郭麗平++蔡永自

【摘要】隨著中央和地方政府對(duì)光伏發(fā)電上網(wǎng)電價(jià)補(bǔ)貼政策的刺激，配套電網(wǎng)建設(shè)和技術(shù)成果的創(chuàng)新運(yùn)用，加之光伏生產(chǎn)廠家一條龍服務(wù)的推動(dòng)，分布式光伏客戶呈爆發(fā)式增長(zhǎng)。本研究旨在采用ARIMA模型對(duì)光伏每月累計(jì)并網(wǎng)戶數(shù)、客戶咨詢數(shù)據(jù)和上網(wǎng)電量三個(gè)指標(biāo)將來(lái)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。

【關(guān)鍵詞】光伏發(fā)電 并網(wǎng)戶數(shù) 客戶咨詢 上網(wǎng)電量 預(yù)測(cè)

一、引言

光伏發(fā)電作為清潔能源，是目前國(guó)家鼓勵(lì)發(fā)展的行業(yè)。作為分布式光伏發(fā)電大省，浙江省“十三五”規(guī)劃綱要也明確“將全面實(shí)施百萬(wàn)家庭屋頂光伏工程，到2020年光伏發(fā)電力爭(zhēng)達(dá)到800萬(wàn)千瓦?！惫夥渤蔀椴糠值貐^(qū)產(chǎn)業(yè)帶動(dòng)經(jīng)濟(jì)增長(zhǎng)的新途徑。隨著中央和地方政府對(duì)光伏發(fā)電上網(wǎng)電價(jià)補(bǔ)貼政策的刺激，配套電網(wǎng)建設(shè)和技術(shù)成果的創(chuàng)新運(yùn)用，加之光伏生產(chǎn)廠家一條龍服務(wù)的推動(dòng)，分布式光伏客戶呈爆發(fā)式增長(zhǎng)。本研究旨在采用ARIMA模型對(duì)光伏每月累計(jì)并網(wǎng)戶數(shù)、客戶咨詢數(shù)據(jù)和上網(wǎng)電量三個(gè)指標(biāo)將來(lái)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。

二、ARIMA模型及其預(yù)測(cè)分析思路

ARIMA模型，全稱為求和自回歸移動(dòng)平均模型（auto regressive integrated moving average model，簡(jiǎn)記ARIMA），是由詹金斯（Jenkins）與博克思（Box）于20世紀(jì)70年代初提出的時(shí)間序列預(yù)測(cè)方法。其中，ARIMA（p， d， p）稱為差分自回歸移動(dòng)平均模型，AR為自回歸，P為自回歸項(xiàng)；MA為移動(dòng)平均，y為移動(dòng)平均項(xiàng)數(shù)，d為時(shí)間序列達(dá)到平穩(wěn)時(shí)所做的差分次數(shù)（解樹國(guó)，2012）。通過(guò)ARIMA模型，將分布式光伏并網(wǎng)數(shù)量、上網(wǎng)電量、客戶咨詢隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，用一定的數(shù)學(xué)模型來(lái)近似描述這個(gè)序列。這個(gè)模型一旦被識(shí)別后，就可以從時(shí)間序列的過(guò)去值及現(xiàn)在值來(lái)預(yù)測(cè)未來(lái)值。該模型的基本原理如下：

如果假設(shè)隨機(jī)變數(shù)Yt，為在時(shí)間t的一個(gè)觀測(cè)值，那么一組Yt，所構(gòu)成的數(shù)列就稱為隨機(jī)過(guò)程，而一般標(biāo)準(zhǔn)的ARIMA（p，d，q）模型可以記為Yt～ARIMA（p，d，q），其定義為：

чp（B）Wt=θq（B）αt

式中，чp（B）=1-ч1B-…-чpBp，Wt=（1-B）dYt，Qp（B）=1-1-θ1B-θ2B2…-…θqBq，αt為白色噪音，亦即α～N（0，σ2α），p，d，q為非負(fù)整數(shù)，B為后移分算子，即BYt～Yt-1，ч1，ч2，…чp，為自我回歸參數(shù)，θ1，θ2，…θq，為移動(dòng)平均參數(shù)。

ARIMA模型最大優(yōu)點(diǎn)在于對(duì)季節(jié)周期性數(shù)據(jù)指標(biāo)的準(zhǔn)確預(yù)測(cè)，ARIMA的季度或月度模型能揭示出被解釋變量的非線性特征，ARIMA模型需要先估計(jì)它的階數(shù)后，再使用最小二乘法進(jìn)行預(yù)測(cè)。具體的建模步驟如下：①序列平穩(wěn)化。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長(zhǎng)或下降趨勢(shì)，則需要對(duì)數(shù)據(jù)進(jìn)行差分處理，這個(gè)過(guò)程叫非平穩(wěn)序列平穩(wěn)化。②模型識(shí)別。若平穩(wěn)序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)函數(shù)是截尾的，則可斷定序列適合MA（q）模型；若平穩(wěn)序列的偏相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，可斷定序列適合AR（p）模型；一般情況下，可通過(guò)自相關(guān)（ACF）和偏自相關(guān)圖（PACF）估計(jì)出階數(shù)P，Q的可能取值，然后，通過(guò)AIC準(zhǔn)則（赤池準(zhǔn)則），SC準(zhǔn)則（施瓦茨準(zhǔn)則），其中AIC值和SC值都是越小越好，從而選出最合適的模型階數(shù)。③模型預(yù)測(cè)。根據(jù)建立的ARIMA（p，d，q）模型，利用Eviews軟件對(duì)分布式光伏上網(wǎng)用戶、結(jié)算電量、客戶咨詢等數(shù)據(jù)進(jìn)行預(yù)測(cè)（陳平和夏敏，2011）。

三、預(yù)測(cè)過(guò)程及結(jié)果分析

本研究選取的基礎(chǔ)數(shù)據(jù)包括三個(gè)指標(biāo)，累計(jì)并網(wǎng)戶數(shù)（BINGWANG）、每月結(jié)算電量（JIESUAN）、客戶咨詢數(shù)據(jù)（ZIXUN）。

（1）對(duì)累計(jì)并網(wǎng)戶數(shù)的預(yù)測(cè)與分析。按照前述步驟，首先對(duì)累計(jì)并網(wǎng)戶數(shù)（BINGWANG）進(jìn)行平穩(wěn)性檢驗(yàn)，以確定d值。累計(jì)并網(wǎng)戶數(shù)（BINGWANG）變量的平穩(wěn)性檢驗(yàn)結(jié)果，變量BINGWANG是三階單整變量，從而得到d=3。在穩(wěn)定性分析的基礎(chǔ)上，根據(jù)自相關(guān)和偏相關(guān)圖可以確定p=1，q=1。

進(jìn)而，根據(jù)建立的BINGWANG變量應(yīng)該選擇ARIMA（1，3，1），利用Eviews軟件進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)值。

（2）對(duì)每月結(jié)算電量的預(yù)測(cè)與分析。類似的，針對(duì)每月結(jié)算電量（JIESUAN）進(jìn)行預(yù)測(cè)的步驟如前所述。變量JIESUAN是2階單整變量，從而得到d=2。進(jìn)而根據(jù)自相關(guān)和偏相關(guān)圖可以確定p=0，q=0。

根據(jù)建立的每月結(jié)算電量（JIESUAN）應(yīng)該選擇ARIMA（0，2，0），利用Eviews軟件進(jìn)行預(yù)測(cè)。

（3）對(duì)客戶咨詢數(shù)據(jù)的預(yù)測(cè)與分析。最后，針對(duì)客戶咨詢數(shù)據(jù)（ZIXUN）進(jìn)行預(yù)測(cè)。變量JIESUAN是1階單整變量，從而得到d=1。進(jìn)而根據(jù)自相關(guān)和偏相關(guān)圖可以確定p=1，q=1。

根據(jù)建立的客戶咨詢數(shù)據(jù)（ZIXUN）應(yīng)該選擇ARIMA（1，1，1），利用Eviews軟件進(jìn)行預(yù)測(cè)。

累計(jì)并網(wǎng)戶數(shù)（BINGWANG）、每月結(jié)算電量（JIESUAN）、客戶咨詢數(shù)據(jù)（ZIXUN），這三個(gè)指標(biāo)的最終預(yù)測(cè)結(jié)果見表。

四、結(jié)論

本文基于2015年1月-2016年6月的基礎(chǔ)數(shù)據(jù)，采用ARIMA模型預(yù)測(cè)了2016M07-2017M12寧波供電公司分布式光伏并網(wǎng)數(shù)量、上網(wǎng)結(jié)算電量、客戶咨詢數(shù)量。從模型預(yù)測(cè)結(jié)果來(lái)看，寧波供電公司分布式光伏并網(wǎng)數(shù)量、上網(wǎng)結(jié)算電量、客戶咨詢數(shù)量將呈爆發(fā)式增長(zhǎng)態(tài)勢(shì)。預(yù)計(jì)2016年12月累計(jì)并網(wǎng)戶數(shù)為2305戶，比2016年6月增長(zhǎng)405.48%；上網(wǎng)結(jié)算電量4604萬(wàn)千瓦時(shí)，比6月份增長(zhǎng)615.15%；95598客戶咨詢數(shù)量39個(gè)，比6月份增長(zhǎng)39.29%。預(yù)計(jì)2017年12月累計(jì)并網(wǎng)戶數(shù)為14557戶，比同比上年增長(zhǎng)531.54%；當(dāng)月上網(wǎng)結(jié)算電量16223萬(wàn)千瓦時(shí)，同比上年增長(zhǎng)252.37%；95598客戶咨詢數(shù)量59個(gè)，同比上年增長(zhǎng)51.28%。根據(jù)公司光伏客戶成功備案的統(tǒng)計(jì)數(shù)據(jù)，模型預(yù)測(cè)數(shù)據(jù)反應(yīng)了光伏發(fā)電業(yè)務(wù)增長(zhǎng)態(tài)勢(shì)和增長(zhǎng)速度。

參考文獻(xiàn)：

[1]解樹國(guó).基于RBF和ARIMA模型下貨運(yùn)量預(yù)測(cè)算法與軟件實(shí)現(xiàn)[M]. 湖南大學(xué)碩士學(xué)位論文，2012.

[2]陳平，夏敏. 基于ARIMA模型的短期風(fēng)速預(yù)測(cè)方法[J]. 華章，2011，（15）.