基于宏觀經濟數據的用電量分析與預測研究

葛巍曹 晨明童 林白

摘 要：截至目前對用全社會用電量的預測研究，主要是基于歷史用電量趨勢對下一年用電量進行預測，在經濟性常態模式下，歷史用電量趨勢對未來電力需求預測的準確性下降。為適應新形勢下用電量預測特點，提升預測準確性，用電量預測必須考慮宏觀經濟發展趨勢、產業結構變化和氣溫等影響因素的綜合影響，建立基于需求指標框架的新型預測模式。本研究建立了一個可能對用電量產生影響的指標庫，建立了電力需求的解釋模型，從而對用電量進行分析和預測，并對預測結果加以驗證。展開了對上海市用電需求的分析與預測研究。

關鍵詞：用電量;系統動力學;MS-VAR模型

中圖分類號：F426.61 文獻標識碼：A 文章編號：1671-2064（2019）07-0241-02

0 引言

當前對用電量的預測的方法，主要基于歷史的用電量數據，而電力行業投資規模大、建設周期長，影響因素多，歷史用電量數據趨勢不能準確反映下一年的用電量數據。

我們發現通常情況下，經濟增長快的年份對應著用電需求高速增長的年份，而經濟增速減緩的年份則對應用電需求增長降低的年份，用電需求在一定程度上成為經濟增長快慢的“晴雨表”。因此，可以透過電力消費把脈經濟增長，也可以透過經濟增長趨勢預測電力消費。經濟系統中發生的任何變動，都會對電力行業發展產生直接或間接的作用;電力行業自身的變動，也會對經濟系統運行產生影響。

就上海市而言，上海是我國的經濟、金融中心，經濟發展水平、國內外投資環境和經濟政策調整等方面都處于領先位置。上海的經濟發展態勢及用電需求情況與全國同期情況存在明顯的異同點。因此，通過對全國宏觀經濟發展形勢以及用電需求變化情況的觀測，很難準確地應用于對上海地區用電量變化趨勢的預判。

如何全面地把握全市宏觀經濟發展趨勢，準確地預測未來短期內的用電需求變化情況，對指導電網的規劃與建設，保證上海地區電力工業的健康發展具有重大的理論和現實意義。

對國網上海市電力公司來說，開展基于地區宏觀經濟指標的用電量分析與預測研究，通過構建宏觀經濟指標體系，固化形成用于定量的預測模型，借此實現準確預測上海地區未來短期內的用電量。

1 上海地區用電需求的影響因素指標庫構建

上海地區而言，經濟增長動力由投資和出口轉變為消費。消費成為推動經濟增長的主力，但對用電量的需求并不是最大的;出口貿易由低端產品加工出口向高新技術產品出口轉變，加工用電量大幅降低。因此，上海經濟增長由過去單純依靠電力等能源消耗逐漸向依靠技術水平和科技創新轉變，經濟增長模式得以優化，對電力依賴性減弱，用電量增長放緩。

基于上海地區經濟周期波動的影響因素、用電量變化的影響因素、實際經濟發展狀況和統計數據獲取情況，選擇能反映上海地區國民經濟各領域中的五大類（需求、供給、金融、其他等），49個宏觀經濟指標作為備選指標集。如表1。

2 用電量預測模型的建立

為剔除指標間相關性，對表1中的指標集進行篩選。依據統計學經驗，當皮爾遜相關系數1小于0.5時，表示指標間相關性弱。因此剔除居民消費價格指數、工業品出廠價格指數等兩項指標。根據平穩性檢驗結果得知，初選指標均不平穩。因此，需對變量進行協整關系2檢驗（采用J-J檢驗對多變量間的“協整關系”進行分析）。經協整關系檢驗后，發現城鎮居民人均消費支出、房地產開發投資、貸款利率、M2等指標均不具備單整關系，表明這些指標的d階差分不穩定，因此予以剔除。

經過相關性和協整性檢驗，最終保留了外商直接投資合同金額、居民消費價格指數CPI、貨物運輸總量、第三產業占比等4項指標項。利用1995-2015年上述4項指標數據，構建用電量的MS-VAR模型。

利用全社會用電量、居民消費價格指數CPI、外商直接投資合同金額、貨物運輸總量、第三產業占比5個變量，使用MATLAB軟件建立MS-VAR模型（見下式），并對模型進行估計（以AIC統計量作為模型好壞的標準）。

全社會用電量t=0.2287全社會用電量t-1+0.123068全社會用電量t-2+0.00874CPIt-1+0.0019CPIt-2+0.000375外商直接投資t-1+0.00837運輸量t-1+0.001587運輸量t-2+0.008988第三產業占比t-1-0.00582第三產業占比t-2。

基于模型擬合結果顯示：全社會用電量序列的R23為0.989338，接近1。這說明模型擬合程度很精確。

3 上海地區全社會用電量預測模型的檢驗

利用全社會用電量模型，依據全社會用電量、居民消費價格指數CPI、外商直接投資合同金額、貨物運輸總量、第三產業占比的歷史數據。預測2016年全市用電量的擬合預測值為1455.30，較同年的實際的用電量1486.03億千瓦時，預測誤差值為-30.73億千瓦時，誤差百分比為-2.07%，表明模型擬合效果較好。

運用預測模型預測得出2017年上海市全社會用電量約為1499.88億千瓦時，預計同比增長率為0.93%，表明全市全社會用電量保持平穩增長，漲幅接近1%。

基于全社會用電量及各產業用電量預測模型測算的結果，可以看出：2017年上海地區全社會用電量為1499.88億千瓦時，同比增長率為0.93%。

對比實際結果，全社會用電量的累計同比增長率的2017全年預測值與2017年實際值較為接近。

4 結語

本次研究時所構建的指標庫，應進行補充調整和使用，需根據實際情況進行補充，建立MS-VAR模型并對用電量進行預測。

通過本次研究，共得到以下兩個結論：

（1）經濟發展和電力需求之間有相互影響的關系，并且有滯后性的影響關系。目前經濟發展中影響電力需求的指標主要有四個：外商直接投資合同金額、CPI、貨物運輸總量、第三產業占比。（2）合理地預測出上海市全社會用電量短期內的變化趨勢。通過歷史數據及擬合的MS-VAR模型計算出2017-2020年上海地區全社會用電量數據。

本研究通過對上海地區各產業的用電量預測，用以檢驗并修正全社會用電量的預測結果，精確預測未來的電力需求。

注釋

[1] 皮爾遜相關也稱為積差相關（或積矩相關）是英國統計學家皮爾遜于20世紀提出的一種計算直線相關的方法。假設有兩個變量X、Y，那么兩變量間的皮爾遜相關系數可通過以下公式計算：

[2] 如果所考慮的時間序列具有相同的單整階數，且某種線性組合（協整向量）使得組合時間序列的單整階數降低，則稱這些時間序列之間存在顯著的協整關系.

[3] R平方為回歸平方和與總離差平方和的比值，表示總離差平方和中可以由回歸平方和解釋的比例.

參考文獻

[1] 楊學南.宏觀經濟波動與汽車業發展的多維互動分析——基于結構方程模型的路徑分析[J].西南科技大學學報：哲學社會科學版，2015（32）：67-69.

[2] 林衛斌.“十二五”及2020年電力需求預測研究，[J].中國人口.資源與環境，2011（21）：1-6.

[3] 徐敏杰.電力需求影響因素的解釋結構模型分析[J].中國電力，2009（42）：1-3.

[4] 劉家軍.基于SPSS的電力需求與行業發展之間的規律研究[J].現代電力，2010（27）：83-87.

[5] 帥加琴.中國銅工業景氣指數與預警系統研究[D].北京：北方工業大學，2015.

[6] 高鐵梅.中國鋼鐵工業景氣指數的開發與應用研究[J].中國工業經濟，2003（11）：71-77.

[7] 龐淑娟.鋼鐵行業景氣周期預測方法研究[J].中國物價，2015（6）：80-82.

[8] 陳迪紅.行業景氣指數建立的方法選擇及實證分析[J].系統工程，2003（21）：72-76.

[9] 葉彬. 基于景氣指數的高耗能行業月度用電預測[J].皖西學院學報，2016（32）：83-87.