李文峰 白宏坤 毛玉賓 劉永民

（國網(wǎng)河南省電力公司經(jīng)濟技術研究院，河南鄭州 450052）

基于回歸方法的多因素耦合月度統(tǒng)調用電量預測方法

李文峰 白宏坤 毛玉賓 劉永民

（國網(wǎng)河南省電力公司經(jīng)濟技術研究院，河南鄭州 450052）

月度統(tǒng)調用電量預測是保證電力系統(tǒng)安全運行的一項基礎性工作，本文提出一種多因素耦合的月度統(tǒng)調用電量預測方法，利用回歸方法構建綜合考慮溫度和經(jīng)濟增長因素的統(tǒng)調用電量預測模型。通過實際算例仿真，驗證了本文方法的準確性和有效性。

統(tǒng)調用電量；溫度；經(jīng)濟；多因素耦合；線性回歸模型

用電量預測是電力系統(tǒng)相關部門日常的重要工作，電力需求預測對電力部門及相關經(jīng)濟和能源部門的工作具有重要意義，統(tǒng)調用電量是電力需求預測的重要指標之一，準確預測用電量有助于安排電力生產(chǎn)計劃，同時也可以為電網(wǎng)規(guī)劃設計提供依據(jù)［1，2］。

目前，統(tǒng)調用電量常用的預測方法包括趨勢外推法、總量回歸、ARIMA、增速外推和灰色預測等。王成山等詳細分析比較各種不同灰色系統(tǒng)預測模型，總結出各種灰色系統(tǒng)模型的優(yōu)缺點及其適用范圍，指出當年用電量增長率越低，灰色系統(tǒng)模型的預測結果將越準確。曾思勇和楊文君通過建立時間趨勢項與用電量之間的回歸分析模型，對某縣的年度用電量進行預測，結果發(fā)現(xiàn)該縣用電量有99.14%是由年度變化決定的，且預測結果較為準確。張士強等對ARIMA模型進行概述，并以成都市為例，運用ARIMA模型預測成都市2006-2010年的用電量，結果顯示短期預測效果較好，但隨著年份越來越長，預測誤差也越來越大。曾鳴等采用趨勢外推法、線性回歸法和灰色模型法分別預測了貴州省2015-2020年的用電量，并對3種預測方法進行對比分析，結果表明不同的預測方法其預測精度不同。這里灰色模型預測法精度相對較高。

本文綜合考慮溫度和經(jīng)濟增長因素對統(tǒng)調用電量的影響，建立考慮溫度和經(jīng)濟增長因素的預測模型，對月度統(tǒng)調用電量進行預測。

1 原理

本文考慮溫度和經(jīng)濟增長對統(tǒng)調用電量的影響，對月度統(tǒng)調用電量進行預測時，建立考慮經(jīng)濟增長趨勢因素的預測模型，經(jīng)濟增長趨勢的量化方式可以是加入時間趨勢項，也可以用由月度工業(yè)增加值增速轉換得到的經(jīng)濟增長指數(shù)來表示。因為二產(chǎn)增加值增速與GDP增速走勢高度一致，而規(guī)模以上工業(yè)增加值在二產(chǎn)增加值中占比很大，考慮到數(shù)據(jù)的可獲得性，月度層面選用規(guī)模以上工業(yè)增加值增速表示月度經(jīng)濟增長趨勢情況。通過構建月度統(tǒng)調用電量與平均溫度以及當月的經(jīng)濟增長指標之間的線性回歸模型，可以預測月度統(tǒng)調用電量。

表1 樣本期電量、溫度、經(jīng)濟數(shù)據(jù)

具體的方法步驟如下：①獲取歷史期與預測月同月的規(guī)模以上工業(yè)增加值增速數(shù)據(jù)，并將其折算成以基期I0=100的經(jīng)濟增長指數(shù)，即Ii=（1+GYi）×Ii-1，其中，Ii為月度經(jīng)濟增長指數(shù)，GYi為當月的規(guī)模以上工業(yè)增加值增速，I0為基期的經(jīng)濟增長指數(shù)；②獲取歷史期與預測月同月的統(tǒng)調用電量，以及月平均溫度數(shù)據(jù)，并與①中數(shù)據(jù)一起按照年份先后順序排列；③建立加入經(jīng)濟增長指數(shù)的預測模型，以月度統(tǒng)調用電量為因變量，月平均溫度和月度經(jīng)濟增長指數(shù)為自變量，建立線性回歸方程，即Ei=A+BTi+ CIi，其中，Ei為月統(tǒng)調用電量，Ti為月平均溫度，A為常數(shù)項，B為Ti的系數(shù)，C為Ii的系數(shù)；④求出預測月的平均溫度預測值，取樣本期平均溫度的平均值作為預測月的平均溫度預測值；⑤求預測月的經(jīng)濟增長指數(shù)，根據(jù)相關經(jīng)濟研究部門給出的預測月規(guī)模以上工業(yè)增加值增速預測值，折算成預測月的經(jīng)濟增長指數(shù)；⑥計算預測月的統(tǒng)調用電量：根據(jù)③回歸得到的常數(shù)項和系數(shù)，并將預測月的平均溫度預測值、經(jīng)濟增長指數(shù)預測值代入回歸方程中，可計算得到預測月統(tǒng)調用電量的預測值。

由上述技術方案可知，本文通過分別構建月度統(tǒng)調用電量與平均溫度、用時間趨勢項或經(jīng)濟增長指數(shù)表示經(jīng)濟增長趨勢的量化指標之間的線性回歸方程，得到月度統(tǒng)調用電量預測值，以有助于月度電力規(guī)劃，以及電網(wǎng)生產(chǎn)調度與電網(wǎng)月度生產(chǎn)計劃的制定。

2 算例分析

通過本文提出的方法，以2007-2013年歷年6月歷史數(shù)據(jù)作為樣本期，預測2014年6月份統(tǒng)調用電量。其中，樣本期某省統(tǒng)調用電量、月平均溫度、規(guī)上工業(yè)增加值增速、經(jīng)濟增長指數(shù)詳見表1。

①獲取2007-2013年6月的規(guī)模以上工業(yè)增加值增速數(shù)據(jù)，并將其折算成以2006年為100的經(jīng)濟增長指數(shù)；②獲取2007-2013年6月統(tǒng)調用電量，以及月平均溫度數(shù)據(jù)，并將這些數(shù)據(jù)與①中數(shù)據(jù)一起按照年份先后順序排列，詳見表1；③建立加入經(jīng)濟增長指數(shù)的預測模型，即Ei=0.417+1.304Ti+0.196Ii，其中，Ei為月統(tǒng)調用電量，Ti為月平均溫度，Ii為月度經(jīng)濟增長指數(shù)，回歸方程的系數(shù)全部通過T檢驗，R2=0.997，模型對歷史數(shù)據(jù)擬合得非常好，可以解釋99.7%的歷史數(shù)據(jù)；④取2007-2013年6月平均溫度的平均值25.54作為2014年6月平均溫度預測的值；⑤因為目前安徽省統(tǒng)計局已公布2014年6月規(guī)模以上工業(yè)增加值增速為11.5%，折算成預測月的經(jīng)濟增長指數(shù)為425.53（如未公布，則根據(jù)相關經(jīng)濟研究部門給出的預測月規(guī)模以上工業(yè)增加值增速預測值，折算成預測月的經(jīng)濟增長指數(shù)）；⑥將2014年6月的平均溫度預測值、經(jīng)濟增長指數(shù)值代入③回歸方程中，可得到2014年6月統(tǒng)調用電量預測值為117.3億kW·h。

2014年6月安徽省統(tǒng)調用電量實際值為116.51億kW·h，本文方法的預測誤差為0.68%，準確性較高，證明了該方法的有效性。

3 結論

月度統(tǒng)調用電量預測是保證電力系統(tǒng)安全運行的一項基礎性工作，本文提出了一種新的多因素耦合月度統(tǒng)調用電量預測方法，利用回歸方法構建了綜合考慮溫度和經(jīng)濟增長因素的統(tǒng)調用電量預測模型，通過實際算例仿真，驗證了本文方法的準確性和有效性。

［1］吳宏曉，侯志儉，邰能靈.灰色神經(jīng)網(wǎng)絡模型GNNM（1，1）在城市年用電量預測中的應用［J］.中國電力，2005（2）：45-48.

［2］牛東曉，張博，陳立榮，等.智能優(yōu)化灰色模型在中期用電量預測中的應用［J］.華東電力，2006（1）：8-11.

Multi-factor Coupled Monthly Electricity Consumption Forecasting Method Based on Regression Method

Li WenfengBai HongkunMao YubinLiu Yongmin
（State Economic and Technical Research Institute of Henan Electric Power Corporation，Zhengzhou Henan 450052）

The monthly electricity consumption forecasting is a basic work to ensure the safe operation of power sys?tem.This paper presented a multi-factor coupled monthly electricity consumption forecasting method.The electricity consumption forecasting method which comprehensively considers the factors of temperature and economic growth was constructed by using regression method.The simulation results show that the proposed method is accurate and ef?fective.

electricity consumption；temperature；economy；multi-factor coupling；linear regression model

TM73

A

1003-5168（2016）12-0044-02

2016-11-09

李文峰（1985-），男，博士，工程師，研究方向：電力需求預測、電力經(jīng)濟關系研究等。