摘要：在“雙碳”的目標之下，我國新能源汽車市場快速發(fā)展，充電設(shè)施作為其配套服務(wù)行業(yè)，現(xiàn)已成為支撐新能源汽車產(chǎn)業(yè)發(fā)展的重要因素?；诖?，選取我國2019年1月—2023年12月新能源汽車公共充電樁保有量進行預(yù)測，運用R軟件建立ARIMA模型，并對模型進行檢驗及擬合，同時用已有數(shù)據(jù)進行驗證，結(jié)果表明該模型的預(yù)測效果較好，具有一定參考價值。

關(guān)鍵詞：ARIMA模型；新能源汽車；公共充電樁；保有量預(yù)測

中圖分類號：U469.7? 收稿日期：2024-03-20

DOI：1019999/jcnki1004-0226202405024

1 前言

隨著全球氣候變化和環(huán)境問題日益嚴峻，綠色低碳高質(zhì)量發(fā)展已成為各國共同追求的目標。在這一目標下，我國新能源汽車市場迅猛發(fā)展，而充電樁作為新能源汽車產(chǎn)業(yè)鏈下游的重要環(huán)節(jié)，在國家政策的大力支持和市場需求的帶動下，其市場從初步發(fā)展到新基建的確立，逐步走向成熟，有著非常廣闊的前景。

近年來，國內(nèi)眾多學者對新能源汽車充電樁相關(guān)問題進行了研究，并發(fā)表自己的觀點。例如，董恒祥等[1]對目前新能源汽車充電樁存在的問題進行了分析，最后針對今后充電設(shè)施行業(yè)的發(fā)展趨勢進行了探索。許丙坤等[2]對新能源汽車充電樁新基建存在的問題進行分析，并提出相應(yīng)的解決策略，促進新能源汽車行業(yè)的可持續(xù)發(fā)展。通過上述文獻可以看出，國內(nèi)學者的研究僅停留在市場政策方面，對新能源汽車公共充電樁保有量預(yù)測的研究幾乎沒有。公共充電樁是為社會全部或部分車輛提供充電服務(wù)而進行建設(shè)運營的充電樁。為了解我國新能源汽車公共充電樁市場未來的需求，本文將建立預(yù)測模型，并對新能源汽車公共充電樁保有量進行預(yù)測。

結(jié)合本文所收集數(shù)據(jù)的特征，采用ARIMA模型較為合適，此模型理論成熟，應(yīng)用廣泛。例如繆輝等[3]采用ARIMA模型對我國新能源汽車的月度銷量數(shù)據(jù)進行預(yù)測，表明模型具有良好性能。王旭天等[4]選用我國汽車銷售月度數(shù)據(jù)，構(gòu)建具有季節(jié)性的ARIMA模型預(yù)測，模型合理有效。綜上所述，本文將通過建立ARIMA模型對我國新能源汽車公共充電樁保有量進行預(yù)測分析。

2 數(shù)據(jù)描述

為預(yù)測分析我國新能源汽車公共充電樁保有量的趨勢和變化，本文通過收集我國充電聯(lián)盟發(fā)布的數(shù)據(jù)，整理得到2019年1月—2023年12月（共計60個月）各月新能源汽車公共充電樁保有量數(shù)據(jù)。根據(jù)該數(shù)據(jù)繪制出新能源汽車公共充電樁保有量的時間序列趨勢圖，如圖1所示，可以觀察發(fā)現(xiàn)總體呈上升趨勢，且時序圖存在季節(jié)性。

3 模型概述

ARIMA（p，d，q）模型可以將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列并對序列進行科學的預(yù)測。該模型數(shù)學表達式為：

[φ（B）Δ（D）Xt=θ（B）at]? ? ? ? ? ? ? ? ? ? ? （1）

式中，B為延遲算子；Δ為差分算子；[Xt]為時間序列。at為白噪聲序列；[φ（B）]及[θ（B）]分別為自回歸算子和移動平均算子。

但由于所用數(shù)據(jù)的時序圖存在季節(jié)性，需要消除季節(jié)性的影響，因此選用季節(jié)性ARIMA模型預(yù)測更為合適。即ARIMA（p，d，q）（P，D，Q）m，其中p為自回歸階數(shù)，P為季節(jié)性自回歸階數(shù)，d為差分次數(shù)，D為季節(jié)性差分次數(shù)，q為移動平均項，Q為季節(jié)性移動平均項，m為每一季節(jié)的周期值。

4 模型構(gòu)建

41 平穩(wěn)性檢驗

平穩(wěn)性檢驗可以檢驗時間序列數(shù)據(jù)是否平穩(wěn)，可使用ADF檢驗來判斷，計算結(jié)果顯示原序列p=099>005，不能拒絕原假設(shè)，此序列不平穩(wěn)。原序列數(shù)據(jù)是呈線性上升的，為了消除線性趨勢，需要進行一階差分（d=1），一階差分后發(fā)現(xiàn)新序列依然不平穩(wěn)，考慮序列具有周期為12的季節(jié)性。為了消除季節(jié)性進行一階12步差分（d=1，s=12），再對一階12步差分序列進行ADF檢驗，得到p>001，此時拒絕原假設(shè)，此序列平穩(wěn)，結(jié)果見圖2。

42 純隨機檢驗（白噪聲檢驗）

為了確定平穩(wěn)序列是否值得繼續(xù)分析下去，需要進行純隨機檢驗。檢驗結(jié)果顯示p值為00044<005，則拒絕原假設(shè)，時間序列為非白噪聲序列，該序列可以進行模型擬合。

43 模型識別

對一階12步季節(jié)差分后的序列繪制自相關(guān)圖（ACF）和偏自相關(guān)圖（PACF），如圖3所示。對于非季節(jié)項，只做了一階非季節(jié)差分d=1，從PACF看出p=0或2，從ACF看出q=0。而對于季節(jié)項，也只做了一階季節(jié)差分D=1，從PACF看出P=1，從ACF看出Q=0。根據(jù)R軟件自動定階及結(jié)合ACF、PACF圖，選出以下三種模型：ARIMA（0，1，0）（1，1，0）12；ARIMA（2，1，0）（0，1，0）12；ARIMA（2，1，0）（1，1，0）12。

44 模型檢驗

441 模型顯著性檢驗

模型顯著性檢驗即殘差序列應(yīng)該為白噪聲序列，白噪聲統(tǒng)計量的p>005時，模型的殘差序列為白噪聲序列，即該擬合模型顯著成立。根據(jù)R軟件運算結(jié)果見表1。從表1可以看到模型ARIMA（0，1，0）（1，1，0）12延遲6、12、18階的模型顯著性檢驗p值均大于005的顯著性水平，該擬合模型有效。模型ARIMA（2，1，0）（0，1，0）12只有延遲6階的模型顯著性p值為04574，大于顯著性005，而延遲12階及18階的模型顯著性均小于005，該擬合的模型不顯著。模型ARIMA（2，1，0）（1，1，0）12延遲6、12、18階的模型顯著性檢驗p值均大于005的顯著性水平，認為該擬合模型有效。綜上所述，模型ARIMA（2，1，0）（0，1，0）12的p值小于005，故剔除。

442 參數(shù)顯著性檢驗

為了使模型精簡高效，構(gòu)造參數(shù)顯著性檢驗，可調(diào)用pt函數(shù)求出p值。運行結(jié)果顯示余下兩個模型t統(tǒng)計量的值均小于005，拒絕原假設(shè)，參數(shù)均顯著有效。

5 模型優(yōu)化

AIC函數(shù)及BIC函數(shù)達到最小的模型為相對最優(yōu)模型。根據(jù)表2所示結(jié)果進行對比可知，相對最優(yōu)模型為ARIMA（2，1，0）（1，1，0）12，它的基本公式為：

（1-2362×10B-7380×10-4B2）（1-6089×10-7B12）

（1-B）（1-B12）Xt=at? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

式中，B為延遲算子；at為白噪聲序列；Xt為月度充電樁保有量數(shù)據(jù)。

6 模型預(yù)測

首先利用建立的ARIMA模型對新能源汽車公共充電樁保有量進行預(yù)測，結(jié)果如圖4所示。圖中非陰影部分線條為實際值，陰影部分線條為擬合值，陰影部分置信水平為R軟件默認的995%的預(yù)測值置信區(qū)間，可以直觀看到預(yù)測值折線落在此區(qū)間內(nèi)，而且呈現(xiàn)明顯的上升趨勢。

然后選取了2023年12月—2024年2月的真實值與預(yù)測值做對比，結(jié)果見表3。表3中預(yù)測值都落在概率為995%的區(qū)間數(shù)值內(nèi)，說明模型擬合效果較好。為了更好地評價模型真實值與預(yù)測值的預(yù)測誤差，選用相對百分比誤差（RPE）和平均絕對百分比誤差（MAPE）評價，RPE和MAPE越小，說明模型的預(yù)測效果越好，根據(jù)計算可知兩個月的相對百分比誤差都控制在4%以下，同時MAPE為315%，也在4%以下。

最后，通過觀察預(yù)測的時序圖以及計算誤差率兩種方法，都證明了本文所建立的保有量預(yù)測模型效果較好。

7 結(jié)語

本文通過收集我國2019年1月—2023年12月新能源汽車公共充電樁保有量數(shù)據(jù)，利用R軟件建立ARIMA預(yù)測模型，模型通過平穩(wěn)性、純隨機等檢驗，并對比真實值與預(yù)測值，結(jié)果表明ARIMA（2，1，0）（1，1，0）12模型擬合效果較好且預(yù)測精度較高。

隨著新能源汽車市場的不斷擴大和技術(shù)的不斷進步，充電樁建設(shè)是新能源車產(chǎn)業(yè)可持續(xù)發(fā)展的重要支撐，為推動我國新能源汽車充電基礎(chǔ)設(shè)施進一步發(fā)展，相關(guān)部門應(yīng)采取措施鼓勵企業(yè)加大充電樁的投資和建設(shè)力度，確保充電站點的密度和覆蓋面進一步提高。尤其是中小城市和農(nóng)村地區(qū)，鼓勵企業(yè)增加對這些地區(qū)的投資，實現(xiàn)充電基礎(chǔ)設(shè)施的均衡發(fā)展。同時為了保障充電樁的正常運營和用戶體驗，相關(guān)部門可加強對充電樁運營企業(yè)的監(jiān)督和管理。最后國有品牌應(yīng)積極提升電動化智能化技術(shù)水平，增強我國新能源汽車產(chǎn)業(yè)競爭力。

參考文獻：

[1]董恒祥，潘江如，趙晴，等新能源汽車充電設(shè)施行業(yè)現(xiàn)狀與發(fā)展趨勢分析[J]時代汽車，2022（10）：128-129+132

[2]許丙坤，邱盈飚，牛志偉，等新能源汽車充電樁新基建存在問題與解決策略[J]汽車測試報告，2023（19）：146-148

[3]繆輝，唐晨添，羅露璐基于ARIMA模型的新能源汽車銷量預(yù)測[J]企業(yè)科技與發(fā)展，2020（10）：97-98

[4]王旭天，李政遠，舒慧生基于SARIMA的我國汽車銷量預(yù)測分析[J]中國市場，2016（1）：71-74

作者簡介

繆輝，男，1994年生，助教，研究方向為大數(shù)據(jù)分析。