鋼鐵企業用電量預測模型研究

李艷青

(安陽鋼鐵股份有限公司)

0 引言

隨著國家電力體制市場化改革工作的推進，各地區電力市場實行電力直接交易政策。電力用戶與發電企業可通過雙邊協商和集中撮合兩種方式進行直接交易。鋼鐵企業作為電力大用戶，在這種交易模式下，用電量的精準預測成為了企業適應電力直接交易規則的重要支持手段。針對鋼鐵企業能源中心的運行數據與生產過程數據，研究了鋼鐵企業用電負荷的變化趨勢與特性，從而對鋼鐵企業用電情況進行了簡要分析，依照統計學原理建立了多元線性回歸、季節趨勢預測、指數平滑多種用電量預測模型，為鋼鐵企業用電量預測提供了堅實有力的技術支撐。

1 用電量預測系統建模

根據鋼鐵企業的用電負荷特點，分析了影響用電量的不同類型因素，如連續運轉設備與間歇性運轉設備的產量因素；采暖季與非采暖季鋼鐵企業生產模式轉變的因素；企業用電量以一年為統計周期，具有穩定性、規則性特點的因素。按影響因素抽取樣本數據得到相應的預測系統模型。某鋼鐵企業用電量預測系統模型結構如圖1所示。

預測系統模型結構

1.1 多元線性回歸分析電量模型

此次研究的企業屬于鋼鐵生產全流程聯合企業，生產工藝流程為焦化、燒結—煉鐵—煉鋼—軋鋼，各工藝產量均可以影響用電量的變化。按照抓主要因素的原則，根據不同工藝流程的運行方式，選擇鐵產量作為連續運轉設備產量的代表；選擇軋材產量作為間歇性運轉設備產量的代表。在此基礎上采集數據，構成數據模型。采集到的鋼鐵廠產量、用電量數據見表1，鐵、軋材產量與用電量的變化關系如圖2所示。

從表1和圖1可以看出，在不考慮檢修、定修等因素的情況下，總用電量與鐵產量、軋材產量呈線性關系，因此建立了三元線性回歸模型。設定Yi表示總用電量，X1i表示鐵產量，X2i表示軋材產量，根據經驗設定常數C ，即鐵、軋材產量均為零時，非生產設施的用電量，模型表達式為：

表1 鐵、軋材產量、用電量數據

運用計量經濟學Eviews軟件，采用最小二乘法對表1中的數據進行線性回歸，可得模型表達式：

模型計算結果說明，在其他因素不變的情況下，鐵產量每增加1 萬噸，其用電量增加276.32 萬千瓦時；在其他因素不變的情況下，鋼材產量每增加1 萬噸，其用電量增加101.93 萬千瓦時。

1.2 季節趨勢預測模型

由于鋼鐵企業的產品結構會隨著市場需求的變化而調整，所以鋼鐵企業的生產模式也會和銷售市場一樣具有季節性。以此為基礎采集數據，采集2016年—2019年各月的用電量，具體數據見表2。將數據以季度為周期制季度用電量變化趨勢，如圖3如示。

從圖3可以看出，用電量按照季度這一周期做規律性變化。那么，假定企業生產設備無新增，各工序產量同期接近相同的情況下，預測單季度用電量可以認定為事務變化不大的趨勢預測，即“過去這樣，將來也這樣”。

表2 2016年—2019年各月用電量

圖3 季度用電量變化趨勢

依據這一特征，可以采用時間序列預測法中的時序平均數法進行預測。即把采集數據作觀察值，求出算術平均數，作為下期預測值。為把近期和遠期數據等同化、平均化，設定單月用電量為aix（i=16，17，18，19；x=1，2，…11，12），以季度為單元用電量為Sj（j=1，2，3，4），年用電量Yi表達式為：

所以年用電量預測模型為：

1.3 指數平滑預測模型

指數平滑預測法是生產預測中常見的一種預測方法。其特點是兼容了全期平均與移動平均的優點，只需少量數據資料，就可以預測所需結果。采集近幾年企業的全年用電量數據，具體見表3。

表3 2013年—2019年企業全年用電量數據

從圖3可以看出， 2013年以來，企業年用電量較為穩定，并未呈現出明顯增長趨勢。因此，使用指數平滑法中的一次指數平滑法構建預測模型，即：

其中， 為實際值， 為預測值，系數α的取值范圍為0<α<1，實際運用中，α的大小表明修正幅度。Α值越大修正幅度越大，反則越小。所以在時間序列波動不大的情況下α取值一般在0.15～0.2之間。本次預測選取α在時間序列波動不大的區間范圍內的最大值與最小值，求得預測值與實際值差的平方和最小，即為α的最優取值。

因此，α分別取0.2、0.15，利用式（7）進行試算，計算結果見表4。

表4 試算結果

當α=0.2時，差值平方和為22.22；當α=0.15時，差值平方和為23.46。所以當α=0.2時2020年用電量預測值為347 000 萬千瓦時，為最佳值。

2 模型驗證

2.1 多元線性回歸分析電量模型驗證

選擇2020年各季度中間月份的實際數據為代表，根據式（3）計算預測用電量，將實際用電量與預測用電量進行比較，以電力直接交易規則中的偏差考核辦法（±5%）為標準，對文中的多元線性回歸分析電量模型進行驗證，驗證結果見表5。

表5 多元線性回歸分析電量模型驗證結果

從表5可以看出，所選各月的模型預測電量與實際用電量偏差均控制在±5%之內，符合標準，所以該模型可以作為企業用電量預測的參考依據。

2.2 季節趨勢預測模型與指數平滑預測模型驗證

根據式（4）、式（5）、式（6）計算出各季度的預測電量，將2020年各季度的實際用電量與預測用電量進行比較，以電力直接交易規則中的偏差考核辦法（±5%）為標準，對文中季節趨勢模型進行驗證，驗證結果見表6。

從表6可以看出，所選各季度模型預測電量與實際用電量偏差并未全部控制在±5%之內，所以該模型僅適合作為企業用電量趨勢預測，精準預測還受生產模式變更的影響，具有一定局限性。

表6 季節趨勢模型驗證

同樣將2020年全年實際用電量351 000 萬千瓦時與文中1.3中的預測用電量347 000 萬千瓦時進行比較，差值4 000 萬千瓦時，月平均偏差在1.1%左右，符合標準。因此，指數平滑預測模型可以作為預測企業全年用電量的參考依據。

3 結語

在預測鋼鐵企業用電量的過程中，不同的預測模型有各自的特點。文中所列舉的三種模型，其中多元線性回歸模型易于分析各工序產量因素對總用電量的影響；季節趨勢預測模型則更傾向于研究企業用電量在一定時期內的發展變化趨勢與規律，再根據所發現的規律對未來進行預測；指數平滑模型綜合全期平均和移動平均，更適合企業用電量的中、短期預測。