中长期负荷预测的计量经济学与系统动力学组合模型
本文关键词：中长期负荷预测的计量经济学与系统动力学组合模型，由笔耕文化传播整理发布。
第35卷 第1期 2011年1月 电 网 技 术 Power System Technology Vol. 35 No.1 Jan. 2011
文章编号：1000-3673（2011）01-0186-05 中图分类号：TM 715 文献标志码：A 学科代码：470·4054
中长期负荷预测的计量经济学与
系统动力学组合模型
谭忠富1，张金良1，吴良器1，丁亚伟2，宋艺航1
（1．华北电力大学 电力经济研究所，北京市 昌平区 102206；2．河南洛阳供电公司，河南省 洛阳市 471009）
A Model Integrating Econometric Approach With System Dynamics for
Long-Term Load Forecasting
TAN Zhongfu1, ZHANG Jinliang1, WU Liangqi1, DING Yawei2, SONG Yihang1
(1. Institute of Electric Power Economics, North China Electric Power University, Changping District, Beijing 102206, China;
2. Luoyang Power Supply Company, Luoyang 471009, Henan Province, China) ABSTRACT: The medium- and long-term load prediction of power system are influenced by enchancement factor such as politics, economy, population and climate, therefore practical experiences show that it is hard to improve prediction accuracy by single forecasting model. For this reason, the authors propose a combined forecasting method based on econometrics and system dynamics. Firstly, using econometric approach the main factors influencing power demand are found, on this basis the econometric equations are established for power demand and its impacting factors; then, a system dynamics-based power demand forecasting model, in which the population as well as sustainable development of economy and environment are taken into account, is built; finally, the subsystem equations related to population, economy and power demand are put into the system dynamics-based model to carry out load forecasting. Forecasting results show that the proposed method can improve prediction accuracy.
KEY WORDS: econometrics; system dynamics; load forecasting; sustainable development
摘要：电力系统中的长期负荷预测受政治、经济、人口、气候等各种随机因素的影响，单一的预测方法很难提高预测精度。为此，提出一种基于计量经济学和系统动力学的组合方法。首先，利用计量经济学的方法找出电力需求的主要影响因素，在此基础上建立电力需求与其影响因子的计量方程；其次，建立考虑人口、经济及环境的可持续发展的系统动力学电力需求预测模型；最后将人口、经济、电力需求的子系统方程带入系统动力学模型进行预测。实际算例结果表明该方法具有较高的预测精度。
关键词：计量经济学；系统动力学；负荷预测；可持续发展
基金项目：国家自然科学基金资助项目(71071053)。
Project Supported by National Natural Science Foundation of China (71071053)．
0 引言
中长期负荷预测是电力系统规划、设计、生产和运营的前提和基础，准确的负荷预测有利于提高电网的经济性和稳定性、降低电厂的建设和发电成本，从而获得巨大的社会和经济效益。由于中长期负荷预测的精度受政治、经济、人口、气候等各种随机因素的影响，因此，中长期负荷预测又是一项极为复杂的工作。
目前常用的中长期负荷预测方法包括回归分析法、时间序列分析法、灰色预测法和人工神经网络法，此外还有一些较新的方法如模糊预测法、支持向量机法等。文献[1]对负荷预测进行了详细综述；文献[2-4]介绍了回归分析法在中长期负荷预测中的应用，该方法虽简洁明了，但却无法避免伪回归和多重相关性问题，其预测精度得不到保证；文献[5]将时间序列法和数据处理组合方法(group method of data handing，GMDH)组合应用于中长期负荷预测，取得一定成果；文献[6]将时间序列的指数平滑法应用于中长期负荷预测中，结果表明该方法具有较广的适用性，然而时间序列法是假定过去的负荷变化规律会延续到将来，未能考虑到政策、气候等随机变量的变化对负荷变化的影响，其预测结果存在一定的波动性。针对中长期负荷的非线性、时变性和不确定性特点，部分学者提出了非参数模型的方法，如灰色预测和人工神经网络法，其优点是不需要事先知道有关模型的结构和参数的信息，非常适合中长期负荷预测。文献[7-10]将灰色预测方法应用于中长期负荷预测中，取得较好的预测效果，唯一不足
第35卷 第1期 电 网 技 术 187
的是原始数列离散程度越大，预测精度越低；文 献[11-17]介绍了神经网络模型在中长期负荷预测中的应用，其缺点在于模型的含义不明确，对初始值较敏感，以及对突发事件的适应性差。
综上所述，现有的中长期负荷预测方法的不足主要表现在以下几个方面[18]：1）模型参数是根据历史数据来确定的，不能根据未来的不同情况而变化，且模型在使用过程中难以利用专家经验和意见；2）未能将影响负荷的多方面因素的综合作用体现出来；3）非参数模型的物理意义不清楚，当预测结果不理想时，不易就模型本身进行分析和调整。为此，一些学者提出利用系统动力学来预测中长期负荷。该方法所建模型参数的物理意义清晰，各相关因素之间的关系清楚，且在使用中考虑到专家的意见。文献[19-22]提出用系统动力学的方法进行中长期负荷预测，并取得很好的效果，但均未从可持续发展的角度来考虑。为此，本文将中长期负荷预测置于人口、经济及环境的可持续发展系统中来考虑，顺应时代发展的要求。另外，文献[19-22]在预测电力消费时存在诸多困难，如很难量化其中的一些定性关系，因此，本文首先利用计量经济的方法进行电力需求方程的估计，然后再将其带入系统动力学模型中。
口系统又对经济系统及电力消费系统产生影响。
2）经济子系统。该系统的主要状态变量为一产、二产及三产GDP。该子系统中主要研究的状态变量是GDP，速率变量是GDP增长量，着重从GDP引发增长的内在机制出发来模拟经济系统，并通过相关变量同其它3个系统结合起来。本系统以加入环境约束的索洛模型为理论基础。
3）电力需求子系统。通过计量经济学理论及Eviews软件，估计3大产业及生活用电的模型方程，将得出的方程带入系统动力学模型，以实现2种方法的结合和提高系统动力学模型的科学性和精确性。 1.2 模型方程设计 1.2.1 人口子系统方程
人口子系统有以下2个方程
POP=INPOP+∫(MGR+NGR)dt (1)
式中：POP代表人口；INPOP为人口初值；MGR和NGR分别指人口的机械增长率和自然增长率。
NR=POPINNGR (2) 式中：NR代表自然速率；INNGR为自然增长率初值。 1.2.2 经济子系统方程
经济子系统有以下方程
ΔI=DELAY(ΔGDP1,1,INGDP)ROI(1?PCROI)?
1 系统动力学与计量经济的组合模型
1.1 模型所考虑的子系统
系统动力学是一门分析研究信息反馈系统的学科，也是一门认识和解决系统问题交叉的综合性的新学科。系统动力学分析解决问题的方法是定性与定量分析的统一，它以定性分析为先导，定量分析为支持，二者相辅相成，从系统内部的机制、微观结构入手，剖析系统进行建模，借助计算机模拟技术，来分析研究系统内部结构与其动态行为的关系，并觅寻解决问题的对策[23]。
本文研究的是可持续发展视角下的城市电力需求，须根据实际情况，将整个系统分为人口、经济及电力需求3个子系统。这3个子系统通过相互间的输入、输出变量来相互影响、相互制约和相互作用，共同完成城市电力需求系统的特定功能。
1）人口子系统。主要研究在环境条件的限制下，随着经济的发展，人口的发展规模。将人口作为状态变量，人口的自然增长和机械增长作为速率变量。人口的机械增长受人均国内生产总值(gross domestic product，GDP)与环保目标的影响。一定比例的适龄人口向经济子系统提供劳动力，同时，人
(LR+AD)A (3)
式中：ΔI为投资增量；DELAY(?)为时间延长函数；ΔGDP1为第一产业国内生产总值的增量；INGDP为国内生产总值的初始值；POI为投资率；PCROI为污染治理投资率；LR为劳动力增长率；AD为资本折旧率；A为资本。
ΔGDP=ΔW+ΔI+GDPTR (4) 式中：ΔW代表工资增量；TR代表技术增长率。
1.2.3 电力需求子系统方程
1）变量相关性检验。
由于影响中长期负荷预测结果的因素有很多，如果把这些因素都作为系统动力学模型的输入变量，那么模型将非常复杂且精度也不一定高，因而，本文利用相关性检验的方法找出主要的影响因素，
3大产业和生活用电与其各自的最终影响因素如表1—4所示。
表1 第一产业用电与其最终影响因素的相关度 Tab. 1 The correlation of primary industry electricity
consumption and its final affecting factors
变量名称 lnGDP1 lnP 相关度 0.77 ?0.76 注：GDP1表示第一产业的国内生产总值；P表示降水量。
188 谭忠富等：中长期负荷预测的计量经济学与系统动力学组合模型 Vol. 35 No. 1
表2 第二产业用电与其最终影响因素的相关性 Tab. 2 The correlation of secondary industry electricity
consumption and its final affecting factors
变量名称 lnE′2 lnGDP2 注：E′2表示上年第二产业电力需求量；GDP2表示第二产业的国内生产总值。
式中E1表示第一产业电力需求量，这样可以使得各变量的数据变得更加光滑。
由表2的检验结果可知第二产业电力需求量方′)4+0.07lnGDP2 (6) lnE2=3.15+0.001(lnE2
相关度 0.99 0.99 程为
表3 三产用电与其最终影响因素的相关性
Tab. 3 The correlation of tertiary industry electricity
consumption and its final affecting factors
变量名称 相关度
lnE′3
lnGDP3 lnT
式中E2表示第二产业电力需求量。
由表3的检验结果可知第三产业电力需求量方程为
1.00 1.00 0.63
′+0.09lnGDP3+0.05lnT (7) lnE3=0.84lnE3
由表4可知居民生活用电需求量方程为
注：E′3表示上年第三产业电力需求量；GDP3表示第三产业的国内生产总值；T表示年平均温度。
式中E3表示第三产业电力需求量。
′+0.24lnGDP+0.53lnPOP?1.72lnT lnE4=0.65lnE4
(8)
式中E4表示居民生活电力需求量。
总的电力需求量方程为
表4 生活用电与其最终影响因素的相关性
Tab. 4 The correlation of urban residential electricity
consumption and its final affecting factors
变量名称 相关度
lnE′4
lnGDP
lnPOP
lnT
1.00 0.99 0.98 0.61
注：E′4表示上年居民生活电力需求量。
E=exp(lnE1)+exp(lnE2)+exp(lnE3)+exp(lnE4)
(9)
将以上方程带入系统动力学模型中，可以得出相关变量今后各年的预测结果，从而实现了这2种方法的结合。模型流图如图1所示。
2）电力需求方程。
由表1的检验结果可知第一产业电力需求量方程为
lnE1=2.39+0.22lnGDP1?0.15lnP (5)
图1 长期负荷预测模型结构
Fig. 1 The long term load forecasting model
第35卷 第1期
电 网 技 术 189
1.3 模型参数说明 表6 该市未来电力需求情况
Tab. 6 The city’s future electricity demand 模型中的参数有以下2种：常数及表函数。常
数的取值主要依据某市各年的统计年鉴及相关部门的统计和预测数据；表函数用来处理2变量间的非线性、复杂的关系，比如人均GDP对人口机械增长率的影响就很难用一个固定的系数来表示，但可以根据二者以往的相互关系以及政策性导向给出一个大致反映未来发展趋势的表函数趋势，以解决预测精确度的问题。
年份 2010年2015年2020年年份 2010年2015年2020年
全社会 电力需求/(亿kW?h)
二产
电力需求/ (亿kW?h)
百分比/ %
789 312.8 39.6 1243 410.3 33.0 1476 436.5 29.6 三产
电力需求/ (亿kW?h)
百分比/ %
(亿kW?h) 102.9 263.3 353.2
生活
电力需求/
百分比/ % 13.0 21.2 23.9
331.3 42.0 542.6 43.7 668.7 45.3
2 算例分析
2.1 数据说明
本文以某市实际发生的全社会用电量为研究数据，所建立的模型方程和确定的主要参数为行业内的专家所建议。以1990—2004年的历史数据为样本，以2005、2006和2007年的历史数据作为检验样本，预测2010、2015及2020年全社会用电量。为检验本文方法的预测精度，将其与系统动力学方法和计量经济学方法进行对比。建模、仿真和分析由VensimPLE软件实现。 2.2 预测精度的度量
预测误差分析采用平均相对误差，其一般表达式为
所示。
由表6可见，未来该市二产用电比例不断下降，这是因为该市受国家节能环保政策的影响较大，很多高耗能企业已搬迁出去。但三产和生活用电比例却不断提高，这可归结于以下2点原因：1）该市未来的定位是打造现代服务业的城市；2）该市经济的发展快速，带动了居民生活水平的稳步提高。
3 模型参数敏感度测试
模型参数敏感度测试的作用是了解参数取值的变化对结果的影响程度。敏感度测试采用的数据为2015年的预测值。图2为部分参数的变化对全社会用电量变化的影响。
社会用电量变动/%
2.001.000.00?1.00
MPE
??yt1T+hy
(10) =∑t
ht=T+1yt
?t为预测值；h为年间隔数。 式中：yt为实际值；y2.3 预测结果比较
本文方法与系统动力学(方法1)和计量经济学方法(方法2)的平均相对误差分析如表5所示。
表5 不同预测方法的平均相对误差
Tab. 5 The average relative error of different prediction approaches
年份
实际值/ (亿kW?h)
本文方法预测值/
(亿kW?h) 530 569 636
平均相对误差/% 方法1 方法2 本文方法1.25 2.38 0.95 1.32 3.50 0.10 1.97 1.51 1.09
图2 参数敏感度测试
Fig. 2 Parameter sensitivity test
从图2可以看出，全社会用电量对二产投资率变化的敏感度最大，其次是二产技术增长率、三产折旧率和二产折旧率，其余参数影响较小。当二产投资率在?20%~20%的范围内变化时，全社会用电量仅在?0.63%~2%的范围内变动。这说明模型参数变化对系统的影响很小，模型具有较好的鲁棒性，有着广阔的应用前景。
2005年 525 2006年 575 2007年 628
从表5可以看出，本文预测方法的精度较其他
2种方法有了很大的提高，平均相对误差均小于系统动力学和计算经济学方法。 2.4 未来电力需求预测
根据本文所提出的方法，选用该市1990—2007年的历史数据作为原始输入数据，并结合相关部门工作人员和专家的经验进行预测，其结果如表6
4 结论
1）本文给出的中长期电力负荷预测方法使用简便，符合实际，且预测精度要高于传统的方法。预测结果可以为该市电源建设和电网规划提供参考依据。
190 谭忠富等：中长期负荷预测的计量经济学与系统动力学组合模型 Vol. 35 No. 1
2）本文提出的方法，弥补了单一系统动力学方法的不足，克服了其不能科学量化定性关系的缺点。
3）本文给出的中长期负荷预测方法，能综合考虑多种因素，将负荷预测置于人口、经济及环境的可持续发展系统中来，符合时代发展的要求。
参考文献
[1] 康重庆，夏清，张伯明．电力系统负荷预测研究综述与发展方向
的探讨[J]．电力系统自动化，2004，28(17)：1-11． Kang Chongqing，Xia Qing，Zhang Boming．Review of power system
load forecasting and its development[J]．Automation of Electric Power Systems，2004，28(17)：1-11(in Chinese)．
[2] 王文圣，丁晶，赵玉龙，等．基于偏最小二乘回归的年用电量预
测研究[J]．中国电机工程学报，2003，23(10)：17-21．
Wang Wensheng，Ding Jing，Zhao Yulong，et al．Study on the long term prediciton of annual electricity consumption using partial least square regressive model[J]．Proceedings of the CSEE，2003，23(10)：17-21(in Chinese)．
[3] 李钷，李敏，刘涤尘．基于改进回归法的电力负荷预测[J]．电网
技术，2006，30(1)：99-104． Li Po，Li Min，Liu Dichen．Power load forecasting based on improved regression[J]．Power System Technology，2006，30(1)：99-104(in Chinese)． [4] 李昉，罗汉武．基于多元线性回归理论的河南省用电量预测[J]．电
网技术，2008，32(1)：124-126．
Li Fang，Luo Hanwu．Electric consumption forecasting of Henan based on multiple linear regression[J]．Power System Technology，2008，32(1)：124-126(in Chinese)．
[5] 周晓华，黄玲，刘胜永．GMDH方法在中长期电力负荷预测中的
应用[J]．电气应用，2008，28(6)：67-69．
Zhou Xiaohua，Huang Ling，Liu Shengyong．Research on mid-long term power load forecasting based on GMDH[J]．Electrotechnical Application，2008，28(6)：67-69(in Chinese)．
[6] 甄利玲．一种电力系统中长期负荷预测方法[J]．山西师范大学学
报：自然科学版，2002，16(4)：35-37． Zhen Liling．A method of middle-long electric power load forecasting [J]．Journal of Shanxi Teacher’s University：Natural Science Edition，2002，16(4)：35-37(in Chinese)．
[7] 朱芸，乐秀璠．可变参数无偏灰色模型的中长期负荷预测[J]．电
力自动化设备，2003，23(4)：25-27．
Zhu Yun，Le Xiufan．Unbiased grey-forecasting model with unfixed parameter for long-term load[J]．Electric Power Automation Equipment，，2003，23(4)：25-27(in Chinese)．
[8] 张俊芳，伊昂，吴军基．基于灰色理论负荷预测的应用研究[J]．电
力自动化设备，2004，24(5)：24-27．
Zhang Junfang，Yi Ang，Wu Junji．Application of gray system theory in load forecasting[J]．Electric Power Automation Equipment，2004，24(5)：24-27(in Chinese)．
[9] 吴耀华．基于GM-GRNN的电力系统长期负荷预测[J]．继电器，
2007，35(6)：45-49．
Wu Yaohua．Long term load forecasting based on GM-GRNN in power system[J]．Relay，2007，35(6)：45-49(in Chinese)． [10] 戚岳，王玮，周晖，等．灰色计量经济学模型在中长期电力需求
预测中的应用研究[J]．华北电力大学学报，2008，35(5)：36-40． [11] 朱继萍，戴君．基于BP网的中长期负荷预测因素优化选择[J]．计算机工程，2008，34(18)：226-228．
Zhu Jiping，Dai Jun．Optimization selection of correlative factors for medium and long term load forecasting based on BP network [J]．Computer Engineering，2008，34(18)：226-228(in Chinese)． [12] 张大海，毕研秋，毕研霞，等．基于串联灰色神经网络的电力负
荷预测方法[J]．系统工程理论与实践，2004(12)：128-132．
Zhang Dahai，Bi Yanqiu，Bi Yanxi，et al．Power load forecasting method base on serial grey neural network[J]．System Engineering Theory and Practice，2004(12)：128-132(in Chinese)． [13] 雷镇，阮萍，王华．基于人工神经网络的中长期负荷预测算法[J]．微
机发展，2005，15(2)：78-80．
Lei Zhen，Ruan Ping，Wang Hua．Mid and long-term load forecast algorithm based on artificial neural network[J]．Microcomputer Development，2005，15(2)：78-80(in Chinese)．
[14] 李春祥，牛东晓，孟丽敏．基于层次分析法和径向基函数神经网
络的中长期负荷预测综合模型[J]．电网技术，2009，33(2)：99-104． Li Chunxiang，Niu Dongxiao，Meng Limin．A comprehensive model for long-and medium-term load forecasting based on analytic hierarchy process and radial basis function neural network[J]．Power System Technology，2009，33(2)：99-104(in Chinese)．
[15] Kandil M S，El-Debeiky S M，Hasanien N E．Long-term load
forecasting for fast developing utility using a knowledge-based expert system[J]．IEEE Transaction on Power Systems，2002，17(2)：491-496． [16] Barbounis T G，Theocharis J B，Alexiadis M C，et al．Long-term wind
speed and power forecasting using local recurrent neural network models[J]．IEEE Transaction on Energy Conversion，2006，21(1)：273-284．
[17] Abou A A，El-Zeftawy A A，Allam S M，et al．Long-term load
forecasting and economical operation of wind farms for Egyptian electrical network[J]．Electric Power Systems Research，2009，79(7)：1032-1037．
[18] 韦凌云，吴捷，刘永强．基于系统动力学的电力系统中长期负荷
预测[J]．电力系统自动化，2000，24(16)：44-47．
Wei Lingyun，Wu Jie，Liu Yongqiang．Long-term electric load forecasting based on system dynamics[J]．Automation of Electric Power Systems，2000，24(16)：44-47(in Chinese)．
[19] Denis R T．System dynamics background methodology and
applications[J]．Applications，Computing & Control Engineering Journal，1993，45(6)：261-268．
[20] 刘永强，韦凌云，吴捷．系统动力学方法的中长期电力需求预测
[J]．电力情报，2002(3)：4-7．
LiuYongqiang，Wei Lingyun，Wu Jie．Medium-long term electric power demand forecasting based on system dynamics [J]．Information on Electric Power，2002(3)：4-7(in Chinese)．
[21] 潘旭红，汪小明．中长期电量的系统动力学方法预测[J]．广东电
力，2002，15(4)：5-8． Pan Xuhong，Wang Xiaoming．Forecast for medium-long term electric power demand by system dynamics[J]．Guangdong Electric Power，2002，15(4)：5-8(in Chinese)．
[22] 钟庆，吴捷，伍力，等．基于系统动力学的分区负荷预测[J]．电
网技术，2001，25(3)：51-55． Zhong Qing，Wu Jie，Wu Li，et al．Subarea load forecasting based on system dynamics[J]．Power System Technology，2001，25(3)：51-55(in Chinese)．
[23] 王其藩．系统动力学[M]．北京：清华大学出版社，1994：24-53．
收稿日期：2010-06-28。 作者简介：
谭忠富(1964)，男，教授，博士生导师，主要从事电力经济、风险管理理论、企业战略管理的研究工作，E-mail：tanzhongfu@sina.com；
张金良(1981)，男，博士研究生，主要从事能源与电力经济的研究工作，E-mail：zhangjinliang
谭忠富
1213@163.com。
（责任编辑 褚晓杰）
博泰典藏网btdcw.com包含总结汇报、教学研究、出国留学、表格模板、高中教育、计划方案、自然科学、初中教育、经管营销、高等教育以及中长期负荷预测的计量经济学与系统动力学组合模型_谭忠富等内容。
本文关键词：中长期负荷预测的计量经济学与系统动力学组合模型，由笔耕文化传播整理发布。
本文编号：130684
本文链接：https://www.wllwen.com/jingjilunwen/jiliangjingjilunwen/130684.html
