摘 要：電力需求是經(jīng)濟發(fā)展的晴雨表。電力需求的預測對電力部門及相關經(jīng)濟部門的工作具有重要意義。全社會用電量是反映電力需求的一個重要指標。本文通過分析我國2007年7月-2012年6月全社會用電量的月度數(shù)據(jù)，建立時間序列ARIMA乘積季節(jié)模型，并對未來6個月的全社會用電量進行了預測，希望能對有關部門起到一定的參考作用。
關鍵詞：全社會用電量，ARIMA乘積季節(jié)模型，預測
一、引言
眾所周知，電力在國民經(jīng)濟發(fā)展中占有極其重要的地位，為國民經(jīng)濟中各個行業(yè)的發(fā)展提供能源供給和動力支持。電力需求的發(fā)展變化與經(jīng)濟發(fā)展情況密切相關，電力需求的增長越強勁，往往經(jīng)濟的增長也越迅速，而電力需求增長緩慢時，通常經(jīng)濟的增長也相對乏力?？梢哉f，電力需求是經(jīng)濟發(fā)展的晴雨表。安全、穩(wěn)定和充足的電力供應，是國民經(jīng)濟健康穩(wěn)定持續(xù)快速發(fā)展的重要前提條件。電力發(fā)展與經(jīng)濟發(fā)展必須相協(xié)調，如果電力出現(xiàn)了短缺或者過剩，都將會在一定程度上影響經(jīng)濟的健康發(fā)展。因此，電力需求預測對電力部門以及相關經(jīng)濟部門的工作具有極其重要的意義。
本文研究我國全社會用電量的發(fā)展變化趨勢并對其進行預測。通過分析我國2007年7月至2012年6月的全社會用電量的月度數(shù)據(jù)，建立求和自回歸移動平均模型，即ARIMA模型，具體采用了乘積季節(jié)模型，并給出模型建立的具體過程，利用該模型分析預測未來6個月的全社會用電量。
二、我國電力需求現(xiàn)狀
近年來，我國經(jīng)濟發(fā)展十分迅速，各個產(chǎn)業(yè)對能源的需求也與日俱增。電力作為一種清潔、易于控制、易于轉換形式、又能實現(xiàn)大規(guī)模生產(chǎn)和遠距離輸送的能源，被廣泛使用。新中國成立后，黨和政府高度重視能源工業(yè)特別是電力工業(yè)的發(fā)展。隨著經(jīng)濟的快速增長，電力的需求量也呈現(xiàn)出迅速增長的態(tài)勢。在未來的時間里，隨著我國電源結構的優(yōu)化，水電、核電、氣電、清潔煤發(fā)電和新能源發(fā)電等清潔電力的迅速發(fā)展，以及全社會電氣化水平的進一步提高，全社會對電力的供應和需求也將會有進一步的增長。
三、模型與數(shù)據(jù)
在時間序列分析中，ARIMA乘積季節(jié)模型是一種理論上成熟的算法，它對周期性變化序列有較高的預測準確度。我國全社會用電量的月度數(shù)據(jù)具有隨機性，包含一定的季節(jié)性和趨勢規(guī)律，可嘗試采用ARIMA乘積季節(jié)模型進行分析建模。
本文研究指標為全社會用電量。全社會用電量是反映電力需求的一個重要的指標。它是指各個用電領域的電能消耗總量，包括工業(yè)用電、農(nóng)業(yè)用電、商業(yè)用電、居民用電、公共設施用電以及其它用電等。隨著我國經(jīng)濟的迅速發(fā)展，全社會對電的需求量也在不斷地擴大，全社會用電量呈現(xiàn)出一定的長期增長趨勢。而由于經(jīng)濟、季節(jié)、氣候、政策、人口等相關因素的影響，全社會用電量的月度數(shù)據(jù)呈現(xiàn)出一定的周期性循環(huán)波動和隨機性波動。
本文所用的數(shù)據(jù)為我國2007年7月至2012年6月的全社會用電量的月度數(shù)據(jù)。數(shù)據(jù)的選取主要考慮到研究對象的特點以及盡量保證樣本量的充足，同時也考慮到數(shù)據(jù)的可得性。數(shù)據(jù)來源于國家能源局網(wǎng)站、中商情報網(wǎng)和中華人民共和國中央人民政府網(wǎng)等。
四、建模過程
1 繪制觀察值序列時序圖
以橫坐標為時間（單位：月），縱坐標為觀察值x，即全社會用電量（單位：億千瓦時）。用SAS軟件繪制觀察值序列時序圖，如圖1所示。
圖1 我國月度全社會用電量序列時序圖
從時序圖可以看出，該序列明顯非平穩(wěn)，既含有長期增長趨勢，又含有以年為周期的季節(jié)效應。
2 差分平穩(wěn)化
對原觀察值序列作1階差分希望提取趨勢效應，再做12步差分希望提取季節(jié)效應，差分后序列的時序圖顯示，差分后的序列類似平穩(wěn)。
考察差分后序列的隨機性，進行白噪聲檢驗，取顯著性水平為0.05，檢驗結果顯示，延遲6階、12階、24階、30階和36階的 檢驗統(tǒng)計量的P值分別為0.0055、0.0351、0.0027、0.0044和0.0007，都小于0.05，所以該差分后的序列不能視為白噪聲序列，即差分后序列還蘊含著不容忽視的相關信息可供提取。
3 模型定階
為了進一步判斷平穩(wěn)性，并估計擬合模型階數(shù)，考察差分后序列的自相關圖，如圖2所示。
圖2 我國月度全社會用電量1階12步差分后序列自相關圖
由差分后序列的自相關圖可以看出，延遲12步和24步的自相關系數(shù)較大，說明差分后序列中仍蘊含著顯著的季節(jié)效應。延遲1步的自相關系數(shù)大于2倍標準差，說明差分后序列還具有短期相關性。 觀察差分后序列的偏自相關圖可以得到與此一致的結論。
分別為0.9696、0.9048、0.9666、0.8010。取顯著性水平0.05，由于P值都大于0.05，殘差序列可以視為白噪聲序列。
用AIC準則和SBC準則判斷模型的優(yōu)劣。由表中結果可以看出，模型一、模型二、模型三、模型四的AIC值分別為625.1659、637.7824、637.4804、622.9597，SBC值分別為628.8662、641.4827、641.1807、626.66?？梢钥闯?，模型四ARIMA(0,1,1)×(0,1,1)12的AIC和SBC值都是四個模型中最小的。因此，該模型相對較優(yōu)。
五、預測和結論
用該模型對未來6個月中每個月的全社會用電量作預測，結果如表1所示。由結果可以看出，該模型的擬合效果良好，擬合精度較高。
表1 未來6個月的全社會用電量預測值
時間
預測值
標準誤差
95%的置信區(qū)間
