基于组合模型的中国电力消费量预测研究

来源:用户上传      作者: 米国芳

　　[摘要] 本文以1999-2011年中国电力消费量为样本数据，运用改进的GM（1，1）模型对其进行拟合和预测；并运用周期性残差修正模型对IGM模型的预测残差进行修正；综合两者得到含周期性残差修正的IGM组合模型，然后利用此组合模型预测2012和2013年中国电力消费量，最后，采用后验差检验法对组合模型的预测精度进行检验。预测结果表明：组合模型预测精度达到一级精度“好”，并且中国电力消费量在未来几年将继续保持上升的趋势。
　　[关键词] 改进的GM（1，1）模型 ；电力消费预测 ；组合模型
　　[中图分类号] F252 [文献标识码] A [文章编号] 1673 - 0194（2013）05- 0039- 02
　　1 引言
　　在国民经济发展过程中，电能是人类赖以生存和发展的重要因素，然而电力行业却成为工业领域碳排放量最大的部门，因此，电力行业必须向低碳经济发展模式转型。而且随着经济的快速发展，电力消费量也迅猛增长，电力供需矛盾日益加剧。因此，电力供给不仅影响到现阶段社会经济的稳定发展，而且对未来社会经济的稳定发展产生重大影响，科学准确的电力需求预测对避免电力短缺并制定有效的电力规划至关重要。
　　近几年，许多专家学者和机构对电力消费预测进行过广泛的研究。林伯强[1]利用协整理论对电力需求进行了中长期预测，并运用误差纠正模型预测了短期内的电力需求行为。陈春根[2]运用向量自回归方法对中国用电量及用电结构进行了分析预测，并用此模型预测了2002-2020年用电结构。王庆露[3]采用协整分析与误差纠正模型研究了我国电力消费与经济增长之间的关系，建立了误差修正模型，并利用干预分析的方法对误差修正模型的预测结果进行矫正，对2005-2025年的电力需求值进行了外推预测。王桂芝[4]选择三次多项式曲线模型、霍尔特指数型指数平滑模型、IMA模型作为组合预测模型对电力消费量进行预测，并且采用离异系数法对组合模型进行赋权。李菁[5]运用基因表达式编程（GEP）方法，基于武汉市1990-2005年的数据，构建了武汉市年电力消费预测模型，结果显示该预测模型计算的电力需求预测误差平均为3.5%。
　　绝大部分文献在预测方法上只采用了单一模型，但是单一模型的假设条件以及适用范围，使其应用起来存在很多的局限性，并且使许多有用的经济信息得不到充分的利用。而对单一模型进行适当的组合，则可以有效地利用已有的信息资源，使预测结果具有更高的可信度。因此，一些作者对单一模型进行了组合，但是大多数文献都采用了加权的组合预测模型，而加权组合预测模型在权重的选择上，又存在很大的主观性。本文采用含周期性残差修正的IGM组合模型，避免了权重的选择，使预测结果更加客观准确和具有更高的可信度，并充分挖掘了时间序列的本质特征以及灰色系统所提供的信息。
转载注明来源:https://www.xzbu.com/3/view-4795956.htm