基于宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)的用電量分析與預(yù)測(cè)研究

葛巍曹 晨明童 林白

摘 要：截至目前對(duì)用全社會(huì)用電量的預(yù)測(cè)研究，主要是基于歷史用電量趨勢(shì)對(duì)下一年用電量進(jìn)行預(yù)測(cè)，在經(jīng)濟(jì)性常態(tài)模式下，歷史用電量趨勢(shì)對(duì)未來(lái)電力需求預(yù)測(cè)的準(zhǔn)確性下降。為適應(yīng)新形勢(shì)下用電量預(yù)測(cè)特點(diǎn)，提升預(yù)測(cè)準(zhǔn)確性，用電量預(yù)測(cè)必須考慮宏觀(guān)經(jīng)濟(jì)發(fā)展趨勢(shì)、產(chǎn)業(yè)結(jié)構(gòu)變化和氣溫等影響因素的綜合影響，建立基于需求指標(biāo)框架的新型預(yù)測(cè)模式。本研究建立了一個(gè)可能對(duì)用電量產(chǎn)生影響的指標(biāo)庫(kù)，建立了電力需求的解釋模型，從而對(duì)用電量進(jìn)行分析和預(yù)測(cè)，并對(duì)預(yù)測(cè)結(jié)果加以驗(yàn)證。展開(kāi)了對(duì)上海市用電需求的分析與預(yù)測(cè)研究。

關(guān)鍵詞：用電量;系統(tǒng)動(dòng)力學(xué);MS-VAR模型

中圖分類(lèi)號(hào)：F426.61 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）07-0241-02

0 引言

當(dāng)前對(duì)用電量的預(yù)測(cè)的方法，主要基于歷史的用電量數(shù)據(jù)，而電力行業(yè)投資規(guī)模大、建設(shè)周期長(zhǎng)，影響因素多，歷史用電量數(shù)據(jù)趨勢(shì)不能準(zhǔn)確反映下一年的用電量數(shù)據(jù)。

我們發(fā)現(xiàn)通常情況下，經(jīng)濟(jì)增長(zhǎng)快的年份對(duì)應(yīng)著用電需求高速增長(zhǎng)的年份，而經(jīng)濟(jì)增速減緩的年份則對(duì)應(yīng)用電需求增長(zhǎng)降低的年份，用電需求在一定程度上成為經(jīng)濟(jì)增長(zhǎng)快慢的“晴雨表”。因此，可以透過(guò)電力消費(fèi)把脈經(jīng)濟(jì)增長(zhǎng)，也可以透過(guò)經(jīng)濟(jì)增長(zhǎng)趨勢(shì)預(yù)測(cè)電力消費(fèi)。經(jīng)濟(jì)系統(tǒng)中發(fā)生的任何變動(dòng)，都會(huì)對(duì)電力行業(yè)發(fā)展產(chǎn)生直接或間接的作用;電力行業(yè)自身的變動(dòng)，也會(huì)對(duì)經(jīng)濟(jì)系統(tǒng)運(yùn)行產(chǎn)生影響。

就上海市而言，上海是我國(guó)的經(jīng)濟(jì)、金融中心，經(jīng)濟(jì)發(fā)展水平、國(guó)內(nèi)外投資環(huán)境和經(jīng)濟(jì)政策調(diào)整等方面都處于領(lǐng)先位置。上海的經(jīng)濟(jì)發(fā)展態(tài)勢(shì)及用電需求情況與全國(guó)同期情況存在明顯的異同點(diǎn)。因此，通過(guò)對(duì)全國(guó)宏觀(guān)經(jīng)濟(jì)發(fā)展形勢(shì)以及用電需求變化情況的觀(guān)測(cè)，很難準(zhǔn)確地應(yīng)用于對(duì)上海地區(qū)用電量變化趨勢(shì)的預(yù)判。

如何全面地把握全市宏觀(guān)經(jīng)濟(jì)發(fā)展趨勢(shì)，準(zhǔn)確地預(yù)測(cè)未來(lái)短期內(nèi)的用電需求變化情況，對(duì)指導(dǎo)電網(wǎng)的規(guī)劃與建設(shè)，保證上海地區(qū)電力工業(yè)的健康發(fā)展具有重大的理論和現(xiàn)實(shí)意義。

對(duì)國(guó)網(wǎng)上海市電力公司來(lái)說(shuō)，開(kāi)展基于地區(qū)宏觀(guān)經(jīng)濟(jì)指標(biāo)的用電量分析與預(yù)測(cè)研究，通過(guò)構(gòu)建宏觀(guān)經(jīng)濟(jì)指標(biāo)體系，固化形成用于定量的預(yù)測(cè)模型，借此實(shí)現(xiàn)準(zhǔn)確預(yù)測(cè)上海地區(qū)未來(lái)短期內(nèi)的用電量。

1 上海地區(qū)用電需求的影響因素指標(biāo)庫(kù)構(gòu)建

上海地區(qū)而言，經(jīng)濟(jì)增長(zhǎng)動(dòng)力由投資和出口轉(zhuǎn)變?yōu)橄M(fèi)。消費(fèi)成為推動(dòng)經(jīng)濟(jì)增長(zhǎng)的主力，但對(duì)用電量的需求并不是最大的;出口貿(mào)易由低端產(chǎn)品加工出口向高新技術(shù)產(chǎn)品出口轉(zhuǎn)變，加工用電量大幅降低。因此，上海經(jīng)濟(jì)增長(zhǎng)由過(guò)去單純依靠電力等能源消耗逐漸向依靠技術(shù)水平和科技創(chuàng)新轉(zhuǎn)變，經(jīng)濟(jì)增長(zhǎng)模式得以?xún)?yōu)化，對(duì)電力依賴(lài)性減弱，用電量增長(zhǎng)放緩。

基于上海地區(qū)經(jīng)濟(jì)周期波動(dòng)的影響因素、用電量變化的影響因素、實(shí)際經(jīng)濟(jì)發(fā)展?fàn)顩r和統(tǒng)計(jì)數(shù)據(jù)獲取情況，選擇能反映上海地區(qū)國(guó)民經(jīng)濟(jì)各領(lǐng)域中的五大類(lèi)（需求、供給、金融、其他等），49個(gè)宏觀(guān)經(jīng)濟(jì)指標(biāo)作為備選指標(biāo)集。如表1。

2 用電量預(yù)測(cè)模型的建立

為剔除指標(biāo)間相關(guān)性，對(duì)表1中的指標(biāo)集進(jìn)行篩選。依據(jù)統(tǒng)計(jì)學(xué)經(jīng)驗(yàn)，當(dāng)皮爾遜相關(guān)系數(shù)1小于0.5時(shí)，表示指標(biāo)間相關(guān)性弱。因此剔除居民消費(fèi)價(jià)格指數(shù)、工業(yè)品出廠(chǎng)價(jià)格指數(shù)等兩項(xiàng)指標(biāo)。根據(jù)平穩(wěn)性檢驗(yàn)結(jié)果得知，初選指標(biāo)均不平穩(wěn)。因此，需對(duì)變量進(jìn)行協(xié)整關(guān)系2檢驗(yàn)（采用J-J檢驗(yàn)對(duì)多變量間的“協(xié)整關(guān)系”進(jìn)行分析）。經(jīng)協(xié)整關(guān)系檢驗(yàn)后，發(fā)現(xiàn)城鎮(zhèn)居民人均消費(fèi)支出、房地產(chǎn)開(kāi)發(fā)投資、貸款利率、M2等指標(biāo)均不具備單整關(guān)系，表明這些指標(biāo)的d階差分不穩(wěn)定，因此予以剔除。

經(jīng)過(guò)相關(guān)性和協(xié)整性檢驗(yàn)，最終保留了外商直接投資合同金額、居民消費(fèi)價(jià)格指數(shù)CPI、貨物運(yùn)輸總量、第三產(chǎn)業(yè)占比等4項(xiàng)指標(biāo)項(xiàng)。利用1995-2015年上述4項(xiàng)指標(biāo)數(shù)據(jù)，構(gòu)建用電量的MS-VAR模型。

利用全社會(huì)用電量、居民消費(fèi)價(jià)格指數(shù)CPI、外商直接投資合同金額、貨物運(yùn)輸總量、第三產(chǎn)業(yè)占比5個(gè)變量，使用MATLAB軟件建立MS-VAR模型（見(jiàn)下式），并對(duì)模型進(jìn)行估計(jì)（以AIC統(tǒng)計(jì)量作為模型好壞的標(biāo)準(zhǔn)）。

全社會(huì)用電量t=0.2287全社會(huì)用電量t-1+0.123068全社會(huì)用電量t-2+0.00874CPIt-1+0.0019CPIt-2+0.000375外商直接投資t-1+0.00837運(yùn)輸量t-1+0.001587運(yùn)輸量t-2+0.008988第三產(chǎn)業(yè)占比t-1-0.00582第三產(chǎn)業(yè)占比t-2。

基于模型擬合結(jié)果顯示：全社會(huì)用電量序列的R23為0.989338，接近1。這說(shuō)明模型擬合程度很精確。

3 上海地區(qū)全社會(huì)用電量預(yù)測(cè)模型的檢驗(yàn)

利用全社會(huì)用電量模型，依據(jù)全社會(huì)用電量、居民消費(fèi)價(jià)格指數(shù)CPI、外商直接投資合同金額、貨物運(yùn)輸總量、第三產(chǎn)業(yè)占比的歷史數(shù)據(jù)。預(yù)測(cè)2016年全市用電量的擬合預(yù)測(cè)值為1455.30，較同年的實(shí)際的用電量1486.03億千瓦時(shí)，預(yù)測(cè)誤差值為-30.73億千瓦時(shí)，誤差百分比為-2.07%，表明模型擬合效果較好。

運(yùn)用預(yù)測(cè)模型預(yù)測(cè)得出2017年上海市全社會(huì)用電量約為1499.88億千瓦時(shí)，預(yù)計(jì)同比增長(zhǎng)率為0.93%，表明全市全社會(huì)用電量保持平穩(wěn)增長(zhǎng)，漲幅接近1%。

基于全社會(huì)用電量及各產(chǎn)業(yè)用電量預(yù)測(cè)模型測(cè)算的結(jié)果，可以看出：2017年上海地區(qū)全社會(huì)用電量為1499.88億千瓦時(shí)，同比增長(zhǎng)率為0.93%。

對(duì)比實(shí)際結(jié)果，全社會(huì)用電量的累計(jì)同比增長(zhǎng)率的2017全年預(yù)測(cè)值與2017年實(shí)際值較為接近。

4 結(jié)語(yǔ)

本次研究時(shí)所構(gòu)建的指標(biāo)庫(kù)，應(yīng)進(jìn)行補(bǔ)充調(diào)整和使用，需根據(jù)實(shí)際情況進(jìn)行補(bǔ)充，建立MS-VAR模型并對(duì)用電量進(jìn)行預(yù)測(cè)。

通過(guò)本次研究，共得到以下兩個(gè)結(jié)論：

（1）經(jīng)濟(jì)發(fā)展和電力需求之間有相互影響的關(guān)系，并且有滯后性的影響關(guān)系。目前經(jīng)濟(jì)發(fā)展中影響電力需求的指標(biāo)主要有四個(gè)：外商直接投資合同金額、CPI、貨物運(yùn)輸總量、第三產(chǎn)業(yè)占比。（2）合理地預(yù)測(cè)出上海市全社會(huì)用電量短期內(nèi)的變化趨勢(shì)。通過(guò)歷史數(shù)據(jù)及擬合的MS-VAR模型計(jì)算出2017-2020年上海地區(qū)全社會(huì)用電量數(shù)據(jù)。

本研究通過(guò)對(duì)上海地區(qū)各產(chǎn)業(yè)的用電量預(yù)測(cè)，用以檢驗(yàn)并修正全社會(huì)用電量的預(yù)測(cè)結(jié)果，精確預(yù)測(cè)未來(lái)的電力需求。

注釋

[1] 皮爾遜相關(guān)也稱(chēng)為積差相關(guān)（或積矩相關(guān)）是英國(guó)統(tǒng)計(jì)學(xué)家皮爾遜于20世紀(jì)提出的一種計(jì)算直線(xiàn)相關(guān)的方法。假設(shè)有兩個(gè)變量X、Y，那么兩變量間的皮爾遜相關(guān)系數(shù)可通過(guò)以下公式計(jì)算：

[2] 如果所考慮的時(shí)間序列具有相同的單整階數(shù)，且某種線(xiàn)性組合（協(xié)整向量）使得組合時(shí)間序列的單整階數(shù)降低，則稱(chēng)這些時(shí)間序列之間存在顯著的協(xié)整關(guān)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(xiàn)

[1] 楊學(xué)南.宏觀(guān)經(jīng)濟(jì)波動(dòng)與汽車(chē)業(yè)發(fā)展的多維互動(dòng)分析——基于結(jié)構(gòu)方程模型的路徑分析[J].西南科技大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2015（32）：67-69.

[2] 林衛(wèi)斌.“十二五”及2020年電力需求預(yù)測(cè)研究，[J].中國(guó)人口.資源與環(huán)境，2011（21）：1-6.

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

[4] 劉家軍.基于SPSS的電力需求與行業(yè)發(fā)展之間的規(guī)律研究[J].現(xiàn)代電力，2010（27）：83-87.

[5] 帥加琴.中國(guó)銅工業(yè)景氣指數(shù)與預(yù)警系統(tǒng)研究[D].北京：北方工業(yè)大學(xué)，2015.

[6] 高鐵梅.中國(guó)鋼鐵工業(yè)景氣指數(shù)的開(kāi)發(fā)與應(yīng)用研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2003（11）：71-77.

[7] 龐淑娟.鋼鐵行業(yè)景氣周期預(yù)測(cè)方法研究[J].中國(guó)物價(jià)，2015（6）：80-82.

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

[9] 葉彬. 基于景氣指數(shù)的高耗能行業(yè)月度用電預(yù)測(cè)[J].皖西學(xué)院學(xué)報(bào)，2016（32）：83-87.