CN103413187A - 一种基于弹性系数的年度电量预测方法 - Google Patents
一种基于弹性系数的年度电量预测方法 Download PDFInfo
- Publication number
- CN103413187A CN103413187A CN2013103949659A CN201310394965A CN103413187A CN 103413187 A CN103413187 A CN 103413187A CN 2013103949659 A CN2013103949659 A CN 2013103949659A CN 201310394965 A CN201310394965 A CN 201310394965A CN 103413187 A CN103413187 A CN 103413187A
- Authority
- CN
- China
- Prior art keywords
- year
- base
- speedup
- gdp
- annual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于弹性系数的年度电量预测方法,该方法包括以下步骤:(1)选取基年,读取历史数据;(2)以基年可比价为基础计算历史样本区间各年度的电力弹性系数;(3)计算历史样本区间各年度三大产业中两大产业的增加值占比;(4)建立电力弹性系数和两大产业增加值占比的回归模型;(5)通过回归模型预测目标年度电力弹性系数;(6)通过所预测的电力弹性系数和GDP计算目标年度全社会用电量。本发明以基年可比价为基础计算新的电力弹性系数,并利用该电力弹性系数与三大产业中两大产业的增加值占比建立回归模型,目标年度全社会用电量的预测建立在理论模型基础之上,提高了预测的准确性。
Description
技术领域
本发明涉及电网电量预测技术领域,具体是一种基于弹性系数的年度电量预测方法。
背景技术
电力弹性系数是全社会用电量同比增速与GDP同比增速的比值,它能够反映电力消费与经济增长之间的关系。能源消费结构、产业结构、技术和生活水平等因素的变化都会导致电力弹性系数发生变化。
现有技术中电力弹性系数的计算公式中全社会用电量同比增速和GDP同比增速是采用当期值与前期值进行比较,这样得出的电力弹性系数波动较大,不容易找出其中的规律,所以无法用来对全社会的年度用电量进行预测。
目前,国内外学者对电力弹性系数的研究多着重于它在单序列用电量预测中的应用,以及基于电力弹性系数的预测方法与其它电力预测方法的比较,一般都是通过理论经验和定性分析来判断电力弹性系数的影响因素,没有通过实证对这些因素的具体影响机制进行论证,弹性系数本身波动较大,难以准确预测,所以也很难将其应用于电量预测。
发明内容
本发明要解决的技术问题是提供一种基于弹性系数的年度电量预测方法,通过该方法能够对目标年度的电力弹性系数进行更加准确的预测,进而预测目标年度的全社会用电量。
本发明的技术方案为:
一种基于弹性系数的年度电量预测方法,包括以下步骤:
(1)选取基年,读取历史数据,包括基年的全社会用电量、基年的可比价GDP、历史样本区间各年度的全社会用电量、各年度的可比价GDP以及三大产业的增加值;
(2)计算历史样本区间各年度的电力弹性系数:
计算历史样本区间各年度相对于基年的全社会用电量增速,得到各年度全社会用电量的定基增速;
计算历史样本区间各年度相对于基年的GDP可比价增速,得到各年度GDP的可比价定基增速;
将电力弹性系数的计算公式重新定义为:
电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速;
将历史样本区间各年度全社会用电量的定基增速和GDP的可比价定基增速代入上述公式,计算得到历史样本区间各年度的电力弹性系数:
(3)计算历史样本区间各年度三大产业中两大产业的增加值占比;
(4)建立电力弹性系数和两大产业增加值占比的回归模型:
Y2n=A+B*X2n+C*X3n
其中,Y2表示步骤(2)中所述的电力弹性系数,X2、X3表示步骤(3)中所述的两大产业的增加值占比,n表示各年度;A、B、C表示常数,是将步骤(2)、(3)的计算结果代入所述回归模型中计算得到的;
(5)获取目标年度两大产业的增加值占比预测值,代入步骤(4)中的回归模型,计算得到目标年度电力弹性系数预测值;
(6)预测目标年度全社会用电量:
由步骤(2)中,电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速,推导得到
目标年度全社会用电量=(1+目标年度电力弹性系数*目标年度GDP的可比价定基增速)*基年全社会用电量;
获取目标年度GDP的预测值,并将其转化成目标年度GDP的可比价定基增速,结合步骤(1)中的基年全社会用电量和步骤(5)中的目标年度电力弹性系数,计算得到目标年度全社会用电量。
所述的基于弹性系数的年度电量预测方法,步骤(4)还包括对建立的所述回归模型进行t检验、R2检验、F检验、D.W.检验及white检验。
所述的基于弹性系数的年度电量预测方法,选取一年份作为基年。
与现有技术相比,本发明以基年可比价为基础计算电力弹性系数,并利用该电力弹性系数与三大产业中两大产业的增加值占比建立回归模型,可对目标年度的电力弹性系数进行更加准确的预测,从而在目标年度电力弹性系数预测值的基础上实现对目标年度全社会用电量的预测,由于预测是建立在理论模型基础之上,所以预测结果更加可靠,准确性更高。优选地,对建立的回归模型进行统计学意义上的检验,可以进一步提高预测的准确性。
附图说明
图1是本发明的方法流程图;
图2是本发明具体实施例在1992-2012年度基于当年价格的电力弹性系数趋势图;
图3是本发明具体实施例在1992-2012年度三大产业增加值占比的变化趋势图。
具体实施方式
下面,以安徽省目标年度全社会用电量的预测过程作为实施例来说明本发明一种基于弹性系数的年度电量预测方法的具体实施方式。
如图2所示,是安徽省在1992-2012年度基于当年价格计算的电力弹性系数趋势图,可以看出,安徽省自1992年以来电力弹性系数波动很大,最高的是2003年,达到1.52,最低的是1998年,为-0.17,这是因为1998年的全社会用电量增速为负。1998年以后电力弹性系数保持上升趋势,2003年后开始缓慢下降,整体看来具有上升趋势。
1995-1998年,安徽省响应“九五”计划,着力调整农、轻、重产业结构,这一政策使得第一产业比重不断下降,第三产业开始起步,对电力依赖性极大的第二产业被放缓,全社会用电量在这几年间趋于下滑,进而拉低了电力弹性系数,1998年达到最低水平。1999年后安徽省开始新一轮产业结构调整政策,在原有产业政策上重拾工业,第三产业虽占比较大但生产效率较低,加上工业用电带动全社会耗电量增加,导致了电力弹性系数出现阶段性上升。2003年之后产业结构又经历一次调整,安徽省开始走新型工业化道路,第二产业技术投入带来的产业结构升级,使得高耗能设备遭到淘汰,且新环保工艺的应用,工业生产效率的提高和能源的有效节约,再加上对第三产业发展的不重视使得第三产业用电水平较低,使得全省用电量增速减缓,这就是在产值增速连年上升的情况下,电力弹性系数却没有大幅上升的原因。安徽省当前还处在工业化中期阶段,电力弹性系数连年小于1,这不符合工业化进程的一般规律,说明安徽省的产业结构还存在不合理性。就全国来看,国民经济从“重”向“轻”转变,大力发展第三产业,全国电力弹性系数有上升趋势。因此我们分别尝试选取1992-2012年和1999-2012年作为历史样本区间。
考虑使GDP增速与全社会用电量增速具有相同的比较基础,将GDP增速转化成可比价。
步骤(1):选取1990年作为基年,即以1990年的可比价作为计算新的电力弹性系数的基础;选取1992-2012年作为历史样本区间,读取历史数据,包括1990年度的全社会用电量、1990年度的可比价GDP、1992-2012各年度的全社会用电量、各年度的可比价GDP以及三大产业的增加值;
步骤(2):计算1992-2012各年度的新的电力弹性系数:
计算1992-2012各年度相对于1990年度的全社会用电量增速,得到1992-2012各年度全社会用电量的定基增速;
计算1992-2012各年度相对于1990年度的GDP可比价增速,得到1992-2012各年度GDP的可比价定基增速;
将新的电力弹性系数计算公式定义为:
电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速;
将1992-2012各年度全社会用电量的定基增速和GDP可比价增速代入上述公式,计算得到1992-2012各年度的电力弹性系数;
步骤(3):计算1992-2012各年度第二产业和第三产业的增加值占比;
步骤(4):建立电力弹性系数和第二产业、第三产业增加值占比的回归模型:
Y2n=1.101+0.004*X2n-0.020*X3n
p=(0.007)(0.407)(0.016)
R2=0.33, D.W.=0.92
其中,Y2表示步骤(2)中所述的电力弹性系数,X2、X3表示步骤(3)中所述的第二产业、第三产业的增加值占比,n表示各年度;
对回归模型进行F检验,确保方程的F检验在95%的显著性水平可以通过;
对回归模型进行t检验,确保第二产业、第三产业增加值占比的t检验在95%的显著性水平可以通过;
对回归模型进行R2检验,确保方程的可决系数大于0.8;
对回归模型进行D.W.检验,确保残差序列不存在序列相关性;
对回归模型进行white检验,确保残差序列不存在异方差性;
对于上述回归模型,t检验的伴随概率显示,第二产业增加值占比X2的t检验在95%的显著性水平不能通过;white检验表明不存在异方差;D.W.=0.92表明可能存在自相关;R2=0.33表明对历史数据拟合得很差,自相关调整后效果依旧很差,所以需要重新考虑样本区间;
以1999-2012年作为历史样本区间,建立的回归模型为:
Y2n=-0.891+0.0161*X2n+0.0182*X3n
p=(0.000)(0.000)(0.000)
R2=0.92, D.W.=0.93
t检验的伴随概率显示,解释变量的t检验在95%的显著性水平下均能通过;D.W.=0.93表明可能存在自相关,但通过查看残差的自相关系数和偏自相关系数图,方程是不存在自相关的;white检验表明不存在异方差;R2=0.92表明方程对历史数据拟合得很好,可以解释92%的历史数据。
上述分析显示,选取1999-2012年作为历史样本区间建立的电力弹性系数与产业结构的多元回归模型能够很好地解释历史样本区间的经济结构变化引起的全社会用电量增速的变化,回归模型的可靠性得到验证,所以可用此回归模型对安徽省目标年度的电力弹性系数进行预测;
步骤(5):根据安徽省“十二五”规划中提到的产业结构预期调整目标分解得到2013-2015年的产业结构数据,推算2013-2015年各产业的增加值占比,代入步骤(4)中以1999-2012年作为历史样本区间的回归模型Y2n=-0.891+0.0161*X2n+0.0182*X3n,计算得到2013-2015年各年度的电力弹性系数预测值,如表1所示,其中,各年度的GDP为相对于1990年的可比价,1990年的GDP定为100;
表1
步骤(6):预测目标年度全社会用电量:
由步骤(2)中,电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速,推导得到
目标年度全社会用电量=(1+目标年度电力弹性系数*目标年度GDP的可比价定基增速)*基年全社会用电量;
由预测得到的电力弹性系数,结合表1中各年度的GDP,计算得到2013-2015年各年度安徽省的全社会用电量(单位:亿千瓦时),如表2所示:
表2
利用上述回归模型预测以往各年,2003年后此回归模型的预测误差均低于5%,所以本发明提出的预测方法,其结果是可信的。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (3)
1.一种基于弹性系数的年度电量预测方法,其特征在于:包括以下步骤:
(1)选取基年,读取历史数据,包括基年的全社会用电量、基年的可比价GDP、历史样本区间各年度的全社会用电量、各年度的可比价GDP以及三大产业的增加值;
(2)以基年可比价为基础计算历史样本区间各年度的电力弹性系数:
计算历史样本区间各年度相对于基年的全社会用电量增速,得到各年度全社会用电量的定基增速;
计算历史样本区间各年度相对于基年的GDP可比价增速,得到各年度GDP的可比价定基增速;
将电力弹性系数的计算公式重新定义为:
电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速;
将历史样本区间各年度全社会用电量的定基增速和GDP的可比价定基增速代入上述公式,计算得到历史样本区间各年度的电力弹性系数;
(3)计算历史样本区间各年度三大产业中两大产业的增加值占比;
(4)建立电力弹性系数和两大产业增加值占比的回归模型:
Y2n=A+B*X2n+C*X3n
其中,Y2表示步骤(2)中所述的电力弹性系数,X2、X3表示步骤(3)中所述的两大产业的增加值占比,n表示各年度;A、B、C表示常数,是将步骤(2)、(3)的计算结果代入所述回归模型中计算得到的;
(5)获取目标年度两大产业的增加值占比预测值,代入步骤(4)中的回归模型,计算得到目标年度电力弹性系数预测值;
(6)预测目标年度全社会用电量:
由步骤(2)中,电力弹性系数=全社会用电量的定基增速/GDP可比价定基增速,推导得到
目标年度全社会用电量=(1+目标年度电力弹性系数*目标年度GDP的可比价定基增速)*基年全社会用电量;
获取目标年度GDP的预测值,并将其转化成目标年度GDP的可比价定基增速,结合步骤(1)中的基年全社会用电量和步骤(5)中的目标年度电力弹性系数,计算得到目标年度全社会用电量。
2.根据权利要求1所述的基于弹性系数的年度电量预测方法,其特征在于:步骤(4)还包括对建立的所述回归模型进行t检验、R2检验、F检验、D.W.检验及white检验。
3.根据权利要求1所述的基于弹性系数的年度电量预测方法,其特征在于:选取一年份作为基年。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103949659A CN103413187A (zh) | 2013-09-04 | 2013-09-04 | 一种基于弹性系数的年度电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103949659A CN103413187A (zh) | 2013-09-04 | 2013-09-04 | 一种基于弹性系数的年度电量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103413187A true CN103413187A (zh) | 2013-11-27 |
Family
ID=49606194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103949659A Pending CN103413187A (zh) | 2013-09-04 | 2013-09-04 | 一种基于弹性系数的年度电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103413187A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376381A (zh) * | 2014-11-17 | 2015-02-25 | 南方电网科学研究院有限责任公司 | 一种基于定基单位产值电耗预测全社会用电量的方法 |
CN104504619A (zh) * | 2015-01-05 | 2015-04-08 | 国家电网公司 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
CN104573865A (zh) * | 2015-01-08 | 2015-04-29 | 国家电网公司 | 一种基于定基能源消费弹性系数预测能源消费总量的方法 |
CN104598997A (zh) * | 2015-02-04 | 2015-05-06 | 国家电网公司 | 基于经济发展方式转变的工业用电强度预测方法 |
CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
CN110796461A (zh) * | 2018-08-01 | 2020-02-14 | 北京京东尚科信息技术有限公司 | 一种评价选品正确性的方法和装置 |
CN110991768A (zh) * | 2019-12-20 | 2020-04-10 | 国网河南省电力公司经济技术研究院 | 一种电量预测方法和系统 |
CN116433277A (zh) * | 2023-06-13 | 2023-07-14 | 国网浙江省电力有限公司 | 基于新型电力系统的电价传导处理方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976301A (zh) * | 2010-10-09 | 2011-02-16 | 广东省电力设计研究院 | 逐年负荷预测中历史数据预处理的方法与装置 |
-
2013
- 2013-09-04 CN CN2013103949659A patent/CN103413187A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976301A (zh) * | 2010-10-09 | 2011-02-16 | 广东省电力设计研究院 | 逐年负荷预测中历史数据预处理的方法与装置 |
Non-Patent Citations (3)
Title |
---|
盛聪: "江西省电力消费量与产业结构演进关系研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》, no. 7, 15 July 2012 (2012-07-15) * |
董智 等: "河南电力消费弹性系数变动状况分析", 《电力系统保护与控制》, vol. 38, no. 5, 1 March 2010 (2010-03-01) * |
钱纹: "采用电力弹性系数法预测负荷", 《云南电力技术》, vol. 29, no. 1, 10 March 2001 (2001-03-10) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376381A (zh) * | 2014-11-17 | 2015-02-25 | 南方电网科学研究院有限责任公司 | 一种基于定基单位产值电耗预测全社会用电量的方法 |
CN104504619A (zh) * | 2015-01-05 | 2015-04-08 | 国家电网公司 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
CN104504619B (zh) * | 2015-01-05 | 2018-08-10 | 国家电网公司 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
CN104573865A (zh) * | 2015-01-08 | 2015-04-29 | 国家电网公司 | 一种基于定基能源消费弹性系数预测能源消费总量的方法 |
CN104598997A (zh) * | 2015-02-04 | 2015-05-06 | 国家电网公司 | 基于经济发展方式转变的工业用电强度预测方法 |
CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
CN110796461A (zh) * | 2018-08-01 | 2020-02-14 | 北京京东尚科信息技术有限公司 | 一种评价选品正确性的方法和装置 |
CN110796461B (zh) * | 2018-08-01 | 2024-04-19 | 北京京东尚科信息技术有限公司 | 一种评价选品正确性的方法和装置 |
CN110991768A (zh) * | 2019-12-20 | 2020-04-10 | 国网河南省电力公司经济技术研究院 | 一种电量预测方法和系统 |
CN116433277A (zh) * | 2023-06-13 | 2023-07-14 | 国网浙江省电力有限公司 | 基于新型电力系统的电价传导处理方法及系统 |
CN116433277B (zh) * | 2023-06-13 | 2023-09-19 | 国网浙江省电力有限公司 | 基于新型电力系统的电价传导处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103413187A (zh) | 一种基于弹性系数的年度电量预测方法 | |
JP7482167B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
Xie et al. | Does urbanization increase residential energy use? Evidence from the Chinese residential energy consumption survey 2012 | |
CN104657788B (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
CN105305481B (zh) | 用于控制配电网的系统和方法 | |
CN102682219B (zh) | 一种支持向量机短期负荷预测方法 | |
CN109858728B (zh) | 基于分行业用电特性分析的负荷预测方法 | |
CN103473438B (zh) | 风功率预测模型优选及修正方法 | |
CN109800898A (zh) | 一种智能短期负荷预测方法及系统 | |
CN110070048A (zh) | 基于双次K-means聚类的设备类型识别方法及系统 | |
Oludolapo et al. | Comparing performance of MLP and RBF neural network models for predicting South Africa's energy consumption | |
CN103345718A (zh) | 一种二手房房价评估方法 | |
CN110009419A (zh) | 基于经济景气法的改进时间序列售电量预测方法及系统 | |
CN107748972A (zh) | 一种基于双能源指标预测全社会用电量的方法 | |
CN108717585A (zh) | 一种远期电力需求预测方法 | |
CN103473605A (zh) | 能源消费预测方法与系统 | |
Yang et al. | Increasing the energy efficiency of a data center based on machine learning | |
Zhao et al. | Prediction and analysis of WEEE in China based on the gray model | |
CN104091076A (zh) | 一种基于区间熵权法的用户用电设备能效评估方法 | |
CN110210677B (zh) | 一种结合聚类和深度学习算法的母线短期日负荷预测方法和装置 | |
CN105373865A (zh) | 一种基于产业结构的用电需求预测方法 | |
CN105005623A (zh) | 基于关键词检索指数相关性分析的用电需求预测方法 | |
Yao et al. | A novel robust grey model for forecasting Chinese electricity demand | |
CN108428022A (zh) | 一种基于相关度的短期实时电价趋势预测方法 | |
Manabe et al. | Generation expansion planning considering mass penetration of renewable energy generation and supply reliability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131127 |