CN105809288A - 基于固定效应模型的用电量预测方法 - Google Patents

Abstract

本发明涉及一种基于固定效应模型的用电量预测方法，包括步骤：1)载入N年的用电量数据，其中，所述用电量数据包括日用电量数据及每日的气温数据、排班数据；2)构建载入年份每一年的固定效应模型：3)根据获得的N年的用电量数据，分别拟合得到截距项均值、模型系数以及各年的截距偏离值；4)将每一年固定效应模型中作为日基础用电量，构建日基础用电量关于年份的回归方程，并根据该回归方程得到待预测年份的日基础用电量；5)根据得到的待预测年份的日基础用电量构建该年的预测方程，对该年份每一天的用电量进行预测。与现有技术相比，本发明具有预测精确等优点。

Description

基于固定效应模型的用电量预测方法

技术领域

本发明涉及电网电量预测技术领域，尤其是涉及一种基于固定效应模型的用电量预测方法。

背景技术

随着经济社会发展和人民生活水平提高，上海大都市用电特征日益凸显，气温对用电负荷和用电量的影响越来越大。近年来，在迎峰度夏期间，最大空调负荷在总负荷的比重达到40％左右，空调负荷的不断增加与所占比重的不断提高已成为上海电网的主要特征之一。定量研究气温变化对用电量的影响，确定二者之间的量化关系，对提前预判城市用电情况，及时制定科学合理的应对方案，提高电网运行和公司经营水平，具有显著意义。

针对气温与电力消费的关系，目前已有学者开展了一些研究。其中，多数集中在气温与用电负荷关系研究，以协助电力负荷预测；另外一些研究则探讨气温对用电量的影响，比如，期刊江苏电网夏季气温与用电量敏感性关系初探(电力需求侧管理，2004，6(6)：20-21，26)研究了江苏电网夏季气温与用电量敏感性，期刊气温对浙江电网用电量影响的研究(华东电力，2005，33(11)：39-42)研究了气温电量随气温变化的规律，文献上海气温变化对日电力消费的影响关系研究(北京论坛(2010)文明的和谐与共同繁荣——为了我们共同的家园：责任与行动.北京:2010.)建立了上海气温变化对日电力消费的多元线性回归模型，指出了两者之间的量化关系。但现有研究仅通过统计分析、时间序列分析、多元回归分析等方法建立气温与用电量的线性关系模型，没有考虑到基本用电量逐年升高的事实，以及用电量随冬夏季气温降低或升高而加速攀升的非线性趋势。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于固定效应模型的用电量预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于固定效应模型的用电量预测方法，包括步骤：

1)载入N年的用电量数据，其中，所述用电量数据包括日用电量数据及每日的气温数据、排班数据；

2)构建载入年份每一年的固定效应模型：

其中：EC_it为i年t天的日用电量，为截距项均值，为i年的截距偏离值，用于表征该年的截距项相对于均值的偏离，β₁、β₂、β₃为模型系数，TD_it为i年t天的降温幅度，TR_it为i年t天的升温幅度，holiday_it节假日参数；

3)根据获得的N年的用电量数据，分别拟合得到截距项均值、模型系数以及各年的截距偏离值；

4)将每一年固定效应模型中作为日基础用电量，构建日基础用电量关于年份的回归方程，并根据该回归方程得到待预测年份的日基础用电量；

5)根据得到的待预测年份的日基础用电量构建该年的预测方程，对该年份每一天的用电量进行预测。

所述降温幅度具体为：

其中：T_it为i年t天的日平均气温；

所述升温幅度具体为：

所述节假日参数具体为：

所述N年为连续的N年。

所述N年为待预测年份之前连续的N年。

所述N至少为5。

所述非工作日包括法定休假日、法定休息日，所述工作日具体为法定工作日。

所述日平均气温的单位为摄氏度。

与现有技术相比，本发明具有以下优点：

1)引入固定效应模型进行用电量预测，综合考虑了用电量逐年增长的特点以及温度对用电量的影响，具有更加准确的用电量预测结果，便于指定更加合理的电力规划。

2)日基础用电量采用截距项均值与截距偏离值之和，而没有在模型中直接用截距项进行拟合，引入了差异化元素，合理拆解了截距项，这样拟合结果可以由更加优秀的R平放。

附图说明

图1为本发明主要步骤流程示意图；

图2为上海市日平均气温与日用电量散点示意图；

图3为2010-2014年上海市日基础用电量示意图；

图4为2014年上海市日用电量组成示意图；

图5为日基础用电量拟合示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种基于固定效应模型的用电量预测方法，如图1所示，包括步骤：

1)载入N年的用电量数据，其中，用电量数据包括日用电量数据及每日的气温数据、排班数据，N年为连续的N年，优选为待预测年份之前连续的N年，N至少为5，本实施例取5；

2)构建载入年份每一年的固定效应模型：

其中：EC_it为i年t天的日用电量，为截距项均值，为i年的截距偏离值，用于表征该年的截距项相对于均值的偏离，β₁、β₂、β₃为模型系数，TD_it为i年t天的降温幅度，TR_it为i年t天的升温幅度，holiday_it节假日参数；

降温幅度具体为：

其中：T_it为i年t天的日平均气温，单位为摄氏度；

升温幅度具体为：

节假日参数具体为：

非工作日包括法定休假日、法定休息日，工作日具体为法定工作日。

用电量是一个连续累积的物理量，与之对应，发明人通过日平均气温分析气温与用电量的关联关系。如图2所示，上海市日平均气温与日用电量散点图呈现扁平状“U”形曲线，该曲线大致可以分为三个区间：区间1大致为日平均气温位于12℃以下时，随着日平均气温不断升高，冬季日取暖电力消费量不断减少，我们称之为取暖区间；区间2大致是日平均气温位于12-20℃时间，这个温度集中于春秋季节，随着日平均气温不断升高，日电力消费量不会发生明显变化，我们称之为舒适区间；区间3大致位于日平均气温位于20℃以上时，随着日平均气温不断升高，日降温电力消费量不断增加，我们称之为降温区间。

由于上海夏季高温高于舒适温度的值比冬季低温低于舒适温度的值要大，而且冬季取暖可以采用多穿衣服、燃气取暖等替代方式，因此上海夏季降温电力消费量对温度的敏感程度大于冬季取暖电力消费量对温度的敏感程度。这种现象体现在日平均气温与日电力消费量关系图中，“U”形曲线呈左低右高的形状。

由图2可知，2010-2014年，上海取暖电力消费上限拐点大约为12℃，即日平均气温低于12℃时人们开始消耗电力取暖；降温电力消费下限拐点约为20℃，即日平均气温高于20℃时人们开始消耗电力降温；在日平均气温位于12-20℃的区间，用电量基本不受温度变化影响。从散点图形状来看，日平均气温与日用电量具有二次函数关系，即用电量与气温变化的平方呈线性相关，因此气温因素将以平方形式进入模型。

日用电量主要受到四个方面因素的影响：(1)社会经济发展引发的耗电量，比如人口增长、经济发展、生活水平提高、产业结构调整、技术进步等。因社会经济相关变量变化缓慢，我们假设其变化以年为基本单位，即该因素在一年之内保持不变。(2)降温方面的电力消费需求，当气温高于临界温度时，制冷负荷逐步开启，由上文分析可知，该临界温度统计值为平均气温20℃。(3)取暖方面的电力消费需求，当气温低于临界温度时，制热负荷逐步开启，该临界温度为平均气温12℃。(4)受节假日影响的电力消费需求。一般来说，国定假日和周末放假时部分生产停止进行，会引起生产方面的电力消费量有所减少。

本实施例用到的数据为面板数据，又称为时间序列-截面数据，其中，一年中的每一天构成面板数据的时间序列维度，2010-2014年的各个年份构成面板数据的截面维度。

面板数据一般可采用变截矩模型进行分析。根据个体影响的不同形式，变截矩模型又分为固定效应模型和随机效应模型，可通过Hausman检验判断采用固定效应模型还是随机效应模型。Hausman检验的原假设是：固定效应模型和随机效应模型的估计量没有实质差异。若检验统计量不显著，则接受原假设，采用固定效应模型，反之，则采用随机效应模型。

3)根据获得的N年的用电量数据，分别拟合得到截距项均值、模型系数以及各年的截距偏离值；

本实施例中，使用EViews软件运行上述固定效应模型，得到输出结果如表1所示。可以看出：

1)回归方程和各自变量系数的P值均小于0.05，表明回归方程和各自变量系数的估计值在5％的水平上都是显著的；

2)降温幅度TD2、升温幅度TR2和节假日因素holiday的系数都是正值，表明降温、升温和工作日对用电量具有正向影响，符合一般逻辑；

3)2010-2014年各年的固定效应(FixedEffects)逐年增加，表明各年的基础用电量不断提高，这与经济社会发展和人民生活水平不断提高的逻辑相一致；

4)模型的修正R平方为0.7877，自变量对因变量的解释程度中等偏上，拟合值与实际值的偏差率为6.16％；

5)对该固定效应模型对应的随机效应模型进行Hausman检验，检验统计量为0.3589，其对应的P值为0.9486，表明固定效应模型和随机效应模型的估计量没有实质差异，因此选择固定效应模型是合适的。

总体来看，该模型拟合情况较好，能定量描述出气温变化、节假日与用电量的关系，以及基础用电量随时间推移递增的事实。

表1

根据表1的输出结果，可以写出上述固定效应模型的具体参数：

截距项偏离值为：

该模型对2014年日用电量拟合情况较好，平均拟合偏差率为6.16％。模型对春节和国庆长假期间用电量倾向于高估，在实际应用中可通过设定调节系数进行修正。

根据模型分析结果，2010-2014年，上海市日用电量与降温幅度和升温幅度的平方成正比，当日平均气温低于12℃时，日平均气温与12℃之差的平方每增加一个单位，全市日用电量增加0.0068亿千瓦时；当日平均气温高于20℃时，日平均气温与20℃之差的平方每增加一个单位，全市日用电量增加0.0103亿千瓦时；节假日对用电量具有明显的拉低效应，日用电量平均比工作日低0.3778亿千瓦时；日基础用电量逐年提高(图3)则反映出经济社会稳步发展，人民生活水平不断提高。

根据模型描述，可将日用电量分为三个组成部分：由基础用电量和节假日影响用电量组成的社会经济用电，以及降温用电和取暖用电。以2014年为例，三部分用电量在一年内的分布与变化如图4所示(为便于重点分析温度对用电量的影响，该图未显示节假日因素影响的用电量)。可以看出，上海市降温用电量和取暖用电量的变化趋势基本与气温变化趋势保持一致；用电量对高温的敏感性高于对低温的敏感性；降温用电量远高于取暖用电量，前者约占全年总用电量的4.67％，后者约为1.56％；温度调节用电占日用电量的比例较高，夏季日降温用电量最高可达约1.49亿千瓦时，占当日用电量的28.30％，冬季日取暖用电量最高约0.95亿千瓦时，占当日用电量的22.49％。

4)将每一年固定效应模型中作为日基础用电量，构建日基础用电量关于年份的回归方程，并根据该回归方程得到待预测年份的日基础用电量；

由上述固定效应模型运行结果可知，2010-2014年间各年的日基础用电量分别为2.91、3.04、3.09、3.17和3.24亿千瓦时，绘制散点图如图5所示，可以看出，日基础用电量呈逐年上升趋势，且与年份间具有较好的线性关系，因此可通过简单线性回归对日基础用电量进行拟合与预测。

经线性回归分析可得日基础用电量预测模型：日基础用电量0.079*year-155.8，其中，year为年份。模型的修正R平方为0.9710，回归方程和自变量系数的P值均小于0.05，表明该模型有效且拟合程度较高，可以据此对后续年份的日基础用电量进行预测，比如，2015年日基础用电量为0.079*2015-155.8＝3.39亿千瓦时。

5)将上述日基础用电量预测模型和固定效应模型进行组合，便可得到日用电量预测模型，即根据得到的待预测年份的日基础用电量构建该年的预测方程，对该年份每一天的用电量进行预测。

预测方程如下：

可据此对2015及后续年份的日用电量进行预测。

Claims (7)

1.一种基于固定效应模型的用电量预测方法，其特征在于，包括步骤：

1)载入N年的用电量数据，其中，所述用电量数据包括日用电量数据及每日的气温数据、排班数据；

2)构建载入年份每一年的固定效应模型：

${\mathrm{EC}}_{it}=\stackrel{\‾}{\mathrm{\α}}+{\mathrm{\α}}_i^{*}+{\mathrm{\β}}_1{\mathrm{TD}}_{it}^2+{\mathrm{\β}}_2{\mathrm{TR}}_{it}^2+{\mathrm{\β}}_3{\mathrm{holiday}}_{it}$

其中：EC_it为i年t天的日用电量，为截距项均值，为i年的截距偏离值，用于表征该年的截距项相对于均值的偏离，β₁、β₂、β₃为模型系数，TD_it为i年t天的降温幅度，TR_it为i年t天的升温幅度，holiday_it节假日参数；

3)根据获得的N年的用电量数据，分别拟合得到截距项均值、模型系数以及各年的截距偏离值；

4)将每一年固定效应模型中作为日基础用电量，构建日基础用电量关于年份的回归方程，并根据该回归方程得到待预测年份的日基础用电量；

5)根据得到的待预测年份的日基础用电量构建该年的预测方程，对该年份每一天的用电量进行预测。

2.根据权利要求1所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述降温幅度具体为：

${\mathrm{TD}}_{it}=\left\{\begin{array}{cc}12-T_{it}& T_{it}<12\\ 0& T_{it}\&GreaterEqual;12\end{array}\right.$

其中：T_it为i年t天的日平均气温；

所述升温幅度具体为：

${\mathrm{TR}}_{it}=\left\{\begin{array}{cc}{T}_{it}-20& T_{it}>20\\ 0& T_{it}\&le;20\end{array}\right.$

所述节假日参数具体为：

。

3.根据权利要求1所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述N年为连续的N年。

4.根据权利要求3所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述N年为待预测年份之前连续的N年。

5.根据权利要求4所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述N至少为5。

6.根据权利要求2所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述非工作日包括法定休假日、法定休息日，所述工作日具体为法定工作日。

7.根据权利要求2所述的一种基于固定效应模型的用电量预测方法，其特征在于，所述日平均气温的单位为摄氏度。