王飛燕

（蘭州財(cái)經(jīng)大學(xué)，甘肅 蘭州 730000）

基于誤差修正時(shí)間序列模型的短期電力需求預(yù)測(cè)分析

王飛燕

（蘭州財(cái)經(jīng)大學(xué)，甘肅 蘭州 730000）

隨著經(jīng)濟(jì)、社會(huì)和工業(yè)的快速發(fā)展，電力需求突飛猛進(jìn).電力行業(yè)也逐漸成為影響全球社會(huì)經(jīng)濟(jì)發(fā)展地位的重要的因素，不準(zhǔn)確的需求預(yù)測(cè)增加了電力行業(yè)的運(yùn)行成本，特別是在市場(chǎng)環(huán)境中，精度即意味著金錢，準(zhǔn)確的電力需求預(yù)測(cè)是有價(jià)值的。本文主要對(duì)許昌市短期電力需求進(jìn)行分析預(yù)測(cè)，利用許昌市用電量的相關(guān)數(shù)據(jù)，分別應(yīng)用移動(dòng)平均法、時(shí)間序列法建立模型并對(duì)模型進(jìn)行預(yù)測(cè)和分析，再通過(guò)對(duì)這兩種預(yù)測(cè)方法分別賦予不同的權(quán)重建立加權(quán)組合預(yù)測(cè)模型來(lái)改進(jìn)預(yù)測(cè)誤差，通過(guò)比較分析得出加權(quán)組合模型預(yù)測(cè)的精度更高。

移動(dòng)平均法；電力需求預(yù)測(cè)；時(shí)間序列法；加權(quán)組合預(yù)測(cè)法

隨著經(jīng)濟(jì)的快速發(fā)展，世界各國(guó)對(duì)能源的需求量也日益增加，再加上電力資源清潔、經(jīng)濟(jì)適用以及比較方便等優(yōu)點(diǎn)，因此，各國(guó)都在致力于不斷提高本國(guó)的電氣化程度，從而來(lái)改善人民的生活并促進(jìn)經(jīng)濟(jì)的發(fā)展。與此同時(shí)，黨的十八大也對(duì)新一時(shí)期電力能源的發(fā)展做出了總部署，并提出“控制能源消費(fèi)總量，加強(qiáng)節(jié)能降耗，支持節(jié)能低碳產(chǎn)業(yè)和新能源、可再生能源發(fā)展，確保國(guó)家能源安全”等要求。當(dāng)前，我國(guó)為加強(qiáng)區(qū)域電力建設(shè)引入電力市場(chǎng)管理模式，通過(guò)對(duì)區(qū)域電力需求做出科學(xué)的分析和預(yù)測(cè)，以此來(lái)保證區(qū)域經(jīng)濟(jì)穩(wěn)定并且健康地發(fā)展。

1　背景介紹

電力需求的短期預(yù)測(cè)是組成電力系統(tǒng)發(fā)電計(jì)劃的重要部分，電力需求預(yù)測(cè)的結(jié)果是電力系統(tǒng)正常運(yùn)行工作的基礎(chǔ)數(shù)據(jù)，其預(yù)測(cè)的精度可直接影響電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性及安全性，所以任何時(shí)候的首要任務(wù)均是要準(zhǔn)確地預(yù)測(cè)電力需求量，因此，電力需求預(yù)測(cè)，尤其是短期、超短期預(yù)測(cè)是電力系統(tǒng)安全和經(jīng)濟(jì)穩(wěn)定發(fā)展的前提與保障。電力需求的短期預(yù)測(cè)同時(shí)也是電力公司制定生產(chǎn)計(jì)劃并進(jìn)行發(fā)展規(guī)劃的重要依據(jù)，且準(zhǔn)確的電力需求預(yù)測(cè)在保證用電需求以及增強(qiáng)供電可靠性的基礎(chǔ)上能夠有效地降低發(fā)電成本，故不準(zhǔn)確的需求預(yù)測(cè)增加了電力行業(yè)的運(yùn)行成本，特別是在市場(chǎng)環(huán)境中，精度即意味著金錢。與此同時(shí)，電力需求增加的有效的預(yù)警對(duì)于確保供給和需求之間的平衡也是非常重要的。因此，電力系統(tǒng)可以通過(guò)開發(fā)一個(gè)對(duì)電力需求的跳讀算法實(shí)現(xiàn)優(yōu)化。

另外研究電力需求的其他原因，首先便是二氧化碳的排放，煤和燃煤電力是典型的向上流和向下流行業(yè)，由煤炭消耗產(chǎn)生的熱能和巨大的環(huán)境壓力不容忽視，因?yàn)榘l(fā)電的高比例，中國(guó)排放的熱能約占總二氧化碳排放量的。因此，準(zhǔn)確和及時(shí)的電力需求預(yù)測(cè)可以為合理發(fā)電計(jì)劃與調(diào)整電力政策和結(jié)構(gòu)提供可靠的依據(jù)，并大大減少二氧化碳排放量。其次，輸電網(wǎng)格安全影響國(guó)家安全，網(wǎng)格在許多國(guó)家經(jīng)常發(fā)生故障，造成大面積的停電，這嚴(yán)重影響了人民的生活并造成了巨大的經(jīng)濟(jì)損失。

2　模型理論

2.1移動(dòng)平均法

2.1.1基本思想

對(duì)于一個(gè)時(shí)間序列 ｛x2｝，假定在一個(gè)比較短的時(shí)間間隔里，序列的取值比較穩(wěn)定，故可以用一段時(shí)間間隔內(nèi)的平均值作為某一期的預(yù)測(cè)值。在實(shí)踐中，m期移動(dòng)平均法是較為常用的預(yù)測(cè)方法。假設(shè)最后一期的觀察值為xi，那么利用m期移動(dòng)平均法向前預(yù)測(cè)第l期的值為：

2.1.2實(shí)例分析

根據(jù)許昌市統(tǒng)計(jì)局2014年各月統(tǒng)計(jì)月報(bào)數(shù)據(jù)，利用2012.1-2014.12的社會(huì)用電量的月度數(shù)據(jù)，通過(guò)選擇不同的移動(dòng)平均間隔長(zhǎng)度m，對(duì)于許昌市社會(huì)用電量的月度數(shù)據(jù)進(jìn)行計(jì)算各自的均方誤差，利用Excel軟件計(jì)算各自的均方誤差，當(dāng)m=3時(shí)，SSE=0.9886，當(dāng)m=4時(shí)，SSE=0.9906；當(dāng)m=6時(shí)，SSE=1.2370；當(dāng)m=12時(shí)，SSE=1.4822。由此可知，當(dāng)取間隔長(zhǎng)度為3時(shí)，預(yù)測(cè)值與實(shí)際觀測(cè)值之間的相對(duì)誤差較小，基本都［-10%，10%］范圍內(nèi)浮動(dòng)，此時(shí)，利用該模型進(jìn)行短期預(yù)測(cè)得到的預(yù)測(cè)精度較高。

2.2時(shí)間序列法

2.2.1模型

許多非平穩(wěn)序列差分后會(huì)顯示平穩(wěn)序列的性質(zhì)，這時(shí)稱這個(gè)非平穩(wěn)序列為差分平穩(wěn)序列，并對(duì)該差分平穩(wěn)序列可以使用ARINA模型進(jìn)行擬合.具有如下結(jié)構(gòu)的模型稱為求和自回歸移動(dòng)平均模型，簡(jiǎn)記為ARZNACP，d，q模型：

2.2.2實(shí)例分析

取許昌市社會(huì)用電量（2012.1-2014.12）的月度時(shí)間序列X作為研究對(duì)象，首先利用Eviews軟件對(duì)其分析，許昌市社會(huì)用電量及其殘差序列均呈現(xiàn)線性上升趨勢(shì)，而一階差分序列值在［-1，1］范圍內(nèi)圍繞零上下作隨機(jī)波動(dòng)，由此可知，原觀察值一階差分后平穩(wěn).再根據(jù)原序列的自相關(guān)函數(shù)與偏自相關(guān)函數(shù)圖，可以明顯看出自相關(guān)函數(shù)和偏自相關(guān)函數(shù)均2階截尾，故可對(duì)該時(shí)間序列使用ARIMA（2，1，2）進(jìn)行擬合.AR（1）、AR（2）的系數(shù)均不存在顯著性，因此需要將其剔除后再進(jìn)行估計(jì)。

最終檢驗(yàn)結(jié)果顯示，AR（1）、AR（2）的系數(shù)均通過(guò)了顯著性檢驗(yàn)，故對(duì)應(yīng)的模型為ARIMA（0，1，2），其表達(dá)式為：DXt=0.1087+εt-0.3284εt-1.-0.6674εt-2其中，輸出結(jié)果中0.1087是DXt的均值，表示月平均用電量增量是0.1087億kw·h。

移動(dòng)平均法、時(shí)間序列法的單一模型預(yù)測(cè)值分別為：2015年1月 （7.50、8.31），2015年2月（7.73、8.41），2015年3月 （7.73、8.51），2015年4月（7.55、8.62），2015年5月（7.63、8.73）。

3　加權(quán)組合預(yù)測(cè)模型

加權(quán)組合預(yù)測(cè)理論認(rèn)為，對(duì)同一個(gè)預(yù)測(cè)問(wèn)題使用多個(gè)不同預(yù)測(cè)模型的線性組合，在一定條件下可以有效地改善模型的擬合能力和提高預(yù)測(cè)精度。利用加權(quán)組合預(yù)測(cè)模型進(jìn)行電力需求預(yù)測(cè)可以將各個(gè)模型有機(jī)地組合在一起，綜合各個(gè)模型的優(yōu)點(diǎn)，提供更準(zhǔn)確的預(yù)測(cè)結(jié)果。

3.1權(quán)重的確定

組合預(yù)測(cè)法的關(guān)鍵在于如何確定組合權(quán)重系數(shù)，對(duì)權(quán)重的選擇應(yīng)使誤差越小越好。當(dāng)單個(gè)單一預(yù)測(cè)模型的預(yù)測(cè)精度完全已知時(shí)，一般采用加權(quán)平均的方法。簡(jiǎn)單加權(quán)平均法先把各個(gè)單一預(yù)測(cè)模型的預(yù)測(cè)誤差的方差和進(jìn)行排序，根據(jù)各個(gè)單項(xiàng)預(yù)測(cè)模型的誤差方差和的加權(quán)系數(shù)成反比可知，排序越在前的單一預(yù)測(cè)模型，其在組合預(yù)測(cè)中的加權(quán)系數(shù)就應(yīng)越小即：

3.2實(shí)例分析

3.3模型評(píng)價(jià)

為了進(jìn)一步檢驗(yàn)各模型預(yù)測(cè)結(jié)果的好壞，可以對(duì)模型進(jìn)行進(jìn)一步的評(píng)價(jià)：

式中yi為變量觀察值，為變量預(yù)測(cè)值，m為樣本量.根據(jù)上述各評(píng)價(jià)指標(biāo)進(jìn)行預(yù)測(cè)，得到結(jié)果為：移動(dòng)平均法 （SSE=32.6233，MAE=0.801，MSE=0.1731，MAPE，0.1236），時(shí)間序列法（SSE=27.4915，MAE=0.6786，MSE=0.1498，MAPE= 0.1145），簡(jiǎn)單加權(quán)平均法（SSE=22.2554，MAE= 0.6426，MSE=0.1430，MAPE=0.1016）。

由此可知，加權(quán)組合預(yù)測(cè)法的結(jié)果明顯優(yōu)于單一預(yù)測(cè)方法，從而說(shuō)明加權(quán)組合預(yù)測(cè)法的有效性。所以，可以采用簡(jiǎn)單加權(quán)平均法組合預(yù)測(cè)模型來(lái)對(duì)未來(lái)幾個(gè)月的用電量進(jìn)行預(yù)測(cè)，結(jié)果為2015年1月為 8.09，2015年 2月為 8.23，2015年 3月為8.29，2015年4月為8.30，2015年5月為8.38。

［1］ 朱琳.電力系統(tǒng)負(fù)荷預(yù)測(cè)方法及其應(yīng)用［D］.華北電力大學(xué)MBA學(xué)位論文，2011：1-2.

［2］ Yuanyuan Wang，Jianzhou Wang，Ge Zhao，Yao Dong.Appli cation of residual modification approach in seasonal ARIMA for electricity demand forecasting：A case study of China［J］. Energy Policy48（2012）：284-285.

［3］ 陳旭東，查艷婷.基于GM（1，1）模型對(duì)浙江人口的預(yù)測(cè)［J］.科教導(dǎo)刊.2012（8）：217.

［4］ 黃向陽(yáng)，金陽(yáng)等.精算中常用的統(tǒng)計(jì)模型［M］.北京：中國(guó)人民大學(xué)出版社，2009.

［5］ 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例（第2版）［M］.北京：清華大學(xué)出版社，2009（5）：157.

［6］ 徐國(guó)祥.統(tǒng)計(jì)預(yù)測(cè)和決策（第3版）［M］.上海：上海財(cái)經(jīng)大學(xué)出版社，2008（11）.

［7］ 戴華娟.組合預(yù)測(cè)模型及其應(yīng)用研究［D］.中南大學(xué)碩士學(xué)位論文，2007（5）：25-26.

［8］ 卓東.組合預(yù)測(cè)模型研究及其在電力負(fù)荷預(yù)測(cè)中的應(yīng)用［D］.蘭州商學(xué)院碩士學(xué)位論文，2007（5）：55-56.

C812