基于電力生產(chǎn)景氣指數(shù)的我國(guó)發(fā)電行業(yè)分析與預(yù)測(cè)

張峰，李彥斌，李赟，楊思航

（華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市昌平區(qū) 102206）

0 引言

當(dāng)前，全球經(jīng)濟(jì)格局與能源產(chǎn)業(yè)發(fā)展面臨重大變革。一方面，新冠疫情使得全球經(jīng)濟(jì)發(fā)展充滿不確定性，國(guó)內(nèi)經(jīng)濟(jì)增長(zhǎng)壓力進(jìn)一步增加；另一方面，全球氣候環(huán)境變化對(duì)人類經(jīng)濟(jì)社會(huì)發(fā)展提出了嚴(yán)峻挑戰(zhàn)，構(gòu)建安全高效、清潔低碳的能源體系已經(jīng)成為我國(guó)的重要戰(zhàn)略[1]。電力作為多品類能源相互轉(zhuǎn)換的中心環(huán)節(jié)，不僅是國(guó)計(jì)民生穩(wěn)定發(fā)展的基本保障，也是能源革命不斷推進(jìn)的重要支撐。然而，隨著新一輪電力體制改革的推進(jìn)，電力行業(yè)市場(chǎng)化進(jìn)程逐步加快，企業(yè)盈利風(fēng)險(xiǎn)持續(xù)加大。加之我國(guó)可再生能源發(fā)電迅猛發(fā)展，對(duì)傳統(tǒng)發(fā)電產(chǎn)業(yè)帶來了巨大沖擊，電力生產(chǎn)側(cè)面臨著巨大的不確定性。在此背景下，預(yù)測(cè)電力生產(chǎn)側(cè)的行業(yè)趨勢(shì)，對(duì)政府統(tǒng)籌行業(yè)發(fā)展、企業(yè)降低經(jīng)營(yíng)風(fēng)險(xiǎn)具有重要價(jià)值。

景氣分析是對(duì)相關(guān)指標(biāo)進(jìn)行梳理統(tǒng)計(jì)分析，構(gòu)建景氣指數(shù)來驗(yàn)證經(jīng)濟(jì)周期性波動(dòng)規(guī)律，預(yù)測(cè)未來發(fā)展趨勢(shì)的一種有效方法[2]。起初，景氣指數(shù)主要被用于宏觀經(jīng)濟(jì)分析，如文獻(xiàn)[3]選取了紐約州經(jīng)濟(jì)和財(cái)政健康狀況的簡(jiǎn)要指標(biāo)，構(gòu)建了一致性經(jīng)濟(jì)指數(shù)，確定紐約經(jīng)濟(jì)循環(huán)周期，并基于此開發(fā)了先行經(jīng)濟(jì)指數(shù)預(yù)測(cè)未來收入變化的情況；文獻(xiàn)[4]利用一致性指標(biāo)和先行指標(biāo)構(gòu)建了歐洲地區(qū)的經(jīng)濟(jì)綜合指數(shù)，并得到了經(jīng)濟(jì)周期表以判斷歐洲地區(qū)的經(jīng)濟(jì)衰退和復(fù)蘇日期；文獻(xiàn)[5]運(yùn)用景氣指數(shù)及Probit模型，對(duì)我國(guó)的經(jīng)濟(jì)景氣狀況和走勢(shì)進(jìn)行了分析和預(yù)測(cè)。隨著景氣指數(shù)研究的深入，景氣指數(shù)的應(yīng)用逐漸拓展到對(duì)行業(yè)發(fā)展形勢(shì)的分析中。如文獻(xiàn)[6]利用合成指數(shù)方法構(gòu)建了我國(guó)鋼鐵工業(yè)景氣指數(shù)，以準(zhǔn)確判斷鋼鐵工業(yè)發(fā)展形勢(shì)；文獻(xiàn)[7]采用景氣指數(shù)法構(gòu)建針對(duì)我國(guó)環(huán)境承載力的預(yù)警方法體系；文獻(xiàn)[8]編制了我國(guó)混頻非對(duì)稱金融景氣指數(shù)，將其與宏觀經(jīng)濟(jì)變量進(jìn)行比較分析和相關(guān)性分析。

作為國(guó)民經(jīng)濟(jì)的命脈，景氣指數(shù)在電力行業(yè)的應(yīng)用近年來逐漸成為學(xué)者們關(guān)注的熱點(diǎn)?，F(xiàn)有研究首先運(yùn)用經(jīng)濟(jì)指數(shù)方法，對(duì)電力需求、電力行業(yè)發(fā)展的態(tài)勢(shì)進(jìn)行了分析與預(yù)測(cè)。如文獻(xiàn)[9]構(gòu)建了基于經(jīng)濟(jì)、能源、電力、環(huán)境等大數(shù)據(jù)的電力景氣模型，從而對(duì)區(qū)域電力發(fā)展和景氣情況進(jìn)行精準(zhǔn)預(yù)警；文獻(xiàn)[10]編制了電力景氣先行指數(shù)，通過觀測(cè)該指數(shù)，預(yù)測(cè)未來電力需求發(fā)展的轉(zhuǎn)折點(diǎn)，估計(jì)電力需求發(fā)生變化的幅度，推測(cè)電力需求發(fā)展的趨向,有效彌補(bǔ)了經(jīng)濟(jì)新常態(tài)下傳統(tǒng)預(yù)測(cè)方法的不足；文獻(xiàn)[11]通過Kalman濾波法構(gòu)建了廣東省電力行業(yè)景氣指數(shù)，并對(duì)電力供需狀態(tài)進(jìn)行了擬合與預(yù)測(cè)。

在此基礎(chǔ)上，學(xué)者們運(yùn)用景氣指數(shù)方法分析了電力行業(yè)波動(dòng)與經(jīng)濟(jì)發(fā)展、相關(guān)行業(yè)發(fā)展的關(guān)聯(lián)關(guān)系。如文獻(xiàn)[12]建立了電力行業(yè)景氣指數(shù)，并運(yùn)用誤差修正模型分析了影響電力行業(yè)波動(dòng)的長(zhǎng)期經(jīng)濟(jì)因素和短期動(dòng)態(tài)調(diào)整效應(yīng)；文獻(xiàn)[13]篩選了反映電力行業(yè)波動(dòng)的一致指標(biāo)，并利用中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)系統(tǒng)構(gòu)建電力行業(yè)景氣波動(dòng)和宏觀經(jīng)濟(jì)波動(dòng)的一致合成指數(shù),分析了二者的時(shí)差相關(guān)性；文獻(xiàn)[14]基于電力大數(shù)據(jù)構(gòu)建了宏觀經(jīng)濟(jì)景氣指數(shù)，預(yù)測(cè)了我國(guó)經(jīng)濟(jì)運(yùn)行的態(tài)勢(shì)；文獻(xiàn)[15]構(gòu)建了預(yù)測(cè)高載能產(chǎn)業(yè)用電量的自回歸滑動(dòng)平均模型(Autoregressive moving average model，ARMA)，并結(jié)合行業(yè)景氣指數(shù)對(duì)模型進(jìn)行改進(jìn),并驗(yàn)證了模型預(yù)測(cè)結(jié)果的精度;文獻(xiàn)[16]提出了電力景氣指數(shù)的非線性分析方法，并基于產(chǎn)業(yè)和行業(yè)角度分析了各個(gè)行業(yè)在電力經(jīng)濟(jì)中所占的比重及影響程度;文獻(xiàn)[17]基于電力數(shù)據(jù)構(gòu)建了建筑行業(yè)的先行景氣指數(shù)，為預(yù)測(cè)建筑行業(yè)波動(dòng)趨勢(shì)提供了更為直觀的方法。

此外，還有部分學(xué)者從電力企業(yè)的視角出發(fā)，通過預(yù)測(cè)電力行業(yè)波動(dòng)情況，為企業(yè)提供決策參考。如文獻(xiàn)[18]結(jié)合合成指數(shù)法與層次分析法，構(gòu)建了電網(wǎng)投資景氣指數(shù)，并驗(yàn)證了企業(yè)電網(wǎng)投資規(guī)模、利益性投資和景氣指數(shù)間的擬合性，從而為電網(wǎng)企業(yè)投資決策提供支撐。文獻(xiàn)[19]構(gòu)建了基于電力數(shù)據(jù)的經(jīng)濟(jì)景氣指數(shù)，對(duì)不同行業(yè)的用電特性進(jìn)行了分析，從而挖掘各種經(jīng)濟(jì)環(huán)境下的售電業(yè)務(wù)機(jī)遇，為售電公司決策提供支撐。

景氣指數(shù)在電力行業(yè)的應(yīng)用有助于實(shí)現(xiàn)“從電力看經(jīng)濟(jì)”和“從經(jīng)濟(jì)看電力”的雙向互動(dòng)。然而，在電力生產(chǎn)面臨極大不確定性，發(fā)電企業(yè)效益無法保障的情況下，目前尚未有學(xué)者針對(duì)電力生產(chǎn)側(cè)的景氣指數(shù)展開研究?；谏鲜霰尘?，為了進(jìn)一步完善電力景氣指數(shù)體系，促進(jìn)“源-網(wǎng)-荷”協(xié)同發(fā)展，本文從電力生產(chǎn)側(cè)的視角出發(fā)，深入分析影響電力生產(chǎn)側(cè)發(fā)展的相關(guān)因素，構(gòu)建電力生產(chǎn)景氣指標(biāo)體系，并在此基礎(chǔ)上，編制電力生產(chǎn)景氣指數(shù)，對(duì)我國(guó)發(fā)電行業(yè)的景氣波動(dòng)情況進(jìn)行分析與預(yù)測(cè)。

1 電力生產(chǎn)景氣指標(biāo)的選取

1.1 電力生產(chǎn)影響因素分析

電力供給是一條極其復(fù)雜的產(chǎn)業(yè)鏈，除自身產(chǎn)業(yè)活動(dòng)外，電力生產(chǎn)的景氣波動(dòng)情況還會(huì)受到社會(huì)宏觀環(huán)境、電力供應(yīng)鏈上、下游產(chǎn)業(yè)活動(dòng)，以及其他相關(guān)產(chǎn)業(yè)活動(dòng)的影響。因此，選取電力生產(chǎn)景氣指標(biāo)的前提是對(duì)影響電力生產(chǎn)的相關(guān)因素進(jìn)行系統(tǒng)分析。

從宏觀層面的社會(huì)經(jīng)濟(jì)發(fā)展角度，擬合了我國(guó)近年來的國(guó)民生產(chǎn)總值、全社會(huì)發(fā)電量以及全社會(huì)用電量增速的變化趨勢(shì)，如圖1所示。顯然，我國(guó)電力全社會(huì)發(fā)電量與全社會(huì)用電量與國(guó)民生產(chǎn)總值之間的波動(dòng)趨勢(shì)基本相同，3者存在較為顯著的相關(guān)關(guān)系。其主要原因是，GDP的快速增長(zhǎng)會(huì)導(dǎo)致全社會(huì)用電量的顯著增加，相應(yīng)地，發(fā)電側(cè)也需要增加投資，提高全社會(huì)裝機(jī)容量來保障電力供應(yīng)。

圖1 2012—2019年GDP與全社會(huì)發(fā)、用電量增速變化擬合圖Fig.1 Fitting figure of GDPand growth rate variation of whole society’selectricity production and consumption from 2012 to 2019

從中觀層面的行業(yè)活動(dòng)角度，首先是電力供應(yīng)鏈自身活動(dòng)會(huì)直接影響電力生產(chǎn)的景氣波動(dòng)。一方面，2015年以來，電力消費(fèi)側(cè)受經(jīng)濟(jì)下行壓力的影響較大，全社會(huì)用電需求增速放緩明顯，導(dǎo)致了電力供給側(cè)產(chǎn)能過剩的現(xiàn)象，為發(fā)電行業(yè)高質(zhì)量發(fā)展增加了不確定性；另一方面，電力生產(chǎn)側(cè)的電源結(jié)構(gòu)正在發(fā)生巨大變化，如圖2所示，從2014年到2019年，火力發(fā)電占比從75.25%下降到68.87%，而光伏、風(fēng)電占比明顯上升，在此背景下，不同電源類型之間的利益訴求矛盾，會(huì)為電力生產(chǎn)的發(fā)展帶來不穩(wěn)定因素。

圖2 我國(guó)電源結(jié)構(gòu)變化圖Fig.2 Chart of power source structure variation in China

其次是相關(guān)行業(yè)活動(dòng)也會(huì)影響電力生產(chǎn)，首先體現(xiàn)在上游燃料供應(yīng)上，由于我國(guó)電力生產(chǎn)仍以火電為主，煤炭行業(yè)的經(jīng)濟(jì)活動(dòng)將直接影響火電企業(yè)的經(jīng)營(yíng)成本，進(jìn)而波及電力生產(chǎn)的景氣程度。此外，由表1給出的全社會(huì)用電量數(shù)據(jù)可得，我國(guó)全社會(huì)用電量中，第二產(chǎn)業(yè)用電量占比極高，近年來平均占比超過70%。其中，化學(xué)原料制品、非金屬礦物制品、黑色金屬冶煉和有色金屬冶煉等4大高載能行業(yè)用電量占比為全社會(huì)用電量的31%。因此，第二產(chǎn)業(yè)的發(fā)展?fàn)顩r尤其是4大高載能產(chǎn)業(yè)的經(jīng)濟(jì)活動(dòng)將對(duì)電力產(chǎn)生重大影響。

表1 全社會(huì)用電量數(shù)據(jù)Table 1 Data of electricity consumption of the whole society

1.2 電力生產(chǎn)景氣指標(biāo)的選取

從宏觀經(jīng)濟(jì)發(fā)展的角度，結(jié)合文獻(xiàn)[14]中構(gòu)建電力市場(chǎng)景氣指數(shù)過程中運(yùn)用的宏觀經(jīng)濟(jì)指標(biāo)，選取國(guó)內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、工業(yè)增加值等能夠反映電力行業(yè)波動(dòng)情況的指標(biāo)；從電力消費(fèi)側(cè)的視角，選取全社會(huì)用電量、第二產(chǎn)業(yè)用電量、城鄉(xiāng)居民用電量3個(gè)指標(biāo)；從電力生產(chǎn)側(cè)的視角，則選取全社會(huì)發(fā)電量、各類電源發(fā)電量、各類電源裝機(jī)利用小時(shí)數(shù)、各類電源裝機(jī)容量等能夠直接反映電力生產(chǎn)側(cè)變化的指標(biāo)。此外，結(jié)合文獻(xiàn)[13]中選取指標(biāo)的內(nèi)容，從與電力行業(yè)相關(guān)行業(yè)視角，選取有色金屬產(chǎn)量、乙烯產(chǎn)量和氧化鋁產(chǎn)量等高耗能產(chǎn)業(yè)的行業(yè)性指標(biāo)。最終形成的電力生產(chǎn)景氣指標(biāo)集見表2。

表2 電力生產(chǎn)景氣指標(biāo)集Table 2 Prosperousindicator set of electric power production

2 電力生產(chǎn)景氣指標(biāo)的分類

由于景氣指數(shù)分析首先需要確立一個(gè)基準(zhǔn)點(diǎn)，以此為參照來確定不同指標(biāo)的先行、一致和滯后關(guān)系[7]。全社會(huì)發(fā)電量能夠敏感反映電力生產(chǎn)的經(jīng)濟(jì)活動(dòng)，因此本文選取全社會(huì)發(fā)電量作為本文進(jìn)行電力生產(chǎn)景氣分析的基準(zhǔn)指標(biāo)。在此基礎(chǔ)上，參照文獻(xiàn)[19]中運(yùn)用的時(shí)差相關(guān)分析法，計(jì)算基準(zhǔn)指標(biāo)與其他各指標(biāo)的先行、一致和滯后關(guān)系，具體過程如下:設(shè)y={y1,y2,···,yn}為基準(zhǔn)指標(biāo)序列，x={x1,x2,···,xn}為所選取的其他指標(biāo)序列，則有：

式中：rl表 示對(duì)應(yīng)期數(shù)的時(shí)差相關(guān)系數(shù)；l表示超前或滯后的期數(shù)，負(fù)值表示滯后，正值表示領(lǐng)先；L表示最大延遲數(shù)；nl是對(duì)齊后的數(shù)據(jù)個(gè)數(shù)。選擇最大的時(shí)差相關(guān)系數(shù)為：

最大時(shí)差相關(guān)系數(shù)反映被選指標(biāo)與基準(zhǔn)指標(biāo)的時(shí)差相關(guān)關(guān)系，相應(yīng)延遲數(shù)表示超前或滯后期數(shù)。運(yùn)用SPSS軟件中的“Analyze->Forecasting->Cross-Correlation”命令可得各指標(biāo)的滯后期數(shù)以及時(shí)差相關(guān)系數(shù)的結(jié)果如表3所示。

表3中滯后期數(shù)為負(fù)數(shù)說明該指標(biāo)為先行指標(biāo)，且先行期數(shù)為表中滯后期數(shù)的絕對(duì)值；滯后期數(shù)為0說明該指標(biāo)為一致指標(biāo)；滯后期數(shù)為正數(shù)說明該指標(biāo)為滯后指標(biāo);滯后期數(shù)絕對(duì)值過大表明與該指標(biāo)與基準(zhǔn)指標(biāo)的相關(guān)關(guān)系較弱，因此，在本文的進(jìn)一步計(jì)算時(shí)予以舍棄，具體包括：水力發(fā)電量、城鄉(xiāng)居民生活用電、水電裝機(jī)容量、風(fēng)電裝機(jī)容量、水電利用小時(shí)數(shù)、純堿（碳酸鈉）產(chǎn)量、水泥產(chǎn)量、氧化鋁產(chǎn)量、原油加工量產(chǎn)量、乙烯產(chǎn)量。在此基礎(chǔ)上，結(jié)合滯后期數(shù)的絕對(duì)值以及交叉相關(guān)系數(shù)，對(duì)其余指標(biāo)按照先行指標(biāo)、一致指標(biāo)和滯后指標(biāo)進(jìn)行分類，結(jié)果如表4所示。

表3 電力生產(chǎn)景氣指標(biāo)時(shí)差相關(guān)分析Table 3 Time-difference correlation analysis of power production prosperity indicators

表4 電力生產(chǎn)景氣指標(biāo)篩選和分類結(jié)果Table 4 Selection and classification results of power production climate indicators

3 基于主成分分析的合成指數(shù)法

目前國(guó)際上通用的景氣指數(shù)方法有擴(kuò)散指數(shù)方法、合成指數(shù)方法、基于主成分分析的合成指數(shù)方法等。由于基于主成分分析的合成指數(shù)方法構(gòu)建的景氣指數(shù)與其他方法得到的變化趨勢(shì)完全相同，且具有計(jì)算簡(jiǎn)便的特征[20]。因此，本文引用基于主成分分析的合成指數(shù)方法構(gòu)建我國(guó)電力生產(chǎn)的先行、一致、滯后合成指數(shù)，從而進(jìn)一步研究我國(guó)電力生產(chǎn)的增長(zhǎng)趨勢(shì)和周期規(guī)律?；谥鞒煞址治龅暮铣芍笖?shù)方法的具體步驟如下：

式中：和分別為原始數(shù)據(jù)矩陣中的第j列數(shù)據(jù)的樣本均值和標(biāo)準(zhǔn)差。

2）計(jì)算相關(guān)系數(shù)矩陣R。相關(guān)系數(shù)矩陣中 的元素rgk可通過如下公式計(jì)算：

式 中：與是標(biāo)準(zhǔn)化后的指標(biāo)變量；rgk表示其相關(guān)系數(shù)。

3）計(jì)算各個(gè)指標(biāo)的貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率。通過解特征方程|λE?|R||=0，可求得相關(guān)系數(shù)矩陣R的特征值 λ(g=1,2,···,m)及相關(guān)系數(shù)矩陣R的特征向量。且由于相關(guān)系數(shù)矩陣R是 正定矩陣，所以其特征值 λg都是正數(shù)，將其按由大到小的順序排列，即λ1≥λ2≥···≥λg≥0。進(jìn)一步地，各成分的貢獻(xiàn)率為對(duì)應(yīng)的特征值占所有特征值之和的百分比，即：

式中：Zg表 示第g個(gè) 指標(biāo)變量的貢獻(xiàn)率；Wg為 第g個(gè)指標(biāo)變量的累計(jì)貢獻(xiàn)率。

4）確定主成分。根據(jù)主成分確定的原則，選取特征值大于1，或累計(jì)貢獻(xiàn)率大于70%～90%的前t個(gè)特征值對(duì)應(yīng)的指標(biāo)變量作為主成分，記作

式中：為標(biāo)準(zhǔn)化后的矩陣X的行向量。

5）計(jì)算各主成分得分系數(shù)。根據(jù)各個(gè)主成分的特征向量除以對(duì)應(yīng)特征值的平方根，可求出p個(gè)主成分的成分得分系數(shù)Fl，具體計(jì)算公式為：

6）計(jì)算每個(gè)主成分的得分。成分得分系數(shù)Ql可通過使用經(jīng)過標(biāo)準(zhǔn)化后的數(shù)據(jù)矩陣中的各元素xij與各個(gè)主成分的成分得分系數(shù)Fl相乘得到：

7）計(jì)算景氣指數(shù)。對(duì)選取的p個(gè)主成分的得分按照其對(duì)應(yīng)的貢獻(xiàn)率進(jìn)行線性加權(quán)，得到最終所有主成分的綜合得分，即電力生產(chǎn)景氣指數(shù)

式中：Zl表示由公式(5)計(jì)算得到的第l個(gè)主成分的貢獻(xiàn)率的值，Wt表示由公式(6)計(jì)算得到的第t個(gè)主成分的累計(jì)貢獻(xiàn)率，即所選取的t個(gè)主成分的貢獻(xiàn)率之和。

4 實(shí)證分析

4.1 全國(guó)電力生產(chǎn)景氣指數(shù)的編制

選取前文所界定的先行指標(biāo)組，即房地產(chǎn)業(yè)增加值、社會(huì)消費(fèi)品零售總額、風(fēng)力發(fā)電量、十種有色金屬產(chǎn)量，這4個(gè)指標(biāo)來計(jì)算先行合成指數(shù)。應(yīng)用SPSS軟件中“Analyze->Data Reduction->Factor”命令，用主成分分析法，得到先行指標(biāo)的貢獻(xiàn)率如表5所示，先行指標(biāo)成分得分系數(shù)矩陣如表6所示。

表5 先行指標(biāo)因子和貢獻(xiàn)率Table 5 Leading indicator factorsand contribution rate

表6 先行指標(biāo)成分得分系數(shù)Table6 Component score coefficient of leading indicators

由表5中先行指標(biāo)因子和貢獻(xiàn)率可知，第1主成分和第2主成分的貢獻(xiàn)率超過70%，所以設(shè)Y1為 第1主成分，Y2為第2主成分，x1,x2,x3,x4分別表示房地產(chǎn)業(yè)增加值、社會(huì)消費(fèi)品零售總額、風(fēng)力發(fā)電量、十種有色金屬產(chǎn)量這4個(gè)指標(biāo)的經(jīng)過Z-score標(biāo)準(zhǔn)化的序列，則有：

通過以上公式，結(jié)合第1、第2主成分的方差貢獻(xiàn)率，可以計(jì)算電力生產(chǎn)景氣先行合成指數(shù)：

根據(jù)上述主成分分析法的合成指數(shù)方法，本文以0作為電力生產(chǎn)景氣先行合成指數(shù)的基準(zhǔn)值，來分析電力生產(chǎn)景氣先行合成指數(shù)的變化情況。將先行指標(biāo)從2014—2019年的季度數(shù)據(jù)計(jì)算了各個(gè)季度的電力生產(chǎn)景氣先行合成指數(shù)，計(jì)算結(jié)果如表7所示。

表7 電力生產(chǎn)景氣先行合成指數(shù)Table 7 Leading composite index of power production prosperity

類似地，依據(jù)上述計(jì)算過程，分解將一致指標(biāo)和滯后指標(biāo)的數(shù)據(jù)代入，可以計(jì)算得到電力生產(chǎn)景氣一致指數(shù)和滯后指數(shù)，如圖3所示。

圖3 電力生產(chǎn)景氣指數(shù)波動(dòng)圖Fig.3 Fluctuation chart of power production prosperity index

4.2 全國(guó)電力生產(chǎn)景氣指數(shù)的擬合性分析

為了驗(yàn)證本文構(gòu)建的電力生產(chǎn)景氣指數(shù)的適用性與合理性，本小節(jié)將從3個(gè)方面對(duì)電力生產(chǎn)景氣指數(shù)的擬合性進(jìn)行詳細(xì)分析，分別為：全社會(huì)發(fā)電量與一致指數(shù)的擬合性分析、一致指數(shù)與先行指數(shù)的擬合性分析、一致指數(shù)與滯后指數(shù)的擬合性分析。

1）一致指數(shù)與先行指數(shù)、滯后指數(shù)的擬合性分析。從圖3中可以看出，2014—2019年期間，一致指數(shù)波動(dòng)同樣經(jīng)歷了3個(gè)典型下降期，即2014年第1季度—2015年第4季度；2016年第4季度—2017年第4季度；2018年第4季度—2019年第3季度。相應(yīng)地，一致指數(shù)也經(jīng)歷了2015年第4季度—2016年第4季度，2017年第4季度—2018年第4季度兩個(gè)典型上升期。且從一致指數(shù)低谷拐點(diǎn)來看，每個(gè)上升期和下降期基本維持1年左右，即我國(guó)電力生產(chǎn)景氣一致指數(shù)的波動(dòng)周期約為2年。

與一致指數(shù)類似，先行指數(shù)的波動(dòng)周期也約為2年。具體而言，先行指數(shù)經(jīng)歷了2014年第3度—2015年第2季度，2016年第1季度—2016年第4季度，以及2018年第2季度—2019年第2季度3個(gè)典型下降期。其間，先行指數(shù)還經(jīng)歷了2個(gè)典型上升期，分別為2015年第2季度—2016年第1季度；2016年第4季度—2018年第2季度。

此外，本文合成的滯后指數(shù)與一致指數(shù)趨勢(shì)的波動(dòng)情況大體一致，滯后指數(shù)在2014年第4季度—2016年第1季度，2017年第2季度—2017年第4季度，2018年第4季度—2019年第4季度有較為明顯的下降。在2016年第1季度—2017年第2季度，2017年第4季度—2018年第4季度處于上升狀態(tài)。

綜上所述，本文合成的一致指數(shù)趨勢(shì)與先行指數(shù)、滯后指數(shù)趨勢(shì)大體一致，波動(dòng)周期均為2年左右，3種指數(shù)之間具有較好的擬合性。且從各個(gè)波動(dòng)拐點(diǎn)來看，先行指數(shù)平均領(lǐng)先一致指數(shù)3個(gè)季度左右，能對(duì)行業(yè)的景氣波動(dòng)情況起到一定的預(yù)判作用。滯后指數(shù)波動(dòng)拐點(diǎn)的出現(xiàn)時(shí)間平均比一致指數(shù)晚1個(gè)季度左右，能夠起到較好的驗(yàn)證一致指數(shù)是否出現(xiàn)峰、谷的作用。

2）全社會(huì)發(fā)電量與一致指數(shù)的擬合性分析。為了驗(yàn)證本文構(gòu)建的電力生產(chǎn)景氣指數(shù)的適用性，本節(jié)內(nèi)容對(duì)選取的基準(zhǔn)指標(biāo)全社會(huì)發(fā)電量與一致指數(shù)的擬合程度進(jìn)行分析，如圖4所示。

根據(jù)圖4可以看出，全社會(huì)發(fā)電量增速的波動(dòng)規(guī)律與電力生產(chǎn)景氣波動(dòng)的一致指數(shù)基本保持一致，如2014年第1季度至2015年第4季度全社會(huì)發(fā)電量增速呈波浪型下降的態(tài)勢(shì)，并在2016年得到快速回升。此后，在2018年第4季度有短暫增長(zhǎng)外，2016年－2019年整體處于平穩(wěn)下降趨勢(shì)。相應(yīng)地，在此期間的一致指數(shù)也基本反映了這一波動(dòng)規(guī)律。但是，在部分拐點(diǎn)處本文合成的一致指數(shù)與全社會(huì)發(fā)電量呈現(xiàn)了不同的變化趨勢(shì)，如在2017年第4季度，一致指數(shù)有明顯的下滑，但全社會(huì)發(fā)電量保持平穩(wěn)。其主要原因在于：2017年我國(guó)加大了防范和化解煤電產(chǎn)能過剩風(fēng)險(xiǎn)的力度，2017年政府工作報(bào)告中明確提出了煤電行業(yè)去產(chǎn)能的任務(wù)目標(biāo)，全國(guó)重點(diǎn)14個(gè)省市自治區(qū)在2017年共去煤電落后產(chǎn)能775.9萬kW，導(dǎo)致我國(guó)發(fā)電行業(yè)的景氣指數(shù)出現(xiàn)下滑。總體而言，本文構(gòu)建的電力生產(chǎn)景氣一致指數(shù)能夠較好地反映全社會(huì)發(fā)電量的變化規(guī)律，具有良好的適用性。

圖4 一致指數(shù)與基準(zhǔn)指標(biāo)擬合圖Fig.4 Fitting figure of consistency index and benchmark index

4.3 我國(guó)發(fā)電行業(yè)景氣波動(dòng)情況分析

根據(jù)本文合成的一致指數(shù)可知，發(fā)電行業(yè)景氣程度在2014年開始出現(xiàn)較為嚴(yán)重的下滑，在2015年第4季度，甚至發(fā)生了全社會(huì)發(fā)電量同比下降的現(xiàn)象，行業(yè)下行壓力較為嚴(yán)峻，發(fā)電行業(yè)整體都處于“明顯不景氣”的狀態(tài)。其原因在于，2014年我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，經(jīng)濟(jì)增長(zhǎng)穩(wěn)中趨緩，全社會(huì)用電量增速明顯回落，加之上網(wǎng)電價(jià)下調(diào)與電源結(jié)構(gòu)調(diào)整，導(dǎo)致發(fā)電量競(jìng)爭(zhēng)空前劇烈，通過增發(fā)電量增收難度加大。此外，受到國(guó)家清潔能源戰(zhàn)略引導(dǎo)以及電價(jià)補(bǔ)貼政策的影響，2014—2016年期間，我國(guó)風(fēng)電、光伏迎來了快速發(fā)展期，裝機(jī)容量明顯提升（如圖5，圖6所示），清潔能源發(fā)電占比也逐步提高。但由于缺乏有序規(guī)劃，我國(guó)電源結(jié)構(gòu)性過剩問題顯現(xiàn)，機(jī)組利用小時(shí)數(shù)發(fā)生嚴(yán)重下滑（如表8所示）。

表8 我國(guó)6000 k W及以上電廠發(fā)電設(shè)備利用小時(shí)Table 8 Utilization hoursof power generation assembly equipped in 6000 k W and above power plants in China

圖5 我國(guó)風(fēng)、光、火電機(jī)組裝機(jī)容量變化圖Fig.5 Variation of installed capacity of wind power, PV power and thermal power generation setsin China

圖6 我國(guó)風(fēng)、光、火電發(fā)電量增速變化圖Fig.6 Growth rate variation of generated electricity of wind power,PV power and thermal power in China

2016年，我國(guó)全社會(huì)用電量同比增長(zhǎng)5.0%，較2015年有大幅度的回暖，發(fā)電行業(yè)也止住頹勢(shì)，在2016年下半年開始呈現(xiàn)“微弱景氣”狀態(tài)。具體到不同電源類型，光伏行業(yè)受到電價(jià)補(bǔ)貼政策向下調(diào)整的影響，2016年上半年全國(guó)掀起了一股光伏電站搶裝潮，光伏裝機(jī)容量爆發(fā)式增長(zhǎng)。而反觀火電，去產(chǎn)能政策效用發(fā)力，火電裝機(jī)增長(zhǎng)勢(shì)頭得到了有效遏制，新增裝機(jī)從2015年的6400萬kW減少到2016年的4836萬kW。

2017年，受煤電供給側(cè)改革的影響，火電去產(chǎn)能保持高壓態(tài)勢(shì)，火電電源工程投資大幅縮減，落后產(chǎn)能大力淘汰，導(dǎo)致整個(gè)行業(yè)的景氣程度大幅下滑，不過供給側(cè)改革的成效已經(jīng)顯現(xiàn)，各電源類型的利用小時(shí)數(shù)企穩(wěn)，為后續(xù)發(fā)電行業(yè)的平穩(wěn)發(fā)展奠定了基礎(chǔ)。

2018年，我國(guó)宏觀經(jīng)濟(jì)運(yùn)行穩(wěn)重向好，消費(fèi)側(cè)電能替代的推進(jìn)、高新技術(shù)產(chǎn)業(yè)的快速發(fā)展為我國(guó)電力消費(fèi)注入了新的增長(zhǎng)動(dòng)能，全社會(huì)用電量同比增長(zhǎng)8.5%，比上年提高1.9個(gè)百分點(diǎn)。相應(yīng)地，發(fā)電行業(yè)的景氣程度快速回升，全社會(huì)發(fā)電量同比增長(zhǎng)8.4%，并在2018年下半年出現(xiàn)“明顯景氣”狀態(tài)。而且供給側(cè)改革成效進(jìn)一步突顯，供需關(guān)系向好、利用小時(shí)數(shù)全面提高。

2019年，我國(guó)全社會(huì)用電量增速有所回落，相應(yīng)地，發(fā)電行業(yè)景氣程度也有所下降，在“微弱景氣”與“微弱不景氣”之間波動(dòng)。具體而言，隨著新能源發(fā)電市場(chǎng)競(jìng)爭(zhēng)的逐步穩(wěn)定，加之補(bǔ)貼政策取消的影響，光伏、風(fēng)電的裝機(jī)容量增速回落明顯?；痣娫趪?guó)家去產(chǎn)能的引導(dǎo)下，近年來的裝機(jī)增速、發(fā)電量增速均保持較低水平。此外，由于火電的發(fā)電利用小時(shí)數(shù)偏低，且上游煤炭?jī)r(jià)格高昂，更是讓火電行業(yè)雪上加霜，火電企業(yè)虧損現(xiàn)象普遍發(fā)生。

4.4 我國(guó)電力生產(chǎn)行業(yè)景氣波動(dòng)預(yù)測(cè)

由于先行指數(shù)具有一定的預(yù)測(cè)功能，能夠發(fā)揮“晴雨表”的作用。因此，在對(duì)我國(guó)發(fā)電行業(yè)2014—2019年的波動(dòng)情況進(jìn)行分析的基礎(chǔ)上，本節(jié)擬根據(jù)先行指數(shù)對(duì)我國(guó)發(fā)電行業(yè)的景氣波動(dòng)趨勢(shì)進(jìn)行預(yù)測(cè)。

首先，根據(jù)前文的景氣指數(shù)計(jì)算過程，將2020年第1、2季度的數(shù)據(jù)代入，分別計(jì)算電力生產(chǎn)景氣指數(shù)的先行指數(shù)與一致指數(shù)，如圖7中的黃色區(qū)域所示。其次，將本文計(jì)算得到的先行指數(shù)向后平移3個(gè)季度，得到先行指數(shù)移動(dòng)后的擬合圖（如圖8）。

圖7 先行指數(shù)與一致指數(shù)擬合圖（截至2020年第2季度）Fig.7 Fitting figure of leading index and consistency index(as of the second quarter of 2020)

圖8 先行指數(shù)與一致指數(shù)擬合圖（移動(dòng)后）Fig.8 Fitting figureof leading index and consistency index(after the moving)

然后，根據(jù)圖8可知，將先行指數(shù)移動(dòng)3個(gè)季度后，先行指數(shù)與一致指數(shù)展現(xiàn)了較好的擬合關(guān)系，且在2020年第1、2季度，先行指數(shù)與一致指數(shù)的變化趨勢(shì)保持相同。進(jìn)一步地，結(jié)合前文中對(duì)我國(guó)電力生產(chǎn)景氣指數(shù)的波動(dòng)情況分析，以及圖8中先行指數(shù)波動(dòng)情況（紅色區(qū)域部分），可以對(duì)我國(guó)發(fā)電行業(yè)在2020年第3季度—2021年第4季度的景氣情況進(jìn)行預(yù)測(cè)。具體如下：2020年下半年，我國(guó)發(fā)電行業(yè)景氣程度將繼續(xù)呈現(xiàn)上升狀態(tài)，結(jié)束不景氣的行業(yè)狀況，但進(jìn)入2021年，我國(guó)發(fā)電行業(yè)的景氣程度會(huì)面臨大致一年的下降狀態(tài)。因此，我國(guó)應(yīng)繼續(xù)控制電源裝機(jī)容量的增長(zhǎng)速度，將工作重心繼續(xù)置于不同電源結(jié)構(gòu)的優(yōu)化配置中，實(shí)現(xiàn)火電與新能源發(fā)電之間的均衡、可持續(xù)發(fā)展。

5 結(jié)論

景氣指數(shù)是分析宏觀經(jīng)濟(jì)發(fā)展與行業(yè)變化規(guī)律的重要工具之一，能夠?qū)ο嚓P(guān)部門、行業(yè)把握經(jīng)濟(jì)運(yùn)行態(tài)勢(shì)、制定科學(xué)決策提供有效的支撐。本文從發(fā)電側(cè)的視角出發(fā)，從宏觀經(jīng)濟(jì)發(fā)展、電力消費(fèi)活動(dòng)、電力生產(chǎn)活動(dòng)以及相關(guān)行業(yè)活動(dòng)4個(gè)角度選取了對(duì)電力生產(chǎn)景氣波動(dòng)具有較大影響的相關(guān)指標(biāo)，并運(yùn)用基于主成分分析的指數(shù)合成法編制了電力生產(chǎn)景氣指數(shù)，并對(duì)我國(guó)發(fā)電行業(yè)的景氣波動(dòng)情況進(jìn)行了分析與預(yù)測(cè)。結(jié)果顯示，我國(guó)發(fā)電行業(yè)景氣波動(dòng)基本每2年為一個(gè)周期，在2014—2015年開整體都處于“明顯不景氣”的狀態(tài)；2016—2017年，受到新能源熱潮與火電去產(chǎn)能的影響，我國(guó)電力行業(yè)景氣指數(shù)經(jīng)歷了先升后降的波動(dòng)，行業(yè)呈現(xiàn)“微弱景氣”狀態(tài)；2018年我國(guó)宏觀經(jīng)濟(jì)向好，發(fā)電行業(yè)呈現(xiàn)“明顯景氣”狀態(tài)，但隨著2019年全社會(huì)用電量下降，發(fā)電行業(yè)的景氣指數(shù)也出現(xiàn)下滑。此外，根據(jù)先行指數(shù)對(duì)我國(guó)發(fā)電行業(yè)的景氣波動(dòng)趨勢(shì)進(jìn)行預(yù)測(cè)，可知2020年我國(guó)發(fā)電行業(yè)的景氣波動(dòng)將處于上升狀態(tài)，但在2021年將會(huì)有所回落。