基于时间序列的预测城市用电峰值的研究

摘要：文章主要对深圳市用电量进行预侧，并利用时间序列进行预侧，并最终建立起-温特[Winter）积性指数平滑模型。

关键词：时间序列;用电量;指数平滑模型;预侧

随着我国工业化与现代化的步伐加快，我国的电力使用一直都处于高负荷状态。从官方数据来看，2019年1月-5月全社会用电量增速同比提高;与此同时，工业和制造业用电量增速放缓。从省份来看，2019年1月～5月，除甘肃和青海外，全国所有省份的社会用电量都在急速地增长中，尤其是沿海一线城市所在的省份。通过数据分析，很多省份的全国用电量增速高于全国平均水平（4.9%），这些省份包括西藏、内蒙古、广西、湖北、新疆、安徽、四川、海南、山西、江西、贵州、河北、湖南、宁夏、重庆和辽宁。2019年1月～5月，全国工业用电量34513亿千瓦时，同比增长3.42，与此同时，全国制造业用电量26072亿千瓦时，增长5.30%，对全社会用电量增长的贡献率为34.0%。从6月开始中国进入了传统上的夏季，此时中国的用电量将达到一年中的峰值。因此如何能预测电量的使用并对其进行预测是具有一定意义的。

一般来说学术界会利用时间序列的方法来预测某一地区的电量使用及其规律，因此，本文试图通过对经济发达的深圳市用电量预测与分析，研究中国一线城市的用电规律以及预测用电的峰值。

首先，通过对南方电网深圳过去几年的全社会用电量和工业用电量数据分别画出序列图。

通过上述的分析图形可以看到两个序列都具有波动现象，并且整体呈上升趋势。同时受月份、气象条件等因素的影响，用电量以一定的循环波动。在此基础上，根据深圳市近六年的社会用电量数据画出利用SPSS对全社会用电量进行游程检验和季节性检验。通过分析，可以看到游程检验结果sig值极小，所以序列是非平稳的。与此同时，季节性检验结果每个月份的季节性因素都不为1000f，所以数据存在季节性因素。

随后对用电量进行线性回归分析。

由图形可知R=0.846，数据基本成线性增长趋势。其中温特线性和季节性指数平滑模型的一般形式。其中有利用SPSS社会电量应用所得的模型如下。

模型统计数据表中sig<0.05且R接近1，尤此可得。

（1）参数表中α参数估计值为0.142，sig=0.025<0.05。

（2）参数表中β参数估计值为0.101，sig=0.967≥0.05。

（3）参数表中γ参数估计值为0.321，sig=0.042<0.05。

通过上述的数据拟合以及验证可知，所建立的数据模型具有先显著行，且数据的拟合效果不错。

通过上述的验证，将次模型应用预测2019年6～8月的夏季全社会用电量，得到预钡鱿数据如下。

预测值与实际给出的数据1325300 975800 1147000误差平均值为5%，预测效果较好，可以用来预测未来一年全社会用电量情况。

从上述模型中可以看到利用时：间序列可以对全年的用电量进行预测。

中国的用电向题一直是困扰中国经济发展的关键问题，从过去的资料看中国的用电量在南北方有着明显的不同;从数据上看，处于地理上的秦岭淮河以南的地区在夏季与冬季是用电的高峰。其他月份的社会用电因为经济发达所以波动较为平滑。但在北方地区，用电高峰出现在夏季，这可能是因为冬季有供暖造成的，加之北方经济因素，所以整体波动较大。但我国西部地区有着丰富的自然资源，这些资源为国家可以提供丰富的电力，著名的“西电东送”工程便是其中的翘楚。本文对东方地区用电量的预测对东部沿海发达城市的用电量起到借鉴，但缺点在于未能对全国的用电量进行不同区域的分析。这也需要后期研究者所要关注的重点课题。无论我国电量是否足够，我们都要学会坚持节约用电的原则。毕竟节约是中华民族的传统美德。

参考文献：

[1]成冰，万磊，潘彦含等.基于时间序列算法计算用电异常的研究[J].信息通信，2018（1）：183-184，

[2]佚名.基于稀疏自回歸时间序列方法的行业用电市场景气度分析[J].电子技术与软件工程，2018，142（20）：176.

[3]康辉，牛东晓产业结构调整背景下的区域用，电量预测模型库构建[J].科技和产业，2018，18（6）：19-22.

作者简介：

余晓明，高级系统分析师，研究方向：概率论与数理统计，中国人民大学，北京。