劉洪久，沙巨山，季明月，胡彥蓉

（常熟理工學(xué)院 a.經(jīng)濟與管理學(xué)院；b.科技產(chǎn)業(yè)處，江蘇 常熟 215500）

一、引 言

準(zhǔn)確預(yù)測用電量有利于編制科學(xué)的電網(wǎng)規(guī)劃，它可為電力規(guī)劃提供必要的基礎(chǔ)數(shù)據(jù)，其精度的高低直接影響著整個電力規(guī)劃工作的優(yōu)劣。如果預(yù)測的需求小于實際需求，將會導(dǎo)致電力供應(yīng)緊張，甚至造成拉閘限電；但如果預(yù)測的需求過度大于實際需求，則會使系統(tǒng)利用率太低，造成資源的嚴(yán)重浪費。[1]可見，科學(xué)、準(zhǔn)確的電力需求預(yù)測不僅關(guān)乎電力企業(yè)直接經(jīng)濟效益，而且與社會經(jīng)濟發(fā)展也有密切關(guān)系。

《蘇州市國民經(jīng)濟和社會發(fā)展第十二個五年規(guī)劃綱要》（下文簡稱“十二五”規(guī)劃）中明確提出：按照全面建設(shè)“三區(qū)三城”的要求，結(jié)合考慮蘇州未來發(fā)展的趨勢和條件，“十二五”期間，蘇州要保持經(jīng)濟持續(xù)快速健康發(fā)展，地區(qū)生產(chǎn)總值年均增長12%左右。經(jīng)濟的快速發(fā)展需要強有力的電力保障，需要分析影響蘇州電力需求的影響因素，需要加強蘇州市電力需求預(yù)測分析工作，使電力行業(yè)能夠更好地與蘇州國民經(jīng)濟協(xié)調(diào)發(fā)展。

合理的電力需求預(yù)測需要科學(xué)的理論指導(dǎo)。綜合國內(nèi)外的研究，電力需求的預(yù)測方法可以歸結(jié)為三種類型：經(jīng)典預(yù)測方法、傳統(tǒng)預(yù)測方法和現(xiàn)代預(yù)測方法。[2]經(jīng)典預(yù)測方法通常是依靠專家的經(jīng)驗或一些簡單變量之間的相互關(guān)系對未來電力需求作出一個方向性的結(jié)論，主要有分產(chǎn)業(yè)產(chǎn)值單耗法、電力彈性系數(shù)法、分區(qū)負荷密度法、分類負荷預(yù)測法和人均電量指標(biāo)換算法等等。[3]目前，經(jīng)典預(yù)測方法仍在中長期電力需求預(yù)測中被廣泛應(yīng)用。傳統(tǒng)預(yù)測方法包括趨勢外推法、回歸分析法及時間序列分析法，其中，趨勢外推法就是根據(jù)用電需求的變化趨勢對未來需求情況做出預(yù)測，回歸分析法和時間序列法基本上都是屬于統(tǒng)計學(xué)的方法。[4]現(xiàn)代預(yù)測方法主要有灰色系統(tǒng)理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測理論、小波預(yù)測和支持向量機預(yù)測等，[5]現(xiàn)代預(yù)測方法較經(jīng)典預(yù)測方法和傳統(tǒng)預(yù)測方法在預(yù)測精度上有所改進，但在應(yīng)用中由于參數(shù)選取的不確定性影響了它的預(yù)測精度。[6]

由于傳統(tǒng)預(yù)測法所用的數(shù)學(xué)統(tǒng)計理論已經(jīng)發(fā)展了較長的時間，其理論比較成熟，驗證、效驗的方法也相對完善。因此本文擬采用多元線性回歸模型。同時，論文對影響蘇州電力需求的影響因素進行相關(guān)分析，以確保預(yù)測模型的科學(xué)性。

二、數(shù)據(jù)來源和影響因素分析

（一）數(shù)據(jù)來源和歸一化

本研究原始數(shù)據(jù)均來自于1988-2012年蘇州統(tǒng)計年鑒，1988年以前數(shù)據(jù)不完整，故沒有采用?？紤]到各影響因素的單位不同，為避免量綱不同引起建模不便，需要對原始數(shù)據(jù)按公式（1）進行歸一化處理。

式中：Xij—歸一化后第i個影響因素的第j年的數(shù)據(jù)；

Oij—第i個影響因素的第j年的數(shù)據(jù)；

Oimax—第i個影響因素的所有年份數(shù)據(jù)中最大值；

Oimin—第i個影響因素的所有年份數(shù)據(jù)中最小值。

（二）影響因素分析

眾多學(xué)者從不同角度研究了影響電力需求的因素。Hosoe和Akiyama對日本工業(yè)和商業(yè)部門的GNP與電力需求之間的彈性關(guān)系進行了研究；[7]Athukora?la和Wilson使用協(xié)整方法研究了斯里蘭卡的短期和長期能源消費彈性，并證明實際能源價格和GDP對能源消費量的重要影響；同時他們也研究了每單位資本的電力消費與單位GDP之間的關(guān)系，結(jié)果只有部分 數(shù) 據(jù) 顯 示 二 者 之 間 存 在 因 果 關(guān) 系 。[8]Sigauke和Chikobvu在多重線性回歸模型中引入GDP、電價和人口總量，用以預(yù)測南非2000-2015年的電力消費量，并通過與MED模型、CAE模型和改進的Logistic模型預(yù)測結(jié)果的比較，印證了其預(yù)測的準(zhǔn)確性。[9]

國內(nèi)學(xué)者也作了大量研究。曹世光等基于計量經(jīng)濟學(xué)模型，提出居民電力需求可表述為：GPD、電價、氣溫、用電容量等解釋變量函數(shù)。[10]林伯強采用生產(chǎn)函數(shù)研究發(fā)現(xiàn)電力消費、GDP、資本存量以及人力資本存在長期均衡關(guān)系，而且電力消費和經(jīng)濟增長是從電力消費到GDP的單向因果關(guān)系。[11]李艷梅和孫薇利用多元線性回歸模型建立居民人均純收入與人均生活用電量的回歸方程。[12]王鵬飛利用中國1987-2002年國內(nèi)生產(chǎn)總值和人口總數(shù)作為自變量，每年的用電總量作為因變量，建立多元線性回歸模型，預(yù)測了中國 2003-2020 年的用電量。[13]周宏等（2000）根據(jù)不同部門在用電方式、增長趨勢等方面的不同特點，對灰色GM（l，l）模型、改進的GM（1，l）模型以及關(guān)聯(lián)多因子模型在地區(qū)用電量和最高負荷預(yù)測中的應(yīng)用做了初步研究。結(jié)果表明，指數(shù)加權(quán)變換GM（1，l）模型適用于第一產(chǎn)業(yè)、第二產(chǎn)業(yè)及總的用電量預(yù)測，關(guān)聯(lián)多因子模型適用于第三產(chǎn)業(yè)、居民生活用電量及最高負荷預(yù)測。[14]

綜合國內(nèi)外學(xué)者的研究，本文選取下述影響電力需求的因素：人均GDP、產(chǎn)業(yè)結(jié)構(gòu)（1、2和3）、人口數(shù)量、城市化率、城鄉(xiāng)居民人均收入、百戶居民家用電器擁有量、人均住房使用面積、電力消費效率、氣溫。由于電價是由國家控制而非市場決定，本文沒有考慮該因素。為了驗證影響因素選擇的合理性，需要分析各影響因素與用電量之間的相關(guān)性。這里采用簡單Pearson相關(guān)分析，結(jié)果見表1。

表1 全社會用電量與影響因素間的相關(guān)性分析

續(xù)表1

由表1可知，除電力消費效率因素外，其它因素與電力需求量相關(guān)的顯著性均大于0.05，可以認(rèn)為，這些因素與電力需求是顯著相關(guān)的；而電力消費效率與電力需求量之間的相關(guān)系數(shù)為0.061，大于0.05，它們之間的相關(guān)關(guān)系不顯著，建模時剔除該因素的影響。

三、多元線性回歸模型構(gòu)建和檢驗

（一）模型構(gòu)建

設(shè)X1代表人均GDP，X2代表第一產(chǎn)業(yè)結(jié)構(gòu)的比例，X3代表第二產(chǎn)業(yè)結(jié)構(gòu)的比例，X4代表第三產(chǎn)業(yè)結(jié)構(gòu)的比例，X5代表人口數(shù)量，X6代表城市化率，X7代表城鎮(zhèn)居民人均可支配收入，X8代表農(nóng)村居民人均純收入，X9代表每百戶居民家庭耐用電器擁有量（洗衣機、冰箱、空調(diào)、彩電等），X10代表城市居民人均住房使用面積，X11代表農(nóng)村居民人均住房使用面積，X12代表氣溫，Y代表蘇州電力需求量，則多元線性回歸模型為：

式中：β0、β1、…、β12—回歸系數(shù)，其中β0為回歸常數(shù)；

ε—殘差，服從正態(tài)分布N（0，σ2）。

為了確?；貧w方程和回歸系數(shù)的顯著性，我們直接采用逐步回歸的方法，這樣不顯著的影響變量可以直接被篩除掉。將蘇州統(tǒng)計年鑒中1988-2012年各影響因素的歸一化數(shù)據(jù)輸入SPSS19.0分析，可得模型的回歸系數(shù)，輸出結(jié)果見表2。

根據(jù)表2，β0=-0.052，β1=1.101，β2=0.082，則估計模型為：

從表2也可看出，由于回歸系數(shù)的不顯著性，X2、X4～X12這些變量在回歸過程中直接被剔除了，僅X1和X3變量得以保留，這說明：影響蘇州電力需求的主要因素是人均GDP（X1）和第二產(chǎn)業(yè)結(jié)構(gòu)比例（X3），且人均GDP的影響作用最大，遠超過產(chǎn)業(yè)結(jié)構(gòu)比例的影響。

（二）模型檢驗

1.經(jīng)濟學(xué)意義檢驗

從公式（3）可知，關(guān)于參數(shù)估計量的符號，人均GDP的參數(shù)為正數(shù)，意味著人均GDP越大，電力需求越大，符合實際情況；第二產(chǎn)業(yè)結(jié)構(gòu)比重的參數(shù)為正數(shù)，意味著第二產(chǎn)業(yè)結(jié)構(gòu)比重越大，電力需求越大。由此得到，所有的參數(shù)的符號都符合實際情況。因此，該模型通過經(jīng)濟學(xué)意義檢驗。

2.統(tǒng)計學(xué)檢驗

（1）擬合優(yōu)度檢驗。從表3可以看出，判定系數(shù)R2和調(diào)整判定系數(shù)R2分別為0.990和0.989，均接近于1，說明模型在整體上擬合較好。

（2）回歸方程的顯著性檢驗。從表4可知，F(xiàn)=968.725對應(yīng)的概率值P=sig＜0.001，所以回歸方程整體是顯著的，可以通過F檢驗。

（3）回歸系數(shù)的顯著性檢驗。從表2可知，X1和X3對應(yīng)t值的概率P≤0.001，說明回歸系數(shù)顯著性明顯，回歸系數(shù)通過t檢驗。

表2 系數(shù)a

表3 模型匯總c

表4 Anovac

3.計量經(jīng)濟學(xué)檢驗

（1）自相關(guān)檢驗。由于DW=1.83，取顯著水平為0.05，自變量個數(shù)k=2，樣本容量n=23，查DW檢驗表，dl=1.26，du=1.44，故可知 du＜DW＜4-du，即可認(rèn)為模型不存在自相關(guān)。

（2）異方差檢驗。由表5可知，殘差RES_1與X1和X3的相關(guān)系數(shù)分別為0.018和-0.045，且P值分別為0.936和0.838，則殘差與自變量不存在顯著相關(guān)性，可認(rèn)為異方差現(xiàn)象不明顯。

表5 相關(guān)系數(shù)

（3）多重共線性檢驗。由表2可知X1、X3的方差擴大因子VIF=1，均小于10，故可認(rèn)為不同影響因素間不存在多重共線性。

四、未來5年蘇州市電力需求的預(yù)測

電力需求預(yù)測的目的是為了滿足蘇州“十二五”經(jīng)濟發(fā)展的需要，同時也是蘇州市電網(wǎng)規(guī)劃的基本依據(jù)。為了保證預(yù)測的可靠性，在預(yù)測之前首先要確定未來5年影響因素的變化，為此我們要建立人均GDP和第二產(chǎn)業(yè)結(jié)構(gòu)比例的變化趨勢方程。

（一）人均GDP變化趨勢方程

蘇州市“十二五”規(guī)劃的目標(biāo)中明確提出，地區(qū)生產(chǎn)總值（GDP）年均增長12%左右。但人均GDP還與人口因素有關(guān)，具體的預(yù)測數(shù)據(jù)需結(jié)合蘇州市人口數(shù)量的變化。根據(jù)統(tǒng)計數(shù)據(jù)，蘇州市人口變化（Popula?tion）的時間（time）序列預(yù)測方程為：

人均GDP（GDP_Per_Capita）的預(yù)測方程為：

（二）第二產(chǎn)業(yè)結(jié)構(gòu)比例變化趨勢方程

根據(jù)蘇州市“十二五”規(guī)劃的目標(biāo)，到“十二五”期末，第三產(chǎn)業(yè)增加值占GDP比重達48%左右，按照這個目標(biāo)，每年增長1.32%。第二產(chǎn)業(yè)的比例依賴于第一產(chǎn)業(yè)和第三產(chǎn)業(yè)之和，因第三產(chǎn)業(yè)比例已可確定，所以首先需要確定第一產(chǎn)業(yè)比例變化趨勢。從統(tǒng)計數(shù)據(jù)可知，到2012年，蘇州第一產(chǎn)業(yè)的比例為0.017%，比例已經(jīng)很低且近年來變化很小，因此我們假定第一產(chǎn)業(yè)比例不變。則第二產(chǎn)業(yè)結(jié)構(gòu)比例（Rate_Second_Industry）按下式計算：

根據(jù)以上分析，可以確定未來5年X1和X3預(yù)測值，并將其歸一化后分別代入帶入公式（3），并將計算結(jié)果反歸一化，具體結(jié)果見表6。

由表6可知，由于蘇州市人均GDP和產(chǎn)業(yè)結(jié)構(gòu)的變化，未來電力需求呈不斷增長態(tài)勢，年均增長11.90%。

五、結(jié)論與建議

雖然影響電力需求的因素眾多，但是通過對蘇州社會用電量的多元線性回歸分析，人均GDP和第二產(chǎn)業(yè)比例是影響用電量的主要因素。未來5年，蘇州市全社會用電量將會顯著增長，年均增長11.90%，與2012年全社會用電量10241031萬千瓦時相比，電力缺口將達6093101.423萬千瓦時。因此，加強電網(wǎng)建設(shè)勢在必行，電力部門要及時做好變電站和電網(wǎng)結(jié)構(gòu)的基本規(guī)劃，適時增加500kV、220kV和110kV變電站和電網(wǎng)結(jié)構(gòu)建設(shè)規(guī)模。

表6 未來5年影響因素電力需求量的預(yù)測值

[1]林衛(wèi)斌，陳彬，俞燕山.“十二五”及2020年電力需求預(yù)測研究[J].中國人口·資源與環(huán)境，2011（7）：1-6.

[2]Alvarez-Ramirez J,Escarela-Perez R.Time-dependent cor?relations in electricity markets[J].Energy Economics,2010,32(2):269-277.

[3]Mirasgedis S,Sarafidis Y,Georgopoulou E,et al.Modeling framework for estimating impacts of climate change on elec?tricity demand at regional level:Case of Greece[J].ENERGY CONVERSION AND MANAGEMENT,2007,48(5):1737-1750.

[4]黃晨宏.影響上海電力需求的主要因素及電力需求預(yù)測[J].電力需求側(cè)管理，2011（3）：72-76.

[5]從榮剛，張燕琳，趙亞楠.基于SVM模型的山東省電力需求預(yù)測[J].能源技術(shù)經(jīng)濟，2011（3）：40-45.

[6]Azadeh A,Saberi M,Ghaderi S F,et al.Improved estimation of electricity demand function by integration of fuzzy system and data mining approach[J].ENERGY CONVERSION AND MANAGEMENT,2008,49(8):2165-2177.

[7]Hosoe N,Akiyama S I.Regional electric power demand elas?ticities of Japan’s industrial and commercial sectors[J].EN?ERGY POLICY,2009,37(11):4313-4319.

[8]Athukorala P,Wilson C.Estimating short and long-term res?idential demand for electricity:New evidence from Sri Lanka[J].ENERGY ECONOMICS,2010,321(SI):S34-S40.

[9]Sigauke C,Chikobvu D.Prediction of daily peak electricity demand in South Africa using volatility forecasting models[J].ENERGY ECONOMICS,2011,33(5):882-888.

[10]史晉生，曹世光.電力需求的彈性分析[J].中國電力，1999（12）：3-4.

[11]林伯強.電力消費與中國經(jīng)濟增長：基于生產(chǎn)函數(shù)的研究[J].管理世界，2003（11）：18-27.

[12]李艷梅，孫薇.多元線性回歸分析在用電量預(yù)測中的應(yīng)用[J].華北電力技術(shù)，2003（11）：40-41.

[13]王鵬飛.多元線性回歸方法在中國用電量預(yù)測中的應(yīng)用研究[J].東北電力技術(shù)，2005（8）：16-18.

[14]周宏，黃婷，戴韌，等.應(yīng)用于電力需求預(yù)測的幾種灰色模型[J].華東電力，2000（5）：1-5.