業(yè)產(chǎn)值單耗法的邢臺(tái)電網(wǎng)負(fù)荷預(yù)測(cè)研究[J]. 中國(guó)高新技術(shù)企業(yè)，2015(33)：8-9. BAI Liyan，SHI Yuqin. Based on the Industry Output Value of Unit Consumption Method of Xintai Power Grid Load Forecasting Research[J]. China Hi-Tech Enterprise，2015(33)：8-9.

[10] 陳穎嘉. 氣溫變化對(duì)城市用電量的影響研究：以廣州為例[D]. 廣州：華南師范大學(xué)，2010. CHEN Yingjia. Impact of Temperature Change on Urban Electricity Consumption：The Case of Guangzhou[D] Guangzhou：South China Normal University，2010.

[11] 祝 濱，張艷杰，劉耀年，等. 地區(qū)電網(wǎng)調(diào)度短期負(fù)荷預(yù)測(cè)系統(tǒng)[J]. 電力自動(dòng)化設(shè)備，2001，21(10)：37-39. ZHU Bin，ZHANG Yanjie，LIU Yaonian，et al. Short-Term Load Forecasting System of District Power Network[J]. Electric Power Automation Equipment，2001，21(10)：37-39.

[12] 孫 曉，曾浩宇，梁 維，等. 城市電網(wǎng)負(fù)荷特性分析方法研究[J]. 湖南工業(yè)大學(xué)學(xué)報(bào)，2016，30(3)：43-48. SUN Xiao，ZENG Haoyu，LIANG Wei ，et al. On an Analytical Approach to Load Characteristics of Urban Power Grids[J]. Journal of Hunan University of Technology，2016，30(3)：43-48.

（責(zé)任編輯：申 劍）

Research on the Medium and Long-Term Urban Electricity Consumption Prediction Methods

XU Binxin，LI Xiangfei
（School of Electrical and Information Engineering，Hunan University of Technology，Zhuzhou Hunan 412007，China）

In view of the influence of several main factors on urban medium and long-term electricity consumption, four types of forecasting models have been established respectively, namely, linear regression method, industrial output value per unit consumption method, major consumer analysis method, and climate analysis method. The modeling process and validity verification are introduced in detail. The results from numerical example show that the four types of prediction methods established here, applicable for different situations, are able to predict the electricity consumption with small prediction errors.

electricity market；electricity consumption forecasting；prediction model；single linear regression method

TM715

A

1673-9833(2017)02-0078-06

10.3969/j.issn.1673-9833.2017.02.014

2017-01-23

徐彬鑫（1990-），女，湖南長(zhǎng)沙人，湖南工業(yè)大學(xué)碩士生，主要研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化及其應(yīng)用，E-mail：1262649790@qq.com