基于电能替代背景下的新疆用电量预测研究

李昌祖

华北电力大学经济与管理学院

0 引言

新疆位于我国西北地区，拥有丰富的能源资源。包括拥有克拉玛依油田等三大油田、伊犁等九大煤田开采基地、“九大风区”和光能等可再生能源发电基地。新疆新能源总量排名全国第二，全年可提供约3万亿kWh风电电力，太阳能资源储备量也十分丰富，约为20万亿kWh，这些资源为新疆国民经济和电能替代的发展提供了基础[1]。但是，新疆地区因产业结构水平低，区域经济发展不平衡，能源消耗过于粗放，环境问题日益突出等现状严重制约了新疆地区的经济发展。电能在终端消费环节的应用明显优于化石燃料，以致新疆地区节能减排政策的推出，清洁能源的发电比重日益提高，在终端环节电能替代对于减少地区污染物的排放具有显著的意义。因此，研究新疆电能替代背景下用电量预测方法对保持电网系统安全高效稳定的运行具有重要的管理和经济效益[2]。

目前，我国电力负荷预测方法和手段较多，按照模型的结构可以分为单一预测方法和组合预测方法。其中，单一预测方法有时间序列法[3]、线性回归法[4]、灰色预测法[5]、支撑向量机SVM[6]和BP神经网络模型[7]等，但任何单一预测方法在实际应用中由于自身存在的缺陷会导致预测精度的不足，很难准确地预测某一区域未来的用电水平。而组合预测模型可以综合利用各种预测方法提供的信息，根据单一预测方法的精度分别赋予不同的权重，从而提高预测的科学性和有效性。

1 单一预测方法

1.1 多元线性回归MDL模型

1)模型原理

多元线性回归预测模型是基于多个自变量的最优组合共同预测或估计因变量，并建立多个变量之间线性数量关系式的统计方法。它反映一种现象随其他影响因素的变动而相应变动的规律。本文应用多元线性回归方法研究了全社会用电量与终端电能替代量、第二产业增加值、人口数等影响因素之间的关系。

2)多元线性回归模型

多元线性回归[8]分析模型：设是不具有共线性的i个自变量，Y是因变量，多元回归的理论模型是

多元线性回归分析过程和步骤：

（1）筛选出问题的自变量（p≥2）和因变量Y，利用SPSS软件做相关性分析和共线性诊断，检验模型拟合度和自变量之间的共线性；

（2）做整体性检验，利用F值结果检验总体回归关系的显著性；

（3）做回归系数的检验，利用T值检验各个回归系数显著性；

1.2 BP神经网络模型

1)模型原理

神经网络算法(BP)是一种按误差逆传播算法训练的智能学习机器，由三层组成，包括输入层、隐含层和输出层，每层之间包含有一个或多个节点，每个节点代表一种特定的激励函数，节点与节点之间通过加权值作为连接信号相连接。BP神经网络能够存贮很多输入-输出模式的映射关系和进行自我学习，对于求解复杂的非线性问题具有较好的适应能力[9-10]。

2)BP算法建模步骤

（1）先将样本数据进行分类，确定训练集样本、测试集样本和预测集样本；

（2）对数据进行归一化处理；

（3）建立神经网络，确定输入层、隐含层和输出层每层的层数、每层之间的节点数、传输函数等；

（4）设定各个训练参数，包括训练次数、训练精度、学习速率等，从而训练网络；

（5）对测试集样本进行测试；

（6）将预测结果进行反归一化处理；

（7）预测结果分析和评价。

2 组合预测方法

2.1 简单平均组合预测

2.2 方差-协方差优选组合预测模型

方差-协方差优选组合预测模型采用了加权平均的方法。首先对几种预测方法的预测结果精度进行比较，然后对预测精度较高的预测结果赋予较大的权重，因此，在各模型预测值的预测精度情况下，利用该组合预测模型，能够有效地解决权值选取的问题[11-12]。

3 实例论证

3.1 终端电能替代量的定义

为了分析电能替代政策对新疆电力负荷的影响，对新疆电能替代潜力进行了量化处理，将终端电能替代量作为分析新疆电能替代下全社会用电量的影响因素之一。设定基准年实际能源消耗总量，基准年电能消耗量,为第t年的实际能源消耗总量，为第t年的电能消耗量，则第t年终端电能替代量可以表示为[13-14]：

3.2 数据来源

通过Spss相关性分析（表1），新疆第二产业增加值、人口数、终端电能替代量、电耗强度和实际GDP与新疆地区全社会用电量的Pearson的相关性系数均大于0．8，P值均小于＜0．05，具有显著性意义。本文选取了2005-2018年新疆第二产业增加值、人口数、终端电能替代量、电耗强度和实际GDP作为新疆地区全社会用电量的影响因素指标。

选取2005-2018年新疆地区全社会用电量为研究对象,取2005-2013年的数据作为训练样本，后5年（2014-2018年）数据作为检测样本，从而检验预测模型的效果和有效性。

3.3 预测精度比较

基于简单平均组合模型和方差-协方差最优加权组合模型原理，选取了简单平均组预测方法权重为，方差-协方差最优加权组合权重为，新疆地区全社会用电量实际值与单项及组合预测模型结果对比见表2，可以看出，方差-协方差组合预测模型降低了单一预测较大的误差，稳定性较强，预测精度高。

应用评价指标MSPE对单一预测方法和组合预测方法预测精度的比较如表3所示。研究发现，单一预测方法MLR模型的MSPE的指标值最小，说明该模型用于电力负荷预测较为合理。简单组合预测模型的预测精度比MLR模型小，方差-协方差组合预测模型的预测精度皆优于相应的简单组合预测模型和单一预测模型，预测精度较高。

表1 新疆地区全社会用电量的影响因素指标与全社会用电量相关性分析

表2 新疆地区全社会用电量实际值与单一及组合预测模型结果对比

表3 电力负荷预测单项预测模型和组合预测模型预测精度比较

利用方差-协方差组合预测模型预测未来4年新疆地区电力负荷见表4。

表4 2019-2022年新疆地区电能替代下的方差-协方差组合预测模型MLR-BP预测结果

4 结语

结合新疆目前发展的政策特点，选用了终端电能替代量、电耗强度、第二产业增加值、人口数等指标作为新疆电力负荷的影响因素，同时为了充分利用模型相关的信息，改善单一模型负荷预测存在的局限性，提出了方差-协方差组合模型，通过对比单一预测模型和简单组合预测模型的预测结果，方差-协方差组合模型的相对误差、均方百分比误差均较小。因此，验证了该模型预测精度较相应的单一模型预测和简单组合预测模型都要高，对于预测新疆地区电能替代背景下的用电量具有较好的实用性。