1、浅谈几种常用电量预测方法 【摘要】电量预测的影响因素较多，例如地区经济、政策、气候等，这些因素中有确定性的，也有随机性的，增加了电量预测的难度。本文介绍电力弹性系数法、电量产出效益法、回归分析法、灰色预测法等常用电量预测方法，通过实际案例分析几种方法的预测精度和适用性，为供电企业提供决策支撑。 【关键词】售电量；预测；方法 Several Forecast Methods of eLElectricity Sales ZHENG Jiana， FAN Ming （ Guangzhou Power Supply， Guangdong Guangzhou， 51000） Abstract： The
2、re are many factors affecting power consumption forecasting， such as region economy， policy， climate and so on， has the uncertainty of these factors， there are also random， increases the difficulty of forecasting the amount of electriccity coefficient， power output efficiency method， regression meth
3、od， analysis method， gray prediction method and other commonly used power， precision and applicability of several methods through the analysis of actual case， and provide decision support for power supply enterpri 引 言 电量预测是指在满足一定精度要求下，充分考虑一些重要的自然条件与社会影响、系统运行特性与增容决策等方面，研究或利用一种能够处理过去与未来电量的关系的数学方法，确定未来
4、某特定时刻的电量数值。 对电量进行准确预测，可以保证人民生活和社会正常生产，有效地降低电力企业的运行成本，保证电网经济运行，提高社会和经济效益。电量的影响因素较多，例如地区经济、政策、气候等，这些因素中有确定性的，也有随机性的，这一方面说明了电量预测所需的数据较多，另一方面说明了电量预测结果由于影响因素的随机性在一定程度上具有不确定性，很大程度上增加了电量预测的难度。 本文介绍了电力弹性系数法、电量产出效益法、回归分析法、灰色预测法等常用电量预测方法，以广州市某区 2006-2013年的售电量为例，通过几种预测 方法对 2014、 2015 年售电量进行预测，为供电企业提供决策支撑。 1、电量
5、预测方法 1.1 电力弹性系数法 电力弹性系数反映了电力工业发展与国民经济发展之间的关系，是宏观经济学中说明发展总趋势的一种概括性指标，可以作为衡量电力发展是否适应国民经济发展的一个参数。一般而言，电力弹性系数等于售电量的增长率与生产总值的增长率之比，则电力弹性系数 表达式为： =售电量增长率 /生产总值增值率 如果确定了计划期的电力弹性系数 ，根据预测期规划的国民生产总值的发展速度 B（ %）和基准年的售电量 （ kWh），即可预测期 n 年末的售电量 （ kWh）。其计算公式为： 电力弹性系数法预测售电量，关键在于所选取的电力弹性系数是否经济合理，必须先预测地区生产总值的增长率。但是，没有
6、足够的科学依据和方法能够论证多大的数值合理，这是该方法的一个缺陷。另一方面，由于国家和地区财力的限制，致使能够提供的电力资金不足，往往无法实现理论上选的的电力弹性系数，这是该方法的另一个缺陷。目前，该方法主要用于电力部门进行中长期电量的预测。 确定经济合理的电力弹性系数，准确地反映国民经济对 电力的实际需要，使电力增长能够适应国民经济发展，这是该法预测售电量的关键所在。 1.2 电量产出效益法 电力作为国民经济的重要基础产业，用电量和售电量指标历来被认为是经济运行态势的重要反映。电力消费与 GDP存在一定的关联关系，因此可以利用一定的电力指标反映经济运行状况，例如电量产出效益。电量产出效益是指
7、每千瓦时产出了多少 GDP经济效益，该指标受到新能源、节能减排、产出结构调整等因素影响。 1.3 回归分析法 回归分析法就是利用回归分析理论，通过统计分析变量的历史数据， 确定各变量之间的函数关系，实现对预测期用电量进行预测的目的。回归预测可分为线性回归和非线性回归。优点是：回归模型参数估计技术成熟，过程简单，预测速度快，外推性好。缺点是：对历史数据要求高，当数据存在较大误差或残缺时，模型预测精度将大大降低；线性回归模型预测精度较低，非线性回归模型计算量大、过程复杂；只能考虑像湿度、温度等定变量条件的气象因素，不能详细地考虑到各种影响售电量的因素。 应用回归分析法对售电量进行预测时，应注意以下
8、几点： 若依时序（即自变量为时间与因变量的一组数值）建立回归模型 ，并依此外推对未来售电量进行预测时，其外推测的时间（即预测期）不宜过长；此外预测需紧密结合定性分析，这样才可使预测结果更可行、更实用，只有当预测结果符合或接近实际时，其预测才有意义和实用价值。 1.4 灰色预测法 一般来说，用于建立预测模型的数据越多越好，或者说，模型是建立在大样本基础上。而事实上，即使样本容量大，但不一定能够找到样本的统计规律，即使能够找到统计规律，也不一定是典型的，也有一些非典型过程，如非平稳等，而这些非典型过程却是很难处理的。灰色模型，即 GM 模型（ GERY MODEL） ，则不受模型样本是否存在统计规
9、律、统计规律是否为典型过程的限制，而且灰色模型所需的样本量小，计算量小。灰色模型的思想是：先对原始数据进行生成，将原始数据生成具有一定规律的序列；再对生成序列进行建模预测，得到生成序列的预测值；最后对生成序列的预测值进行还原，得到模型的预测值。 其中 GM（ 1， 1）模型是灰色理论常用的模型，它具有一定的精度，计算过程简单。但该模型只考虑售电量本身，不涉及其他队售电量影响的因素，例如 GDP。售电量本身就受到多种确定性、不确定性因素的共同影响，倘若只考虑了售电量本身，将对模 型的预测结果造成一定的影响，模型的预测准确性也不能得到有效保证。因此可以使用 GM（ 1， N）模型，该模型综合了各种
10、主要影响因素对售电量的影响，从而提高售电量预测的准确性。 2、电量预测实例 依据某区 20072013 年的售电量，采用电力弹性系数法、电量产出效益法、回归分析法和灰色预测法对该区 2014 和 2015 年售电量进行预测。 2.1 弹性系数法 该区地区生产总值及各行业增加值呈现逐年增长趋势，增长速度较快。 利用弹性系数 -地区生产总值增长率拟合方法对 2014、 2015 年弹性系数进行预测。 对数据进行拟合可得到拟合公式为 y=0.1176x-0.57609。预计 2014、2015 年该区生产总值（ GDP）增长率约为 11%、 10.5%。因此， 2014、 2015年该区用电电力弹性
11、系数分别为 0.76、 0.66，售电量增长率为 7.92%、6.93%。故可算得 2014年该区售电量预测值为 98.99亿千瓦时、 105.85亿千瓦时。 2.2 电量产出效益法 根据该区地区生产总值及各行业增加值，可以得到该区全社会及各行业每千瓦时用电量产出效益。 对 2014 年该区售电量产出效益进行预测。拟合曲线为：y=0.58978x-1172.98586，可以计算得出 2014、 2015年白云区每千瓦时产出效益预测值分别为 14.8311元 /千瓦时、 15.4208元 /千瓦时。 2014、 2015年白云区地区生产总值分别按 11%、 10.5%增长，即 2014、 201
12、5 年该区地区生产总值预计分别为 1475.58 亿元、 1630.52 亿千瓦时，因此可以预测得到2014、 2015 年该区售电量分别为 99.49 亿千瓦时、 105.74 亿千瓦时。 2.3 回归分析法 在回归方程中，只有一个自变量的称为一元回归，有多个自变量的称为多元回归。一元线性回归法是在排除其他影响因素或者假定其他影响因素确定的情况下，分析某一因素是如何影响另一因素的过程。 2007 年至 2013 年售电量呈现线性增长的变化趋势，其拟合公式为：y=6.24190x-12471.48762，从而可以计算出 2014、 2015 年该区售电量预测值为 99.7 亿千瓦时、 105.
13、94 亿千瓦时。 2.4 灰色预测法 利用 GM（ 1， 1）模型对 2014、 2015 年该区售电量进行预测，采用 Matlab软件建立灰色预测模型。在 Matlab平台上，输入 20072013 年售电量数据，然后调用函数计算，即可得出该模型的预测值。 故预测出 2014、 2015 年该区售电量为 100.52 亿千瓦时、 106.48 亿千瓦时。 2.5 2014 年售电量预测及 2015 年售电量初步预测 根据上述电力弹性系数法、电量产出效益法、回归分析法和灰色预测法对 2014、 2015 年白云区售电量进行预测，总结在下表。 同时电量预测需考虑到天气影响，同时城市 “ 退二进三
14、 ” 和产业升级的影响，电量预测都存 在一定地误差。通过近些年电量增长趋势，同时考虑到工商同价和大用户直购电的影响，综合预测 2014、 2015 年售电量为99.97 亿千瓦时、 105.49 亿千瓦时。 小 结 电量预测的核心是预测技术（预测模型），预测方法有很多，每一种预测方法都有各自的适用范围，各种预测方法都各自的优缺点，所以在预测过程中需考虑各种不确定性因素，如气候、经济形势、电价政策等。在实际售电量预测中，必须灵活选用适用的的预测方法，可选用多种方法进行预测，将所得预测结果互为比较，再根据企业实际情况进行修正，最终预测出合理 的结果。 参考文献： 牛东晓，曹树华，赵磊 .电力负荷预测技术及其应用 M.北京：中国电力出版社， 1998. 周琪，几种电量预测的使用方法 J.江苏电机工程， 2006， 25（ 6）：52-54. 孔令云，售电量分类预测模型及其软件开发 J.电力系统及其自动化学报， 2008， 20（ 6）， 52-55. 作者简介 郑嘉娜（ 1969-），女，广东广州人，本科，高级工程师，从事电能量预测分析方面研究。
