汪志宏 石雪梅

(1.解放軍陸軍軍官學(xué)院 合肥 230031)(2.國(guó)網(wǎng)安徽省電力公司經(jīng)濟(jì)技術(shù)研究院 合肥 230061)

第一產(chǎn)業(yè)用電量統(tǒng)計(jì)分析與預(yù)測(cè)思路探討*

汪志宏1石雪梅2

(1.解放軍陸軍軍官學(xué)院 合肥 230031)(2.國(guó)網(wǎng)安徽省電力公司經(jīng)濟(jì)技術(shù)研究院 合肥 230061)

在對(duì)第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量分析研究的基礎(chǔ)上,提出合并電量預(yù)測(cè)構(gòu)想,并建立了合并電量預(yù)測(cè)模型,算例結(jié)果表明,該模型預(yù)測(cè)結(jié)果合理有效。該模型以在安徽省中長(zhǎng)期負(fù)荷預(yù)測(cè)研究與管理應(yīng)用系統(tǒng)中得到實(shí)現(xiàn),具有很高的實(shí)用價(jià)值。

第一產(chǎn)業(yè); 農(nóng)村居民; 用電量; 合并用電量; 預(yù)測(cè)

Class Number TP391

1 引言[1]

第一產(chǎn)業(yè)的范圍各國(guó)不盡相同,一般包括農(nóng)業(yè)、林業(yè)、漁業(yè)、畜牧業(yè)和采集業(yè),有的國(guó)家還包括采礦業(yè)。中國(guó)國(guó)家統(tǒng)計(jì)局對(duì)三次產(chǎn)業(yè)的劃分規(guī)定,第一產(chǎn)業(yè)指農(nóng)業(yè),林業(yè)、牧業(yè)、漁業(yè)等。相應(yīng)地,第一產(chǎn)業(yè)用電量則包括農(nóng)業(yè),林業(yè)、牧業(yè)、漁業(yè)等用電量。電能作為終端能源的一部分,其需求的變化關(guān)系到能源需求布局的改變,因此合理準(zhǔn)確預(yù)測(cè)用電量的消費(fèi)是一件非常重要的工作。目前國(guó)內(nèi)電力負(fù)荷預(yù)測(cè)專家習(xí)慣于將電量預(yù)測(cè)分產(chǎn)業(yè)分別預(yù)測(cè),其中對(duì)于第一產(chǎn)業(yè)用電量預(yù)測(cè)則多見(jiàn)于要么利用歷史發(fā)生的實(shí)際值趨勢(shì)外推,要么在歷史發(fā)生區(qū)間內(nèi)取平均值,或者相對(duì)科學(xué)一點(diǎn)的做法是采用指數(shù)平滑法對(duì)此進(jìn)行預(yù)測(cè),而對(duì)于囊括農(nóng)業(yè)、林業(yè)、漁業(yè)、畜牧業(yè)等方面的第一產(chǎn)業(yè)用電量是否可以更加合理地預(yù)測(cè)是本文研究的重點(diǎn),本文嘗試著從產(chǎn)業(yè)發(fā)展的角度研究第一產(chǎn)業(yè)用電量的預(yù)測(cè)方法。

2 第一產(chǎn)業(yè)電量分析與預(yù)測(cè)思路提出[2,6,9]

為深入分析第一產(chǎn)業(yè)電量增長(zhǎng)特點(diǎn),本文選取某地區(qū)分產(chǎn)業(yè)統(tǒng)計(jì)電量進(jìn)行研究。數(shù)據(jù)樣本選取為2000年及以后統(tǒng)計(jì)指標(biāo),分析維度分別為月度、季度、年度。經(jīng)分析發(fā)現(xiàn)第一產(chǎn)業(yè)用電占該地區(qū)全社會(huì)用電比例非常小,無(wú)論從月度、季度還是年度來(lái)看,第一產(chǎn)業(yè)用電量的增長(zhǎng)波動(dòng)頻繁,沒(méi)有明顯的增長(zhǎng)規(guī)律。

經(jīng)與該地區(qū)電量統(tǒng)計(jì)專家調(diào)研交流了解到,該地區(qū)的農(nóng)村區(qū)域?qū)τ趯ｉT的排灌線路或者其他農(nóng)林牧漁需要用電的網(wǎng)架可能不太完善,居民可能為了方便,也許就可能直接將居民用電線路臨時(shí)改為第一產(chǎn)業(yè)用電線路,而在表計(jì)計(jì)量統(tǒng)計(jì)值上這部分用電量就表現(xiàn)為農(nóng)村居民生活用電量。因此,傳統(tǒng)意義上的第一產(chǎn)業(yè)用電量就存在統(tǒng)計(jì)上的偏差。為克服上述統(tǒng)計(jì)上的不完善,本文嘗試將第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量合并分析與預(yù)測(cè)。

圖1 某地區(qū)2000～2012年度第一產(chǎn)業(yè)用電量絕對(duì)量與增速趨勢(shì)

圖2 某地區(qū)2000～2012年分季度第一產(chǎn)業(yè)用電量絕對(duì)量與增速趨勢(shì)

圖3 某地區(qū)2000～2012年第一產(chǎn)業(yè)用電量分月絕對(duì)量與增速趨勢(shì)

圖4 某地區(qū)2000～2012年第一產(chǎn)業(yè)用電占全社會(huì)用電量比例趨勢(shì)變化

同樣選取該地區(qū)2000年及以后統(tǒng)計(jì)指標(biāo),分析維度分別為月度、季度、年度,對(duì)第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量合并值開(kāi)展分析(以下均用“用電量合并值”代替),分析結(jié)果如圖5～圖8所示。

圖5 某地區(qū)2000～2012年用電量合并值絕對(duì)量與增速趨勢(shì)(年度)

圖6 某地區(qū)2000～2012年分季度用電量合并值分季絕對(duì)量與增速趨勢(shì)

圖7 某地區(qū)2000～2012年用電量合并值分月絕對(duì)量與增速趨勢(shì)

圖8 某地區(qū)2000～2012年用電量合并值占全社會(huì)用電量比例趨勢(shì)變化

3 預(yù)測(cè)算例[5,7～8,10]

以上分析表明,如果將第一產(chǎn)業(yè)用電量單獨(dú)預(yù)測(cè),則明顯存在擬合效果及預(yù)測(cè)能力較差問(wèn)題,因此本文提出第一產(chǎn)用電量和農(nóng)村居民用電量合并預(yù)測(cè)模型。具體預(yù)測(cè)及檢驗(yàn)過(guò)程如下。

3.1 第一產(chǎn)業(yè)用電量預(yù)測(cè)模型

1) 模型方程

Yt=-A*XGDP(t+1)+B*XUCI(t)+Cξ+D其中,Yt表示t期合并用電量;XGDP(t+1)為t+1期的第一產(chǎn)業(yè)增加值,XUCI(t)為當(dāng)期農(nóng)村居民現(xiàn)金收入。

2) 選取某區(qū)域電網(wǎng)歷史電量(1996～2012年)作為樣本區(qū)間開(kāi)展驗(yàn)證

3.2 模型可信度分析

用上述模型對(duì)合并用電量進(jìn)行線性回歸,得回歸方程:

Yt= -256.1104*XGDP(t+1)+157.389*XUCI(t)

+0.8419ξ+18905.4650

模型系數(shù)T檢驗(yàn)結(jié)果表明,一產(chǎn)增加值和農(nóng)村居民現(xiàn)金收入顯著通過(guò)T檢驗(yàn),模型的R2為0.96,F統(tǒng)計(jì)量概率值為0.00000,D.W統(tǒng)計(jì)量為1.87,接近于2,模型總體可信度較高。從實(shí)際值和擬合值序列對(duì)比圖來(lái)看,2011年以來(lái),擬合值與實(shí)際值十分接近,從而也說(shuō)明了模型可信度較高。

表1 T檢驗(yàn)結(jié)果 單位:萬(wàn)千瓦時(shí)

3.3 預(yù)測(cè)誤差分析

為了驗(yàn)證模型預(yù)測(cè)效果,分別以2012年四季度和2013年一季度為樣本期結(jié)點(diǎn),分別預(yù)測(cè)2013年前兩個(gè)季度和2013年二季度,并與實(shí)際值對(duì)比,結(jié)果如下。從表2中可以看出,該模型預(yù)測(cè)誤差總體較小,預(yù)測(cè)較為準(zhǔn)確。

運(yùn)用該預(yù)測(cè)思路與模型預(yù)測(cè)出該地區(qū)2013年三四季度和2014年四個(gè)季度合并用電量,結(jié)果如表2～表3所示。

表2 模型預(yù)測(cè)誤差 單位:萬(wàn)千瓦時(shí)

表3 2013年預(yù)測(cè)結(jié)果 單位:萬(wàn)千瓦時(shí)

3.4 時(shí)間序列模型[3～4]

本文選取時(shí)間序列模型(ARIMA模型和灰色預(yù)測(cè)模型),相應(yīng)地對(duì)該地區(qū)2013年三季度、四季度展開(kāi)預(yù)測(cè)。以驗(yàn)證本文所述模型的合理性。

ARIMA模型方程如下:

Yt= 23987098.7968+[AR(4)=0.9986,

MA(2)=0.6809,MA(4)=-0.2161]

式中,Yt表示t期合并用電量。

表4 ARIMA模型預(yù)測(cè)誤差 單位:萬(wàn)千瓦時(shí)

模型R2為0.9534,F統(tǒng)計(jì)量概率值為0.00000,D.W統(tǒng)計(jì)量為2.17,接近2,模型總體可信度較高。表4給出ARIMA模型預(yù)測(cè)誤差統(tǒng)計(jì),從結(jié)果看,ARIMA模型對(duì)2013年二季度第一產(chǎn)業(yè)及農(nóng)村居民用電量之和預(yù)測(cè)誤差相對(duì)較高。

同樣,本文采用灰色模型,也對(duì)該地區(qū)2013年二季度的第一產(chǎn)業(yè)及農(nóng)村居民用電量之和進(jìn)行了預(yù)測(cè),結(jié)果表明灰色模型總體預(yù)測(cè)效果不好。預(yù)測(cè)結(jié)果及誤差分析表5。

表5 灰色預(yù)測(cè)模型預(yù)測(cè)誤差 單位:萬(wàn)千瓦時(shí)

3.5 預(yù)測(cè)結(jié)果匯總及方案比較

從經(jīng)濟(jì)模型和時(shí)間序列模型的可信度和預(yù)測(cè)誤差來(lái)看,ARIMA模型短期預(yù)測(cè)較為準(zhǔn)確,對(duì)2014年的把握可能不太準(zhǔn)確,灰色預(yù)測(cè)模型并不能有效識(shí)別拐點(diǎn),預(yù)測(cè)誤差較大,因而推薦方案采用經(jīng)濟(jì)預(yù)測(cè)模型結(jié)果。

3.6 變動(dòng)趨勢(shì)分析

將2013年預(yù)測(cè)方案與歷史實(shí)際值結(jié)合,計(jì)算得到近年來(lái)各季度合并用電量同比增速以及年度增速情況。

表6 2013年預(yù)測(cè)結(jié)果匯總及推薦方案 單位:億千瓦時(shí)

從季度同比增速來(lái)看,合并用電量的波動(dòng)性較大,這就使得傳統(tǒng)的趨勢(shì)外推方法不能適用于對(duì)未來(lái)的預(yù)測(cè)。

依據(jù)本文構(gòu)建模型預(yù)測(cè)2013年三季度同比增速為2.2%,略低于二季度的5.0%,原因在于2013年三季度預(yù)測(cè)結(jié)果并未考慮到該地2013年7～8月存在異常高溫天氣的影響,若考慮異常高溫因素,則三季度預(yù)測(cè)結(jié)果將接近實(shí)際值。

圖9 各季度同比增速(2013年和2014年不含高溫修正電量)

圖10 年度增速(2013年不含該地區(qū)異常高溫修正電量)

從年度增速來(lái)看,合并用電量近年來(lái)保持穩(wěn)步增長(zhǎng)趨勢(shì),同樣在考慮了一定比例的異常高溫電量后,2013年合并用電量增速將會(huì)明顯高于6.88%。

4 結(jié)語(yǔ)

以上算例表明,為克服傳統(tǒng)預(yù)測(cè)方法的弊端,依據(jù)第一產(chǎn)業(yè)用電量與農(nóng)村居民用電量之間難以劃清的特點(diǎn)而提出的合并電量預(yù)測(cè)概念與模型,合理性非常明顯,模型預(yù)測(cè)結(jié)果校核表明,預(yù)測(cè)結(jié)果誤差較傳統(tǒng)時(shí)間序列法較小,實(shí)驗(yàn)結(jié)果證明本文提出的預(yù)測(cè)思路合理,模型有效。

[1] 劉振亞.中國(guó)電力與能源[M].北京:中國(guó)電力出版社,2012.

[2] 李昉,羅漢武.基于多元線性回歸理論的河南省用電量預(yù)測(cè)[J].電網(wǎng)技術(shù),2008(1):72-76.

[3] 曾鳴,李樹(shù)雷,等.基于ARMA模型和BP神經(jīng)網(wǎng)絡(luò)組合優(yōu)化算法的風(fēng)電預(yù)測(cè)模型[J].華東電力,2013,41(2):347-352.

[4] 王允平,黃殿勛,等.智能電網(wǎng)環(huán)境下采用關(guān)聯(lián)分析和多變量灰色模型的用電量預(yù)測(cè)[J].電力系統(tǒng)保護(hù)與控制,2012,40(1):96-100.

[5] 范德成,王韶華,等.季度周期模型在我國(guó)用電量預(yù)測(cè)中的應(yīng)用研究[J].電網(wǎng)技術(shù),2012,36(7):106-110.

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

[7] 譚忠富,張金良,吳良器,等.中長(zhǎng)期負(fù)荷預(yù)測(cè)的計(jì)量經(jīng)濟(jì)學(xué)與系統(tǒng)動(dòng)力學(xué)組合模型[J].電網(wǎng)技術(shù),2011,35(1):186-190.

[8] 牛東曉,曹樹(shù)華,趙磊,等.電力負(fù)荷預(yù)測(cè)技術(shù)及應(yīng)用[M].北京:中國(guó)電力出版社,1999:16-23.

[9] 傅毓維,張玲.預(yù)測(cè)決策理論與方法[M].哈爾濱:哈爾濱工程大學(xué)出版社,2003:107-164.

[10] 王茜,王雁凌,張粒子.影響電力需求預(yù)測(cè)各因素的客觀權(quán)重分配方法[J].電網(wǎng)技術(shù),2008,32(5):82-86.

Statistical Analysis and Forecast of Primary Industrial Electricity

WANG Zhihong1SHI Xuemei2

(1. Army Officer Academy of PLA, Hefei 230031) (2. State Grid-Anhui Province Electric Power Corporation Research Institute of Economic & Technology, Hefei 230061)

The paper first analyzes primary industrial electricity and rural residential electricity. Based on this, the idea that merger the primary industrial electricity and rural residential electricity is proposed. And then, a forecast model of merger electricity is built. The result of the forecast shows that the model is reasonable and effective. The model has been implemented in Anhui Province Mid-long load forecasting and management application system. It has high practical value.

primary industrial, rural residents, electricity, merger electricity, forecast

2014年4月6日,

2014年5月21日

汪志宏,男,碩士,副教授,研究方向:預(yù)測(cè)與決策分析。石雪梅,女,碩士,高級(jí)工程師,研究方向:電力系統(tǒng)及其自動(dòng)化。

TP391

10.3969/j.issn1672-9730.2014.10.025