北京市長期電力需求預測研究

閆寧

摘要：對電力需求準確評估，是電力工業發展方向和速度的重要參考，預測的準確與否，關乎到電力行業的平穩發展以及國民經濟的可持續發展。針對北京市電力需求，文章采用了協整分析和情景分析結合的研究方法，結合二者優點，得到北京市未來的電力需求預測結果。

Abstract： Accurate assessment of power demand is an important reference for the development direction and speed of the power industry. The accuracy of the forecast is related to the steady development of the power industry and the sustainable development of the national economy. In view of the power demand in Beijing， this paper adopts a combination of co-integration analysis and scenario analysis， and combines the advantages of both to obtain the future power demand forecast results of Beijing.

關鍵詞：協整;情景分析;電力需求預測

Key words： cointegration;scenario analysis;electricity demand forecast

中圖分類號：F426 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）23-0066-03

0 ?引言

電力行業是國家經濟命脈，是國家經濟發展的基礎行業，電力行業的發展關系到國家經濟的平穩發展和社會的不斷進步，是整個國家最根本的行業之一。其發展速度反映著社會經濟水平的發展速度，對電能穩定供應、建設智慧型的堅強智能電網，并大力推進與智能電網結合的泛在電力物聯網是我國電力發展的階段目標[1-3]。對電力需求準確評估，是電力工業發展方向和速度的重要參考，預測的準確與否，關乎到電力行業的平穩發展以及國民經濟的可持續發展[4]。

電力需求預測是根據電力負荷、經濟、社會等所有相關的歷史數據，來探索電力需求歷史數據變化規律，尋求電力需求與各種相關因素之間的內在聯系，從而對未來的電力需求進行科學的預測[5，6，7，8]。

1 ?電力需求預測理論及影響因素分析

1.1 協整檢驗

協整檢驗就是為了辨別回歸是否為偽回歸，所謂偽回歸，是在利用最小二乘法回歸分析時決定系數R2很接近1同時，DW值很小的現象。其特征為在回歸分析時，每個變量間的相關系數都較大，足以判斷其因果關系，但實際上其結果不可靠，變量間不存在任何因果關系。

協整的定義為：假如存在某些序列x1t，…，xnt，皆為d階單整序列，記為I（d），并存在向量α=（α1，α2，…，αn）使得αXt～I（d-b），并且d？叟b？叟0，Xt=（X1t，X2t，…，Xnt）'，則稱時間序列x1t，…，xnt是b階協整，α為協整向量。

若存在某兩個或多個同階時間序列的線性組合，它們之間通過計算能夠獲得一個穩定的誤差序列，即非平穩時間序列的短期波動不會影響到序列間的長期均衡關系，即可說明序列間存在協整關系。協整檢驗根據時間序列是否為兩條的多少可以分為兩類，Engle-Grange兩步檢驗法一般用于兩條序列間的協整檢驗中;而多個時間序列間的協整檢驗一般采用向量自回歸的檢驗方法，該方法由Johansen建立。

1.2 情景分析法

情景分析法（Scenario analysis method）是基于未來的多樣性的一種分析方法，通過對未來可能出現的情景，并分析導致該情景的各種因素是情景分析法的核心思想，可以理解為情景分析法就是構建可能的未來、并進行分析的過程。通過對情景的研究，基于現有的條件和合理的推測，可以分析影響時間的外部因素、對不同政策、規劃、技術等對未來發展趨勢產生的影響和效果進行定性與定量相結合的系統分析，并以此來對影響情景發生的各種因素進行識別和分析。

1.3 影響因素分析

1.3.1 地域經濟發展 ?地域經濟長期穩定的發展電力工業的核心需求，地域的經濟發展規模可以直觀地當地生產行為、居民生活對電力供應量和穩定性的需求。地域的經濟發展根據類型可以分為三類，分別為投資、消費、外貿。一個地域內經濟的合理穩定發展會增強地域對臨近地區乃至全國地區的勞動力和人才的吸引力，人口規模的增加可以大量推動對電力的需求。

1.3.2 城市化 ?城市化的主要影響是省市常住人口和流動人口的增加，同樣會導致對電力的大量需求。另一方面，大量且快速的人口增長勢必導致相應配套設施的增加，政府工程的規劃實施速度也會相應增加以提高電力供應能力。但城市化帶來的環境問題會導致地方政府加大環境治理，對一些高排放的企業加以整治，因此當城市化到一定程度后電能的需求會放緩。

1.3.3 產業結構 ?是指其由以農業為主的傳統鄉村型社會向以工業和服務業等非農產業為主的現代城市型社會逐漸轉變的歷史過程。產業的升級轉型勢必導致當地對能源的需求量的增加。

2 ?北京市電力需求預測模型

2.1 向量自回歸模型

向量自回歸模型（Vector Auto-regression Model，VAR）是一種較為經典的非結構化的建模方法。具體的看，VAR模型把系統中每個內生變量作為系統中各個內生變量的滯后項的函數來建立模型，其表達形式為：

式中，Yt和分別為k維內生變量向量和滯后內生變量向量，為d維外生變量向量和滯后外生變量向量，p和r分別為內生變量和外生變量中的滯后階數。Ai為k×k維系數矩陣，Bi為k×d維系數矩陣;顯然，系數矩陣也就是待估計的參數矩陣。εt為k維隨機誤差項所組成的向量，但元素之間可存在同期相關性，但不可存在與自身的滯后項相關和不能存在與模型右邊變量的相關。

向量自回歸模型中每個方程的右側都為前定變量，不存在非滯后的內生變量，并且每個方程右邊的變量是一致的，因此，可使用最小二乘法估計得到與VAR模型的參數一致和有效的估計量。其中，對于滯后長度p和r的選擇上，普遍使得滯后階數可以足夠大進而可以較出色的反映構造模型的動態特征。但對于模型來說，隨著模型中的滯后數的增大和待估計參數的增多，模型的自由度隨之降低;因此，通常運用AIC信息準則和SC準則的取值最小原則來獲得模型的最佳滯后階數。

2.2 Johansen協整檢驗

Johansen協整檢驗方法是以向量自回歸模型為理論基礎對回歸系數的檢驗，主要用于三個以及三個以上的變量。

設p階向量自回歸模型為：

式（3）中。Johansen協整檢驗的主要機理是分析矩陣∏的秩r

3 ?分析結果

北京市是我國的首都，分析北京市電力需求的影響因素及其作用效果，對進一步研究全國其他地區的電力需求影響因素具有重要的代表意義。

3.1 協整分析結果

文章主要根據北京市2000-2017年GDP、城鎮化率、三產占比、全社會用電量的歷史數據，研究GDP、城鎮化率、三產占比這三個因素對于北京市全社會用電量的影響，并據此進行協整分析得到參數方程如下式：

式中，y表示全社會用電量，x1表示GDP，x2表示城鎮化率，x3表示三產占比，a1、a2、a3分別代表各因素對于y的影響系數，c代表常數項。

3.1.1 ADF單位根檢驗

采用ADF單位根檢驗方法對北京市2000-2017年GDP、城鎮化率、三產占比進行數據平穩性檢驗，所得結果如表1所示。

根據表1分析可知，各變量的原序列均為非平穩時間序列，但其一階差分序列都是平穩的，即各變量都是一階單整序列，記為I（1）。根據平穩性檢驗結果，所有序列都是同階單整的，具備進行協整檢驗的條件，文章接下來運用協整檢驗方法驗證變量間的長期均衡關系，即協整關系。

3.1.2 VAR平穩性檢驗

根據SC準則，所構建的包含四個變量的VAR模型的最優滯后階數為1，在該滯后階數下，VAR模型的穩定性檢驗結果如圖1所示。

由圖分析可知，所有自回歸根（AR Roots）都在單位圓內，表明文章所構建的包含四個變量的一階VAR模型具有良好的穩定性。

3.1.3 Johansen協整檢驗

同階單整的時間序列變量線性組合是平穩的，那么可以稱各變量之間存在協整關系。協整檢驗的方法有兩種：EG兩步法和Johansen檢驗法，由于EG法估計量在樣本數據時是有偏的，同時在多變量協整檢驗中，結果可能是各自變量是協整，自變量與因變量并不協整，對于結論得出影響較大，因此文章選用Johansen協整檢驗。

根據VAR模型結果，設定Johansen協整檢驗之后階數為VAR模型滯后階數減1，數據生成過程根據SC準則確定，據此進行Johansen協整檢驗，結果如表2所示。

由表2可知，在5%的顯著性水平下，跡檢驗和最大特征根檢驗結果均顯著拒絕“不存在協整關系”和“最多存在一個協整關系”的原假設，同時接受“最多存在兩個協整關系”和“最多存在三個協整關系”的原假設，表明變量間存在兩個協整關系。

3.1.4 協整分析預測結果

根據協整理論，運用Eviews 8軟件，得到模型參數方程為：

式中，y為全社會用電量，x1為GDP，x2為城鎮化率，x3為三產占比。

表3中的t統計量結果表明，北京市GDP、城鎮化率和三產占比對全社會用電量具有顯著的影響。集合所得參數方程式（5）知，lnx1每增加1個單位，lny增加0.4122個單位;x2每增加1個單位，lny增加0.9360個單位;x3每增加1個單位，增加0.5299個單位。

3.2 情景分析

根據北京市用電影響因素的歷史發展趨勢，利用情景分析法，對北京市用電需求的影響因素進行預測，從而進一步對北京市電力需求進行預測。其中影響因素特征描述如表4所示。

由此可得不同情景下北京市用電需求中長期預測結果如圖2和表5所示。

由上述分析可以看出，隨著GDP、城鎮化率、三產占比的提高，北京市電力需求不斷上升;同時影響因素增長較快的情景下，北京市電力需求增長也較快。

4 ?總結

針對北京市電力需求的預測，文章采用了協整分析和情景分析結合的研究方法，通過協整分析，得到北京市全社會用電量在GDP、城鎮化率、三產占比影響下的參數方程，并根據情景分析，得到不同因素的未來發展水平，結合協整分析所得的參數方程得到北京市2018-2030年的全社會用電量預測結果。

參考文獻：

[1]趙會茹，趙名銳，李娜娜，李付強，胡娛歐.基于協整理論的北京市電力與經濟增長關系研究[J].陜西電力，2015，43（05）：60-64，70.

[2]魏曉萌.北京市電力需求影響因素及預測研究[D].北方工業大學，2018.

[3]汪斌，張欣欣，嵇靈，解玉磊.北京市電力消耗驅動因素分析及需求預測[J].中國電力，2018，51（06）：178-184.

[4]陳樹民.我國電力需求影響因素研究[D].山東大學，2018.

[5]劉俊，趙宏炎，劉嘉誠，潘良軍，王楷.基于協整-格蘭杰因果檢驗和季節分解的中期負荷預測[J].電力系統自動化，2019，43（01）：73-80.

[6]孫偉，鮑毅，戴波，盧君波，王昆.基于改進極限學習機的電力需求預測研究[J].計算機與數字工程，2019，47（04）：806-811，819.

[7]陳海蘭，高學東.基于波動特征的時間序列相似性度量及聚類分析[J/OL].統計與決策，2019（11）：17-22.

[8]林勇，麻敏華，靳冰潔，黃紅偉，張德亮.基于多元相關性矩陣的中長期負荷預測方法研究[J].電氣應用，2019，38（01）：90-94.