黄 欣，吴杰康，李红玲，李逸欣，郑敏嘉，李 猛，吴伟杰，张伊宁

(1.广东电网规划研究中心，广东 广州 510000；2．广东工业大学自动化学院，广东 广州 510006)

0 引 言

近些年来，能源需求预测研究已经成为国内外学者的关注热点。随着国民经济的发展，能源瓶颈问题越来越显著，为了更好处理能源需求与供应平衡问题[1]，对能源需求的预测不仅可以有效避免能源短缺情况，而且对于经济发展、工业发展起着一定的促进作用。政策作为一个宏观、复杂的因素，它影响着经济发展、能源消费结构、产业结构等[1]，并进一步影响着能源需求，对这个综合性的因素进行研究显得尤为重要。

大部分国内外学者的能源需求预测研究侧重于研究能源需求与经济增长[2](GDP)、人口[3]、产业结构、城镇化[4]等因素之间的联系，影响因素可量化且过于单一，没有考虑难以直接量化的综合性因素，往往也忽视了各影响因数之间的相互作用和影响。目前，研究能源需求预测的方法主要有：神经网络[1-4]、线性回归法[5]、灰色预测模型[6]GM(1,1)、时间序列法等。采用线性回归法可以反映各因素之间的线性关系，但是对于非线性数据难以建立模型；灰色预测模型GM(1,1)简单直接地以历史数据预测未来数据，是以关键因素作为变量的单变量模型，对于多变量的场景预测精准度偏低。考虑到传统的灰色预测模型存在的缺陷，研究学者不断改进该模型，进一步提出了基于离散DGM模型[7]、新陈代谢模型[7]等的灰色预测方法。较为常见的时间序列法[8]，预测精准度有所提高，但是其需要大量的历史数据作为算法的实现基础，缺乏高效性和便捷性。……