论文部分内容阅读
摘要：本文主要工作是对厦门地区GDP与电力负荷之间的关系进行分析并建立对应的数学模型，藉借外界权威机构对GDP预测的数据，通过选择最符合厦门地区电网发展情况的数学模型来预测未来若干年内厦门地区的电力负荷需求，并给出厦门地区未来10年内电力负荷需求的参考数据，作为厦门电网调度、选址规划建设的决策依据。
1、电力负荷预测的意义
电力系统负荷预测是电力需求侧管理（DSM）中最重要的研究领域之一，其预测的准确程度不仅直接影响电网的规划发展、安全经济运行，也是衡量电网企业是否真正走向成熟，实现科技智能的重要标志。
它与国民生产总值GDP之间的关系密不可分，是指导客户改变用电方式，降低生产成本的有效信息来源，在电力系统自动化迅猛发展的今天，运用科学的方法更加准确的预测厦门电网的发展需求显得更加迫切。
2、电力负荷回归预测技术
电力负荷回归预测模型技术就是根据负荷或者电量的历史资料和数据，建立可以进行数据分析的数学模型，对未来的负荷或者电量进行预测。从数学上看，就是利用数理统计中的回归分析方法，即通过对变量的分析进行数据统计测算，确定变量之间的相关关系，从而实现预测的目的。
3、厦门地区电力负荷预测回归预测技术应用
3.1厦门地区电网历史数据
表1：厦门地区1998——2009电力负荷及供售电情况一览表
年份 供电量（万千瓦时） 售电量（万千瓦时） 线损 年最高负荷（万千瓦） 月平均负荷率（%） 年售电量比增 年最高负荷比增
1998 321234 302601 5.8 60.37 76.8 13.44% 15.39%
1999 365942 357487 2.31 67.67 78.16 18.14% 12.09%
2000 429765 415274 3.37 79.58 78.67 16.16% 17.60%
2001
493227 475411 3.61 92.9 78 14.48% 16.74%
2002 585610 566309 3.3 106.67 79.9 19.12% 14.82%
2003 683744 661083 3.31 121.13 81.83 16.74% 13.56%
2004 755261 737200 2.39 131.8 86.59 11.51% 8.81%
2005 911004 869330 3.16 161.3 82.32 17.92% 22.38%
2006 1005018 974009 3.05 188.5 80.16 12.04% 16.86%
2007 1154722 1119419 2.97 215 81.22 14.93% 14.06%
2008 1220881 1184994 2.83 231 79.6 5.86% 7.44%
2009 1256288 1219839 2.83 249.6 79.58 2.94% 8.05%
3.2廈门地区国民生产总值历年数据及其未来预测表
厦门大学与新加坡国立大学2010年2月6日发布中国季度宏观经济模型（CQMM）预测报告说，2010年中国可实现GDP9.13%的增速，但是，2011年之后，GDP增长率将回落到8.51%。
则按此预测可以得出：
表2：厦门地区国民生产总值历年数据及其未来预测表
年份 GDP（万元） GDP增长比率
1998 4031676 12.39%
1999 4405368 9.27%
2000 5018706 13.92%
2001 5583268 11.25%
2002 6483570 16.13%
2005 10065831 13.39%
2006 11680229 16.04%
2007 13878520 18.82%
2008 15600218 12.41%
2009 16232100 4.05%
2010 17714090.73 9.13%
2011 19219788.44 8.50%
2012 20853470.46 8.50%
2013 22626015.45 8.50%
2014 24549226.76 8.50%
2015 26635911.04 8.50%
2016 28899963.47 8.50%
2017 31356460.37 8.50%
2018 34021759.5 8.50%
2019 36913609.06 8.50%
2020 40051265.83 8.50%
3.3厦门地区（GDP/电力负荷）回归预测模型效果比较
3.3.1：以厦门地区1998-2009年的数据分别按照附表3的预测模型对电力负荷数据进行预测，结果如下：
表3：回归预测模型预测结果一览表
预测模型名称 相关系数 剩余标准差 结论
一元线性回归预测 9.920249541110489e-001 3.254603876571586e+005 精度尚可
一元二次非线性回归预测 9.949059973979481e-001 2.601124401489087e+005 精度较高
一元三次非线性回归预测 9.983082752958702e-001 1.498981896111628e+005 精度最高，选取为厦门地区电网需求预测模型
指数函数回归预测 0.8998 1.22e+006 精度较其他方法偏差较大
Gaussian预测 0.9983 1.804e+005 精度较高，不常用的方程
由表3回归预测模型效果比较结果可以看出：
一元三次非线性回归预测模型其相关系数为0.998，剩余标准差为1.498981896111628e+005，一元三次非线性回归预测模型较一元线性回归预测模型、一元二次非线性回归预测模型的预测精度最高，最贴近厦门电网负荷曲线，并符合近期经济形势发展放缓的特点，适用厦门地区电网需求预测，故我们选用一元三次非线性回归预测模型作为厦门地区电力负荷预测的模型。
3.4 厦门地区售电量预测值
由3.3之比较后，我们选用一元三次方程对厦门地区负荷进行预测，将供电量定义为目标函数，GDP定义为变量，使用MATLAB7.0工具，即可得出2010-2020年厦门地区售电量预测值。
进而预测出厦门地区未来售电量发展情况大致为：
表4：厦门地区电量预测结果一览表
年份 一元三次模型
预测结果（高方案） 一元三次模型
预测结果（中方案） 一元三次模型 预测结果（低方案）
2010 123.496 122.27 121.044
2011 144.334 142.4 140.466
2012 152.171 149.08 145.989
2013 164.657 159.83 155.003
2014 176.018 168.69 161.362
2015 188.372 177.52 166.668
2016 199.794 184.05 168.306
2017 216.858 194.4 171.942
2018 231.674 200.08 168.486
2019 250.923 206.99 163.057
2020 274.836 214.34 153.844
我们将预测结果的中方案选择为下一阶段电网发展规划的参考资料，预计2010年厦门地区售电量将达到122亿千瓦时， 2015年厦门地区售电量将达到177.5亿千瓦时，2020年厦门地区售电量将达到214亿千瓦时。
参考文献：
[1] 王敬敏,任荣艳.虚拟变量法在用电量预测中的应用[J]. 电力需求侧管理, 2007.
[2] 牛东晓,曹树华,卢建昌,赵磊. 电力负荷预测技术及其应用[M].中国电力出版社,2009.
[3] 厦门市国民经济和社会发展统计公报[R].厦门统计局2005——2009.
注：文章内所有公式及图表请用PDF形式查看。
1、电力负荷预测的意义
电力系统负荷预测是电力需求侧管理（DSM）中最重要的研究领域之一，其预测的准确程度不仅直接影响电网的规划发展、安全经济运行，也是衡量电网企业是否真正走向成熟，实现科技智能的重要标志。
它与国民生产总值GDP之间的关系密不可分，是指导客户改变用电方式，降低生产成本的有效信息来源，在电力系统自动化迅猛发展的今天，运用科学的方法更加准确的预测厦门电网的发展需求显得更加迫切。
2、电力负荷回归预测技术
电力负荷回归预测模型技术就是根据负荷或者电量的历史资料和数据，建立可以进行数据分析的数学模型，对未来的负荷或者电量进行预测。从数学上看，就是利用数理统计中的回归分析方法，即通过对变量的分析进行数据统计测算，确定变量之间的相关关系，从而实现预测的目的。
3、厦门地区电力负荷预测回归预测技术应用
3.1厦门地区电网历史数据
表1：厦门地区1998——2009电力负荷及供售电情况一览表
年份 供电量（万千瓦时） 售电量（万千瓦时） 线损 年最高负荷（万千瓦） 月平均负荷率（%） 年售电量比增 年最高负荷比增
1998 321234 302601 5.8 60.37 76.8 13.44% 15.39%
1999 365942 357487 2.31 67.67 78.16 18.14% 12.09%
2000 429765 415274 3.37 79.58 78.67 16.16% 17.60%
2001
493227 475411 3.61 92.9 78 14.48% 16.74%
2002 585610 566309 3.3 106.67 79.9 19.12% 14.82%
2003 683744 661083 3.31 121.13 81.83 16.74% 13.56%
2004 755261 737200 2.39 131.8 86.59 11.51% 8.81%
2005 911004 869330 3.16 161.3 82.32 17.92% 22.38%
2006 1005018 974009 3.05 188.5 80.16 12.04% 16.86%
2007 1154722 1119419 2.97 215 81.22 14.93% 14.06%
2008 1220881 1184994 2.83 231 79.6 5.86% 7.44%
2009 1256288 1219839 2.83 249.6 79.58 2.94% 8.05%
3.2廈门地区国民生产总值历年数据及其未来预测表
厦门大学与新加坡国立大学2010年2月6日发布中国季度宏观经济模型（CQMM）预测报告说，2010年中国可实现GDP9.13%的增速，但是，2011年之后，GDP增长率将回落到8.51%。
则按此预测可以得出：
表2：厦门地区国民生产总值历年数据及其未来预测表
年份 GDP（万元） GDP增长比率
1998 4031676 12.39%
1999 4405368 9.27%
2000 5018706 13.92%
2001 5583268 11.25%
2002 6483570 16.13%
2005 10065831 13.39%
2006 11680229 16.04%
2007 13878520 18.82%
2008 15600218 12.41%
2009 16232100 4.05%
2010 17714090.73 9.13%
2011 19219788.44 8.50%
2012 20853470.46 8.50%
2013 22626015.45 8.50%
2014 24549226.76 8.50%
2015 26635911.04 8.50%
2016 28899963.47 8.50%
2017 31356460.37 8.50%
2018 34021759.5 8.50%
2019 36913609.06 8.50%
2020 40051265.83 8.50%
3.3厦门地区（GDP/电力负荷）回归预测模型效果比较
3.3.1：以厦门地区1998-2009年的数据分别按照附表3的预测模型对电力负荷数据进行预测，结果如下：
表3：回归预测模型预测结果一览表
预测模型名称 相关系数 剩余标准差 结论
一元线性回归预测 9.920249541110489e-001 3.254603876571586e+005 精度尚可
一元二次非线性回归预测 9.949059973979481e-001 2.601124401489087e+005 精度较高
一元三次非线性回归预测 9.983082752958702e-001 1.498981896111628e+005 精度最高，选取为厦门地区电网需求预测模型
指数函数回归预测 0.8998 1.22e+006 精度较其他方法偏差较大
Gaussian预测 0.9983 1.804e+005 精度较高，不常用的方程
由表3回归预测模型效果比较结果可以看出：
一元三次非线性回归预测模型其相关系数为0.998，剩余标准差为1.498981896111628e+005，一元三次非线性回归预测模型较一元线性回归预测模型、一元二次非线性回归预测模型的预测精度最高，最贴近厦门电网负荷曲线，并符合近期经济形势发展放缓的特点，适用厦门地区电网需求预测，故我们选用一元三次非线性回归预测模型作为厦门地区电力负荷预测的模型。
3.4 厦门地区售电量预测值
由3.3之比较后，我们选用一元三次方程对厦门地区负荷进行预测，将供电量定义为目标函数，GDP定义为变量，使用MATLAB7.0工具，即可得出2010-2020年厦门地区售电量预测值。
进而预测出厦门地区未来售电量发展情况大致为：
表4：厦门地区电量预测结果一览表
年份 一元三次模型
预测结果（高方案） 一元三次模型
预测结果（中方案） 一元三次模型 预测结果（低方案）
2010 123.496 122.27 121.044
2011 144.334 142.4 140.466
2012 152.171 149.08 145.989
2013 164.657 159.83 155.003
2014 176.018 168.69 161.362
2015 188.372 177.52 166.668
2016 199.794 184.05 168.306
2017 216.858 194.4 171.942
2018 231.674 200.08 168.486
2019 250.923 206.99 163.057
2020 274.836 214.34 153.844
我们将预测结果的中方案选择为下一阶段电网发展规划的参考资料，预计2010年厦门地区售电量将达到122亿千瓦时， 2015年厦门地区售电量将达到177.5亿千瓦时，2020年厦门地区售电量将达到214亿千瓦时。
参考文献：
[1] 王敬敏,任荣艳.虚拟变量法在用电量预测中的应用[J]. 电力需求侧管理, 2007.
[2] 牛东晓,曹树华,卢建昌,赵磊. 电力负荷预测技术及其应用[M].中国电力出版社,2009.
[3] 厦门市国民经济和社会发展统计公报[R].厦门统计局2005——2009.
注：文章内所有公式及图表请用PDF形式查看。