基于稀疏自回归时间序列方法的行业用电市场景气度分析

仇红剑 李宝树 林华德

摘要

随着我国的综合国力不断提升，电力行业取得快速发展。我国对于电力的需求也是越来越大，如何做好行业用电市场景气度的分析是每个供电研究重点内容，本文提出了一种稀疏自回归时间序列的方法，能够进行科学合理地预测行业用电情况。

【关键词】电力行业 用电市场景气度 稀疏自回归时间序列

1 背景

本文主要采取的基于稀疏自回归时间序列的方法来预测行业用电的情况。利用稀疏自回归时间序列方法，建立一个行业用电量趋势预测的分析模型，然后基于这个模型进行电力行业发展趋势分析。2基于稀疏自回归时间序列方法的某行业用电需求趋势模型的概述

2.1 时间序列分析

时间序列分析模型的应用主要分为四个阶段进行，分别是数据收集、时间分析、趋势分析和模型构建。使用基于时间序列分析模型预测在进行行业用电需求时：

（1）首先至少要收集该行业至少5年的用电的数据量。

（2）要结合该行业具体的用电特点以及用电发展的趋势进行大致估计，该行业的电力用电的长期趋势T与整体经济增长和季节性法S是影响每月用电量的关键因素;

（3）要根据历史用电的情况，通过使用数据拟合的方法（最小二乘法）来拟合出长期趋势T和季节规律s的具体的数值;

（4）选择一种合适的模型算法从而来预测行业用电市场的用电情况。

基于时间序列分析的趋势预测的典型模型主要是两种模型，一种是加法模型，另一种是乘法模型。该模型是以行业用电趋势预测为目标。基本模型如下所示：

加法模式：

其中F（X_t+1）表示的是用用电的预测值，F（X_t）代表的是本月的用电量，T代表长期的影响因素，s_t+1代表季节性的影响因素。

乘法模式：

其中F（X_t+1）表示的是用用電的预测值，F（X_t）代表的是本月的用电量，T*是长期影响用电的系统，s_t+1是季节性影响用电的影响系数。

2.2 回归分析

回归分析是指根据相关关系的具体形式和适当的回归方程近似变量之间的平均变化关系的统计分析方法。基于回归分析模型预测行业用电需求，在收集过去5年的用电量数据的基础上，绘制月度用电量散点图，判断行业用电量趋势;然后，选择相应的回归。并利用相关的计算技术（如：最小二乘法）对模型参数进行估计。

工业用电趋势预测常用的回归模型有线性回归模型、一维非线性回归模型和多元线性回归模型。其中一维线性回归模型为：

y*=a+bx

y*表示的为预测的用电情况，a表示的是截距，b表示的为斜率。x表示的为时间。

一元非线性模型包括有很多种模型，这里介绍电力行业常用的几种预测模型。

对数模型：y*=a+bInx

指数模型：y*=ae^kx

幂指模型：y*=ax^b

双曲线模型：y*=a+b/x

多元线性的回归模型也是用电行业进行预测时，经常使用的一种模型，具体的模型为：

上述式子中的b₁，b₂…b_m，表示的预测参数，x₁，x₂…x_m表示的是1月到m月的月度用电情况。

3 预测的模型的建立

数据聚合校正是利用数据聚合的方法，将月度用电量数据首次汇总成季度用电数据。然后利用移动加权平均算法对每个季度用电的数据进行平滑滤波处理，使数据更加合理，不会出现异常的数据。

数据聚合：将月度用电情况进行聚合成年度用电数据情况。考虑到预测的精度问题，所选用的样本数量不应少于20个，同时月度数据将按季度进行汇总。

数据校正：为了更好地分析用电情况的中长期趋势，采用移动加权平均算法对设备制造行业不同的季度用电量差异进行优化，消除季节变化对行业用电量的影响。数据校正算法如下：

在上述式子中，w₁，w₂，w₃，w₄表示的是被赋予不同的权重，P_i*是指数据被修正过的结果，而p_i表示的含义是第i个季度的用电情况，而p_i-1表示的含义的是i上个季度用电的情况。

4 结语

综上所述，基于稀疏自回归的时间序列方法能在用电市场景气度分析取得很好预测效果。在使用模型的时候，需要对数据做修正处理以及需要选择合适的拟合模型。

参考文献

[1]孙茂文.电力企业中长期电力市场分析预测[J].电源技术应用，2013，05：34-39.

[2]王志刚，曲巍，黄爱颖.天津市电力公司售电市场实时预测分析系统建设及应用[J].电力需求侧管理，2007，09（01）：48-51.

[3]赵骞，王磊，王旭冉，等.基于产业结构转型升级的高端装备制造业用电需求趋势预测分析应用研究[J].电力学报，2016（02）：155-161.

[4]李乐.电力市场背景下需求侧报价的时间序列分析方法研究[D].华北电力大学（北京），2016.