張明慧 李存斌

摘 要： 隨著電力市場的發(fā)展，中長期電力需求預測的重要性日益顯現(xiàn)，準確的電力需求預測不僅可以保證電網(wǎng)安全穩(wěn)定運行，而且是社會經(jīng)濟高效發(fā)展的基礎。在本文中應用逐步回歸法對歷史數(shù)據(jù)進行分析計算，得出社會用電量的線性回歸方程，進而灰色預測法對線性回歸方程中的自變量進行預測，進而帶入線性回歸方程得到預測結果。最后對某地2020-2025年的電力需求做預測，總體趨勢顯示我國的電力需求在未來幾年將會穩(wěn)步增長。

關鍵詞： 電力需求預測;逐步回歸;灰色預測

電力工業(yè)是國民經(jīng)濟的支柱行業(yè)，電力工業(yè)的快速發(fā)展不僅為全社會的用電需求提供了保障，而且有力地支撐了經(jīng)濟社會的快速發(fā)展，各行各業(yè)的發(fā)展都離不開電力行業(yè)的支持。通過科學的電力需求預測來科學地規(guī)劃電力系統(tǒng)、適時調整電力供應，不僅是保障電力工業(yè)健康、穩(wěn)定發(fā)展的重要條件，而且是電力生產(chǎn)調度和市場營銷的重要依據(jù)。

近年來，國內(nèi)外學者對電力需求預測的模型進行了研究，預測理論技術不斷地進行改進，其中電力需求預測的經(jīng)典方法有適用于大區(qū)域中長期預測的電力彈性系數(shù)預測法、適用于中短期宏觀預測的單耗法、適用于中長期宏觀預測的轉導法與類比法和適用于城市電網(wǎng)規(guī)劃方面預測的負荷密度法。隨著科學技術的不斷發(fā)展，新的預測技術不斷出現(xiàn)，如時間序列預測方法、回歸預測方法、投入產(chǎn)出預測方法、神經(jīng)網(wǎng)絡、遺傳算法（GA）和系統(tǒng)動力學（SD）等。汲國強等選用（對數(shù)平均迪氏指數(shù)）LMDI分解模型對用電增長量進行分解，根據(jù)影響因素分解為生產(chǎn)效應、結構效應和強度效應，然后選用布谷鳥搜索優(yōu)化的最小二乘支持向量機對各效應進行擬合及預測在加總得到預測用電需求量[1]。程鵬等將人工神經(jīng)網(wǎng)絡和灰色預測方法相結合提出了一種并聯(lián)灰色神經(jīng)網(wǎng)絡預測方法[2]。徐聰穎等利用最優(yōu)權重組合將灰色線性回歸模型、二次指數(shù)模型、等維新息模型、殘差灰色模型4種模型進行組合，采用二元最優(yōu)組合的迭代尋優(yōu)算法來求取每個模型的權重，充分發(fā)揮集中模型各自的優(yōu)點[3]。孫利軍等建立了基于灰色預測和多元回歸預測的電力負荷組合預測，提高了預測精度[4]。程玉桂等建立了一個基于遺傳算法和BP算法相結合的神經(jīng)網(wǎng)絡預測模型，具有更高的準確性[5]。

1 電力需求影響因素分析

電力需求的變化受多種因素的影響，在進行中長期電力需求預測的過程中要重點研究各種相關因素對各行業(yè)電力需求的影響，比如，GDP（國民生產(chǎn)總值）的變化與電力消費的變動呈正相關關系，電價的變化影響用電企業(yè)的生產(chǎn)成本[6]，所以我們在進行預測的過程中需要的數(shù)據(jù)主要包括社會經(jīng)濟發(fā)展的主要指標和未來趨勢、國民經(jīng)濟的發(fā)展戰(zhàn)略和產(chǎn)業(yè)結構調整、項目建設目標、分行業(yè)用電量及負荷資料，包括年用電量、月度用電量、典型日負荷等、二次能源占能源消費比重及未來走勢、GDP單耗、各行業(yè)增加值單耗、主要產(chǎn)品單耗及未來走勢等因素。

在進行電力需求預測的過程中，要根據(jù)所要預測的實際問題來進行數(shù)據(jù)的選取，比如，宋曉華等在應用多元回歸理論進行中長期電力需求預測的過程中，選擇GDP、人口數(shù)、城鎮(zhèn)居民人均可支配收入、第三產(chǎn)業(yè)與第二產(chǎn)業(yè)比值、農(nóng)村人均純收入作為自變量[6]。劉永強等在應用系統(tǒng)動力學進行中長期電力需求預測的過程中，分別預測三大產(chǎn)業(yè)和居民生活用電，再將預測結果相加得到全社會的用電量[7]。所以在應用不同的預測方法時所選取的數(shù)據(jù)是不同的，我們要根據(jù)預測方法來選取相應的自變量。

2 電力需求預測模型構建

在進行電力需求預測的過程中，首先要根據(jù)預測區(qū)域的電力需求影響因素進行分析，進而將量化后的影響因素作為解釋變量代入逐步回歸中進行計算，利用歷史數(shù)據(jù)計算出電力需求預測與各影響因素之間的關系，即得到回歸方程。進而應用灰色預測法對線性回歸方程中的解釋變量進行預測，并通過后驗差檢驗對預測結果進行模型精度等級判斷。最后將預測的解釋變量的值代入回歸方程中，得到最終預測結果。

3 算例

3.1 確定回歸方程

本文以某地的電力需求為對象進行預測，選取2008—2018年的數(shù)據(jù)為歷史數(shù)據(jù)進行逐步回歸，并選取城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入、人口數(shù)、產(chǎn)業(yè)結構（3/2）、GDP和用電量作為自變量，社會用電量作為因變量。本文用MATLAB軟件來進行逐步回歸算法的計算，逐步回歸計算的結果顯示， 最終自變量產(chǎn)業(yè)結構（3/2）和GDP作為回歸模型中的自變量，且線性回歸方程為y=19212.9-8351.64*x4+0.0712222*x5。

3.2 預測自變量取值

同樣選取2008—2018年的數(shù)據(jù)為歷史數(shù)據(jù)來進行灰色預測，分別對產(chǎn)業(yè)結構（3/2）和GDP在2020—2025年的數(shù)值進行預測。應用MATLAB平臺來進行灰色預測，產(chǎn)業(yè)結構（3/2）和GDP預測結果分別如下表所示。對產(chǎn)業(yè)結構（3/2）進行灰色預測的結果進行后驗差檢驗可得，均方差比值C為0.1235，小誤差概率P為1，可見預測結果的等級為好。

3.3 預測計算及結果分析

將產(chǎn)業(yè)結構（3/2）和GDP在2019—2025年的預測結果代入回歸方程中可得2019—2025年的社會用電量，結果如下表所示。

通過分析預測結果可知，2019—2025年某地社會用電量呈穩(wěn)定增長趨勢，且到2024年該地社會用電量將突破10萬億千瓦時，且社會用電量呈穩(wěn)定增長趨勢。

4 結論

在進行電力需求預測的過程中，影響電力需求預測的因素有很多，而我們在做預測的過程中受因素可否量化和預測方法的限制等的影響，預測結果會存在一定程度的誤差。因而我們在做電力需求預測的過程中可重點考慮某些因素來選擇指標和預測方法，或者選擇組合預測方法來進行預測，充分利用各預測方法的優(yōu)勢并克服缺點，為規(guī)劃提供可靠的參考。

參考文獻：

[1]汲國強，李順昕，趙偉博，等.基于對數(shù)平均迪氏指數(shù)-布谷鳥搜索算法-最小二乘支持向量機的區(qū)域中長期電力需求預測[J].科學技術與工程，2018，18（10）：213-218.

[2]程鵬，韋雅君，李金穎，甄成剛.基于改進的并聯(lián)灰色神經(jīng)網(wǎng)絡模型在電力需求預測中的應用[J].廣東電力，2011，24（8）：13-16.

[3]徐聰穎，廖峰，陳震海.灰色組合模型在中長期電力負荷預測中的應用[J].電力需求側管理，2011，13（2）：20-23.

[4]孫利軍，劉冬.基于灰色理論和回歸分析的中長期電力負荷組合預測研究[J].華北電力大學學報社會科學版，2011（S2）：132-134.

[5]程玉桂，黎明.基于遺傳算法和BP神經(jīng)網(wǎng)絡的城區(qū)中長期電力負荷預測與分析[J].計算機應用，2010，30（1）：224-226.

[6]宋曉華，祖丕娥，陳靈青.基于多元線性回歸理論的中長期電力需求預測[J].時代經(jīng)貿(mào)，2012（14）：64-65.

[7]劉永強，韋凌云.系統(tǒng)動力學方法的中長期電力需求預測[J].電力科學與工程，2002（3）：4-6.