基于產業鏈分析的批發零售業同期售電量預測研究

呂龍彪 王寶 楊敏 孫露(通訊作者) 潘文明

(1.國網安徽省電力有限公司經濟技術研究院 安徽合肥 230061；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 安徽合肥 230061)

1 引言

在電價市場化改革大背景下，工商業用戶全量進入市場，供售不同期問題逐步消化，而批發零售業作為經濟中的重要環節，與國民經濟運行密切相關。因此，本文基于同期售電和其他經濟指標數據，預測批發零售業用電，為研判未來經濟走勢提供參考。近年來，隨著大數據挖掘技術的應用，行業電力電量預測技術也發生了相應變化。

目前，國內外學者關于電量負荷預測的方法主要有兩類：機器學習、人工智能算法和時間序列模型。前者多采用神經網絡模型或改進的神經網絡、支持向量機模型等機器學習算法構建用電負荷預測模型，并在算例分析中證明該方法較傳統線性回歸模型預測更為精準。后者主要有ARIMA等傳統時間序列模型、SAS-SVECM模型和考慮多因素的時間序列模型。例如，王安東等(2020)提出一種基于X12季節分解方法、ARIMA模型及因子分解機的綜合預測模型，并應用因子分解機算法對售電量預測結果進行修正，與傳統ARIMA模型及TRAMO-SEATS模型相比，預測精度得到較大提高；董朝武等(2018)提出基于存量容量和業擴增量容量進行售電量預測的方法，并利用算例證明該方法預測精度較高；楊鑫波等(2021)為有效解決小樣本振蕩數據預測中存在的問題，提出一種移動平均法和GM(1，N)模型相結合的新預測方法,并以2010—2014年的第一產業季度用電數據進行模擬，以2015—2016年用電數據進行驗證，最終證明了預測方法的有效性；Changrui Deng等(2021)考慮到月用電量系列通常表現出明顯的季節性，且受溫度的影響，構建基于PSO的具有非趨勢成分和附加季節性項的SES模型預測用電量，并通過實驗檢驗該模型提高了預測的精準度。

綜上，目前行業電力預測相關研究仍然停留在單個行業或用電總量的預測上，預測方法缺少對行業間相互聯動性的分析，在電量預測中也缺少對復雜因素的考量，且現有文獻多以用電負荷為研究對象，較少涉及同期售電量預測。信息技術的飛速發展推動產業協作升級，使產業鏈各部門間的聯系日益緊密，生產效率日益提高。同時，國內經濟結構深化調整，經濟增長動力逐步置換，為精準掌握行業發展形勢、準確預測行業用電需求，本文基于安徽省投入產出比表，從前向關聯與后向關聯雙重視角，分析產業鏈主要價值鏈條，以產業鏈傳導為切入點，選取與行業發展相關聯的上下游關鍵產業的經濟、售電指標，構建組合預測模型體系，為輔助經濟運行趨勢分析提供重要借鑒。

2 批發零售業產業鏈分析

在經濟高質量發展的新形勢下，批發零售業面臨創新發展和產業升級趨勢，加快推動批發零售業生產向價值鏈高端延伸，大力培育新業態新模式是大勢所趨。創新驅動新發展模式下，供給側結構性改革引導行業中企業加快產品升級與生產線節能及環保改進，生產用電能耗變化，使電力影響因素復雜化，加大電力預測難度。產業鏈涵蓋產品生產或服務提供的全過程，產業鏈協同發展通過價值鏈、企業鏈、供需鏈和空間鏈的優化配置與提升，提高產業鏈上下游傳導效率、降低各方成本，推進經濟高效運行。在產業鏈協同發展引導下，產業鏈上下游各環節環環相扣，上下游行業企業生產活動日漸形成穩定、規律的內在聯系，產業鏈內在的運作機制為行業售電預測改進提供與時俱進的新思路。

2.1 投入分配系數測算

在經濟活動過程中，各產業之間存在著廣泛、復雜及密切的技術經濟聯系，可稱之為產業關聯。投入產出表是進行產業關聯度分析的重要工具，反映了國民經濟各部門的投入和產出、投入的來源和產出的去向，以及部門與部門之間相互提供、相互消耗產品的錯綜復雜的技術經濟關系。投入系數、分配系數是衡量產業關聯度的重要指標，利用投入系數、分配系數指標可以分析一個產業投入產出關系的變動對其他產業投入產出水平的波及程度和影響程度。

2.1.1 投入系數

投入系數，即直接消耗系數，記為aij(i，j=1，2，…，n)，是指在生產經營過程中第j產品(或產業)部門的單位總產出直接消耗的第i產品部門貨物或服務的價值量。將各產品(或產業)部門的直接消耗系數用表的形式表現就是直接消耗系數表或直接消耗系數矩陣，通常用字母A表示。其中，aij值越大，表明i、j兩部門直接聯系越密切。直接消耗系數用公式(1)表示為：

式中，Xj為第j產品(或產業)部門的總投入；xij為該產品(或產業)部門生產經營中直接消耗的第i產品部門的貨物或服務的價值量。

2.1.2 分配系數

分配系數是指國民經濟各部門提供的貨物和服務(包括進口)在各中間使用和最終使用之間的分配使用比例，用公式(2)表示為：

式中，xij為第i產品部門提供給第j部門中間使用/最終使用的貨物或服務的價值量；M表示進口；Xi+Mi為i部門貨物或服務的總供給量(國內生產+進口)。為更全面地了解某產業緊密聯系的下游行業，本文對此處的分配系數測算公式進行微調，測算出中間使用占比，如公式(3)：

式中，xij為第i產品部門提供給第j部門中間使用的貨物或服務的價值量；Xi為i部門貨物或服務的中間總供給量。

2.2 批發零售業產業鏈分析

本文主要研究服務業的重點細分行業，為洞悉商業經濟流通提供參考。其中，以批發和零售業為例，具體說明批發零售業同期售電量預測模型的構建過程。

批發和零售業作為商品流通的主體行業，是連接生產和消費的橋梁及紐帶，在國民經濟中發揮著承上(生產)啟下(消費)的重要功能。批發和零售產業鏈上游行業主要包括租賃商務、房地產、金融、交通運輸等提供資金、房屋租賃、商品運輸等服務的行業及電熱等動力行業；下游行業主要包括紡織、化工、食品煙草、電氣機械等制造業及住宿餐飲、交通運輸、衛生等服務業。根據安徽省2017年投入產出表繪制行業產業鏈圖(圖1)，本省投入批發和零售業最多的為租賃商務服務，占總投入的10.5%，其次為房地產(7.8%)、金融(5%)等。從產出流向來看，電氣機械產業(13.4%)消耗最多，其次為食品煙草(11.8%)、交通運輸設備(8.8%)、建筑業(8.6%)等。此外，22.5%的批發和零售服務流向終端市場。

圖1 批發和零售業產業鏈圖

3 批發零售業同期售電量預測

3.1 批發零售業投入分配系數測算

根據梳理的重點行業產業鏈上下游相關產業，進一步測算分析重點行業的同期售電指標與上下游相關行業電力指標及增加值、產量、投資等經濟指標做時差相關性，篩選出具備最優相關系數并呈現先行性的關鍵影響指標作為構建重點行業同期售電量預測模型的因子。

時差相關分析是利用相關系數驗證時間序列先行、一致或滯后關系的常用方法。時差相關系數的計算首要步驟，即選定基準指標，再將待選指標進行超前或滯后若干期處理，并測算待選指標與基準指標間的相關系數。通過對比不同超前或滯后階數的相關系數，確認其中最大的時差相關系數及對應超前或滯后階數。一般認為，該相關系數反映待選指標與基準指標間的時差相關關系，具體測算公式如公式(4)所示：

式中，l表示超前、滯后期數，l取負數時表示超前，取正數時表示滯后，l被稱為時差或延遲數。L是最大延遲數；ln是數據取齊后的樣本長度。

基于批發和零售業產業鏈上下游行業分析，進一步通過批發和零售業售電累計增速與上下游相關行業電力指標及增加值、產量、投資等經濟指標做時差相關性分析，篩選出相關系數強并呈現先行性的關鍵影響指標，具體結果如表1所示。電力指標中，房屋建筑業、建筑安裝業等行業與批發和零售業售電量顯示出強關聯性(相關系數分別為0.82、0.80)，且均先行12期；經濟指標中，煤炭開采和洗選業規上增加值增速(0.87)、黑色金屬礦采選業規上增加值增速(0.83)、紙制品產量增速(0.74)等與批發和零售業售電量顯示出強關聯性，均先行12期。

3.2 批發零售業同期售電量預測模型構建

3.2.1 組合回歸預測模型

行業同期售電量先行指標具備預示行業同期售電量發展趨向的作用，因而可以將其作為解釋因子構建模型，預測行業同期售電量。考慮先行指標池中指標間關聯性較大，構建多元模型容易出現共線性問題，因而采用一元線性回歸模型進行預測。同時，為規避單個預測模型無法有效利用各類有用信息這一限制，采用組合預測方法，以優化預測。

組合預測有以下兩種基本形式：

(1)等權組合，即各預測方法的預測值按相同的權數組合成新的預測值。

(2)不等權組合，即賦予不同預測方法的預測值的權數是不一樣的。

這兩種形式的原理和運用方法完全相同，只是權數的取定上有所區別。根據已有研究結果，采用不等權組合的預測法結果較為準確。

構建行業同期售電量預測模型步驟如下：(1)基于行業同期售電量與待選指標(其他經濟電力指標)的時差相關分析結果，依次構建各先行指標與重點行業同期售電量增速的回歸方程，得到行業同期售電量預測模型體系。(2)測算模型池內各模型權重系數，權重設置以指標時差相關系數值作為判斷標準。(3)構建各預測期的加權組合預測模型，實現優化預測。

具體來看，構建單元回歸預測模型體系如公式(5)所示：

其中，Y(i)為行業同期售電量累計增速序列；X(i)(-t(i))為第i個解釋變量滯后t期序列；t為時差相關性結果得到的最優先行階數；μ(i)為隨機干擾項。

另外，設R Square為第i個模型的解釋變量與被解釋變量間的相關系數的平方，以單元回歸預測模型體系為基礎劃分模型池，構建加權組合預測模型如公式(6)所示：

3.2.2 批發零售業同期售電量預測

在構建服務業重點行業同期售電量預測模型時，需要增加對空調電量剔除與還原的步驟(見圖2)。在剔除空調電量后，服務業重點行業同期售電量與指標池口徑相一致，可用前述預測模型構建方法預測服務業行業同期售電量。

圖2 服務業行業同期售電量預測與空調電量剔除還原思路

構建服務業各行業冬/夏日電量與氣溫回歸模型如公式(7)所示，測算得到單位溫降/升電量：

其中，Yt為行業冬/夏季日電量序列，冬季樣本選取12月、1月和2月，夏季樣本選取6月、7月、8月、9月；a為單位溫降/升電量(kwh/天)；Wt為全省冬/夏季日平均氣溫序列；μt為隨機干擾項。

設定基年，剔除、還原其他年份與基年同月份(冬/夏季)氣溫差形成的空調電量方法如下：

其中，Ym′ 為剔除空調電量后的行業月同期售電量序列；Ym為行業月同期售電量或還原空調電量后的行業同期售電量；a為單位溫降/升電量(kwh/天)；d為月天數；Wm為月平均氣溫；W2017為2017年(基年)月平均氣溫。

基于上述提出溫度電量操作后，本文結合產業鏈分析和時差相關性分析，選取房屋建筑業售電量累計增速、建筑安裝業售電量累計增速、煤炭開采和洗選業規上增加值增速和黑色金屬礦采選業規上增加值增速等指標作為解釋變量，采用加權回歸預測模型對批發和零售業售電量進行預測，并對預測值進行空調電量的還原操作，最終預測結果如圖3所示。

圖3 批發和零售業同期售電量預測

年初安徽消費市場承壓前行，但同時全省扎實推進“皖美消費”行動，落實各項促消費政策措施，安徽商業經濟呈現復蘇趨勢，預計2022年下半年批發和零售業售電量增速有望平穩恢復。如表2所示，2022年四季度批發和零售業售電量當季值約為30.6億千瓦時，同比增速約為8.3%，全年批發和零售業售電量約為132.7億千瓦時，同比增長10.0%。同時，對2022年第二、三季度批發和零售業售電量進行回測檢驗，與實際值相比，回測誤差分別為2.6%、-2.5%，預測準確性較高。

表2 批發和零售業季度售電預測

4 結語

本文通過梳理產業鏈結構，并引入時差相關分析算法，基于電力經濟指標池挖掘行業間最優關聯系數及對應的先行滯后階數，探究產業鏈內部協作規律的同時，根據產業鏈主要價值鏈條，選取合適的行業及關聯產業經濟、電力指標構建批發和零售業同期售電量及同期售電量總量預測模型體系，主要得到以下結論：

(1)基于產業鏈分析的批發零售業同期售電量預測模型體系，2023年下半年批發零售業將呈現穩定恢復態勢。(2)基于產業鏈分析的同期售電量預測模型體系，建議對批發零售業上游產業(租賃和商務、房地產業)采取相應刺激措施，以促進“皖美經濟”復蘇。