葛　斐，王　宝，陈　驰，李　周

(1.国网安徽省电力公司经济技术研究院，安徽 合肥 230022；2.国网江苏省电力公司南京供电公司，江苏 南京 210008)



基于工业结构调整的安徽省工业用电量预测研究

葛斐1，王宝1，陈驰2，李周1

(1.国网安徽省电力公司经济技术研究院，安徽 合肥 230022；2.国网江苏省电力公司南京供电公司，江苏 南京 210008)

摘要：工业用电量在全社会用电量中的占比较高，准确预测工业用电量可以用于分析全社会用电量的变化趋势。将工业用电量分解为工业增加值和工业用电强度的乘积，以安徽省为例，将工业行业划分为轻工业、高能耗行业、先进制造业和采矿业四大类，考察工业用电强度与工业增加值结构的关系，建立多元线性回归模型，分析工业结构调整对工业用电强度的影响，从而预测工业用电量。

关键词：工业结构；工业用电量；工业用电强度；线性回归

0引言

工业用电量在全社会用电量中的占比极大，对全社会用电量有着至关重要的影响。工业行业众多且复杂，工业结构是工业系统内部各部门、组织规模和技术水平的比例关系。不同的工业结构水平需要不同的电力消费，通过研究工业结构变化对电力需求的影响，建立合适的工业用电量预测模型，对于提高全社会用电量的预测精度具有重要的现实意义。

我国学者对电力需求预测的影响因素进行了大量研究。何永秀运用格氏因果关系及误差修正模型，分析了10个主要工业部门用电量与GDP增长的双向关系，结果显示，GDP增长会显著拉动黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、纺织业、造纸及纸制品业、机械、电气、电子设备制造业用电量的增长，但用电量的增长比率有很大的不同[1]。吴玉鸣通过分析中国30个省域的电力消费与经济增长各变量之间的关系表明，电力消费需求量存在地区差异，并指出对于安徽省工业增加值在GDP中的占比所衡量的产业结构对电力消费的影响是显著正相关[2]。支娇研究了工业行业电力需求与经济增长之间的关系，利用协整性检验发现了全社会用电量和国内生产总值GDP的长期协整关系[3]。林卫斌将产业结构因素加入对电力的分析中，得出产业结构能够影响电力消费和经济发展，是二者出现非同步现象的原因[4]。张敬伟研究了河北省产业结构变动对电力消费的影响机制，指出河北省产业结构调整并没有发挥节能效益，反而促进电力等能源消费增长[5]。崔巍等人对重庆市电力需求进行分析时选取全国和重庆两个维度的指标进行主成分分析，得出宏观经济相关因素、居民生活需求、气候变化为影响重庆电力需求的主要因素[6]。

综合现有相关文献的研究结论，在用电预测研究中，影响因素主要有经济增长、产业结构调整和气候变化，但有关工业结构调整对工业用电量影响的研究非常少见。本文将工业用电量分解为工业增加值和工业用电强度的乘积，建立工业用电强度与工业结构指标的多元线性回归模型，并以安徽省为例，基于对安徽省未来工业增加值结构的预测，预测安徽省2020年的工业用电量。

一、数据来源与处理

本研究所选用的数据期间是2000～2013年，从各年《安徽省统计年鉴》中获取当年价格计算的各行业工业增加值(单位：亿元)和工业用电量(万千瓦时)。将工业增加值数据用商品零售出厂价格指数换算成2013年的不变价格计算的实际工业增加值。通过分析安徽省2000～2013年工业用电量和工业增加值的统计数据，将工业行业合并为26个行业。工业用电强度等于工业用电量与工业增加值之比，即单位工业增加值所消耗的电量，单位为千瓦时/元。

计算安徽省26个工业行业的用电强度发现，各行业的工业用电强度基本呈逐年下降趋势。其中有色金属矿采选业、化学纤维制造业、非金属矿采选业、化学原料及化学制品制造业、水的生产和供应业、非金属矿物制品业、黑色金属冶炼及压延加工业，这些行业的工业用电强度相对较高，其他行业的工业用电强度相对较低。

二、建模分析

逐步回归模型是根据多元回归分析法和求解求逆紧凑变换法及双检验法而建立的最优回归模型。逐步回归分析实质上就是多元线性回归分析的基础上派生出的一种研究和建立最优多元线性回归方程的算法技巧。运用逐步回归法建立反映工业用电强度与工业结构关系的多元线性回归模型。

(一)模型建立

根据各行业的工业用电强度和行业特征，选取工业部门中的四大类行业：轻工业、高耗能行业、先进制造业和采矿业，其中轻工业包括造纸及纸制品业、纺织业、食品和饮料制造业等，高耗能行业包括化工、非金属矿物制品业、黑色金属和有色金属冶炼及压延加工业、石油加工行业，先进制造业包括医药制造业、通用和专用设备制造业、交通运输及电子设备制造业，采矿业包括非金属、有色金属、黑色金属和煤炭的采选业，分别计算其比重，作为代表工业结构的指标。

选取工业用电强度作为因变量，轻工业、高能耗行业、先进制造业和采矿业的工业增加值占比、人均GDP作为自变量，运用逐步回归法建立多元线性回归模型。其中，工业用电强度用“ELI”表示；轻工业、高能耗行业、先进制造业、采矿业的工业增加值占全行业工业增加值的比例分别用“qgy”、“gnh”、“xjzz”、“cky”表示，安徽省人均GDP用“rGDP”表示。应用统计软件进行回归分析，输出结果。

多元线性回归方程：

ELI=0.123-0.622xjzz+0.448gnh+0.476qgy

(t=2.093)(t=-7.512)(t=5.422)(t=4.241)

R为回归方程复相关系数，衡量全部自变量与因变量之间的线性关系密切程度，R2检验多元线性回归模型拟合优度。该模型R2=0.977，修正的R2=0.973； F=245.156，显著性概率值均小于0.001，即拒绝总体回归系数均为0的原假设；三个自变量的显著性水平值均小于或等于0.001，且没有出现共线性问题。由此说明，该方程的拟合效果较好。

该多元线性回归模型中只包含先进制造业、高能耗行业和轻工业的工业增加值比重，且工业用电强度与先进制造业的工业增加值比重呈负相关关系，与高能耗行业和轻工业的工业增加值比重呈正相关关系，这符合工业行业及安徽省的实际情况。高能耗行业是电力消费大户，其占比越高，工业用电强度就越高；而在我国轻工业仍属于劳动密集型产业，工业增加值相对较低，因此轻工业占比也与工业用电强度呈正相关关系；但是先进制造业属于资本技术密集型产业，其占比越高，工业用电强度就越低；由于安徽省的采矿业比重较低，因而没有被包含在模型中。

(二)模型检验

将样本数据代入上述模型，计算得到工业用电强度的预测值，再与工业用电强度的实际值进行对比，计算相对误差发现，除2000年的相对误差为-6.2%以外，其它每年的误差绝对值均在5%以内，平均误差为2.9%。因此，该模型可以用来预测安徽省工业用电强度的变化趋势。

三、用电量预测

(一)工业结构调整趋势分析

从“十二五”时期安徽省工业发展形势来看，呈现出三方面的突出特征：工业生产继续保持较高增长速度，战略性新兴产业比重不断上升，投资结构优化进一步推动工业结构优化。因此，预计未来的十三五时期，安徽省轻工业平稳增长，比重保持稳定，高能耗工业限制增长，比重缓慢下降；先进制造业加快增长，比重不断上升；采矿业限制增长，比重缓慢下降。通过趋势外推法得到四类行业工业增加值比重，从2015年到2020年，预计轻工业比重将从20.5%缓慢下降到20.0%，高耗能行业从21.0%降低到19.0%，先进制造业从32.0%上升至33.0%，采矿业从11.5%降低到11.0%。

(二)工业用电强度与工业用电量预测

将四类行业工业增加值比重的预测数据代入上述多元线性回归方程，得到安徽省工业用电强度的预测值。安徽省2015年和2020年的工业用电强度分别为0.11千瓦时/元和0.09千瓦时/元，与2010年的0.14千瓦时/元相比，2015年的工业用电强度降低21.4%，2020年相比2015年又降低18.2%。

预计“十三五”期间，安徽省将进一步融入长三角经济带，后期承接产业转移优势将更加明显；安徽省城镇化与全国尚存差距，“十三五”仍处在快速工业化和城镇化发展阶段。但在国家推进转变经济发展方式、环境治理力度不断加大以及全国经济持续放缓的大背景下，安徽省经济增速再难出现高增长态势，根据省内“十三五”经济社会发展规划前期研究，预计“十三五”期间安徽省经济增长回落至8～8.5%，工业增加值增速在9.5～10.5%左右(按10%计算)。由此，得到安徽省2015年和2020年的工业增加值分别为10 557亿元和17 002亿元。工业用电强度乘以工业增加值得到工业用电量的预测值，安徽省2015年和2020年的工业用电量分别为1 161亿千瓦时和1 530亿千瓦时，比2010年的777亿千瓦时分别高49%和97%。根据2016年2月公布的安徽省《2015年全省电力生产和消费简况》，安徽省工业用电量1 132.8亿千瓦时。根据预测模型得到的2015年预测结果，与实际值相差2.5%，可见预测模型具有较高的精确度。

四、结语

工业用电量在全社会用电量中的比重极大，占有十分重要的地位。对工业用电量的中长期预测，有利于电力生产与经营企业提前制定应对方案。本文从转变经济发展方式，调整工业结构的角度，研究安徽省工业结构与工业用电量之间的关系；将工业用电量分解为工业用电强度和工业增加值的乘积，以工业结构指标为自变量建立多元线性回归模型预测工业用电强度，预测工业用电量。该方法反映了工业结构调整对工业用电量的影响，实证检验该方法能够有效预测安徽省工业用电量。

参考文献：

[1]何永秀，赵四化，李莹，等.中国工业用电量与经济增长的关系研究[J].工业技术经济，2006，25(1)：78-82.

[2]吴玉鸣.中国区域电力消费需求决定因素的实证研究[J].经济地理，2009，29(8)：1319-1322.

[3]支娇.工业行业用电需求特征的实证研究[D].成都：西南财经大学(硕士学位论文)，2013.

[4]林卫斌.经济增长、能耗强度与电力消费[J].经济科学，2010(5)：15-22.

[5]张敬伟，宫兴国.产业结构变动对能源消费的影响研究[J].燕山大学学报，2010，11(1)：106-110.

[6]崔巍，都秀文，杨海峰.基于主成分分析法的电力需求影响因素分析[J].电力建设，2013，34(8)：34-39.

[7]安徽省统计局.2015年全省电力生产和消费简况[R].安徽省统计局网站，2016.

*收稿日期：2016-03-08

作者简介：葛斐(1973-)，男，安徽宿州人，高级工程师，硕士，研究方向：能源电力经济及预测分析。 通信作者：王宝(1986-)，男，安徽安庆人，硕士，研究方向：能源经济。

中图分类号：F127

文献标识码：A

文章编号：1009-9735(2016)03-0099-03

Forecasting Industrial Electricity Consumption of Anhui Province Based on the Adjustment of Industrial Structure

GE Fei1, WANG Bao1, CHEN Chi2, LI Zhou1

(1.InstituteofEconomicandTechnology,StateGridAnhuiElectricPowerCompany,Hefei230022,China;2.NanjingPowerSupplyCompany,StateGridJiangsuElectricPowerCompany,Nanjing210008,China)

Abstract:Accurately predicting industrial electricity consumption helps to analysis the variation trend of the whole society electricity consumption. Industrial electricity consumption was decomposed into product of industrial added value and industry electric intensity. By the example of Anhui Province, we divided industrial sector into light industry, high energy consumption industry, advanced manufacturing and mining industry, and establish the multiple linear stepwise regression model taking the industrial electric strength as dependent variable, the industrial value added ratio of the four categories industries as independent variables. Thus, we can predict industrial electricity consumption based on effect of industrial structure adjustment on industrial electric intensity.

Key words:industrial structure; industrial electricity consumption; industrial electric intensity; linear regression