基于電能替代背景下的新疆用電量預測研究

李昌祖

華北電力大學經濟與管理學院

0 引言

新疆位于我國西北地區，擁有豐富的能源資源。包括擁有克拉瑪依油田等三大油田、伊犁等九大煤田開采基地、“九大風區”和光能等可再生能源發電基地。新疆新能源總量排名全國第二，全年可提供約3萬億kWh風電電力，太陽能資源儲備量也十分豐富，約為20萬億kWh，這些資源為新疆國民經濟和電能替代的發展提供了基礎[1]。但是，新疆地區因產業結構水平低，區域經濟發展不平衡，能源消耗過于粗放，環境問題日益突出等現狀嚴重制約了新疆地區的經濟發展。電能在終端消費環節的應用明顯優于化石燃料，以致新疆地區節能減排政策的推出，清潔能源的發電比重日益提高，在終端環節電能替代對于減少地區污染物的排放具有顯著的意義。因此，研究新疆電能替代背景下用電量預測方法對保持電網系統安全高效穩定的運行具有重要的管理和經濟效益[2]。

目前，我國電力負荷預測方法和手段較多，按照模型的結構可以分為單一預測方法和組合預測方法。其中，單一預測方法有時間序列法[3]、線性回歸法[4]、灰色預測法[5]、支撐向量機SVM[6]和BP神經網絡模型[7]等，但任何單一預測方法在實際應用中由于自身存在的缺陷會導致預測精度的不足，很難準確地預測某一區域未來的用電水平。而組合預測模型可以綜合利用各種預測方法提供的信息，根據單一預測方法的精度分別賦予不同的權重，從而提高預測的科學性和有效性。

1 單一預測方法

1.1 多元線性回歸MDL模型

1)模型原理

多元線性回歸預測模型是基于多個自變量的最優組合共同預測或估計因變量，并建立多個變量之間線性數量關系式的統計方法。它反映一種現象隨其他影響因素的變動而相應變動的規律。本文應用多元線性回歸方法研究了全社會用電量與終端電能替代量、第二產業增加值、人口數等影響因素之間的關系。

2)多元線性回歸模型

多元線性回歸[8]分析模型：設是不具有共線性的i個自變量，Y是因變量，多元回歸的理論模型是

多元線性回歸分析過程和步驟：

（1）篩選出問題的自變量（p≥2）和因變量Y，利用SPSS軟件做相關性分析和共線性診斷，檢驗模型擬合度和自變量之間的共線性；

（2）做整體性檢驗，利用F值結果檢驗總體回歸關系的顯著性；

（3）做回歸系數的檢驗，利用T值檢驗各個回歸系數顯著性；

1.2 BP神經網絡模型

1)模型原理

神經網絡算法(BP)是一種按誤差逆傳播算法訓練的智能學習機器，由三層組成，包括輸入層、隱含層和輸出層，每層之間包含有一個或多個節點，每個節點代表一種特定的激勵函數，節點與節點之間通過加權值作為連接信號相連接。BP神經網絡能夠存貯很多輸入-輸出模式的映射關系和進行自我學習，對于求解復雜的非線性問題具有較好的適應能力[9-10]。

2)BP算法建模步驟

（1）先將樣本數據進行分類，確定訓練集樣本、測試集樣本和預測集樣本；

（2）對數據進行歸一化處理；

（3）建立神經網絡，確定輸入層、隱含層和輸出層每層的層數、每層之間的節點數、傳輸函數等；

（4）設定各個訓練參數，包括訓練次數、訓練精度、學習速率等，從而訓練網絡；

（5）對測試集樣本進行測試；

（6）將預測結果進行反歸一化處理；

（7）預測結果分析和評價。

2 組合預測方法

2.1 簡單平均組合預測

2.2 方差-協方差優選組合預測模型

方差-協方差優選組合預測模型采用了加權平均的方法。首先對幾種預測方法的預測結果精度進行比較，然后對預測精度較高的預測結果賦予較大的權重，因此，在各模型預測值的預測精度情況下，利用該組合預測模型，能夠有效地解決權值選取的問題[11-12]。

3 實例論證

3.1 終端電能替代量的定義

為了分析電能替代政策對新疆電力負荷的影響，對新疆電能替代潛力進行了量化處理，將終端電能替代量作為分析新疆電能替代下全社會用電量的影響因素之一。設定基準年實際能源消耗總量，基準年電能消耗量,為第t年的實際能源消耗總量，為第t年的電能消耗量，則第t年終端電能替代量可以表示為[13-14]：

3.2 數據來源

通過Spss相關性分析（表1），新疆第二產業增加值、人口數、終端電能替代量、電耗強度和實際GDP與新疆地區全社會用電量的Pearson的相關性系數均大于0．8，P值均小于＜0．05，具有顯著性意義。本文選取了2005-2018年新疆第二產業增加值、人口數、終端電能替代量、電耗強度和實際GDP作為新疆地區全社會用電量的影響因素指標。

選取2005-2018年新疆地區全社會用電量為研究對象,取2005-2013年的數據作為訓練樣本，后5年（2014-2018年）數據作為檢測樣本，從而檢驗預測模型的效果和有效性。

3.3 預測精度比較

基于簡單平均組合模型和方差-協方差最優加權組合模型原理，選取了簡單平均組預測方法權重為，方差-協方差最優加權組合權重為，新疆地區全社會用電量實際值與單項及組合預測模型結果對比見表2，可以看出，方差-協方差組合預測模型降低了單一預測較大的誤差，穩定性較強，預測精度高。

應用評價指標MSPE對單一預測方法和組合預測方法預測精度的比較如表3所示。研究發現，單一預測方法MLR模型的MSPE的指標值最小，說明該模型用于電力負荷預測較為合理。簡單組合預測模型的預測精度比MLR模型小，方差-協方差組合預測模型的預測精度皆優于相應的簡單組合預測模型和單一預測模型，預測精度較高。

表1 新疆地區全社會用電量的影響因素指標與全社會用電量相關性分析

表2 新疆地區全社會用電量實際值與單一及組合預測模型結果對比

表3 電力負荷預測單項預測模型和組合預測模型預測精度比較

利用方差-協方差組合預測模型預測未來4年新疆地區電力負荷見表4。

表4 2019-2022年新疆地區電能替代下的方差-協方差組合預測模型MLR-BP預測結果

4 結語

結合新疆目前發展的政策特點，選用了終端電能替代量、電耗強度、第二產業增加值、人口數等指標作為新疆電力負荷的影響因素，同時為了充分利用模型相關的信息，改善單一模型負荷預測存在的局限性，提出了方差-協方差組合模型，通過對比單一預測模型和簡單組合預測模型的預測結果，方差-協方差組合模型的相對誤差、均方百分比誤差均較小。因此，驗證了該模型預測精度較相應的單一模型預測和簡單組合預測模型都要高，對于預測新疆地區電能替代背景下的用電量具有較好的實用性。