基于經濟電力指標的安徽省月度全社會用電量預測

馬 靜 ，王 寶 ，葉 彬 ，趙佳佳 ，季 超 ，李 晶

（1.國網安徽省電力有限公司經濟技術研究院，合肥 230022；2.北京經世萬方信息技術有限公司，北京 100022；3.國網安徽省電力有限公司，合肥 230061）

引言

目前短期內全社會用電量的預測主要從經濟與氣溫因素出發，比如代表經濟增長的月度工業增加值指標[1]、月度氣溫因素[2～3]及單位GDP能耗因子[2]等常用于月度全社會用電量預測中。從已有文獻來看，經濟氣象預測模型在特定的省市間具有很好的預測效果，但由于安徽省用電量增長已與經濟增長（如GDP增速、工業增加值增速）相背離[4]，傳統方法構建出的預測模型較難應用于對安徽省用電量預測。而近年來，用電類指標開始應用于安徽省全社會用電量預測，比如通過業擴報裝[5]構建的全社會用電量預測模型被證明適用于短期預測，但該模型未納入宏觀經濟類等重要影響因素，導致模型擬合效果并不太好。基于經濟增長指標的應用限制以及報裝類指標（如裝接容量）的可應用性，本文以安徽省全社會用電量作為預測對象，從其重要影響因素出發，并結合指標的先行一致性引入其他宏觀經濟類指標，引入價格類和裝接容量指標，構建月度全社會用電量預測模型。

雖然氣象因素的確是影響夏冬季用電量波動的重要因素，但其近年波動性較大，指標本身較難預測。考慮到氣象預測困難性，本文對安徽省全社會用電量進行時間序列分解，使用不含氣象波動的安徽省全社會用電量趨勢項進行預測，以增加模型預測精確性，該序列更能真實反映時間序列波動規律。

一、預測指標初選

由于區域全社會用電量主要受區域經濟及宏觀環境因素影響，且考慮到指標選取需服務于全社會用電量預測（即備選指標僅包括對于安徽省全社會用電量有先行影響或同步變化的指標，滯后指標不在備選范圍之內），以及月度數據的可獲得性，選取以下指標：一是國內指標：全國貨幣和準貨幣（M2）供應量、全國制造業采購經理指數（PMI）；二是區域指標：工業生產者出廠價格指數（PPI）；安徽省基建、房地產開發投資和商品房銷售面積；安徽省月末金融機構貸款余額；制造業裝接容量。各指標對用電量的影響如下：

1.全國貨幣和準貨幣（M2）供應量。貨幣供應量是反映貨幣政策變動的重要信號，實施量化寬松的貨幣政策意味著市場被注入大量資金，有效緩解資金緊張，有助于刺激經濟增長；緊縮的貨幣政策意味著市場資金緊張，企業融資困難加大，投資活躍度降低，即貨幣供應量作用于企業生產經營、投資影響全社會用電量變化。

2.全國制造業采購經理指數（PMI）。PMI由新訂單指數、生產指數、從業人員指數、供應商配送指數和主要原材料庫存指數加權而成，是監測宏觀經濟走勢的先行性指數之一。當PMI高于50%則反映制造業經濟擴張，低于50%則收縮。由于制造業在用電量中具有規模大、能耗高的特性，其生產情況波動會在較大程度上影響全社會用電量走勢，因而PMI可在一定程度上預示全社會用電增長情況的變動。

3.工業生產者出廠價格指數（PPI）。PPI衡量生產領域價格變動走勢，其側面可以反映出生產需求及企業經營情況，當產能過剩、需求疲軟時，PPI指數持續低于100，企業經營風險加大，工業生產持續放緩；近期供給側改革持續推進，去產能成效顯著且供需關系改善，在此情形下，PPI漲幅較快，工業生產穩定增長且企業經營得到改善，外在環境好轉也有利于企業擴大再生產。工業生產活動的強弱直接關系到工業用電量增長情況，從而決定了全社會用電量增長水平。

4.安徽省基建、房地產開發投資和商品房銷售面積。安徽省制造業用電量占全社會用電量的比重高達45%，其用電量的波動會在很大程度上影響全社會用電量的走勢。制造業產品需求受基建、房地產開發投資影響較大，例如，基建投資可拉動水泥、鋼材等高耗能產品的需求量，從而影響用電的需求。同理，房地產有很長的上下游產業鏈條，房地產投資除了直接拉動水泥等高耗能產品需求外，還可派生出對裝修、家具、電器、汽車等眾多領域產品的需求量，因此房地產投資對用電量增長的影響作用不可小覷。同樣，商品房銷售面積也是房地產類重要指標，銷售端的變化將直接影響家具家電需求，并帶來商品房供應端的變動。因此，本文將安徽省基建、房地產開發投資和商品房銷售面積三個指標均放入備選指標庫中。

5.安徽省月末金融機構貸款余額。實體經濟的發展離不開資金的支撐，從月末金融機構貸款余額變化中可以看出企業的投融資活躍情況，折射企業對宏觀形勢的預期，是宏觀經濟發展的先行指標，間接影響用電量走勢。

6.制造業裝接容量。企業裝接容量與用電需求緊密相關，若企業用電容量與企業用電需求不匹配時，則會將申請增加或減少裝接容量，裝接容量的大小會直接影響其用電量的多少，因此將其引入用電量預測備選指標。

二、指標處理及分析

1.時間序列分解。時間序列中月度或季度數據往往受季節變動影響，季節性波動因素會遮蓋序列發展的其他客觀規律，一般在分析之前需對指標序列進行季節性調整。另外，本文同時也期望剔除氣溫影響，以得到全社會用電量的真實走勢規律。因此，采用X12季節性調整方法（乘法模型）對各指標進行時間序列分解，以安徽省全社會用電量為例，序列波動較為劇烈，整體呈波動上升趨勢。進行序列拆分之后，得到的全社會用電量趨勢項呈穩步增長狀態，有利于模型構建。除PPI同比增幅以及已為季節性調整序列的PMI之外，其他指標均進行類似分解。

2.時差相關分析。由于初選指標中M2傳導影響企業經營具有時滯性，PMI、投資類等指標具有明顯的先行性，而制造業裝接容量可能具有先行或一致性，因此使用時差相關分析法確定各指標的先行或一致階數。時差相關系數作為驗證序列間先行、一致或滯后性的一種常用方法，其選取基準指標后，對各備選變量進行超前或滯后調整，計算它們的相關系數，并比較不同延遲期的時差相關系數。其中，最大的時差相關系數即反映了備選指標與基準指標的時差相關關系，而相應的延遲數表示延遲或超前的期數。

設序列y為基準指標，而時間序列x為備選指標，則y與x相關系數為：

相關系數用于反映兩個指標的線性相關程度，而時差相關系數為：

其中，1=0，±1，±2，…，±L。當 1 取值為負時表示超前，取正表示滯后，L為最大延遲數，n1為數據取齊時后的數據個數。

最大的r*對應的階數j即為滯后超前階數。

根據時差相關分析方法及備選指標與全社會用電量歷史數據，得到各指標對安徽省月度全社會用電量增速的超前階數（見表1）。由表1可以看出，除安徽省工業生產者出廠價格指數和制造業裝接容量是同步指標外，其余指標均為用電量的先行指標。

表1 安徽全社會用電量與各指標的時差相關分析結果

三、安徽月度用電量預測模型構建及應用

對M2（超前6期）、PMI（超前4期）、PPI、基建投資（超前13期）、房地產開發投資（超前3期）、商品房銷售面積（超前5期）、月末貸款余額（超前4期）和制造業裝接容量八個備選指標按照其先行一致階數進行變換，以月度安徽省全社會用電量作為因變量，建立回歸預測模型。模型優先使用逐步回歸法篩選指標，并結合模型擬合及預測效果，最終得到較優的模型。以2012年1月至2017年8月序列為樣本，得到全社會用電量預測模型為：

其中，QHS為安徽省月度全社會用電量；ZZYZJ為安徽省月度制造業裝接容量；M2（-6）為超前6期的全國M2貨幣供應量；PPI為安徽省月度工業品出廠價格指數。從模型來看，制造業裝接、超前6期的貨幣供應量和工業品出廠價格指數均對全社會用電量具有顯著影響，且單個指標的

圖2 全社會用電量預測模型擬合圖

變動均帶來全社會用電量的同向變動。模型的擬合效果較好，制造業裝接容量、貨幣供應量和工業品出廠價格指數構建的模型可以解釋安徽省月度全社會用電量的97.6%的變化（即R2）。而在模型之外，全社會用電量可能還受到產業結構變動等其他未納入模型的外部因素影響。從圖2可以看出，經時間序列分解后得到的全社會用電量趨勢項呈現出明顯的波動上升趨勢，而模型擬合值與實際值呈現較一致的變化。

在實際預測月度全社會用電量中，由于相鄰月份制造業裝接容量基本變化不大，其預期值可參考上月數值確定，而工業品出廠價格指數可參考其整體走勢確定。運用上述模型預測2017年6—11月全社會用電量（其中9—11月為預測未來值），得到表2的結果?？梢?，模型得到的預測值接近實際值。另外，在更換樣本期（如擴大或減少月份）分別預測時可以發現，對于未來相同月份的用電量各預測值基本無變化，即模型具有較好的穩定性。

表2 全社會用電量預測①模型給出的預測值為全社會用電量的趨勢項，結合季節性因子和不規則因子值可還原成全社會用電量值。面對未來期用電量預測時，則不考慮不規則因子波動，僅使用趨勢預測值與季節性因子即可得到全社會用電量預測值。及檢驗

結語

本文依據時差相關分析構建出的月度全社會用電量模型具有較好的預測效果，不過由于該模型未考慮氣溫因素影響，其未來預測值通過季節因子還原后僅為氣溫正常情形下的用電需求量，對于氣溫異常情形下其預測誤差可能較大。另外，本文以安徽區域作為研究對象，其模型可能不適用于其他區域。不過，本文為全社會用電量預測指標選擇提供了新的思路，即價格指數類和裝接容量類指標對全社會用電量的影響不應被忽視。