基于組合模型的中國電力消費量預測研究

[摘要] 本文以1999-2011年中國電力消費量為樣本數據，運用改進的GM（1，1）模型對其進行擬合和預測；并運用周期性殘差修正模型對IGM模型的預測殘差進行修正；綜合兩者得到含周期性殘差修正的IGM組合模型，然后利用此組合模型預測2012和2013年中國電力消費量，最后，采用后驗差檢驗法對組合模型的預測精度進行檢驗。預測結果表明：組合模型預測精度達到一級精度“好”，并且中國電力消費量在未來幾年將繼續保持上升的趨勢。

[關鍵詞] 改進的GM（1，1）模型 ；電力消費預測 ；組合模型

[中圖分類號] F252 [文獻標識碼] A [文章編號] 1673 - 0194（2013）05- 0039- 02

1 引言

在國民經濟發展過程中，電能是人類賴以生存和發展的重要因素，然而電力行業卻成為工業領域碳排放量最大的部門，因此，電力行業必須向低碳經濟發展模式轉型。而且隨著經濟的快速發展，電力消費量也迅猛增長，電力供需矛盾日益加劇。因此，電力供給不僅影響到現階段社會經濟的穩定發展，而且對未來社會經濟的穩定發展產生重大影響，科學準確的電力需求預測對避免電力短缺并制定有效的電力規劃至關重要。

近幾年，許多專家學者和機構對電力消費預測進行過廣泛的研究。林伯強[1]利用協整理論對電力需求進行了中長期預測，并運用誤差糾正模型預測了短期內的電力需求行為。陳春根[2]運用向量自回歸方法對中國用電量及用電結構進行了分析預測，并用此模型預測了2002-2020年用電結構。王慶露[3]采用協整分析與誤差糾正模型研究了我國電力消費與經濟增長之間的關系，建立了誤差修正模型，并利用干預分析的方法對誤差修正模型的預測結果進行矯正，對2005-2025年的電力需求值進行了外推預測。王桂芝[4]選擇三次多項式曲線模型、霍爾特指數型指數平滑模型、IMA模型作為組合預測模型對電力消費量進行預測，并且采用離異系數法對組合模型進行賦權。李菁[5]運用基因表達式編程（GEP）方法，基于武漢市1990-2005年的數據，構建了武漢市年電力消費預測模型，結果顯示該預測模型計算的電力需求預測誤差平均為3.5%。

絕大部分文獻在預測方法上只采用了單一模型，但是單一模型的假設條件以及適用范圍，使其應用起來存在很多的局限性，并且使許多有用的經濟信息得不到充分的利用。而對單一模型進行適當的組合，則可以有效地利用已有的信息資源，使預測結果具有更高的可信度。因此，一些作者對單一模型進行了組合，但是大多數文獻都采用了加權的組合預測模型，而加權組合預測模型在權重的選擇上，又存在很大的主觀性。本文采用含周期性殘差修正的IGM組合模型，避免了權重的選擇，使預測結果更加客觀準確和具有更高的可信度，并充分挖掘了時間序列的本質特征以及灰色系統所提供的信息。