基于ARIMA模型的光伏客户需求服务预测研究

郭丽平++蔡永自

【摘要】随着中央和地方政府对光伏发电上网电价补贴政策的刺激，配套电网建设和技术成果的创新运用，加之光伏生产厂家一条龙服务的推动，分布式光伏客户呈爆发式增长。本研究旨在采用ARIMA模型对光伏每月累计并网户数、客户咨询数据和上网电量三个指标将来的数据进行预测。

【关键词】光伏发电 并网户数 客户咨询 上网电量 预测

一、引言

光伏发电作为清洁能源，是目前国家鼓励发展的行业。作为分布式光伏发电大省，浙江省“十三五”规划纲要也明确“将全面实施百万家庭屋顶光伏工程，到2020年光伏发电力争达到800万千瓦。”光伏也成为部分地区产业带动经济增长的新途径。随着中央和地方政府对光伏发电上网电价补贴政策的刺激，配套电网建设和技术成果的创新运用，加之光伏生产厂家一条龙服务的推动，分布式光伏客户呈爆发式增长。本研究旨在采用ARIMA模型对光伏每月累计并网户数、客户咨询数据和上网电量三个指标将来的数据进行预测。

二、ARIMA模型及其预测分析思路

ARIMA模型，全称为求和自回归移动平均模型（auto regressive integrated moving average model，简记ARIMA），是由詹金斯（Jenkins）与博克思（Box）于20世纪70年代初提出的时间序列预测方法。其中，ARIMA（p， d， p）称为差分自回归移动平均模型，AR为自回归，P为自回归项；MA为移动平均，y为移动平均项数，d为时间序列达到平稳时所做的差分次数（解树国，2012）。通过ARIMA模型，将分布式光伏并网数量、上网电量、客户咨询随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后，就可以从时间序列的过去值及现在值来预测未来值。该模型的基本原理如下：

如果假设随机变数Yt，为在时间t的一个观测值，那么一组Yt，所构成的数列就称为随机过程，而一般标准的ARIMA（p，d，q）模型可以记为Yt～ARIMA（p，d，q），其定义为：

чp（B）Wt=θq（B）αt

式中，чp（B）=1-ч1B-…-чpBp，Wt=（1-B）dYt，Qp（B）=1-1-θ1B-θ2B2…-…θqBq，αt为白色噪音，亦即α～N（0，σ2α），p，d，q为非负整数，B为后移分算子，即BYt～Yt-1，ч1，ч2，…чp，为自我回归参数，θ1，θ2，…θq，为移动平均参数。

ARIMA模型最大优点在于对季节周期性数据指标的准确预测，ARIMA的季度或月度模型能揭示出被解释变量的非线性特征，ARIMA模型需要先估计它的阶数后，再使用最小二乘法进行预测。具体的建模步骤如下：①序列平稳化。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，这个过程叫非平稳序列平稳化。②模型识别。若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA（q）模型；若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR（p）模型；一般情况下，可通过自相关（ACF）和偏自相关图（PACF）估计出阶数P，Q的可能取值，然后，通过AIC准则（赤池准则），SC准则（施瓦茨准则），其中AIC值和SC值都是越小越好，从而选出最合适的模型阶数。③模型预测。根据建立的ARIMA（p，d，q）模型，利用Eviews软件对分布式光伏上网用户、结算电量、客户咨询等数据进行预测（陈平和夏敏，2011）。

三、预测过程及结果分析

本研究选取的基础数据包括三个指标，累计并网户数（BINGWANG）、每月结算电量（JIESUAN）、客户咨询数据（ZIXUN）。

（1）对累计并网户数的预测与分析。按照前述步骤，首先对累计并网户数（BINGWANG）进行平稳性检验，以确定d值。累计并网户数（BINGWANG）变量的平稳性检验结果，变量BINGWANG是三阶单整变量，从而得到d=3。在稳定性分析的基础上，根据自相关和偏相关图可以确定p=1，q=1。

进而，根据建立的BINGWANG变量应该选择ARIMA（1，3，1），利用Eviews软件进行预测，得到预测值。

（2）对每月结算电量的预测与分析。类似的，针对每月结算电量（JIESUAN）进行预测的步骤如前所述。变量JIESUAN是2阶单整变量，从而得到d=2。进而根据自相关和偏相关图可以确定p=0，q=0。

根据建立的每月结算电量（JIESUAN）应该选择ARIMA（0，2，0），利用Eviews软件进行预测。

（3）对客户咨询数据的预测与分析。最后，针对客户咨询数据（ZIXUN）进行预测。变量JIESUAN是1阶单整变量，从而得到d=1。进而根据自相关和偏相关图可以确定p=1，q=1。

根据建立的客户咨询数据（ZIXUN）应该选择ARIMA（1，1，1），利用Eviews软件进行预测。

累计并网户数（BINGWANG）、每月结算电量（JIESUAN）、客户咨询数据（ZIXUN），这三个指标的最终预测结果见表。

四、结论

本文基于2015年1月-2016年6月的基础数据，采用ARIMA模型预测了2016M07-2017M12宁波供电公司分布式光伏并网数量、上网结算电量、客户咨询数量。从模型预测结果来看，宁波供电公司分布式光伏并网数量、上网结算电量、客户咨询数量将呈爆发式增长态势。预计2016年12月累计并网户数为2305户，比2016年6月增长405.48%；上网结算电量4604万千瓦时，比6月份增长615.15%；95598客户咨询数量39个，比6月份增长39.29%。预计2017年12月累计并网户数为14557户，比同比上年增长531.54%；当月上网结算电量16223万千瓦时，同比上年增长252.37%；95598客户咨询数量59个，同比上年增长51.28%。根据公司光伏客户成功备案的统计数据，模型预测数据反应了光伏发电业务增长态势和增长速度。

参考文献：

[1]解树国.基于RBF和ARIMA模型下货运量预测算法与软件实现[M]. 湖南大学硕士学位论文，2012.

[2]陈平，夏敏. 基于ARIMA模型的短期风速预测方法[J]. 华章，2011，（15）.