基于氣溫與經濟增長的用電需求預測

王　寶，陳　馳，葉　彬，葛　斐，楊　敏，杜海紅

（1.國網安徽省電力公司經濟技術研究院，合肥　230022；2.河海大學能源與電氣學院，南京　211100；3.國網安徽省電力公司，合肥　230061）

?

基于氣溫與經濟增長的用電需求預測

王寶1，陳馳2，葉彬1，葛斐1，楊敏1，杜海紅3

（1.國網安徽省電力公司經濟技術研究院，合肥230022；2.河海大學能源與電氣學院，南京211100；3.國網安徽省電力公司，合肥230061）

摘要：經濟新常態(tài)和近年氣溫大波動大大增加了用電需求高精度預測的難度，不考慮經濟走勢或忽略氣溫因素的傳統(tǒng)預測手段和智能算法無法滿足電力市場預測工作的實際需要。借助于計量經濟方法，構建了基于氣溫與經濟增長的用電需求預測模型，并以安徽省月度全社會用電量預測為例加以分析說明。結果表明，該模型具有預測過程簡單、實現便捷、預測效果好等優(yōu)點，能夠為能源主管部門和電力市場分析人員開展年度內用電需求預測提供一種有效方法。

關鍵詞：用電需求；氣溫；經濟增長；預測模型

電力市場需求預測工作是國家能源主管部門和電網企業(yè)的一項重要基礎性工作，為國家能源監(jiān)測與管理、電網企業(yè)生產計劃與經營管理提供重要的支撐依據。國內經濟步入新常態(tài)、經濟增速持續(xù)探底，加之近年氣溫大幅波動，大大增加了用電需求高精度預測的難度。

當前用電需求預測主要集中于對預測方法的研究，方法主要包括：傳統(tǒng)的趨勢外推方法［1—2］、各種智能算法［3—6］和組合預測方法［7—8］，而并未過多地關注對用電需求關鍵影響指標的考量，大部分研究僅僅基于自身用電歷史趨勢或多個經濟指標，而忽略了氣溫因素對用電需求的影響，且各因素對用電需求定量影響難以給出，尤其是基于各種智能算法預測用電需求。

傳統(tǒng)外推式預測方法因未考慮經濟走勢影響，往往按平穩(wěn)增長繼續(xù)演進，導致用電需求預測結果存在較大偏差。同時用電需求的另一關鍵因素——氣溫，往往被忽略，其對用電需求影響的定量測算仍缺乏有效手段。鑒于此，本文構建了一種基于氣溫與經濟增長的用電需求預測模型，具有預測過程簡單、預測效果好等優(yōu)點，為年度內月/季度層面的用電需求預測提供了一種有效方法。

1　基于氣溫與經濟增長的用電需求預測模型構建

1.1經濟增長指數構建

反映經濟增長的核心指標主要包括：GDP、固定資產投資、規(guī)模以上工業(yè)增加值（反映工業(yè)）和社會消費品零售額（反映服務業(yè)）增速，但GDP只公布季度數據，且GDP是工業(yè)和服務業(yè)綜合結果，而工業(yè)和服務業(yè)用電強度差異較大，因而月度/季度層面的經濟增長指數不宜基于GDP構建。固定資產投資一般表現為超前于用電，因而月度/季度層面的經濟增長指數也不宜基于固定資產投資構建。規(guī)模以上工業(yè)增加值和社會消費品零售額分別反映工業(yè)經濟和服務業(yè)走勢，且每月公布數據，對于產業(yè)和用電結構以工業(yè)為主的地區(qū)，可基于規(guī)模以上工業(yè)增加值構建經濟增長指數；對于以服務業(yè)為主的地區(qū)，可基于社會消費品零售額構建經濟增長指數。逐年同月（或季）經濟增長指數EGIt構建如式（1）

EGIt=100×(Xi+1)（1）

式中：t表示歷史期t年被研究月（或季），t=1，2，…，T，T表示歷史期樣本總年數；Xi表示根據被研究地區(qū)經濟和用電結構特點，選取的歷史期i年規(guī)模以上工業(yè)增加值增速或社會消費品零售額增速；EGIt表示歷史期t年被研究月（或季）的經濟增長指數。

1.2氣溫指標選取

可監(jiān)測的日氣溫指標主要包括：最高氣溫、平均氣溫和最低氣溫，將各日氣溫指標取平均值可得到月度（或季度）的最高氣溫、平均氣溫和最低氣溫（如式（2））。逐年同月（或季）氣溫指標計算公式如式（2）

式中：D表示被研究月（或季）總天數；j表示被研究月（或季）的第j日；TPt，j表示歷史期t年被研究月（或季）第j日的氣溫指標；Tt表示歷史期t年被研究月（或季）氣溫指標。

氣溫主要在夏季和冬季對用電需求產生較大影響，可通過計算逐年同月（季）用電量與氣溫指標間的相關系數（如式（3））來確定最佳的氣溫指標

式中：QSHt表示歷史期t年被研究月（或季）全社會用電量；QˉSH和ˉT分別表示歷史期各年被研究月（或季）全社會用電量和氣溫指標均值。

1.3模型構建

以上述選取構建的經濟增長指數和氣溫指標為解釋變量，以地區(qū)全社會用電量為被解釋變量，構建逐年同月（或季）計量經濟模型，如式（4）

1.4模型用途

“2013年，醫(yī)院實行了醫(yī)療安全不良事件上報獎勵機制，每上報一例給予相應獎勵。接到上報的職能處室，利用現代化質量工具進行安全類事件原因分析并持續(xù)改進。例如I、II級不良事件的根因分析，跌倒、用藥錯誤的失效模式與影響因素分析，以及非計劃再次手術的PDCA循環(huán)案例，等等。”伍姍姍介紹，醫(yī)院醫(yī)務處現已集成為一個“超級處室”，涵蓋醫(yī)務、質控、院感、門診、醫(yī)療調解和住院服務中心，甚至應急保障等多項工作。

借助于該模型既可確定用電需求受氣溫影響的敏感程度（對應于方程系數），即：1℃的氣溫波動對用電需求的影響大小，進而可分析異常天氣對用電需求的影響，又可簡單便捷地實現用電需求的合理準確預測，未來某年被研究月（或季）全社會用電量預測值計算公式如式（5）

式中：QSHf表示未來年f（即：在歷史期t年基礎上，類推至t+1，t+2，…，t+n年）的被研究月（或季）全社會用電量預測值；EGIf和Tf分別表示未來年f的被研究月（或季）經濟增長指數和氣溫指標預測值。

2　實例分析

以安徽省月度用電需求預測為例，對該模型進行闡述說明。

安徽省作為中部省份，工業(yè)對其經濟和用電的支撐性很強（第二產業(yè)經濟比重超過50%，工業(yè)用電比重在70%左右），因而需選取規(guī)模以上工業(yè)增加值增速來構建經濟增長指數。如：基于歷年1—2月份規(guī)模以上工業(yè)增加值增速構建1—2月份經濟增長指數（如圖1所示），其與全社會用電量走勢如圖2所示，二者相關系數為0.995 2。各月全社會用電量與基于規(guī)模以上工業(yè)增加值增速構建的經濟增長指數相關系數如表1所示，除夏季7、8月份相關系數相對較低（由于夏季用電量受氣溫影響很大，僅經濟因素難以很好地解釋用電水平）外，其余月份均在0.99以上。

圖1　2001—2014年1—2月份經濟增長指數走勢

圖2　2001—2014年1—2月份全社會用電量與經濟增長指數走勢

表1　各月全社會用電量與經濟增長指數相關系數

從夏季和冬季全社會用電量與各氣溫指標相關系數來看，夏季和冬季1—2月應選擇平均氣溫作為最佳氣溫指標。冬季12月全社會用電量與最低氣溫相關系數略高于平均氣溫，但考慮到保證氣溫指標選取的同一性能有效保證測算的各月氣溫變化對全社會用電量影響大小的可比性，且對于安徽而言，選擇平均氣溫指標總體好于最低氣溫，因而選擇平均氣溫作為研究安徽全社會用電量的最佳氣溫指標。如表2所示。

表2　歷年7、8月份全社會用電量與氣溫指標相關系數

以歷年同月經濟增長指數、月平均氣溫為解釋變量，以全社會用電量為被解釋變量構建逐年同月計量經濟模型，如：1—2月、3月和4月模型分別如式（6）—式（8）。

1—2月：

QSHt=64.351 185 78+0.498 513 615 6EGIt-2. 250 496 067Tt(R2=0.998 5)（6）

3月：

QSHt=46.539 246 04+0.239 751 425 2EGIt-1.331 926 396Tt(R2=0.994 2)（7）

4月：

QSHt=29.475 467 2+0.247 966 011 8EGIt-0.013 668 908 53Tt(R2=0.996 6)（8）

式中：R2表示計量經濟模型擬合優(yōu)度，值越接近1，模型效果越好。

模型中氣溫指標前面系數反映的是全社會用電量受月平均氣溫影響的敏感系數，如：1—2月為-2.25，表示1—2月平均氣溫較常年每偏高（或偏低）1℃，1—2月全社會用電量將較常年氣溫對應電量水平減少（或增加）約2.25億kWh，其他月份含義類似。2014年安徽出現了罕見暖冬涼夏天氣，經該模型測算，拉低安徽全社會用電量約37億kWh。

以2013年為樣本期結束點，2014年經濟增長指數和平均氣溫均按實際考慮，代入模型后，得到模型預測誤差率情況，同時給出了傳統(tǒng)趨勢外推（線性）和僅考慮經濟增長指數的預測誤差率水平。本文構建的模型因綜合考慮了經濟走勢和氣溫這2個影響用電需求最重要因素（模型解釋率均達99%以上），預測誤差率能夠保持在較低水平。

就2014年夏季各月（罕見涼夏天氣）而言，由于該模型考慮了實際涼夏因素，且夏季氣溫對全社會用電量影響十分顯著（參看圖3），因而預測誤差率遠低于未考慮氣溫因素的其他2種方法；對2014年1—2月（暖冬天氣）來說，由于氣溫對全社會用電量影響程度明顯小于夏季，因而該模型相較于未考慮氣溫因素的其他2種方法，對預測誤差提升作用不及夏季明顯。預測結果如表3所示。

圖3　各月全社會用電量受平均氣溫波動影響

表3　該模型預測誤差率統(tǒng)計與對比

2015年安徽經濟仍處在探底階段，工業(yè)經濟增速仍將進一步放緩，各月平均氣溫按常年考慮，由此得到2015年各月經濟增長指數和平均氣溫預測值，帶入計量經濟模型（以2014年為樣本期結束點），可預測出2015年各月全社會用電量，如表4所示。由于安徽經濟依舊下行，難以支撐用電需求較快增長，預計常年氣溫條件下安徽2015年全社會用電量僅增長6.7%。由于氣溫條件仍存在較大的不確定性，需要逐月滾動跟蹤天氣預報來修正預測結果。

表4　2015年安徽各月及全年全社會用電量預測結果

3　結束語

針對用電需求預測仍然停留在傳統(tǒng)預測手段、預測過程不清晰透明或忽略對氣溫因素的有效考慮等問題，本文構建了一種基于氣溫與經濟增長的用電需求預測模型，預測過程簡便、原理清晰。實例分析顯示，該模型由于綜合考慮了經濟走勢和氣溫因素，具有較高的預測精度，能夠為能源主管和電力市場分析預測人員開展年度內用電需求預測提供重要的參考依據。

參考文獻：

［1］張士強，王雯，王健. ARIMA模型在城市年用電量預測中的應用［J］.電力需求側管理，2010，12（6）：31-34.

［2］管魁威，張輝，任曉莉.陜西電網月用電量預測模型的研究［J］.陜西電力，2008，36（12）：56-58.

［3］陳敏，李澤軍，黎昂.基于混沌理論的城市用電量預測研究［J］.電力系統(tǒng)保護與控制，2009，37（16）：41-45.

［4］黃永高，盧毅.基于小波分析和灰色模型的用電量預測［J］.電網與清潔能源，2011，27（3）：34-37.

［5］何永秀，王躍錦，楊麗芳，等.基于最小二乘支持向量機的居民用電預測研究［J］.電力需求側管理，2010，12 （3）：19-23.

［6］曾鳴，陳春武，劉洋.基于H-P濾波預測技術的年用電量預測模型研究［J］.水電能源科學，2012，30（8）：175-178.

［7］陳霞飛，劉晉，蘇虎城.用電量組合預測方法的研究［J］.陜西電力，2009，37（10）：49-53.

［8］卓元志，劉家軍，王明軍，等.基于熵值法的組合模型用電量預測方法研究［J］.電網與清潔能源. 2011，27（5）：47-50，54.

（本欄責任編輯管永麗）

Forecast of e1ectricity demand based on temperature and economic growth

WANG Bao1，CHEN Chi2，YE Bin1，GE Fei1，YANG Min1，DU Hai-hong3
（1. Institute of Economy and Techno1ogy，State Grid Anhui E1ectric Power Company，Hefei 230022，China；2. Co11ege of Energy and E1ectrica1 Engineering，Hohai University，Nanjing 211100，China；3. State Grid Anhui E1ectric Power Company，Hefei 230061，China）

Abstract：Economic new norma1 and temperature f1uctuation in recent years great1y increase the difficu1ty in forecasting e1ectricity demand with high accuracy. Conventiona1 methods and inte11igent a1-gorithms with economic trend or termperature don’t consider fai1 to meet the rea1 requirements of e1ectricity market forecast. An e1ectricity demand forecasting mode1 based on temperature and economic growth is estab1ished by using econometric method and i11ustrated by taking Anhui’s month1y who1e-society e1ectricity consumption forecasting as an instance. Resu1ts demonstrate that this mode1 has such advantages as simp1e forecast procedure，convenient rea1ization and good forecast effect and can provide an effective method for energy department and e1ectricity market ana1ysts in forecasting e1ectricity demand within a year.

Key Words：e1ectricity demand；temperature；economic growth；forecast mode1

作者簡介：王寶（1986），男，安徽安慶人，碩士，從事電力市場分析預測方面的工作；陳馳（1990），男，安徽合肥人，碩士，從事電力系統(tǒng)自動控制分析方面的研究；葉彬（1980），男，安徽滁州人，高級工程師，從事電網規(guī)劃、能源規(guī)劃等方面的工作；葛斐（1972），男，安徽宿州人，高級工程師，從事電網規(guī)劃管理方面的工作。

收稿日期：2015-07-11；修回日期：2015-10-08

中圖分類號：TM715；F407.61

文獻標志碼：B