汪志宏 石雪梅

(1.解放军陆军军官学院 合肥 230031)(2.国网安徽省电力公司经济技术研究院 合肥 230061)

第一产业用电量统计分析与预测思路探讨*

汪志宏1石雪梅2

(1.解放军陆军军官学院 合肥 230031)(2.国网安徽省电力公司经济技术研究院 合肥 230061)

在对第一产业用电量与农村居民用电量分析研究的基础上,提出合并电量预测构想,并建立了合并电量预测模型,算例结果表明,该模型预测结果合理有效。该模型以在安徽省中长期负荷预测研究与管理应用系统中得到实现,具有很高的实用价值。

第一产业; 农村居民; 用电量; 合并用电量; 预测

Class Number TP391

1 引言[1]

第一产业的范围各国不尽相同,一般包括农业、林业、渔业、畜牧业和采集业,有的国家还包括采矿业。中国国家统计局对三次产业的划分规定,第一产业指农业,林业、牧业、渔业等。相应地,第一产业用电量则包括农业,林业、牧业、渔业等用电量。电能作为终端能源的一部分,其需求的变化关系到能源需求布局的改变,因此合理准确预测用电量的消费是一件非常重要的工作。目前国内电力负荷预测专家习惯于将电量预测分产业分别预测,其中对于第一产业用电量预测则多见于要么利用历史发生的实际值趋势外推,要么在历史发生区间内取平均值,或者相对科学一点的做法是采用指数平滑法对此进行预测,而对于囊括农业、林业、渔业、畜牧业等方面的第一产业用电量是否可以更加合理地预测是本文研究的重点,本文尝试着从产业发展的角度研究第一产业用电量的预测方法。

2 第一产业电量分析与预测思路提出[2,6,9]

为深入分析第一产业电量增长特点,本文选取某地区分产业统计电量进行研究。数据样本选取为2000年及以后统计指标,分析维度分别为月度、季度、年度。经分析发现第一产业用电占该地区全社会用电比例非常小,无论从月度、季度还是年度来看,第一产业用电量的增长波动频繁,没有明显的增长规律。

经与该地区电量统计专家调研交流了解到,该地区的农村区域对于专门的排灌线路或者其他农林牧渔需要用电的网架可能不太完善,居民可能为了方便,也许就可能直接将居民用电线路临时改为第一产业用电线路,而在表计计量统计值上这部分用电量就表现为农村居民生活用电量。因此,传统意义上的第一产业用电量就存在统计上的偏差。为克服上述统计上的不完善,本文尝试将第一产业用电量与农村居民用电量合并分析与预测。

图1 某地区2000～2012年度第一产业用电量绝对量与增速趋势

图2 某地区2000～2012年分季度第一产业用电量绝对量与增速趋势

图3 某地区2000～2012年第一产业用电量分月绝对量与增速趋势

图4 某地区2000～2012年第一产业用电占全社会用电量比例趋势变化

同样选取该地区2000年及以后统计指标,分析维度分别为月度、季度、年度,对第一产业用电量与农村居民用电量合并值开展分析(以下均用“用电量合并值”代替),分析结果如图5～图8所示。

图5 某地区2000～2012年用电量合并值绝对量与增速趋势(年度)

图6 某地区2000～2012年分季度用电量合并值分季绝对量与增速趋势

图7 某地区2000～2012年用电量合并值分月绝对量与增速趋势

图8 某地区2000～2012年用电量合并值占全社会用电量比例趋势变化

3 预测算例[5,7～8,10]

以上分析表明,如果将第一产业用电量单独预测,则明显存在拟合效果及预测能力较差问题,因此本文提出第一产用电量和农村居民用电量合并预测模型。具体预测及检验过程如下。

3.1 第一产业用电量预测模型

1) 模型方程

Yt=-A*XGDP(t+1)+B*XUCI(t)+Cξ+D其中,Yt表示t期合并用电量;XGDP(t+1)为t+1期的第一产业增加值,XUCI(t)为当期农村居民现金收入。

2) 选取某区域电网历史电量(1996～2012年)作为样本区间开展验证

3.2 模型可信度分析

用上述模型对合并用电量进行线性回归,得回归方程:

Yt= -256.1104*XGDP(t+1)+157.389*XUCI(t)

+0.8419ξ+18905.4650

模型系数T检验结果表明,一产增加值和农村居民现金收入显著通过T检验,模型的R2为0.96,F统计量概率值为0.00000,D.W统计量为1.87,接近于2,模型总体可信度较高。从实际值和拟合值序列对比图来看,2011年以来,拟合值与实际值十分接近,从而也说明了模型可信度较高。

表1 T检验结果 单位:万千瓦时

3.3 预测误差分析

为了验证模型预测效果,分别以2012年四季度和2013年一季度为样本期结点,分别预测2013年前两个季度和2013年二季度,并与实际值对比,结果如下。从表2中可以看出,该模型预测误差总体较小,预测较为准确。

运用该预测思路与模型预测出该地区2013年三四季度和2014年四个季度合并用电量,结果如表2～表3所示。

表2 模型预测误差 单位:万千瓦时

表3 2013年预测结果 单位:万千瓦时

3.4 时间序列模型[3～4]

本文选取时间序列模型(ARIMA模型和灰色预测模型),相应地对该地区2013年三季度、四季度展开预测。以验证本文所述模型的合理性。

ARIMA模型方程如下:

Yt= 23987098.7968+[AR(4)=0.9986,

MA(2)=0.6809,MA(4)=-0.2161]

式中,Yt表示t期合并用电量。

表4 ARIMA模型预测误差 单位:万千瓦时

模型R2为0.9534,F统计量概率值为0.00000,D.W统计量为2.17,接近2,模型总体可信度较高。表4给出ARIMA模型预测误差统计,从结果看,ARIMA模型对2013年二季度第一产业及农村居民用电量之和预测误差相对较高。

同样,本文采用灰色模型,也对该地区2013年二季度的第一产业及农村居民用电量之和进行了预测,结果表明灰色模型总体预测效果不好。预测结果及误差分析表5。

表5 灰色预测模型预测误差 单位:万千瓦时

3.5 预测结果汇总及方案比较

从经济模型和时间序列模型的可信度和预测误差来看,ARIMA模型短期预测较为准确,对2014年的把握可能不太准确,灰色预测模型并不能有效识别拐点,预测误差较大,因而推荐方案采用经济预测模型结果。

3.6 变动趋势分析

将2013年预测方案与历史实际值结合,计算得到近年来各季度合并用电量同比增速以及年度增速情况。

表6 2013年预测结果汇总及推荐方案 单位:亿千瓦时

从季度同比增速来看,合并用电量的波动性较大,这就使得传统的趋势外推方法不能适用于对未来的预测。

依据本文构建模型预测2013年三季度同比增速为2.2%,略低于二季度的5.0%,原因在于2013年三季度预测结果并未考虑到该地2013年7～8月存在异常高温天气的影响,若考虑异常高温因素,则三季度预测结果将接近实际值。

图9 各季度同比增速(2013年和2014年不含高温修正电量)

图10 年度增速(2013年不含该地区异常高温修正电量)

从年度增速来看,合并用电量近年来保持稳步增长趋势,同样在考虑了一定比例的异常高温电量后,2013年合并用电量增速将会明显高于6.88%。

4 结语

以上算例表明,为克服传统预测方法的弊端,依据第一产业用电量与农村居民用电量之间难以划清的特点而提出的合并电量预测概念与模型,合理性非常明显,模型预测结果校核表明,预测结果误差较传统时间序列法较小,实验结果证明本文提出的预测思路合理,模型有效。

[1] 刘振亚.中国电力与能源[M].北京:中国电力出版社,2012.

[2] 李昉,罗汉武.基于多元线性回归理论的河南省用电量预测[J].电网技术,2008(1):72-76.

[3] 曾鸣,李树雷,等.基于ARMA模型和BP神经网络组合优化算法的风电预测模型[J].华东电力,2013,41(2):347-352.

[4] 王允平,黄殿勋,等.智能电网环境下采用关联分析和多变量灰色模型的用电量预测[J].电力系统保护与控制,2012,40(1):96-100.

[5] 范德成,王韶华,等.季度周期模型在我国用电量预测中的应用研究[J].电网技术,2012,36(7):106-110.

[6] 李艳梅,孙薇.多元线性回归分析在用电量预测中的应用[J].华北电力技术,2003(11):40-41.

[7] 谭忠富,张金良,吴良器,等.中长期负荷预测的计量经济学与系统动力学组合模型[J].电网技术,2011,35(1):186-190.

[8] 牛东晓,曹树华,赵磊,等.电力负荷预测技术及应用[M].北京:中国电力出版社,1999:16-23.

[9] 傅毓维,张玲.预测决策理论与方法[M].哈尔滨:哈尔滨工程大学出版社,2003:107-164.

[10] 王茜,王雁凌,张粒子.影响电力需求预测各因素的客观权重分配方法[J].电网技术,2008,32(5):82-86.

Statistical Analysis and Forecast of Primary Industrial Electricity

WANG Zhihong1SHI Xuemei2

(1. Army Officer Academy of PLA, Hefei 230031) (2. State Grid-Anhui Province Electric Power Corporation Research Institute of Economic & Technology, Hefei 230061)

The paper first analyzes primary industrial electricity and rural residential electricity. Based on this, the idea that merger the primary industrial electricity and rural residential electricity is proposed. And then, a forecast model of merger electricity is built. The result of the forecast shows that the model is reasonable and effective. The model has been implemented in Anhui Province Mid-long load forecasting and management application system. It has high practical value.

primary industrial, rural residents, electricity, merger electricity, forecast

2014年4月6日,

2014年5月21日

汪志宏,男,硕士,副教授,研究方向:预测与决策分析。石雪梅,女,硕士,高级工程师,研究方向:电力系统及其自动化。

TP391

10.3969/j.issn1672-9730.2014.10.025