基于宏观经济指标的全社会用电量预测方法研究

基于宏观经济指标的全社会用电量预测方法研究
周琪;陈泉;姜楠;罗欣
【摘要】宏观经济同全社会用电量呈现出一定程度的波动相关性，以经济指标走势为参考依据，可以从社会发展角度判断电量的预期增长范围。

文章通过对江苏省宏观经济指标的分析和提取，结合全省实际的全社会用电量情况，密切跟踪宏观经济发展态势，研究影响电量发展的经济因素变化规律和轨迹；建立基于经济发展轨迹和地域特征的电量预测模型，实现计算机系统化建设；全面准确地把握全社会用电量走势，主动适应江苏地区经济社会发展的需要。

%It is known that total electricity consumption shows relativity with macro economy. As the rages of electricity growth could be judged by the tendency of macroeconomic variables ,this paper proposed a forecasting method for total electricity consumption. The method integrated Jiangsu province economic development ,actual conditions of electricity, relations between electricity and macroeconomic variables. In order to implement systematic construction,a prediction model was established based on economic development tracks and regional features. Accordingly,the tendency of total electricity consumption would be mastered accurately to actively adapt future requirements of Jiangsu economic development.
【期刊名称】《江苏科技信息》
【年(卷),期】2015(000)023
【总页数】4页(P52-55)
【关键词】经济指标;模块设计;电量预测;算法模型
【作者】周琪;陈泉;姜楠;罗欣
【作者单位】江苏省电力公司，江苏南京 210024;江苏省电力公司，江苏南京210024;北京清软创新科技有限公司，北京 100085;北京清软创新科技有限公司，北京 100085
【正文语种】中文
基于宏观经济指标的
全社会用电量预测方法研究
周琪
1，陈泉
1，姜楠
2，罗欣
2
（1.江苏省电力公司，江苏南京210024；2.北京清软创新科技有限公司，北京100085）
摘要：宏观经济同全社会用电量呈现出一定程度的波动相关性，以经济指标走势为参考依据，可以从社会发展角度判断电量的预期增长范围。

文章通过对江苏省宏观
经济指标的分析和提取，结合全省实际的全社会用电量情况，密切跟踪宏观经济发展态势，研究影响电量发展的经济因素变化规律和轨迹；建立基于经济发展轨迹和地域特征的电量预测模型，实现计算机系统化建设；全面准确地把握全社会用电量走势，主动适应江苏地区经济社会发展的需要。

关键词：经济指标；模块设计；电量预测；算法模型
作者简介：周琪（1968-），女，江苏南通，硕士，高级工程师；研究方向：电力市场分析预测。

0 引言
从宏观环境来看，我国的电力需求变化与经济发展趋势具有密切关系，经济水平的提升可通过电力需求增长加以反映。

因此，经济发展过程中的宏观总量、产业结构和地域特征等因素都会对电力需求产生影响。

探究两者之间的关系，可以更好地把握电力需求未来的发展。

电量的分析和预测是电网发展规划方案制定、实施电网建设项目决策的重要依据，是电网规划中的基础工作，也是电力系统发展与运行研究的重要内容
［1］。

特别是电量预测精度的高低将直接影响企业生产经营水平和电网规划质量，对电网的运营和发展规划具有重要的指导意义。

文章结合江苏省的宏观经济和实际全社会用电量，从技术构架、功能实现和算法原理等方面进行了论述，并最终以系统实例对整体预测情况进行展示和评估，从而为科学预测电量的发展趋势、制定合理的市场发展战略提供实证分析基础和科学参考依据。

1 经济与电量模块设计
1.1 技术构架
为保持系统的先进性，数据分析和预测功能的开发采用成熟的J2EE结构、海量数
据高速读写的数据库Oracle和先进三层体系的B/S结构，实现了数据的集中化存储和信息共享，提高了数据的利用率和系统的执行效率；实现了数据与应用分离，保证平台的灵活扩展能力，良好的可再升级性能和快速移植能力。

J2EE是由许多著名的业界公司合作提出的一个开放平台，它拥有业界的广泛支持
和众多的中间件软件提供商（如IBM，Oracle等等）。

J2EE技术包括应用于负荷预测系统中的JBDC，JSP，SERVLET以及XML技术等。

本系统的程序分为客户
端与服务器端两部分，客户端主要为浏览器脚本（以JavaScript编写）以及Applet小应用和HTML代码；服务器端以JSP，Java Bean，Servlet，JNI为主，结合XML，JDBC等其他技术，在JE22构架之下有机紧密地结合在一起，对于平台的可靠性、拓展性上均有较好的保障。

Oracle是目前最为广泛使用的数据库，具有强大的数据存储和处理功能。

可实现
基于SQL命令下的海量数据导入和导出，高速的处理速度以及分布式数据库能力
可以方便地进行远程访问，同时具有较高的安全性。

B/S结构（浏览器/服务器）架构是基于Web的先进的三层体系结构，在这种架
构中，利用Web应用服务器和事务处理中间件，为应用程序提供Web运行环境，数据资源和客户机将被应用服务器分隔开，应用服务器上存储着应用逻辑，这种结构着重于客户机对应用服务的请求，有别于二层次架构着重于数据请求。

这种结构提高了平台的性能，简化了用户的管理。

1.2 模块功能
1.2.1 影响因素分析
实现分析宏观经济因素对用电量的影响跟踪功能，为预测建立模型提供依据。

该功能可结合多种指标同全社会用电量或产业电量的相关性分析，初步提取经济领域中同电量匹配度较高的建模指标。

1.2.2 对比数据分析
依据发展阶段选取国内外不同区域建立对比数据库，归纳总结不同类型的影响因素发展轨迹。

涵盖的影响因素包括：经济总量、各产业经济总量、人均GDP、产业结构、人口增长、居民消费价格指数、能源消费量等。

1.2.3 电量预测
根据选定的经济指标影响因素及走势范围，确定历史数据参考区间，实现对全社会用电量的拟合和预测。

提供对预测结果的保存、修改、继续预测等操作，并可对选取影响因素和参数设置进行查看和修改。

2 电量分析及预测流程
整体电量分析及其预测流程如图1所示。

图1 电量分析及预测流程
首先对多种外在影响因素进行收集和提取，根据相关性系数判断可能同电量建立模型的关键指标；之后同目标区域进行对比，确定相关指标的走势范围，为后续建立预测模型提供参考依据；最终建立电量同多项相关指标的预测模型，并可根据地域指标的不同得到相应的模型参量，从而得到更有针对性的预测结果。

2.1 外在经济影响因素辨识
梳理影响电量走势的外在经济因素，实现与电量发展匹配对应关系研究，建立相应的影响因素指标体系。

涵盖的影响因素包括：经济总量、各产业经济总量、人均GDP、产业结构、人口增长、居民消费价格指数、能源消费量、气象环境等［2］。

本文采取皮尔逊（Pearson）相关系数辨识方法，如式（1）：
其中，X和Y表示不同序列，N表示变量取值个数。

根据相关系数r得到与电量强相关的匹配指标，从而提取为可建模指标。

2.2 典型区域指标发展轨迹对比
选取国内外处于不同发展阶段的区域，对其经济、能源、产业的发展轨迹进行调研和分析。

研究伴随不同阶段经济状态下的电量发展变化规律，定量地归纳总结不同类型的经济和电量发展轨迹，有针对性地提供预期判断依据。

2.3 构建基于多种经济指标的电量预测模型
综合引入统计学和经济学领域的预测手段和模型，研究电力需求与诸多经济因素之间的关系。

通过平稳性检验和“协整”关系分析与建模，构建基于经济发展轨迹和地域特征的电量预测模型。

（1）平稳性检验。

平稳性检验即判断是否含有单位根，所谓单位根就是参考指标与预测指标间的对应程度
［3］。

本文所用的单位根检验方法为ADF检验，一般采用如下回归式检验x
t是否具有单位根：
其中β
0和a
0是参数，T表示线性时间趋势，m为滞后项系数，ε
t为随机扰动项。

这里，m=1，2，3，或者根据实际情况确定，从而有效缓解ε
t的自相关问题，使ADF检验更具可靠性。

在每次检验完成后，若检验统计值大于临界值，则接受零假设，说明序列x
t存在单位根，即x
t不平稳；否则，接受备选假设，说明x
t不存在单位根，即序列平稳。

对于不平稳的序列，可进一步检验其一阶差分平稳性，只有所有序列在具有同阶平稳关系时才可以被进行分析和预测。

（2）“协整”关系分析与建模。

在实际分析中，经济时间序列都是波动的，但若干个一阶差分经济性时间序列的某种线性组合却有可能具有长期且均衡的关系［4］。

本文采用J-J检验对多变量间的“协整关系”进行分析并建立预测模型，主要利用OLS（ORDINARY LEAST SQUARES）方法求出估计方程，具体方式如下：
其中，X
t是n维向量，N为差分操作符，每一个A
k都是n x n的参数矩阵，写成向量误差纠正模型（VECM）的形式：
其中，。

在处理数据时，运用Schwarz信息标准法确定自回归模型，并确定最佳滞后数，之后运用J-J检验进行协整关系检测并建立预测模型。

（3）电量预测。

在建模过程中，一般将输入的据全部处理为对数形式，以便数量级的统一。

在预测建模后，同样需对电量预测结果进行还原处理。

通过对历史近期数据的拟合，如果拟合程度在95%以上，则可判断预测结果较为准确；否则，需通过对比不同发展区域的电量数据增速范围，来最终限定预测结果
［5］。

3 算例研究
以江苏省全社会用电量为研究算例，历史数据选取区间为1990-2013年，预测2014年的电量。

首先，提取经济影响因素对江苏省全社会用电量或产业电量的相关性曲线，以国内生产总值举例（见图2），城镇化率和第三产业产值占比类似。

通过相关性分析可知，全省国内生产总值、城镇化率和第三产业产值占比都与全社会用电量指标存在较高的相关性，因此可以暂且提取为预测模型指标，下面将进一步确定这些指标的走势范围。

图2 国内生产总值同全社会用电量相关性分析
系统通过与其他国家和省市的发展情况进行对比，可预判多种经济指标的走势范围。

参考周围经济结构情况类似且发展速度较快的省市，可为近期预判提供依据；参考发达国家的数据情况，可规划远景发展的程度。

系统也提供了根据设定可比价计算经济总量年均增速的功能，仍以国内生产总值及其增速为例（见图3-4）。

在对比各个指标后，可初步根据国内对比省市确定发展预期，若需规划未来几年甚至近段时间的远景发展，则可将对比范围扩大至同其他国家综合发展指标。

图3 国内生产总值走势对比
图4 国内生产总值增速走势对比
在初步判定影响指标及其走势范围后，建模后得到历史拟合及预测曲线。

预测过程中，可自定义添加影响指标，“协整”模型将会自动剔除满秩矩阵中的因素，按需求调整影响因素并微调参数后，可得到真实而有意义的预测模型和结果
［6］（见表1、图5）。

由预测模型得到江苏省2014年的全社会用电量为5030亿千瓦时，同比增长1.47个百分点；江苏省实际全社会用电量5013，准确率超过98%，预测结果较为准确可信。

表1 影响因素及模型参数调整
图5 全社会用电量预测结果展示
4 结语
本文在研究过程中结合了江苏省社会经济和全社会用电量的实际案例，深入分析全省电量发展与外在经济因素之间的关系，科学建立基于经济发展轨迹的电量预测模型。

全文以科学发展观为指导，充分研究基于经济发展轨迹的电量预测算法和模型，在海量数据支持的基础上以电量分析与预测理论为核心，基于计算机、网络通信、信息处理技术及安全管理模式的综合信息系统，为预测与决策人员提供完善的工作环境及科学决策工具，实现工作的信息化、自动化、科学化。

参考文献
［1］国网江苏省电力公司.经济结构转型社会的电力市场走势研究［R］.南京：2013.
［2］胡兆光.电力经济学引论［M］.北京：清华大学出版社，2013.
［3］周桂鹏.江苏省电力消费与经济发展关系的实证研究［D］.南京：南京农业大学，2011.
［4］吴立君，王何舟，严莹，等.电力需求与经济相关性分析［J］.水电能源科学，2009（3）：190-192.
［5］姜磊，吴玉鸣.电力消费与经济增长的区域差异研究［J］.经济前沿，2009（7）：28-39.
［6］韩丹，张宏波，贾勇.经济因素对电量的影响分析与预测［J］.吉林电力，2009（3）：16-27.
（责任编辑王真）
Research on Total Electricity Consumption Forecasting Based on Macroeconomic Variables
Zhou Qi
1，Chen Quan
1，Jiang Nan
2，Luo Xin
2
（1. Jiangsu Provincial Electrical Power Company，Nanjing 210024，China；
2. Beijing Tsingsoft Technology Co.，Ltd.，Beijing 100085，China）
Abstract: It is known that total electricity consumption shows relativity with macro economy. As the rages of electricity growth could be judged by the tendency of macroeconomic variables，this paper proposed a forecasting method for total electricity consumption. The method integrated Jiangsu province economic development，actual conditions of electricity, relations between electricity and macroeconomic variables. In order to implement systematic construction，a prediction model was established based on economic development tracks and regional features. Accordingly，the tendency of total electricity consumption would be mastered accurately to actively adapt future requirements of Jiangsu economic development.
Key words: macroeconomic variables；module design；electricity forecasting；algorithm model。