閆寧

摘要：對電力需求準確評估，是電力工業(yè)發(fā)展方向和速度的重要參考，預(yù)測的準確與否，關(guān)乎到電力行業(yè)的平穩(wěn)發(fā)展以及國民經(jīng)濟的可持續(xù)發(fā)展。針對北京市電力需求，文章采用了協(xié)整分析和情景分析結(jié)合的研究方法，結(jié)合二者優(yōu)點，得到北京市未來的電力需求預(yù)測結(jié)果。

Abstract： Accurate assessment of power demand is an important reference for the development direction and speed of the power industry. The accuracy of the forecast is related to the steady development of the power industry and the sustainable development of the national economy. In view of the power demand in Beijing， this paper adopts a combination of co-integration analysis and scenario analysis， and combines the advantages of both to obtain the future power demand forecast results of Beijing.

關(guān)鍵詞：協(xié)整;情景分析;電力需求預(yù)測

Key words： cointegration;scenario analysis;electricity demand forecast

中圖分類號：F426 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）23-0066-03

0 ?引言

電力行業(yè)是國家經(jīng)濟命脈，是國家經(jīng)濟發(fā)展的基礎(chǔ)行業(yè)，電力行業(yè)的發(fā)展關(guān)系到國家經(jīng)濟的平穩(wěn)發(fā)展和社會的不斷進步，是整個國家最根本的行業(yè)之一。其發(fā)展速度反映著社會經(jīng)濟水平的發(fā)展速度，對電能穩(wěn)定供應(yīng)、建設(shè)智慧型的堅強智能電網(wǎng)，并大力推進與智能電網(wǎng)結(jié)合的泛在電力物聯(lián)網(wǎng)是我國電力發(fā)展的階段目標[1-3]。對電力需求準確評估，是電力工業(yè)發(fā)展方向和速度的重要參考，預(yù)測的準確與否，關(guān)乎到電力行業(yè)的平穩(wěn)發(fā)展以及國民經(jīng)濟的可持續(xù)發(fā)展[4]。

電力需求預(yù)測是根據(jù)電力負荷、經(jīng)濟、社會等所有相關(guān)的歷史數(shù)據(jù)，來探索電力需求歷史數(shù)據(jù)變化規(guī)律，尋求電力需求與各種相關(guān)因素之間的內(nèi)在聯(lián)系，從而對未來的電力需求進行科學(xué)的預(yù)測[5，6，7，8]。

1 ?電力需求預(yù)測理論及影響因素分析

1.1 協(xié)整檢驗

協(xié)整檢驗就是為了辨別回歸是否為偽回歸，所謂偽回歸，是在利用最小二乘法回歸分析時決定系數(shù)R2很接近1同時，DW值很小的現(xiàn)象。其特征為在回歸分析時，每個變量間的相關(guān)系數(shù)都較大，足以判斷其因果關(guān)系，但實際上其結(jié)果不可靠，變量間不存在任何因果關(guān)系。

協(xié)整的定義為：假如存在某些序列x1t，…，xnt，皆為d階單整序列，記為I（d），并存在向量α=（α1，α2，…，αn）使得αXt～I（d-b），并且d？叟b？叟0，Xt=（X1t，X2t，…，Xnt）'，則稱時間序列x1t，…，xnt是b階協(xié)整，α為協(xié)整向量。

若存在某兩個或多個同階時間序列的線性組合，它們之間通過計算能夠獲得一個穩(wěn)定的誤差序列，即非平穩(wěn)時間序列的短期波動不會影響到序列間的長期均衡關(guān)系，即可說明序列間存在協(xié)整關(guān)系。協(xié)整檢驗根據(jù)時間序列是否為兩條的多少可以分為兩類，Engle-Grange兩步檢驗法一般用于兩條序列間的協(xié)整檢驗中;而多個時間序列間的協(xié)整檢驗一般采用向量自回歸的檢驗方法，該方法由Johansen建立。

1.2 情景分析法

情景分析法（Scenario analysis method）是基于未來的多樣性的一種分析方法，通過對未來可能出現(xiàn)的情景，并分析導(dǎo)致該情景的各種因素是情景分析法的核心思想，可以理解為情景分析法就是構(gòu)建可能的未來、并進行分析的過程。通過對情景的研究，基于現(xiàn)有的條件和合理的推測，可以分析影響時間的外部因素、對不同政策、規(guī)劃、技術(shù)等對未來發(fā)展趨勢產(chǎn)生的影響和效果進行定性與定量相結(jié)合的系統(tǒng)分析，并以此來對影響情景發(fā)生的各種因素進行識別和分析。

1.3 影響因素分析

1.3.1 地域經(jīng)濟發(fā)展 ?地域經(jīng)濟長期穩(wěn)定的發(fā)展電力工業(yè)的核心需求，地域的經(jīng)濟發(fā)展規(guī)?？梢灾庇^地當(dāng)?shù)厣a(chǎn)行為、居民生活對電力供應(yīng)量和穩(wěn)定性的需求。地域的經(jīng)濟發(fā)展根據(jù)類型可以分為三類，分別為投資、消費、外貿(mào)。一個地域內(nèi)經(jīng)濟的合理穩(wěn)定發(fā)展會增強地域?qū)εR近地區(qū)乃至全國地區(qū)的勞動力和人才的吸引力，人口規(guī)模的增加可以大量推動對電力的需求。

1.3.2 城市化 ?城市化的主要影響是省市常住人口和流動人口的增加，同樣會導(dǎo)致對電力的大量需求。另一方面，大量且快速的人口增長勢必導(dǎo)致相應(yīng)配套設(shè)施的增加，政府工程的規(guī)劃實施速度也會相應(yīng)增加以提高電力供應(yīng)能力。但城市化帶來的環(huán)境問題會導(dǎo)致地方政府加大環(huán)境治理，對一些高排放的企業(yè)加以整治，因此當(dāng)城市化到一定程度后電能的需求會放緩。

1.3.3 產(chǎn)業(yè)結(jié)構(gòu) ?是指其由以農(nóng)業(yè)為主的傳統(tǒng)鄉(xiāng)村型社會向以工業(yè)和服務(wù)業(yè)等非農(nóng)產(chǎn)業(yè)為主的現(xiàn)代城市型社會逐漸轉(zhuǎn)變的歷史過程。產(chǎn)業(yè)的升級轉(zhuǎn)型勢必導(dǎo)致當(dāng)?shù)貙δ茉吹男枨罅康脑黾印?/p>

2 ?北京市電力需求預(yù)測模型

2.1 向量自回歸模型

向量自回歸模型（Vector Auto-regression Model，VAR）是一種較為經(jīng)典的非結(jié)構(gòu)化的建模方法。具體的看，VAR模型把系統(tǒng)中每個內(nèi)生變量作為系統(tǒng)中各個內(nèi)生變量的滯后項的函數(shù)來建立模型，其表達形式為：

式中，Yt和分別為k維內(nèi)生變量向量和滯后內(nèi)生變量向量，為d維外生變量向量和滯后外生變量向量，p和r分別為內(nèi)生變量和外生變量中的滯后階數(shù)。Ai為k×k維系數(shù)矩陣，Bi為k×d維系數(shù)矩陣;顯然，系數(shù)矩陣也就是待估計的參數(shù)矩陣。εt為k維隨機誤差項所組成的向量，但元素之間可存在同期相關(guān)性，但不可存在與自身的滯后項相關(guān)和不能存在與模型右邊變量的相關(guān)。

向量自回歸模型中每個方程的右側(cè)都為前定變量，不存在非滯后的內(nèi)生變量，并且每個方程右邊的變量是一致的，因此，可使用最小二乘法估計得到與VAR模型的參數(shù)一致和有效的估計量。其中，對于滯后長度p和r的選擇上，普遍使得滯后階數(shù)可以足夠大進而可以較出色的反映構(gòu)造模型的動態(tài)特征。但對于模型來說，隨著模型中的滯后數(shù)的增大和待估計參數(shù)的增多，模型的自由度隨之降低;因此，通常運用AIC信息準則和SC準則的取值最小原則來獲得模型的最佳滯后階數(shù)。

2.2 Johansen協(xié)整檢驗

Johansen協(xié)整檢驗方法是以向量自回歸模型為理論基礎(chǔ)對回歸系數(shù)的檢驗，主要用于三個以及三個以上的變量。

設(shè)p階向量自回歸模型為：

式（3）中。Johansen協(xié)整檢驗的主要機理是分析矩陣∏的秩r

3 ?分析結(jié)果

北京市是我國的首都，分析北京市電力需求的影響因素及其作用效果，對進一步研究全國其他地區(qū)的電力需求影響因素具有重要的代表意義。

3.1 協(xié)整分析結(jié)果

文章主要根據(jù)北京市2000-2017年GDP、城鎮(zhèn)化率、三產(chǎn)占比、全社會用電量的歷史數(shù)據(jù)，研究GDP、城鎮(zhèn)化率、三產(chǎn)占比這三個因素對于北京市全社會用電量的影響，并據(jù)此進行協(xié)整分析得到參數(shù)方程如下式：

式中，y表示全社會用電量，x1表示GDP，x2表示城鎮(zhèn)化率，x3表示三產(chǎn)占比，a1、a2、a3分別代表各因素對于y的影響系數(shù)，c代表常數(shù)項。

3.1.1 ADF單位根檢驗

采用ADF單位根檢驗方法對北京市2000-2017年GDP、城鎮(zhèn)化率、三產(chǎn)占比進行數(shù)據(jù)平穩(wěn)性檢驗，所得結(jié)果如表1所示。

根據(jù)表1分析可知，各變量的原序列均為非平穩(wěn)時間序列，但其一階差分序列都是平穩(wěn)的，即各變量都是一階單整序列，記為I（1）。根據(jù)平穩(wěn)性檢驗結(jié)果，所有序列都是同階單整的，具備進行協(xié)整檢驗的條件，文章接下來運用協(xié)整檢驗方法驗證變量間的長期均衡關(guān)系，即協(xié)整關(guān)系。

3.1.2 VAR平穩(wěn)性檢驗

根據(jù)SC準則，所構(gòu)建的包含四個變量的VAR模型的最優(yōu)滯后階數(shù)為1，在該滯后階數(shù)下，VAR模型的穩(wěn)定性檢驗結(jié)果如圖1所示。

由圖分析可知，所有自回歸根（AR Roots）都在單位圓內(nèi)，表明文章所構(gòu)建的包含四個變量的一階VAR模型具有良好的穩(wěn)定性。

3.1.3 Johansen協(xié)整檢驗

同階單整的時間序列變量線性組合是平穩(wěn)的，那么可以稱各變量之間存在協(xié)整關(guān)系。協(xié)整檢驗的方法有兩種：EG兩步法和Johansen檢驗法，由于EG法估計量在樣本數(shù)據(jù)時是有偏的，同時在多變量協(xié)整檢驗中，結(jié)果可能是各自變量是協(xié)整，自變量與因變量并不協(xié)整，對于結(jié)論得出影響較大，因此文章選用Johansen協(xié)整檢驗。

根據(jù)VAR模型結(jié)果，設(shè)定Johansen協(xié)整檢驗之后階數(shù)為VAR模型滯后階數(shù)減1，數(shù)據(jù)生成過程根據(jù)SC準則確定，據(jù)此進行Johansen協(xié)整檢驗，結(jié)果如表2所示。

由表2可知，在5%的顯著性水平下，跡檢驗和最大特征根檢驗結(jié)果均顯著拒絕“不存在協(xié)整關(guān)系”和“最多存在一個協(xié)整關(guān)系”的原假設(shè)，同時接受“最多存在兩個協(xié)整關(guān)系”和“最多存在三個協(xié)整關(guān)系”的原假設(shè)，表明變量間存在兩個協(xié)整關(guān)系。

3.1.4 協(xié)整分析預(yù)測結(jié)果

根據(jù)協(xié)整理論，運用Eviews 8軟件，得到模型參數(shù)方程為：

式中，y為全社會用電量，x1為GDP，x2為城鎮(zhèn)化率，x3為三產(chǎn)占比。

表3中的t統(tǒng)計量結(jié)果表明，北京市GDP、城鎮(zhèn)化率和三產(chǎn)占比對全社會用電量具有顯著的影響。集合所得參數(shù)方程式（5）知，lnx1每增加1個單位，lny增加0.4122個單位;x2每增加1個單位，lny增加0.9360個單位;x3每增加1個單位，增加0.5299個單位。

3.2 情景分析

根據(jù)北京市用電影響因素的歷史發(fā)展趨勢，利用情景分析法，對北京市用電需求的影響因素進行預(yù)測，從而進一步對北京市電力需求進行預(yù)測。其中影響因素特征描述如表4所示。

由此可得不同情景下北京市用電需求中長期預(yù)測結(jié)果如圖2和表5所示。

由上述分析可以看出，隨著GDP、城鎮(zhèn)化率、三產(chǎn)占比的提高，北京市電力需求不斷上升;同時影響因素增長較快的情景下，北京市電力需求增長也較快。

4 ?總結(jié)

針對北京市電力需求的預(yù)測，文章采用了協(xié)整分析和情景分析結(jié)合的研究方法，通過協(xié)整分析，得到北京市全社會用電量在GDP、城鎮(zhèn)化率、三產(chǎn)占比影響下的參數(shù)方程，并根據(jù)情景分析，得到不同因素的未來發(fā)展水平，結(jié)合協(xié)整分析所得的參數(shù)方程得到北京市2018-2030年的全社會用電量預(yù)測結(jié)果。

參考文獻：

[1]趙會茹，趙名銳，李娜娜，李付強，胡娛歐.基于協(xié)整理論的北京市電力與經(jīng)濟增長關(guān)系研究[J].陜西電力，2015，43（05）：60-64，70.

[2]魏曉萌.北京市電力需求影響因素及預(yù)測研究[D].北方工業(yè)大學(xué)，2018.

[3]汪斌，張欣欣，嵇靈，解玉磊.北京市電力消耗驅(qū)動因素分析及需求預(yù)測[J].中國電力，2018，51（06）：178-184.

[4]陳樹民.我國電力需求影響因素研究[D].山東大學(xué)，2018.

[5]劉俊，趙宏炎，劉嘉誠，潘良軍，王楷.基于協(xié)整-格蘭杰因果檢驗和季節(jié)分解的中期負荷預(yù)測[J].電力系統(tǒng)自動化，2019，43（01）：73-80.

[6]孫偉，鮑毅，戴波，盧君波，王昆.基于改進極限學(xué)習(xí)機的電力需求預(yù)測研究[J].計算機與數(shù)字工程，2019，47（04）：806-811，819.

[7]陳海蘭，高學(xué)東.基于波動特征的時間序列相似性度量及聚類分析[J/OL].統(tǒng)計與決策，2019（11）：17-22.

[8]林勇，麻敏華，靳冰潔，黃紅偉，張德亮.基于多元相關(guān)性矩陣的中長期負荷預(yù)測方法研究[J].電氣應(yīng)用，2019，38（01）：90-94.