（广州供电局有限公司 广东广州 510000）
摘要：电量预测的影响因素较多，例如地区经济、政策、气候等，这些因素中有确定性的，也有随机性的，增加了电量预测的难度。本文介绍电力弹性系数法、电量产出效益法、回归分析法、月比例法等常用电量预测方法，通过实际案例分析几种方法的预测精度和适用性，为供电企业提供决策支撑。
关键词：售电量；预测；方法
0 引言
电量预测是指在满足一定精度要求下，充分考虑一些重要的自然条件与社会影响、系统运行特性与增容决策等方面，研究或利用一种能够处理过去与未来电量的关系的数学方法，确定未来某特定时刻的电量数值。
对电量进行准确预测，可以保证人民生活和社会正常生产，有效地降低电力企业的运行成本，保证电网经济运行，提高社会和经济效益。电量的影响因素较多，例如地区经济、政策、气候等，这些因素中有确定性的，也有随机性的，这一方面说明了电量预测所需的数据较多，另一方面也说明了影响因素的随机性在一定程度上具有不确定性，很大程度上增加了电量预测的难度。
本文介绍了电力弹性系数法、电量产出效益法、回归分析法、月比例法等常用电量预测方法，以广州市某区2007-2015年的售电量为例，通过几种预测方法对2016年售电量进行预测。
1 电量预测方法
1.1 电力弹性系数法
1.2 电量产出效益法
电力作为国民经济的重要基础产业，用电量和售电量指标历来被认为是经济运行态势的重要反映。电力消费与GDP存在一定的关联关系，因此可以利用一定的电力指标反映经济运行状况，例如电量产出效益。电量产出效益是指每千瓦时产出了多少GDP经济效益，该指标受到新能源、节能减排、产出结构调整等因素影响。
1.3 回归分析法
回归分析法分为线性回归和非线性回归，利用回归分析理论，通过统计分析变量的历史数据，确定各变量之间的函数关系，实现电量预测。优点是：回归模型参数估计技术成熟，过程简单，预测速度快，外推性好。缺点是：对历史数据要求高，当数据存在较大误差或残缺时，模型预测精度将大大降低；线性回归模型预测精度较低，非线性回归模型计算量大、过程复杂；只能考虑像湿度、温度等定变量条件的气象因素，不能详细地考虑到各种影响售电量的因素。
1.4 月比例法
根据上一年的GDP、温度和用电量数据，基于历史数据，对去掉线损的用电量与温度和GDP相对值进行回归分析，再根据GDP、温度等预测未来电量。
2 电量预测实例
依据某区2007至2015年的售电量，采用电力弹性系数法、电量产出效益法、回归分析法和月比例法对该区2016年售电量进行预测。
2.1 弹性系数法
该区地区生产总值及各行业增加值呈现逐年增长趋势，增长速度较快。
利用弹性系数-地区生产总值增长率拟合方法对2016年弹性系数进行预测。
由上图可得到拟合公式为y=0.07020x-0.02956。白云区预计2016年该区地区生产总值增长率约为7%。因此，2016年该区全社会用电电力弹性系数分别为0.46，售电量增长率为3.2%。故可算得2016年该区售电量预测值为107.9亿千瓦时。
2.2 电量产出效益法
根据该区地区生产总值及各行业增加值，可以得到该区全社会及各行业每千瓦时用电量产出效益。
利用电量产出效益法-年份拟合方法对2016年每千瓦时产出效益进行预测。
对2016年该区售电量产出效益进行预测。拟合曲线为：y=0.43253x-856.81381，可以计算得出2016年白云区每千瓦时产出效益预测值分别为15.1667元/千瓦时。2016年该区地区生产总值分别按7%增长，即2016年该区地区生产总值预计分别为1666.97亿元，因此可以预测得到2016年该区售电量分别为109.9亿千瓦时。
2.3 回归分析法
在回归方程中，只有一个自变量的称为一元回归，有多个自变量的称为多元回归。一元线性回归法是在排除其他影响因素或者假定其他影响因素确定的情况下，分析某一因素是如何影响另一因素的过程。
2006年至2015年售电量呈现线性增长的变化趋势，增长比较平稳。其拟合公式为：y=6.28624x-12560.46939，从而可以计算出2016年白云区售电量预测值为112.5亿千瓦时。
2.4 月比例法
根据2006年至今该区各个月份售电量，根据各个月份售电量的变化趋势总体上是逐年上升，除了1、2月份趋势波动较大以外，其余月份的变化趋势都比较平稳。其中8月份售电量占全区年度售电量的比例变化最为平稳，其平均值为10.45%，故可以根据8月份售电量估计全年售电量为：
10.97/10.45%=104.97亿千瓦时
2.5 2016年某区售电量预测值
根据上述电力弹性系数法、电量产出效益法、回归分析法和月比例法对2016年某区售电量进行预测。
考虑到某区GDP增速回落，同时受“公改专”释放电量及变电站投产的影响，及广州大都市受天气影响较为强烈，同时该区变电站投产时间不确定和城中村自筹资金阻力大等因素，影响负荷增长和居民用电量。由于“退二进三”和产业升级的影响，各预测方法计算值存在一定误差。
对电力弹性系数法、电量产出效益法、回归分析法、月比例法预测的2016年该区售电量进行修正。
2015年气温暂未出现大波动，预计2016年白云区售电量高中低方案分别为110.2亿千瓦时、107.2亿千瓦时、103.95亿千瓦时。同比增长5.3%、2.48%、-0.6%。
考虑该区近两年电量增长趋势和整体经济走势看，拟推荐中方案。
综合预测2016年售电量为107.2亿千瓦时，同比增长2.48%。
3 小结
电量预测的核心是预测技术（预测模型），预测方法有很多，每一种预测方法都有各自的适用范围，各种预测方法都各自的优缺点，所以在预测过程中需考虑各种不确定性因素，如气候、经济形势、电价政策等。在实际售电量预测中，必须灵活选用适用的的预测方法，可选用多种方法进行预测，将所得预测结果互为比较，再根据企业实际情况进行修正，最终预测出合理的结果。
参考文献：
[1] 牛东晓，曹树华，赵磊.电力负荷预测技术及其应用[M].北京：中国电力出版社，1998.
[2] 周琪，几种电量预测的使用方法[J].江苏电机工程，2006，25（6）：52-54.
[3] 孔令云，售电量分类预测模型及其软件开发[J].电力系统及其自动化学报，2008，20（6），52-55.
作者简介：
范明（1985—），男，湖北黄冈，硕士研究生，工程师，从事电能量数据方面研究。
论文作者:范明
论文发表刊物:《电力设备》2017年第20期
论文发表时间:2017/11/20
标签：电量论文; 售电量论文; 效益论文; 方法论文; 因素论文; 系数论文; 弹性论文; 《电力设备》2017年第20期论文;