基于气温与经济增长的用电需求预测

王　宝，陈　驰，叶　彬，葛　斐，杨　敏，杜海红

（1.国网安徽省电力公司经济技术研究院，合肥　230022；2.河海大学能源与电气学院，南京　211100；3.国网安徽省电力公司，合肥　230061）



基于气温与经济增长的用电需求预测

王宝1，陈驰2，叶彬1，葛斐1，杨敏1，杜海红3

（1.国网安徽省电力公司经济技术研究院，合肥230022；2.河海大学能源与电气学院，南京211100；3.国网安徽省电力公司，合肥230061）

摘要：经济新常态和近年气温大波动大大增加了用电需求高精度预测的难度，不考虑经济走势或忽略气温因素的传统预测手段和智能算法无法满足电力市场预测工作的实际需要。借助于计量经济方法，构建了基于气温与经济增长的用电需求预测模型，并以安徽省月度全社会用电量预测为例加以分析说明。结果表明，该模型具有预测过程简单、实现便捷、预测效果好等优点，能够为能源主管部门和电力市场分析人员开展年度内用电需求预测提供一种有效方法。

关键词：用电需求；气温；经济增长；预测模型

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。国内经济步入新常态、经济增速持续探底，加之近年气温大幅波动，大大增加了用电需求高精度预测的难度。

当前用电需求预测主要集中于对预测方法的研究，方法主要包括：传统的趋势外推方法［1—2］、各种智能算法［3—6］和组合预测方法［7—8］，而并未过多地关注对用电需求关键影响指标的考量，大部分研究仅仅基于自身用电历史趋势或多个经济指标，而忽略了气温因素对用电需求的影响，且各因素对用电需求定量影响难以给出，尤其是基于各种智能算法预测用电需求。

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。同时用电需求的另一关键因素——气温，往往被忽略，其对用电需求影响的定量测算仍缺乏有效手段。鉴于此，本文构建了一种基于气温与经济增长的用电需求预测模型，具有预测过程简单、预测效果好等优点，为年度内月/季度层面的用电需求预测提供了一种有效方法。

1　基于气温与经济增长的用电需求预测模型构建

1.1经济增长指数构建

反映经济增长的核心指标主要包括：GDP、固定资产投资、规模以上工业增加值（反映工业）和社会消费品零售额（反映服务业）增速，但GDP只公布季度数据，且GDP是工业和服务业综合结果，而工业和服务业用电强度差异较大，因而月度/季度层面的经济增长指数不宜基于GDP构建。固定资产投资一般表现为超前于用电，因而月度/季度层面的经济增长指数也不宜基于固定资产投资构建。规模以上工业增加值和社会消费品零售额分别反映工业经济和服务业走势，且每月公布数据，对于产业和用电结构以工业为主的地区，可基于规模以上工业增加值构建经济增长指数；对于以服务业为主的地区，可基于社会消费品零售额构建经济增长指数。逐年同月（或季）经济增长指数EGIt构建如式（1）

EGIt=100×(Xi+1)（1）

式中：t表示历史期t年被研究月（或季），t=1，2，…，T，T表示历史期样本总年数；Xi表示根据被研究地区经济和用电结构特点，选取的历史期i年规模以上工业增加值增速或社会消费品零售额增速；EGIt表示历史期t年被研究月（或季）的经济增长指数。

1.2气温指标选取

可监测的日气温指标主要包括：最高气温、平均气温和最低气温，将各日气温指标取平均值可得到月度（或季度）的最高气温、平均气温和最低气温（如式（2））。逐年同月（或季）气温指标计算公式如式（2）

式中：D表示被研究月（或季）总天数；j表示被研究月（或季）的第j日；TPt，j表示历史期t年被研究月（或季）第j日的气温指标；Tt表示历史期t年被研究月（或季）气温指标。

气温主要在夏季和冬季对用电需求产生较大影响，可通过计算逐年同月（季）用电量与气温指标间的相关系数（如式（3））来确定最佳的气温指标

式中：QSHt表示历史期t年被研究月（或季）全社会用电量；Q¯SH和¯T分别表示历史期各年被研究月（或季）全社会用电量和气温指标均值。

1.3模型构建

以上述选取构建的经济增长指数和气温指标为解释变量，以地区全社会用电量为被解释变量，构建逐年同月（或季）计量经济模型，如式（4）

1.4模型用途

“2013年，医院实行了医疗安全不良事件上报奖励机制，每上报一例给予相应奖励。接到上报的职能处室，利用现代化质量工具进行安全类事件原因分析并持续改进。例如I、II级不良事件的根因分析，跌倒、用药错误的失效模式与影响因素分析，以及非计划再次手术的PDCA循环案例，等等。”伍姗姗介绍，医院医务处现已集成为一个“超级处室”，涵盖医务、质控、院感、门诊、医疗调解和住院服务中心，甚至应急保障等多项工作。

借助于该模型既可确定用电需求受气温影响的敏感程度（对应于方程系数），即：1℃的气温波动对用电需求的影响大小，进而可分析异常天气对用电需求的影响，又可简单便捷地实现用电需求的合理准确预测，未来某年被研究月（或季）全社会用电量预测值计算公式如式（5）

式中：QSHf表示未来年f（即：在历史期t年基础上，类推至t+1，t+2，…，t+n年）的被研究月（或季）全社会用电量预测值；EGIf和Tf分别表示未来年f的被研究月（或季）经济增长指数和气温指标预测值。

2　实例分析

以安徽省月度用电需求预测为例，对该模型进行阐述说明。

安徽省作为中部省份，工业对其经济和用电的支撑性很强（第二产业经济比重超过50%，工业用电比重在70%左右），因而需选取规模以上工业增加值增速来构建经济增长指数。如：基于历年1—2月份规模以上工业增加值增速构建1—2月份经济增长指数（如图1所示），其与全社会用电量走势如图2所示，二者相关系数为0.995 2。各月全社会用电量与基于规模以上工业增加值增速构建的经济增长指数相关系数如表1所示，除夏季7、8月份相关系数相对较低（由于夏季用电量受气温影响很大，仅经济因素难以很好地解释用电水平）外，其余月份均在0.99以上。

图1　2001—2014年1—2月份经济增长指数走势

图2　2001—2014年1—2月份全社会用电量与经济增长指数走势

表1　各月全社会用电量与经济增长指数相关系数

从夏季和冬季全社会用电量与各气温指标相关系数来看，夏季和冬季1—2月应选择平均气温作为最佳气温指标。冬季12月全社会用电量与最低气温相关系数略高于平均气温，但考虑到保证气温指标选取的同一性能有效保证测算的各月气温变化对全社会用电量影响大小的可比性，且对于安徽而言，选择平均气温指标总体好于最低气温，因而选择平均气温作为研究安徽全社会用电量的最佳气温指标。如表2所示。

表2　历年7、8月份全社会用电量与气温指标相关系数

以历年同月经济增长指数、月平均气温为解释变量，以全社会用电量为被解释变量构建逐年同月计量经济模型，如：1—2月、3月和4月模型分别如式（6）—式（8）。

1—2月：

QSHt=64.351 185 78+0.498 513 615 6EGIt-2. 250 496 067Tt(R2=0.998 5)（6）

3月：

QSHt=46.539 246 04+0.239 751 425 2EGIt-1.331 926 396Tt(R2=0.994 2)（7）

4月：

QSHt=29.475 467 2+0.247 966 011 8EGIt-0.013 668 908 53Tt(R2=0.996 6)（8）

式中：R2表示计量经济模型拟合优度，值越接近1，模型效果越好。

模型中气温指标前面系数反映的是全社会用电量受月平均气温影响的敏感系数，如：1—2月为-2.25，表示1—2月平均气温较常年每偏高（或偏低）1℃，1—2月全社会用电量将较常年气温对应电量水平减少（或增加）约2.25亿kWh，其他月份含义类似。2014年安徽出现了罕见暖冬凉夏天气，经该模型测算，拉低安徽全社会用电量约37亿kWh。

以2013年为样本期结束点，2014年经济增长指数和平均气温均按实际考虑，代入模型后，得到模型预测误差率情况，同时给出了传统趋势外推（线性）和仅考虑经济增长指数的预测误差率水平。本文构建的模型因综合考虑了经济走势和气温这2个影响用电需求最重要因素（模型解释率均达99%以上），预测误差率能够保持在较低水平。

就2014年夏季各月（罕见凉夏天气）而言，由于该模型考虑了实际凉夏因素，且夏季气温对全社会用电量影响十分显著（参看图3），因而预测误差率远低于未考虑气温因素的其他2种方法；对2014年1—2月（暖冬天气）来说，由于气温对全社会用电量影响程度明显小于夏季，因而该模型相较于未考虑气温因素的其他2种方法，对预测误差提升作用不及夏季明显。预测结果如表3所示。

图3　各月全社会用电量受平均气温波动影响

表3　该模型预测误差率统计与对比

2015年安徽经济仍处在探底阶段，工业经济增速仍将进一步放缓，各月平均气温按常年考虑，由此得到2015年各月经济增长指数和平均气温预测值，带入计量经济模型（以2014年为样本期结束点），可预测出2015年各月全社会用电量，如表4所示。由于安徽经济依旧下行，难以支撑用电需求较快增长，预计常年气温条件下安徽2015年全社会用电量仅增长6.7%。由于气温条件仍存在较大的不确定性，需要逐月滚动跟踪天气预报来修正预测结果。

表4　2015年安徽各月及全年全社会用电量预测结果

3　结束语

针对用电需求预测仍然停留在传统预测手段、预测过程不清晰透明或忽略对气温因素的有效考虑等问题，本文构建了一种基于气温与经济增长的用电需求预测模型，预测过程简便、原理清晰。实例分析显示，该模型由于综合考虑了经济走势和气温因素，具有较高的预测精度，能够为能源主管和电力市场分析预测人员开展年度内用电需求预测提供重要的参考依据。

参考文献：

［1］张士强，王雯，王健. ARIMA模型在城市年用电量预测中的应用［J］.电力需求侧管理，2010，12（6）：31-34.

［2］管魁威，张辉，任晓莉.陕西电网月用电量预测模型的研究［J］.陕西电力，2008，36（12）：56-58.

［3］陈敏，李泽军，黎昂.基于混沌理论的城市用电量预测研究［J］.电力系统保护与控制，2009，37（16）：41-45.

［4］黄永高，卢毅.基于小波分析和灰色模型的用电量预测［J］.电网与清洁能源，2011，27（3）：34-37.

［5］何永秀，王跃锦，杨丽芳，等.基于最小二乘支持向量机的居民用电预测研究［J］.电力需求侧管理，2010，12 （3）：19-23.

［6］曾鸣，陈春武，刘洋.基于H-P滤波预测技术的年用电量预测模型研究［J］.水电能源科学，2012，30（8）：175-178.

［7］陈霞飞，刘晋，苏虎城.用电量组合预测方法的研究［J］.陕西电力，2009，37（10）：49-53.

［8］卓元志，刘家军，王明军，等.基于熵值法的组合模型用电量预测方法研究［J］.电网与清洁能源. 2011，27（5）：47-50，54.

（本栏责任编辑管永丽）

Forecast of e1ectricity demand based on temperature and economic growth

WANG Bao1，CHEN Chi2，YE Bin1，GE Fei1，YANG Min1，DU Hai-hong3
（1. Institute of Economy and Techno1ogy，State Grid Anhui E1ectric Power Company，Hefei 230022，China；2. Co11ege of Energy and E1ectrica1 Engineering，Hohai University，Nanjing 211100，China；3. State Grid Anhui E1ectric Power Company，Hefei 230061，China）

Abstract：Economic new norma1 and temperature f1uctuation in recent years great1y increase the difficu1ty in forecasting e1ectricity demand with high accuracy. Conventiona1 methods and inte11igent a1-gorithms with economic trend or termperature don’t consider fai1 to meet the rea1 requirements of e1ectricity market forecast. An e1ectricity demand forecasting mode1 based on temperature and economic growth is estab1ished by using econometric method and i11ustrated by taking Anhui’s month1y who1e-society e1ectricity consumption forecasting as an instance. Resu1ts demonstrate that this mode1 has such advantages as simp1e forecast procedure，convenient rea1ization and good forecast effect and can provide an effective method for energy department and e1ectricity market ana1ysts in forecasting e1ectricity demand within a year.

Key Words：e1ectricity demand；temperature；economic growth；forecast mode1

作者简介：王宝（1986），男，安徽安庆人，硕士，从事电力市场分析预测方面的工作；陈驰（1990），男，安徽合肥人，硕士，从事电力系统自动控制分析方面的研究；叶彬（1980），男，安徽滁州人，高级工程师，从事电网规划、能源规划等方面的工作；葛斐（1972），男，安徽宿州人，高级工程师，从事电网规划管理方面的工作。

收稿日期：2015-07-11；修回日期：2015-10-08

中图分类号：TM715；F407.61

文献标志码：B