基于稀疏自回歸時(shí)間序列方法的行業(yè)用電市場(chǎng)景氣度分析

仇紅劍 李寶樹 林華德

摘要

隨著我國(guó)的綜合國(guó)力不斷提升，電力行業(yè)取得快速發(fā)展。我國(guó)對(duì)于電力的需求也是越來(lái)越大，如何做好行業(yè)用電市場(chǎng)景氣度的分析是每個(gè)供電研究重點(diǎn)內(nèi)容，本文提出了一種稀疏自回歸時(shí)間序列的方法，能夠進(jìn)行科學(xué)合理地預(yù)測(cè)行業(yè)用電情況。

【關(guān)鍵詞】電力行業(yè) 用電市場(chǎng)景氣度 稀疏自回歸時(shí)間序列

1 背景

本文主要采取的基于稀疏自回歸時(shí)間序列的方法來(lái)預(yù)測(cè)行業(yè)用電的情況。利用稀疏自回歸時(shí)間序列方法，建立一個(gè)行業(yè)用電量趨勢(shì)預(yù)測(cè)的分析模型，然后基于這個(gè)模型進(jìn)行電力行業(yè)發(fā)展趨勢(shì)分析。2基于稀疏自回歸時(shí)間序列方法的某行業(yè)用電需求趨勢(shì)模型的概述

2.1 時(shí)間序列分析

時(shí)間序列分析模型的應(yīng)用主要分為四個(gè)階段進(jìn)行，分別是數(shù)據(jù)收集、時(shí)間分析、趨勢(shì)分析和模型構(gòu)建。使用基于時(shí)間序列分析模型預(yù)測(cè)在進(jìn)行行業(yè)用電需求時(shí)：

（1）首先至少要收集該行業(yè)至少5年的用電的數(shù)據(jù)量。

（2）要結(jié)合該行業(yè)具體的用電特點(diǎn)以及用電發(fā)展的趨勢(shì)進(jìn)行大致估計(jì)，該行業(yè)的電力用電的長(zhǎng)期趨勢(shì)T與整體經(jīng)濟(jì)增長(zhǎng)和季節(jié)性法S是影響每月用電量的關(guān)鍵因素;

（3）要根據(jù)歷史用電的情況，通過(guò)使用數(shù)據(jù)擬合的方法（最小二乘法）來(lái)擬合出長(zhǎng)期趨勢(shì)T和季節(jié)規(guī)律s的具體的數(shù)值;

（4）選擇一種合適的模型算法從而來(lái)預(yù)測(cè)行業(yè)用電市場(chǎng)的用電情況。

基于時(shí)間序列分析的趨勢(shì)預(yù)測(cè)的典型模型主要是兩種模型，一種是加法模型，另一種是乘法模型。該模型是以行業(yè)用電趨勢(shì)預(yù)測(cè)為目標(biāo)?；灸Ｐ腿缦滤荆?/p>

加法模式：

其中F（X_t+1）表示的是用用電的預(yù)測(cè)值，F(xiàn)（X_t）代表的是本月的用電量，T代表長(zhǎng)期的影響因素，s_t+1代表季節(jié)性的影響因素。

乘法模式：

其中F（X_t+1）表示的是用用電的預(yù)測(cè)值，F(xiàn)（X_t）代表的是本月的用電量，T*是長(zhǎng)期影響用電的系統(tǒng)，s_t+1是季節(jié)性影響用電的影響系數(shù)。

2.2 回歸分析

回歸分析是指根據(jù)相關(guān)關(guān)系的具體形式和適當(dāng)?shù)幕貧w方程近似變量之間的平均變化關(guān)系的統(tǒng)計(jì)分析方法?；诨貧w分析模型預(yù)測(cè)行業(yè)用電需求，在收集過(guò)去5年的用電量數(shù)據(jù)的基礎(chǔ)上，繪制月度用電量散點(diǎn)圖，判斷行業(yè)用電量趨勢(shì);然后，選擇相應(yīng)的回歸。并利用相關(guān)的計(jì)算技術(shù)（如：最小二乘法）對(duì)模型參數(shù)進(jìn)行估計(jì)。

工業(yè)用電趨勢(shì)預(yù)測(cè)常用的回歸模型有線性回歸模型、一維非線性回歸模型和多元線性回歸模型。其中一維線性回歸模型為：

y*=a+bx

y*表示的為預(yù)測(cè)的用電情況，a表示的是截距，b表示的為斜率。x表示的為時(shí)間。

一元非線性模型包括有很多種模型，這里介紹電力行業(yè)常用的幾種預(yù)測(cè)模型。

對(duì)數(shù)模型：y*=a+bInx

指數(shù)模型：y*=ae^kx

冪指模型：y*=ax^b

雙曲線模型：y*=a+b/x

多元線性的回歸模型也是用電行業(yè)進(jìn)行預(yù)測(cè)時(shí)，經(jīng)常使用的一種模型，具體的模型為：

上述式子中的b₁，b₂…b_m，表示的預(yù)測(cè)參數(shù)，x₁，x₂…x_m表示的是1月到m月的月度用電情況。

3 預(yù)測(cè)的模型的建立

數(shù)據(jù)聚合校正是利用數(shù)據(jù)聚合的方法，將月度用電量數(shù)據(jù)首次匯總成季度用電數(shù)據(jù)。然后利用移動(dòng)加權(quán)平均算法對(duì)每個(gè)季度用電的數(shù)據(jù)進(jìn)行平滑濾波處理，使數(shù)據(jù)更加合理，不會(huì)出現(xiàn)異常的數(shù)據(jù)。

數(shù)據(jù)聚合：將月度用電情況進(jìn)行聚合成年度用電數(shù)據(jù)情況。考慮到預(yù)測(cè)的精度問(wèn)題，所選用的樣本數(shù)量不應(yīng)少于20個(gè)，同時(shí)月度數(shù)據(jù)將按季度進(jìn)行匯總。

數(shù)據(jù)校正：為了更好地分析用電情況的中長(zhǎng)期趨勢(shì)，采用移動(dòng)加權(quán)平均算法對(duì)設(shè)備制造行業(yè)不同的季度用電量差異進(jìn)行優(yōu)化，消除季節(jié)變化對(duì)行業(yè)用電量的影響。數(shù)據(jù)校正算法如下：

在上述式子中，w₁，w₂，w₃，w₄表示的是被賦予不同的權(quán)重，P_i*是指數(shù)據(jù)被修正過(guò)的結(jié)果，而p_i表示的含義是第i個(gè)季度的用電情況，而p_i-1表示的含義的是i上個(gè)季度用電的情況。

4 結(jié)語(yǔ)

綜上所述，基于稀疏自回歸的時(shí)間序列方法能在用電市場(chǎng)景氣度分析取得很好預(yù)測(cè)效果。在使用模型的時(shí)候，需要對(duì)數(shù)據(jù)做修正處理以及需要選擇合適的擬合模型。

參考文獻(xiàn)

[1]孫茂文.電力企業(yè)中長(zhǎng)期電力市場(chǎng)分析預(yù)測(cè)[J].電源技術(shù)應(yīng)用，2013，05：34-39.

[2]王志剛，曲巍，黃愛(ài)穎.天津市電力公司售電市場(chǎng)實(shí)時(shí)預(yù)測(cè)分析系統(tǒng)建設(shè)及應(yīng)用[J].電力需求側(cè)管理，2007，09（01）：48-51.

[3]趙騫，王磊，王旭冉，等.基于產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的高端裝備制造業(yè)用電需求趨勢(shì)預(yù)測(cè)分析應(yīng)用研究[J].電力學(xué)報(bào)，2016（02）：155-161.

[4]李樂(lè).電力市場(chǎng)背景下需求側(cè)報(bào)價(jià)的時(shí)間序列分析方法研究[D].華北電力大學(xué)（北京），2016.