基于時間序列的預測城市用電峰值的研究

摘要：文章主要對深圳市用電量進行預側，并利用時間序列進行預側，并最終建立起-溫特[Winter）積性指數平滑模型。

關鍵詞：時間序列;用電量;指數平滑模型;預側

隨著我國工業化與現代化的步伐加快，我國的電力使用一直都處于高負荷狀態。從官方數據來看，2019年1月-5月全社會用電量增速同比提高;與此同時，工業和制造業用電量增速放緩。從省份來看，2019年1月～5月，除甘肅和青海外，全國所有省份的社會用電量都在急速地增長中，尤其是沿海一線城市所在的省份。通過數據分析，很多省份的全國用電量增速高于全國平均水平（4.9%），這些省份包括西藏、內蒙古、廣西、湖北、新疆、安徽、四川、海南、山西、江西、貴州、河北、湖南、寧夏、重慶和遼寧。2019年1月～5月，全國工業用電量34513億千瓦時，同比增長3.42，與此同時，全國制造業用電量26072億千瓦時，增長5.30%，對全社會用電量增長的貢獻率為34.0%。從6月開始中國進入了傳統上的夏季，此時中國的用電量將達到一年中的峰值。因此如何能預測電量的使用并對其進行預測是具有一定意義的。

一般來說學術界會利用時間序列的方法來預測某一地區的電量使用及其規律，因此，本文試圖通過對經濟發達的深圳市用電量預測與分析，研究中國一線城市的用電規律以及預測用電的峰值。

首先，通過對南方電網深圳過去幾年的全社會用電量和工業用電量數據分別畫出序列圖。

通過上述的分析圖形可以看到兩個序列都具有波動現象，并且整體呈上升趨勢。同時受月份、氣象條件等因素的影響，用電量以一定的循環波動。在此基礎上，根據深圳市近六年的社會用電量數據畫出利用SPSS對全社會用電量進行游程檢驗和季節性檢驗。通過分析，可以看到游程檢驗結果sig值極小，所以序列是非平穩的。與此同時，季節性檢驗結果每個月份的季節性因素都不為1000f，所以數據存在季節性因素。

隨后對用電量進行線性回歸分析。

由圖形可知R=0.846，數據基本成線性增長趨勢。其中溫特線性和季節性指數平滑模型的一般形式。其中有利用SPSS社會電量應用所得的模型如下。

模型統計數據表中sig<0.05且R接近1，尤此可得。

（1）參數表中α參數估計值為0.142，sig=0.025<0.05。

（2）參數表中β參數估計值為0.101，sig=0.967≥0.05。

（3）參數表中γ參數估計值為0.321，sig=0.042<0.05。

通過上述的數據擬合以及驗證可知，所建立的數據模型具有先顯著行，且數據的擬合效果不錯。

通過上述的驗證，將次模型應用預測2019年6～8月的夏季全社會用電量，得到預鋇魷數據如下。

預測值與實際給出的數據1325300 975800 1147000誤差平均值為5%，預測效果較好，可以用來預測未來一年全社會用電量情況。

從上述模型中可以看到利用時：間序列可以對全年的用電量進行預測。

中國的用電向題一直是困擾中國經濟發展的關鍵問題，從過去的資料看中國的用電量在南北方有著明顯的不同;從數據上看，處于地理上的秦嶺淮河以南的地區在夏季與冬季是用電的高峰。其他月份的社會用電因為經濟發達所以波動較為平滑。但在北方地區，用電高峰出現在夏季，這可能是因為冬季有供暖造成的，加之北方經濟因素，所以整體波動較大。但我國西部地區有著豐富的自然資源，這些資源為國家可以提供豐富的電力，著名的“西電東送”工程便是其中的翹楚。本文對東方地區用電量的預測對東部沿海發達城市的用電量起到借鑒，但缺點在于未能對全國的用電量進行不同區域的分析。這也需要后期研究者所要關注的重點課題。無論我國電量是否足夠，我們都要學會堅持節約用電的原則。畢竟節約是中華民族的傳統美德。

參考文獻：

[1]成冰，萬磊，潘彥含等.基于時間序列算法計算用電異常的研究[J].信息通信，2018（1）：183-184，

[2]佚名.基于稀疏自回歸時間序列方法的行業用電市場景氣度分析[J].電子技術與軟件工程，2018，142（20）：176.

[3]康輝，牛東曉產業結構調整背景下的區域用，電量預測模型庫構建[J].科技和產業，2018，18（6）：19-22.

作者簡介：

余曉明，高級系統分析師，研究方向：概率論與數理統計，中國人民大學，北京。