基于逐步回归-灰色预测的中长期电力需求预测.docx

    基于逐步回归-灰色预测的中长期电力需求预测    张明慧 李存斌摘 要： 随着电力市场的发展，中长期电力需求预测的重要性日益显现，准确的电力需求预测不仅可以保证电网安全稳定运行，而且是社会经济高效发展的基础在本文中应用逐步回归法对历史数据进行分析计算，得出社会用电量的线性回归方程，进而灰色预测法对线性回归方程中的自变量进行预测，进而带入线性回归方程得到预测结果最后对某地2020-2025年的电力需求做预测，总体趋势显示我国的电力需求在未来几年将会稳步增长Key： 电力需求预测;逐步回归;灰色预测电力工业是国民经济的支柱行业，电力工业的快速发展不仅为全社会的用电需求提供了保障，而且有力地支撑了经济社会的快速发展，各行各业的发展都离不开电力行业的支持通过科学的电力需求预测来科学地规划电力系统、适时调整电力供应，不仅是保障电力工业健康、稳定发展的重要条件，而且是电力生产调度和市场营销的重要依据近年来，国内外学者对电力需求预测的模型进行了研究，预测理论技术不断地进行改进，其中电力需求预测的经典方法有适用于大区域中长期预测的电力弹性系数预测法、适用于中短期宏观预测的单耗法、适用于中长期宏观预测的转导法与类比法和适用于城市电网规划方面预测的负荷密度法。

随着科学技术的不断发展，新的预测技术不断出现，如时间序列预测方法、回归预测方法、投入产出预测方法、神经网络、遗传算法（GA）和系统动力学（SD）等汲国强等选用（对数平均迪氏指数）LMDI分解模型对用电增长量进行分解，根据影响因素分解为生产效应、结构效应和强度效应，然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应进行拟合及预测在加总得到预测用电需求量[1]程鹏等将人工神经网络和灰色预测方法相结合提出了一种并联灰色神经网络预测方法[2]徐聪颖等利用最优权重组合将灰色线性回归模型、二次指数模型、等维新息模型、残差灰色模型4种模型进行组合，采用二元最优组合的迭代寻优算法来求取每个模型的权重，充分发挥集中模型各自的优点[3]孙利军等建立了基于灰色预测和多元回归预测的电力负荷组合预测，提高了预测精度[4]程玉桂等建立了一个基于遗传算法和BP算法相结合的神经网络预测模型，具有更高的准确性[5]1 电力需求影响因素分析电力需求的变化受多种因素的影响，在进行中长期电力需求预测的过程中要重点研究各种相关因素对各行业电力需求的影响，比如，GDP（国民生产总值）的变化与电力消费的变动呈正相关关系，电价的变化影响用电企业的生产成本[6]，所以我们在进行预测的过程中需要的数据主要包括社会经济发展的主要指标和未来趋势、国民经济的发展战略和产业结构调整、项目建设目标、分行业用电量及负荷资料，包括年用电量、月度用电量、典型日负荷等、二次能源占能源消费比重及未来走势、GDP单耗、各行业增加值单耗、主要产品单耗及未来走势等因素。

在进行电力需求预测的过程中，要根据所要预测的实际问题来进行数据的选取，比如，宋晓华等在应用多元回归理论进行中长期电力需求预测的过程中，选择GDP、人口数、城镇居民人均可支配收入、第三产业与第二产业比值、农村人均纯收入作为自变量[6]刘永强等在应用系统动力学进行中长期电力需求预测的过程中，分别预测三大产业和居民生活用电，再将预测结果相加得到全社会的用电量[7]所以在应用不同的预测方法时所选取的数据是不同的，我们要根据预测方法来选取相应的自变量2 电力需求预测模型构建在进行电力需求预测的过程中，首先要根据预测区域的电力需求影响因素进行分析，进而将量化后的影响因素作为解释变量代入逐步回归中进行计算，利用历史数据计算出电力需求预测与各影响因素之间的关系，即得到回归方程进而应用灰色预测法对线性回归方程中的解释变量进行预测，并通过后验差检验对预测结果进行模型精度等级判断最后将预测的解释变量的值代入回归方程中，得到最终预测结果3 算例3.1 确定回归方程本文以某地的电力需求为对象进行预测，选取2008—2018年的数据为历史数据进行逐步回归，并选取城镇居民人均可支配收入、农村居民人均可支配收入、人口数、产业结构（3/2）、GDP和用电量作为自变量，社会用电量作为因变量。

本文用MATLAB软件来进行逐步回归算法的计算，逐步回归计算的结果显示， 最终自变量产业结构（3/2）和GDP作为回归模型中的自变量，且线性回归方程为y=19212.9-8351.64*x4+0.0712222*x53.2 预测自变量取值同样选取2008—2018年的数据为历史数据来进行灰色预测，分别对产业结构（3/2）和GDP在2020—2025年的数值进行预测应用MATLAB平台来进行灰色预测，产业结构（3/2）和GDP预测结果分别如下表所示对产业结构（3/2）进行灰色预测的结果进行后验差检验可得，均方差比值C为0.1235，小误差概率P为1，可见预测结果的等级为好3.3 预测计算及结果分析将产业结构（3/2）和GDP在2019—2025年的预测结果代入回归方程中可得2019—2025年的社会用电量，结果如下表所示通过分析预测结果可知，2019—2025年某地社会用电量呈稳定增长趋势，且到2024年该地社会用电量将突破10万亿千瓦时，且社会用电量呈稳定增长趋势4 结论在进行电力需求预测的过程中，影响电力需求预测的因素有很多，而我们在做预测的过程中受因素可否量化和预测方法的限制等的影响，预测结果会存在一定程度的误差。

因而我们在做电力需求预测的过程中可重点考虑某些因素来选择指标和预测方法，或者选择组合预测方法来进行预测，充分利用各预测方法的优势并克服缺点，为规划提供可靠的参考Reference：[1]汲国强，李顺昕，赵伟博，等.基于对数平均迪氏指数-布谷鸟搜索算法-最小二乘支持向量机的区域中长期电力需求预测[J].科学技术与工程，2018，18（10）：213-218.[2]程鹏，韦雅君，李金颖，甄成刚.基于改进的并联灰色神经网络模型在电力需求预测中的应用[J].广东电力，2011，24（8）：13-16.[3]徐聪颖，廖峰，陈震海.灰色组合模型在中长期电力负荷预测中的应用[J].电力需求侧管理，2011，13（2）：20-23.[4]孙利军，刘冬.基于灰色理论和回归分析的中长期电力负荷组合预测研究[J].华北电力大学学报社会科学版，2011（S2）：132-134.[5]程玉桂，黎明.基于遗传算法和BP神经网络的城区中长期电力负荷预测与分析[J].計算机应用，2010，30（1）：224-226.[6]宋晓华，祖丕娥，陈灵青.基于多元线性回归理论的中长期电力需求预测[J].时代经贸，2012（14）：64-65.[7]刘永强，韦凌云.系统动力学方法的中长期电力需求预测[J].电力科学与工程，2002（3）：4-6.  -全文完-。