穆海振1，孙兰东1，侯依玲2

 （1.上海市气候中心，上海  200030;2．沈阳区域气候中心，沈阳  1 10015）

摘要：较为准确的中短期用电量预测是制定科学合理电网运行计划的前提。利用2004-2014年上海市各月全社会用电量、气温、历年GDP、人口和单位GDP能耗等数据，采用年际同比变率分析方法，分析了影响月用电量的主要因子，建立了上海市逐月用电量预测模型。结果表明：采用年际同比变率分析方法能有效剔除气温、用电量等年际变化趋势对相关关系分析结果的影响，所得结论物理意义更为清晰：上海市月用电量呈现冬季和夏季双峰型特征，受经济总量增加等因素的影响，各月用电量都呈现出增加趋势：冬季和夏季的月用量同比变化率与气温变化相关最为密切，春季和秋季的用电量同比变化率主要与经济总量增长和产

业结构调整相关；综合考虑各影响网子建立的预测模型能够实现对各月用电量较精确的预测．也可用来研判经济走势

关键词：上海：月用电量：预测模型：同比变率分析

中图分类号：F407.61  DOI:10．I1930/j．issn．1004-9649.2016.06.146.05

0引言

 较为准确的中短期用电量预测是制定科学合理电网运行计划的前提。综合来看，以往针对中短期用电量预测方面的研究成果．从用电量的时间序列变化考虑较多，较少考虑气象条件影响．这可能导致预测模型在出现异常高温、低温事件时出现较大偏差，应用存在一定的局限性：在部分考虑气象条件影响的研究成果中．在分析气象条件与用电量的关联时．如何更好地分离历史气象条件及用电量的长期变化趋势与波动之间关系方面还需要进一步深入研究。

 上海属北亚热带海洋性季风气候．夏季炎热多雨，极端最高气温可达40.8℃：冬季较寒冷少雨，极端最低气温可达-10.1℃。随着近年来上海社会、经济的快速发展，上海电网负荷和用电量不断增长．对电网供电可靠性和电能质量的要求也越来越高。受气候条件变化影响，特别是在夏季高温和冬季低温期间．上海城市用电负荷波动特征明显，这要求在开展中短期用电量预测时应该关注气象条件尤其是气温变化的影响。本文在分析2003-2014年上海市全社会逐月用电量（以下简称用电量）变化规律的基础上，明确了上海市各月用电量的主要影响因子．利用年际同比变率法研究了气温等凶素变化对用电量变化的影响．建立了月用电量预测模型，并对模型进行了检验。

1  资料和方法

1.1  资料

 本文研究所用资料年限为2003 -2014年．其中，上海市逐月气温资料来源徐家汇气象站，逐月用电量、GDP增长率、单位GDP能耗、常住人口增长率等经济社会发展资料来源于上海市统计局。

1.2方法

 相关研究表明，电力消耗对气温变化最为敏感，但直接用逐月气温和用电量序列建立模型时．受经济社会发展和气温变化背景趋势的影响．关系往往不够显著，气温变化对用电量的影响不能够很好地表现出来。图1为上海市8月平均气温和用电量的历年变化。从图1可以看出，受两者背景变化趋势的影响，并不能看出很好的对应关系，相关系数也仪有0.17，远不能通过显著性检验。

 为了能分解出气温变化对用电量的影响．需要去除变量背景变化趋势的影响，假设T为月平

用组成的新序列分别代表气温和用电量的变化，图2给出了上海市8月用电量同比变率和平均气温同比变化图。从图2可以看出，新序列两者表现出非常良好的对应关系，气温同比升高（降低）与用电量变率增加（减少）高度一致，相关系数高达0.94．通过了a=0.01的显著性检验。这说明，在分析用电量变化影响因素时，考虑其相对于上一年度的变率．能够有效降低背景变化趋势对分析结果的干扰，本文即利用此方法分析了上海市各月气温变化等因素对用电量的影响．并在此基础上利用线性逐步回归方法建立了月用电量预测模型。

2上海市月用电量时间变化特征分析

2.1  年内变化趋势分析

 从图3町以看出，上海市各月用电量呈现出双峰型特征，分别对应夏季制冷和冬季采暖用电高峰、夏季高峰用电量主要时段为7月和8月，均值超过了120亿kW．h，冬季用电高峰时段主要为12月和1月，平均用电量在100亿kW．h左右，春季和秋季为用电量低谷区。受春节假期用电量减少的影响，2丹用电量为全年最低．仅为83.3亿kW．h。

2.2  年际变化趋势分析

 为了解用电量背景变化趋势，本文计算了上海市全年及各月用电量的线性变化趋势。从表1可以看出，各月用电量均呈现增加的趋势。其中，1月增加趋势最为明显，5.8亿kW .h／年：2月增加趋势最弱，0.6亿kW .h／年：全年用电量增加趋势为10.2亿kW .h／年。有6个月用电量最大值出现在2013年，该年的年总用电量也为最大值．3个月的最大值出现在2014年，2个月的最大值出现在2012年，9月份的最大值出现在2010年。绝大部分月用电最最大值均m现在近年的结果说明，尽管气温等气象因素会对用电量产生一定影响，但由于GDP总量增加、人口增长等因素带来用电总量的增长趋势会在一定程度上掩盖气象因素的影响．在建立预测模型时这些凶素必须统筹加以考虑。

3上海市月用电量预测模型建立

3.1  相关分析

 考虑到影响月用电量因素有气候条件、经济总量、人口总量和产业结构调整等，分别选取了上海市2004-2013年各月气温同比变化、年GDP增长率、常住人口增长率和单位GDP能耗等参数，计算各参数与月用电量同比变率的相关系数，结果如图4所示。总体来看，各月用电量增长率主要影响因子差别明显，在冬季的12月、1月和2月．用电量变化的主导影响网子为气温变化：从3月开始，经济总量变化等因素开始对用电量变化影响显著，气温影响因子逐渐减弱；7月至9月气温又成为用电量变化的主导因子，GDP增长率、常住人口增长率、单位GDP能耗等影响相对变小：10月和1 1月用电量变化与单位GDP能耗、GDP增长率、常住人口增长率的关系较为密切。从以上分析可以看出，用电量作为判断经济走势的重要指标，在不同季节的应用其参考价值不同，如春季和秋季的指示意义比较强，但在夏季和冬季还应考虑到气温因素进行综合判断。

3.2  月用电量预测模型的建立

 如上所述．各月用电量的变化与各因子的相关程度均有所差别，且各因子之间也存在一定的联系．为使预测模型更为合理的解释用电量变化机制．本文采用逐步同归方法建立了各月用电量预测模型，其中，预报对象定义为月用电量同比变率(AE)．预报因子定义为气温同比变化(△T)，年GDP增长率(△G)、年常住人口增长率(△P)和单位GDP能耗（R），样本长度为2004-2013年共10年，进入回归方程的凶子选择准则为F≤0.1，剔除回归方程的凶子选择标准为F≥0.2，按照上述标准1月和11月没有预报因子进入同归方程，为保证模型的完整性，选取了1月和1 1月相关系数最大的预报凶子，利用一元线性回归方法建立了回归方程．各月同归方程系数及显著性检验结果如表2所示。

 从表2可以看出，与相关分析结果相类似，气温变化对用电量的影响主要在夏季、冬季和初春，其中，8月影响最为显著，月平均气温每升高1℃．将导致月用电量相比r二年同比增加约6.0%：GDP增加对用电量影响显著的月份为4月和5月．其巾GDP同比每增加1%，将导致用电量同比增加约1.6%；单位GDP能耗的降低对降低用电量影响显著的月份为3月和6-10月，特别是6月份影响最为明显。从回归方程的显著性来看，夏季的回归效果最好，影响显著的因子主要为气温和单位能耗指标变化；冬季较差，各月的主要影响因子为气温变化。综合来看，对上海市逐月用电量影响最为显著的因子依次为平均气温、产业结构调整带来的单位GDP能耗及GDP总量的变化．人口冈素影响相对较小。

3.3预测模型检验及应用

 应用表2所列同归方程，给出平均气温同比变化量、GDP增长率、常住人口增长率和单位能耗等因子的预估值，基于回归方程即可计算出给定月份用电量的同比预测变率，利用式(4)得到月用电量预测值。

 根据式(3)和式(4)，利用2014年各月平均气温观测数据、GDP增长率和常住人口增长率和单位能耗值统计数据，用表2所列模型对逐月用电量进行了预测和检验，如表3所示。从表3可以看出，4月相对误差最小，最大为7月(11.4%)，相对误差绝对值平均为3.90%．总体预测效果较好。在2014年7月和8月，其月平均气温较2013年异常偏低，月平均气温分别降低了4.2℃和4.6 ℃，由此预测用电量将比2013年同比下降24%和27%,实际用电量同比减少的变率为14%和18%,模型对用电量下降的趋势进行了较好的预估。

 上述模型在预测检验过程中应用了2014年的经济社会增长数据，在实际月用电量预测过程中，如GDP增长率、常住人口增长率和单位GDP能耗等数据可参考上一年度值酌情加以确定，平均气温预测值可从气象部门获取。本模型还可以用来分析月用电量成凶，如可根据过去月份的月平均气温观测值和不同情景下经济社会发展参数假定，计算输出过去月份理沦用电量，通过分析与实际用电量的差别．即可给出月用电量变化的主要原因，为研判经济社会发展形势提供科学线索。

4结语

 本文利用2003 -2014年上海市全社会用电量和气象、经济社会发展等数据，分析了用电量基本变化特征及其主要影响因子，并初步建立了基于影响因子的月用电量预测模型，主要结论如下。

 (1)采用同比变化序列代替原有序列分析的方法能有效剔除气温、用电量等变量的背景变化趋势，相关分析结果的物理意义更为清晰。

 (2)月用电量呈现冬季和夏季双峰型特征，受经济总量增加等因素的影响，卜海市各月用电量都呈现出增加趋势．月用电量极大值也多出现在近2年。

 (3)在用电量总体呈现增加趋势的背景下，冬季和夏季的用电量同比变化与气温高低相关最为密切．春秋季节的用电量同比变化主要与经济总量增长、经济结构调整相关。

 (4)独立样本检验表明，综合考虑各影响因素建立的预测模型能够较好实现对各月用电量的预测，应用效果较好，同时该模型也可以用来分析历史资料为研判经济走势提供线索。

 本文的研究主要应用月用电量的预测，相关方法也可应用于季度用电量、电量负荷的预报。由于影响城市用电量的因素较多，本文只是针对一些较为熏要的冈素进行了分析．不同类别的用电量所受影响冈子也不同．如居民消费用电量受气象条件影响明显．而T业用电则与经济结构调整等冈素密切相关．如能在预测模型中进一步分类考虑，可望得到更为精确的结果，值得进一步深入探讨。