一种基于气温与经济增长的用电需求预测方法

摘要

本发明提供一种基于气温与经济增长的用电需求预测方法，包括选取最佳经济指标；获取历史数据；计算得到历史年度样本区间各个月度/季度的平均气温；计算得到历史年度样本区间各个月度/季度的经济增长指数；构建以全社会用电量为解释变量的逐年同月/季计量经济模型；计算得到目标月度/季度的平均气温预测值；计算得到目标月度/季度的经济增长指数预测值；计算得到目标月度/季度的全社会用电量预测值。本发明具有预测过程简单、预测效果好等优点，为月度/季度层面的用电需求提供了一种有效的预测方法，能够为能源主管和电力市场分析预测人员提供重要的参考依据。

说明书

技术领域

本发明涉及电力市场需求预测技术领域，具体是一种基于气温与经济增长的用电需求预测方法。

背景技术

电力市场需求预测工作是国家能源主管部门和电网企业的一项重要基础性工作，为国家能源监测与管理、电网企业生产计划与经营管理提供重要的支撑依据，尤其是国内经济三期叠加、步入新常态、经济与用电增速明显放缓的当前形势，对用电需求预测准确性提出了更高的要求。

经济增速仍在继续探底，传统外推式预测方法因未考虑经济走势影响，往往按平稳增长继续演进，导致用电需求预测结果存在较大偏差，因而用电需求预测不能脱离经济增长而独立开展；同时，夏、冬季节整个用电量中气温电量比重较高，因而用电需求受气温影响十分显著，为提高用电需求预测准确性，气温因素亦不容忽视。综合考虑气温和经济增长两方面因素后开展月度/季度层面的用电需求预测，能够显著提高预测准确率。

但当前电力市场需求预测主要集中在对电力负荷的预测，由于电力负荷受气象因素影响很大，先前主流研究均以气象指标为基础并采用各种算法来开展电力负荷预测；对于用电需求(即用电量)预测，大多数研究仍然停留在趋势外推、产值单耗、弹性系数、GDP回归等传统预测手段上，部分研究虽然已经聚焦到基于经济-电力关系来预测用电需求，如：构建投资驱动型经济增长模型，再传导至用电需求预测，但仍然存在预测过程复杂、缺乏对气温的有效考虑等问题。

发明内容

本发明的目的在于提供一种基于气温与经济增长的用电需求预测方法，为月度/季度层面的用电需求提供一种有效且更加准确的预测方法。

本发明的技术方案为：

一种基于气温与经济增长的用电需求预测方法，包括以下步骤：

(1)选取规模以上工业增加值或社会消费品零售额作为最佳经济指标；

(2)获取历史年度样本区间各日的平均气温数据、各个月度/季度的最佳经济指标增速数据和全社会用电量数据；

(3)根据所述历史年度样本区间各日的平均气温数据，计算得到历史年度样本区间各个月度/季度的平均气温；

(4)构建逐年同月/季经济增长指数计算模型，根据所述历史年度样本区间各个月度/季度的最佳经济指标增速数据，计算得到历史年度样本区间各个月度/季度的经济增长指数；

(5)根据所述历史年度样本区间各个月度/季度的全社会用电量数据、平均气温和经济增长指数，构建以全社会用电量为解释变量的逐年同月/季计量经济模型；

(6)将历史年度样本区间同月/季的平均气温取平均值，计算得到目标月度/季度的平均气温预测值；

(7)获取目标月度/季度的最佳经济指标增速数据，计算得到目标月度/季度的经济增长指数预测值；

(8)根据所述以全社会用电量为解释变量的逐年同月/季计量经济模型、目标月度/季度的平均气温预测值和经济增长指数预测值，计算得到目标月度/季度的全社会用电量预测值。

所述的基于气温与经济增长的用电需求预测方法，步骤(3)中，所述历史年度样本区间各个月度/季度的平均气温通过以下公式计算得到：

${\mathrm{AT}}_t=\frac{1}{D}\underset{j=1}{\overset{D}{\Sigma }}{\mathrm{ATP}}_{t,j}$

其中，AT_t表示历史年度样本区间的第t年被研究月/季的平均气温，ATP_tj表示历史年度样本区间的第t年被研究月/季的第j日的平均气温，D表示历史年度样本区间的第t年被研究月/季的总天数。

所述的基于气温与经济增长的用电需求预测方法，步骤(4)中，所述逐年同月/季经济增长指数计算模型为：

${\mathrm{EGI}}_t=100\times \underset{n=1}{\overset{t}{\Pi }}(X_n+1)$其中，EGI_t表示历史年度样本区间的第t年被研究月/季的经济增长指数，t＝1，2,…,Ｔ，T表示历史年度样本区间的总年数，X_n，n＝1，2，…，t表示历史年度样本区间的第n年被研究月/季的最佳经济指标增速。

所述的基于气温与经济增长的用电需求预测方法，步骤(5)中，所述以全社会用电量为解释变量的逐年同月/季计量经济模型为：

QSH＝α₀+α₁EGI+α₂AT

其中，QSH表示月度/季度的全社会用电量，EGI表示月度/季度的经济增长指数，AT表示月度/季度的平均气温，α₀、α₁和α₂为常数，是将历史年度样本区间同月/季的全社会用电量、经济增长指数和平均气温代入所述以全社会用电量为解释变量的逐年同月/季计量经济模型中，采用最小二乘法拟合得到的。

由上述技术方案可知，本发明综合考虑了影响用电需求的两个最主要因素——经济增长和气温，预测效果得到较好保证，且操作简单，预测过程便于实现，为月度/季度层面的用电需求提供了一种有效的预测方法，能够为能源主管和电力市场分析预测人员提供重要的参考依据。

附图说明

图1是本发明的方法流程图；

图2是本发明实施例中误差率对比图。

具体实施方式

下面以安徽省月度全社会用电量预测为例进一步说明本发明。

如1所示，一种基于气温与经济增长的用电需求预测方法，包括以下步骤：

S1、选取规模以上工业增加值或社会消费品零售额作为最佳经济指标；

安徽省作为中部省份，工业对其经济和用电的支撑性很强，由此选择规模以上工业增加值作为最佳经济指标。

S2、获取2007～2014年间各日的平均气温数据、各月的规模以上工业增加值增速数据和全社会用电量数据。

S3、根据2007～2014年间各日的平均气温数据，采用以下公式计算得到2007～2014年间各月的平均气温(各月每日的平均气温的平均值)，计算结果如表1所示：

${\mathrm{AT}}_t=\frac{1}{D}\underset{j=1}{\overset{D}{\Sigma }}{\mathrm{ATP}}_{t,j}$

其中，AT_t表示2007～2014年间的第t年被研究月的平均气温，ATP_tj表示2007～2014年间的第t年被研究月的第日的平均气温，D表示

2007～2014年间的第t年被研究月的总天数。

各月平均 2007年 2008年 2009年 2010年 2011年 2012年 2013年 2014年

气温(℃) 1-2月 5.81 1.70 4.85 4.36 2.16 2.58 4.12 4.93 3月 11.48 12.27 10.34 8.78 9.61 8.97 11.57 11.98 4月 16.80 16.82 17.15 13.41 17.39 18.14 16.39 16.56 5月 24.00 23.13 21.50 21.18 21.80 22.41 22.19 22.50 6月 25.43 24.29 26.82 25.19 25.27 26.41 25.35 25.24 7月 27.81 28.11 28.09 27.94 28.02 29.81 30.22 27.47 8月 28.18 27.02 26.96 28.45 26.52 27.52 30.49 25.38 9月 23.37 23.76 22.92 23.33 21.81 22.43 23.39 22.86 10月 18.01 18.48 19.55 16.64 17.05 18.29 18.03 18.63 11月 10.88 11.10 7.09 11.92 12.93 9.99 11.39 11.73 12月 6.20 5.48 3.83 6.21 3.34 3.30 3.92 4.54

表1

S4、构建逐年同月经济增长指数计算模型：

${\mathrm{EGI}}_t=100\times \underset{n=1}{\overset{t}{\Pi }}(X_n+1)$

其中，EGI_t表示2007～2014年间的第t年被研究月的经济增长指数，t＝1，2，…，T，T表示2007～2014年间的总年数，X_n，n＝1，2，…，t表示2007～2014年间的第n年被研究月的规模以上工业增加值增速。

根据2007～2014年间各月的规模以上工业增加值增速数据，计算得到2007～2014年间各月的经济增长指数，如表2所示：

表2

S5、根据2007～2014年间各月的全社会用电量数据、平均气温和经济增长指数，构建以全社会用电量为解释变量的逐年同月计量经济模型：

QSH＝α₀+α₁EGI+α₂AT

其中，QSH表示月度全社会用电量，EGI表示月度经济增长指数，AT表示月度平均气温，α₀、α₁和α₂为常数，是将2007～2014年间同月的全社会用电量、经济增长指数和平均气温代入上述逐年同月计量经济模型中，采用最小二乘法拟合得到的。如1-2月、3月和4月的模型如下，其中，R²表示模型拟合优度，其值越接近1，模型效果越好。1-2月：

QSH＝64.35118578+0.4985136156EGI-2.250496067AT(R²＝0.9985)3月：

QSH＝46.53924604+0.2397514252EGI-1.331926396AT(R²＝0.9942)4月：

QSH＝29.4754672+0.2479660118EGI-0.01366890853AT(R²＝0.9966)

各月模型中平均气温AT前面的系数大小表示该月全社会用电量受气温影响的敏感程度，全年各月结果如表3所示，表3中的-2.25表示1-2月平均气温较常年每偏高(或偏低)1℃，1-2月全社会用电量将减少(或增加)约2.25亿千瓦时，0.86表示6月平均气温较常年每偏高(或偏低)1℃，6月全社会用电量将增加(或减少)约0.86亿千瓦时，其他月份含义类似。

全社会用电量受气温影响的敏感系数(亿千瓦时/℃) 1-2月 -2.25 3月 -1.33 4月 0 5月 0 6月 0.86 7月 5.56 8月 6.36 9月 2.86 10月 0 11月 -1.15 12月 -4.05

注：4、5和10月气温适宜，对用电需求影响很小，可忽略。

表3

S6、预测2015年各月全社会用电量

2015年安徽省经济仍处于探底阶段，工业经济增速仍将进一步放缓，各月平均气温按常年考虑(取2007～2014年间同月平均气温的平均值)，由此得到2015年各月经济增长指数和平均气温预测值，代入计量经济模型，可预测出2015年各月全社会用电量，如表4所示：

2015年 全社会用电量预测值 增速 1-2月 264.6 7.0％ 3月 133.4 4.0％ 4月 128.8 6.2％ 5月 132.9 3.8％ 6月 137.5 5.5％ 7月 164.6 9.2％ 8月 164.2 14.9％ 9月 135.4 7.4％ 10月 133.6 3.9％ 11月 137.7 4.9％ 12月 158.1 5.2％ 全年 1690.9 6.7％

表4

运用上述计量经济模型预测2014年各月全社会用电量，并与实际值进行比较，各月模型误差率如表5所示，其平均绝对百分误差仅1.4％，大幅低于趋势外推和仅考虑经济指标的预测方法，尤其在夏季，如图2所示。

表5

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。