基于產(chǎn)業(yè)鏈分析的批發(fā)零售業(yè)同期售電量預(yù)測研究

呂龍彪 王寶 楊敏 孫露(通訊作者) 潘文明

(1.國網(wǎng)安徽省電力有限公司經(jīng)濟(jì)技術(shù)研究院 安徽合肥 230061；2.北京經(jīng)世萬方信息技術(shù)有限公司 北京 100022；3.國網(wǎng)安徽省電力有限公司 安徽合肥 230061)

1 引言

在電價(jià)市場化改革大背景下，工商業(yè)用戶全量進(jìn)入市場，供售不同期問題逐步消化，而批發(fā)零售業(yè)作為經(jīng)濟(jì)中的重要環(huán)節(jié)，與國民經(jīng)濟(jì)運(yùn)行密切相關(guān)。因此，本文基于同期售電和其他經(jīng)濟(jì)指標(biāo)數(shù)據(jù)，預(yù)測批發(fā)零售業(yè)用電，為研判未來經(jīng)濟(jì)走勢提供參考。近年來，隨著大數(shù)據(jù)挖掘技術(shù)的應(yīng)用，行業(yè)電力電量預(yù)測技術(shù)也發(fā)生了相應(yīng)變化。

目前，國內(nèi)外學(xué)者關(guān)于電量負(fù)荷預(yù)測的方法主要有兩類：機(jī)器學(xué)習(xí)、人工智能算法和時(shí)間序列模型。前者多采用神經(jīng)網(wǎng)絡(luò)模型或改進(jìn)的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)模型等機(jī)器學(xué)習(xí)算法構(gòu)建用電負(fù)荷預(yù)測模型，并在算例分析中證明該方法較傳統(tǒng)線性回歸模型預(yù)測更為精準(zhǔn)。后者主要有ARIMA等傳統(tǒng)時(shí)間序列模型、SAS-SVECM模型和考慮多因素的時(shí)間序列模型。例如，王安東等(2020)提出一種基于X12季節(jié)分解方法、ARIMA模型及因子分解機(jī)的綜合預(yù)測模型，并應(yīng)用因子分解機(jī)算法對售電量預(yù)測結(jié)果進(jìn)行修正，與傳統(tǒng)ARIMA模型及TRAMO-SEATS模型相比，預(yù)測精度得到較大提高；董朝武等(2018)提出基于存量容量和業(yè)擴(kuò)增量容量進(jìn)行售電量預(yù)測的方法，并利用算例證明該方法預(yù)測精度較高；楊鑫波等(2021)為有效解決小樣本振蕩數(shù)據(jù)預(yù)測中存在的問題，提出一種移動平均法和GM(1，N)模型相結(jié)合的新預(yù)測方法,并以2010—2014年的第一產(chǎn)業(yè)季度用電數(shù)據(jù)進(jìn)行模擬，以2015—2016年用電數(shù)據(jù)進(jìn)行驗(yàn)證，最終證明了預(yù)測方法的有效性；Changrui Deng等(2021)考慮到月用電量系列通常表現(xiàn)出明顯的季節(jié)性，且受溫度的影響，構(gòu)建基于PSO的具有非趨勢成分和附加季節(jié)性項(xiàng)的SES模型預(yù)測用電量，并通過實(shí)驗(yàn)檢驗(yàn)該模型提高了預(yù)測的精準(zhǔn)度。

綜上，目前行業(yè)電力預(yù)測相關(guān)研究仍然停留在單個(gè)行業(yè)或用電總量的預(yù)測上，預(yù)測方法缺少對行業(yè)間相互聯(lián)動性的分析，在電量預(yù)測中也缺少對復(fù)雜因素的考量，且現(xiàn)有文獻(xiàn)多以用電負(fù)荷為研究對象，較少涉及同期售電量預(yù)測。信息技術(shù)的飛速發(fā)展推動產(chǎn)業(yè)協(xié)作升級，使產(chǎn)業(yè)鏈各部門間的聯(lián)系日益緊密，生產(chǎn)效率日益提高。同時(shí)，國內(nèi)經(jīng)濟(jì)結(jié)構(gòu)深化調(diào)整，經(jīng)濟(jì)增長動力逐步置換，為精準(zhǔn)掌握行業(yè)發(fā)展形勢、準(zhǔn)確預(yù)測行業(yè)用電需求，本文基于安徽省投入產(chǎn)出比表，從前向關(guān)聯(lián)與后向關(guān)聯(lián)雙重視角，分析產(chǎn)業(yè)鏈主要價(jià)值鏈條，以產(chǎn)業(yè)鏈傳導(dǎo)為切入點(diǎn)，選取與行業(yè)發(fā)展相關(guān)聯(lián)的上下游關(guān)鍵產(chǎn)業(yè)的經(jīng)濟(jì)、售電指標(biāo)，構(gòu)建組合預(yù)測模型體系，為輔助經(jīng)濟(jì)運(yùn)行趨勢分析提供重要借鑒。

2 批發(fā)零售業(yè)產(chǎn)業(yè)鏈分析

在經(jīng)濟(jì)高質(zhì)量發(fā)展的新形勢下，批發(fā)零售業(yè)面臨創(chuàng)新發(fā)展和產(chǎn)業(yè)升級趨勢，加快推動批發(fā)零售業(yè)生產(chǎn)向價(jià)值鏈高端延伸，大力培育新業(yè)態(tài)新模式是大勢所趨。創(chuàng)新驅(qū)動新發(fā)展模式下，供給側(cè)結(jié)構(gòu)性改革引導(dǎo)行業(yè)中企業(yè)加快產(chǎn)品升級與生產(chǎn)線節(jié)能及環(huán)保改進(jìn)，生產(chǎn)用電能耗變化，使電力影響因素復(fù)雜化，加大電力預(yù)測難度。產(chǎn)業(yè)鏈涵蓋產(chǎn)品生產(chǎn)或服務(wù)提供的全過程，產(chǎn)業(yè)鏈協(xié)同發(fā)展通過價(jià)值鏈、企業(yè)鏈、供需鏈和空間鏈的優(yōu)化配置與提升，提高產(chǎn)業(yè)鏈上下游傳導(dǎo)效率、降低各方成本，推進(jìn)經(jīng)濟(jì)高效運(yùn)行。在產(chǎn)業(yè)鏈協(xié)同發(fā)展引導(dǎo)下，產(chǎn)業(yè)鏈上下游各環(huán)節(jié)環(huán)環(huán)相扣，上下游行業(yè)企業(yè)生產(chǎn)活動日漸形成穩(wěn)定、規(guī)律的內(nèi)在聯(lián)系，產(chǎn)業(yè)鏈內(nèi)在的運(yùn)作機(jī)制為行業(yè)售電預(yù)測改進(jìn)提供與時(shí)俱進(jìn)的新思路。

2.1 投入分配系數(shù)測算

在經(jīng)濟(jì)活動過程中，各產(chǎn)業(yè)之間存在著廣泛、復(fù)雜及密切的技術(shù)經(jīng)濟(jì)聯(lián)系，可稱之為產(chǎn)業(yè)關(guān)聯(lián)。投入產(chǎn)出表是進(jìn)行產(chǎn)業(yè)關(guān)聯(lián)度分析的重要工具，反映了國民經(jīng)濟(jì)各部門的投入和產(chǎn)出、投入的來源和產(chǎn)出的去向，以及部門與部門之間相互提供、相互消耗產(chǎn)品的錯(cuò)綜復(fù)雜的技術(shù)經(jīng)濟(jì)關(guān)系。投入系數(shù)、分配系數(shù)是衡量產(chǎn)業(yè)關(guān)聯(lián)度的重要指標(biāo)，利用投入系數(shù)、分配系數(shù)指標(biāo)可以分析一個(gè)產(chǎn)業(yè)投入產(chǎn)出關(guān)系的變動對其他產(chǎn)業(yè)投入產(chǎn)出水平的波及程度和影響程度。

2.1.1 投入系數(shù)

投入系數(shù)，即直接消耗系數(shù)，記為aij(i，j=1，2，…，n)，是指在生產(chǎn)經(jīng)營過程中第j產(chǎn)品(或產(chǎn)業(yè))部門的單位總產(chǎn)出直接消耗的第i產(chǎn)品部門貨物或服務(wù)的價(jià)值量。將各產(chǎn)品(或產(chǎn)業(yè))部門的直接消耗系數(shù)用表的形式表現(xiàn)就是直接消耗系數(shù)表或直接消耗系數(shù)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(lián)系越密切。直接消耗系數(shù)用公式(1)表示為：

式中，Xj為第j產(chǎn)品(或產(chǎn)業(yè))部門的總投入；xij為該產(chǎn)品(或產(chǎn)業(yè))部門生產(chǎn)經(jīng)營中直接消耗的第i產(chǎn)品部門的貨物或服務(wù)的價(jià)值量。

2.1.2 分配系數(shù)

分配系數(shù)是指國民經(jīng)濟(jì)各部門提供的貨物和服務(wù)(包括進(jìn)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(chǎn)品部門提供給第j部門中間使用/最終使用的貨物或服務(wù)的價(jià)值量；M表示進(jìn)口；Xi+Mi為i部門貨物或服務(wù)的總供給量(國內(nèi)生產(chǎn)+進(jìn)口)。為更全面地了解某產(chǎn)業(yè)緊密聯(lián)系的下游行業(yè)，本文對此處的分配系數(shù)測算公式進(jìn)行微調(diào)，測算出中間使用占比，如公式(3)：

式中，xij為第i產(chǎn)品部門提供給第j部門中間使用的貨物或服務(wù)的價(jià)值量；Xi為i部門貨物或服務(wù)的中間總供給量。

2.2 批發(fā)零售業(yè)產(chǎn)業(yè)鏈分析

本文主要研究服務(wù)業(yè)的重點(diǎn)細(xì)分行業(yè)，為洞悉商業(yè)經(jīng)濟(jì)流通提供參考。其中，以批發(fā)和零售業(yè)為例，具體說明批發(fā)零售業(yè)同期售電量預(yù)測模型的構(gòu)建過程。

批發(fā)和零售業(yè)作為商品流通的主體行業(yè)，是連接生產(chǎn)和消費(fèi)的橋梁及紐帶，在國民經(jīng)濟(jì)中發(fā)揮著承上(生產(chǎn))啟下(消費(fèi))的重要功能。批發(fā)和零售產(chǎn)業(yè)鏈上游行業(yè)主要包括租賃商務(wù)、房地產(chǎn)、金融、交通運(yùn)輸?shù)忍峁┵Y金、房屋租賃、商品運(yùn)輸?shù)确?wù)的行業(yè)及電熱等動力行業(yè)；下游行業(yè)主要包括紡織、化工、食品煙草、電氣機(jī)械等制造業(yè)及住宿餐飲、交通運(yùn)輸、衛(wèi)生等服務(wù)業(yè)。根據(jù)安徽省2017年投入產(chǎn)出表繪制行業(yè)產(chǎn)業(yè)鏈圖(圖1)，本省投入批發(fā)和零售業(yè)最多的為租賃商務(wù)服務(wù)，占總投入的10.5%，其次為房地產(chǎn)(7.8%)、金融(5%)等。從產(chǎn)出流向來看，電氣機(jī)械產(chǎn)業(yè)(13.4%)消耗最多，其次為食品煙草(11.8%)、交通運(yùn)輸設(shè)備(8.8%)、建筑業(yè)(8.6%)等。此外，22.5%的批發(fā)和零售服務(wù)流向終端市場。

圖1 批發(fā)和零售業(yè)產(chǎn)業(yè)鏈圖

3 批發(fā)零售業(yè)同期售電量預(yù)測

3.1 批發(fā)零售業(yè)投入分配系數(shù)測算

根據(jù)梳理的重點(diǎn)行業(yè)產(chǎn)業(yè)鏈上下游相關(guān)產(chǎn)業(yè)，進(jìn)一步測算分析重點(diǎn)行業(yè)的同期售電指標(biāo)與上下游相關(guān)行業(yè)電力指標(biāo)及增加值、產(chǎn)量、投資等經(jīng)濟(jì)指標(biāo)做時(shí)差相關(guān)性，篩選出具備最優(yōu)相關(guān)系數(shù)并呈現(xiàn)先行性的關(guān)鍵影響指標(biāo)作為構(gòu)建重點(diǎn)行業(yè)同期售電量預(yù)測模型的因子。

時(shí)差相關(guān)分析是利用相關(guān)系數(shù)驗(yàn)證時(shí)間序列先行、一致或滯后關(guān)系的常用方法。時(shí)差相關(guān)系數(shù)的計(jì)算首要步驟，即選定基準(zhǔn)指標(biāo)，再將待選指標(biāo)進(jìn)行超前或滯后若干期處理，并測算待選指標(biāo)與基準(zhǔn)指標(biāo)間的相關(guān)系數(shù)。通過對比不同超前或滯后階數(shù)的相關(guān)系數(shù)，確認(rèn)其中最大的時(shí)差相關(guān)系數(shù)及對應(yīng)超前或滯后階數(shù)。一般認(rèn)為，該相關(guān)系數(shù)反映待選指標(biāo)與基準(zhǔn)指標(biāo)間的時(shí)差相關(guān)關(guān)系，具體測算公式如公式(4)所示：

式中，l表示超前、滯后期數(shù)，l取負(fù)數(shù)時(shí)表示超前，取正數(shù)時(shí)表示滯后，l被稱為時(shí)差或延遲數(shù)。L是最大延遲數(shù)；ln是數(shù)據(jù)取齊后的樣本長度。

基于批發(fā)和零售業(yè)產(chǎn)業(yè)鏈上下游行業(yè)分析，進(jìn)一步通過批發(fā)和零售業(yè)售電累計(jì)增速與上下游相關(guān)行業(yè)電力指標(biāo)及增加值、產(chǎn)量、投資等經(jīng)濟(jì)指標(biāo)做時(shí)差相關(guān)性分析，篩選出相關(guān)系數(shù)強(qiáng)并呈現(xiàn)先行性的關(guān)鍵影響指標(biāo)，具體結(jié)果如表1所示。電力指標(biāo)中，房屋建筑業(yè)、建筑安裝業(yè)等行業(yè)與批發(fā)和零售業(yè)售電量顯示出強(qiáng)關(guān)聯(lián)性(相關(guān)系數(shù)分別為0.82、0.80)，且均先行12期；經(jīng)濟(jì)指標(biāo)中，煤炭開采和洗選業(yè)規(guī)上增加值增速(0.87)、黑色金屬礦采選業(yè)規(guī)上增加值增速(0.83)、紙制品產(chǎn)量增速(0.74)等與批發(fā)和零售業(yè)售電量顯示出強(qiáng)關(guān)聯(lián)性，均先行12期。

3.2 批發(fā)零售業(yè)同期售電量預(yù)測模型構(gòu)建

3.2.1 組合回歸預(yù)測模型

行業(yè)同期售電量先行指標(biāo)具備預(yù)示行業(yè)同期售電量發(fā)展趨向的作用，因而可以將其作為解釋因子構(gòu)建模型，預(yù)測行業(yè)同期售電量。考慮先行指標(biāo)池中指標(biāo)間關(guān)聯(lián)性較大，構(gòu)建多元模型容易出現(xiàn)共線性問題，因而采用一元線性回歸模型進(jìn)行預(yù)測。同時(shí)，為規(guī)避單個(gè)預(yù)測模型無法有效利用各類有用信息這一限制，采用組合預(yù)測方法，以優(yōu)化預(yù)測。

組合預(yù)測有以下兩種基本形式：

(1)等權(quán)組合，即各預(yù)測方法的預(yù)測值按相同的權(quán)數(shù)組合成新的預(yù)測值。

(2)不等權(quán)組合，即賦予不同預(yù)測方法的預(yù)測值的權(quán)數(shù)是不一樣的。

這兩種形式的原理和運(yùn)用方法完全相同，只是權(quán)數(shù)的取定上有所區(qū)別。根據(jù)已有研究結(jié)果，采用不等權(quán)組合的預(yù)測法結(jié)果較為準(zhǔn)確。

構(gòu)建行業(yè)同期售電量預(yù)測模型步驟如下：(1)基于行業(yè)同期售電量與待選指標(biāo)(其他經(jīng)濟(jì)電力指標(biāo))的時(shí)差相關(guān)分析結(jié)果，依次構(gòu)建各先行指標(biāo)與重點(diǎn)行業(yè)同期售電量增速的回歸方程，得到行業(yè)同期售電量預(yù)測模型體系。(2)測算模型池內(nèi)各模型權(quán)重系數(shù)，權(quán)重設(shè)置以指標(biāo)時(shí)差相關(guān)系數(shù)值作為判斷標(biāo)準(zhǔn)。(3)構(gòu)建各預(yù)測期的加權(quán)組合預(yù)測模型，實(shí)現(xiàn)優(yōu)化預(yù)測。

具體來看，構(gòu)建單元回歸預(yù)測模型體系如公式(5)所示：

其中，Y(i)為行業(yè)同期售電量累計(jì)增速序列；X(i)(-t(i))為第i個(gè)解釋變量滯后t期序列；t為時(shí)差相關(guān)性結(jié)果得到的最優(yōu)先行階數(shù)；μ(i)為隨機(jī)干擾項(xiàng)。

另外，設(shè)R Square為第i個(gè)模型的解釋變量與被解釋變量間的相關(guān)系數(shù)的平方，以單元回歸預(yù)測模型體系為基礎(chǔ)劃分模型池，構(gòu)建加權(quán)組合預(yù)測模型如公式(6)所示：

3.2.2 批發(fā)零售業(yè)同期售電量預(yù)測

在構(gòu)建服務(wù)業(yè)重點(diǎn)行業(yè)同期售電量預(yù)測模型時(shí)，需要增加對空調(diào)電量剔除與還原的步驟(見圖2)。在剔除空調(diào)電量后，服務(wù)業(yè)重點(diǎn)行業(yè)同期售電量與指標(biāo)池口徑相一致，可用前述預(yù)測模型構(gòu)建方法預(yù)測服務(wù)業(yè)行業(yè)同期售電量。

圖2 服務(wù)業(yè)行業(yè)同期售電量預(yù)測與空調(diào)電量剔除還原思路

構(gòu)建服務(wù)業(yè)各行業(yè)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(yè)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(jī)干擾項(xiàng)。

設(shè)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(diào)電量方法如下：

其中，Ym′ 為剔除空調(diào)電量后的行業(yè)月同期售電量序列；Ym為行業(yè)月同期售電量或還原空調(diào)電量后的行業(yè)同期售電量；a為單位溫降/升電量(kwh/天)；d為月天數(shù)；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(jié)合產(chǎn)業(yè)鏈分析和時(shí)差相關(guān)性分析，選取房屋建筑業(yè)售電量累計(jì)增速、建筑安裝業(yè)售電量累計(jì)增速、煤炭開采和洗選業(yè)規(guī)上增加值增速和黑色金屬礦采選業(yè)規(guī)上增加值增速等指標(biāo)作為解釋變量，采用加權(quán)回歸預(yù)測模型對批發(fā)和零售業(yè)售電量進(jìn)行預(yù)測，并對預(yù)測值進(jìn)行空調(diào)電量的還原操作，最終預(yù)測結(jié)果如圖3所示。

圖3 批發(fā)和零售業(yè)同期售電量預(yù)測

年初安徽消費(fèi)市場承壓前行，但同時(shí)全省扎實(shí)推進(jìn)“皖美消費(fèi)”行動，落實(shí)各項(xiàng)促消費(fèi)政策措施，安徽商業(yè)經(jīng)濟(jì)呈現(xiàn)復(fù)蘇趨勢，預(yù)計(jì)2022年下半年批發(fā)和零售業(yè)售電量增速有望平穩(wěn)恢復(fù)。如表2所示，2022年四季度批發(fā)和零售業(yè)售電量當(dāng)季值約為30.6億千瓦時(shí)，同比增速約為8.3%，全年批發(fā)和零售業(yè)售電量約為132.7億千瓦時(shí)，同比增長10.0%。同時(shí)，對2022年第二、三季度批發(fā)和零售業(yè)售電量進(jìn)行回測檢驗(yàn)，與實(shí)際值相比，回測誤差分別為2.6%、-2.5%，預(yù)測準(zhǔn)確性較高。

表2 批發(fā)和零售業(yè)季度售電預(yù)測

4 結(jié)語

本文通過梳理產(chǎn)業(yè)鏈結(jié)構(gòu)，并引入時(shí)差相關(guān)分析算法，基于電力經(jīng)濟(jì)指標(biāo)池挖掘行業(yè)間最優(yōu)關(guān)聯(lián)系數(shù)及對應(yīng)的先行滯后階數(shù)，探究產(chǎn)業(yè)鏈內(nèi)部協(xié)作規(guī)律的同時(shí)，根據(jù)產(chǎn)業(yè)鏈主要價(jià)值鏈條，選取合適的行業(yè)及關(guān)聯(lián)產(chǎn)業(yè)經(jīng)濟(jì)、電力指標(biāo)構(gòu)建批發(fā)和零售業(yè)同期售電量及同期售電量總量預(yù)測模型體系，主要得到以下結(jié)論：

(1)基于產(chǎn)業(yè)鏈分析的批發(fā)零售業(yè)同期售電量預(yù)測模型體系，2023年下半年批發(fā)零售業(yè)將呈現(xiàn)穩(wěn)定恢復(fù)態(tài)勢。(2)基于產(chǎn)業(yè)鏈分析的同期售電量預(yù)測模型體系，建議對批發(fā)零售業(yè)上游產(chǎn)業(yè)(租賃和商務(wù)、房地產(chǎn)業(yè))采取相應(yīng)刺激措施，以促進(jìn)“皖美經(jīng)濟(jì)”復(fù)蘇。