工业化、城镇化进程中电力需求分析及预测.

《工业化、城镇化进程中电力需求分析及预测.》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、工业化、城镇化进程中电力需求分析及预测摘要：随着工业化、城镇化进程的不断加快，我国电力需求量将持续上升。电力的充足供应是我国经济稳步发展的重要保证，故合理准确的对电力需求进行分析及预测具有重耍的现实意义。基于此，分析我国电力需求现状，利用通径分析筛选电力消费需求的核心驱动因素。在模型选择的基础上，基于单变量（ETS.ARIMA模型）和多变量（情景分析）两个维度进行电力需求量分析及预测。结果表明：CDP每提高1%使得电力需求量提高0.5249%；工业化水平每提高1%使得电力需求量提高2.2146%,城镇

2、化水平每提高1%使电力需求量相应提高1.0076%。“十二五”末中国电力消费需求量将近61425.96KW/h,2020年中国电力消费需求将近81410.10KW/ho关键词：预测科学；ETS：ARIMA；通径分析；电力需求中图分类号：F062.1文章标识码：A文章编号:1007-3221（2015）01-0164-09问题提岀随着我国经济的快速发展，工业化、城镇化进程也随之加快。电力行业作为我国国民经济的一项基础产业，是我国经济发展战略中必不可少的支柱型产业。充足的电力牛产和供应能够为我国经济稳步发

3、展，人民牛•活水平的提高以及社会整体的进步提供决定性的条件，同时电力供给不足将会对国民经济的发展起到阻碍作用。作为能源牛产大国和重要的能源输出地，为保证经济发展，满足不断增长的能源消费需求，自改革开放以来我国不断加大能源的科学开发力度，加大能源基础配套设施建设，加快能源结构调整步伐。能源等矿产资源大规模开发与转化不仅为全国经济的快速发展提供了重耍支撑，而且为世界的能源供应和能源安全做出了应有的贡献。电力行业更是在我国经济的发展中起到了积极的支撑作用。但是经济发展过快的同时导致对电力需求的日趋加大，电力

4、供应出现了紧张的局势。我国2002年曾出现过大范围缺电，2004年缺电的省份曾达24个。中国从2003年开始就面临比较严重的电力短缺问题。因此，如何保证电力供应和国民经济的可持续发展是我国“十二五”期间需耍解决的重大问题之一。在现阶段，我国市场机制发展仍然不健全，高速度经济发展很可能带来周期性的电力短缺。为保证我国经济发展的稳定以及相关能源政策的制定，电力消费需求的分析及预测成为一个重要的问题。1文献综述截止冃前，国内外对能源需求的研究文献相对丰富，对电力需求的分析及预测也是屡见不鲜。能源需求问题越来

5、越多地吸引到了科研工作者的目光。就相关的问题，本文从多个角度与层次对电力需求问题进行了探讨。主要的研究集中在以下两方血：（1）电力需求的驱动因素：在驱动因素方面，大量研究表明能源的需求量与经济增长、人口数量、经济结构等因素有关。Kraft通过对美国GNP与电力小芬的关系研究，利用Granger因果检验的方法发现GNP到电力的单向因果关系。Silk和Joutz利用协整的方法对美国居民电力消费的研究及需求预测，也发现了GDP与电力需求有关。Thoma对美国的经济产出和电力消费分部门进行了实证分析，Gran

6、ger因果检验表明经济增长能够引起电力消费的变化。SteenhofPA,FultonW在研究中国的电力需求和供给决策的驱动力方面认为该框架包括技术和社会经济的驱动力，包括那些影响电力需求的因素，即经济增长，结构，能源效率，城市化，人均收入的变化，电力供应等。林伯强针对中国电力消费的研究中利用资本存量、人力资本与电力消费三要素的生产函数，采用计量经济学的分析方法:协整分析和误差修正模型及Granger因果检验方法，研究中国电力消费与经济增长之间的关系发现，中国电力消费与经济增长具有内生性，且互为因果关系

7、。王海鹏等运用协整理论和Granger因果关系实证研究了我国电力消费和经济增长之间的协整关系和因果关系，通过建立误差修正模型分别描述了电力消费和经济增长之间的长期均衡关系和短期动态关系，Granger因果检验表明电力消费和经济增长Z间存在双向的因果关系。（2）电力需求的预测方法：在研究电力需求所用方法上，朱忠烈、杨宗麟等按照电力需求预测方法的理论基础，总结预测方法总体分为三种：经典电力需求预测方法、传统电力需求预测方法及现代电力需求预测方法。经典电力需求预测方法主要有：单耗法、弹性系数法、负荷密度法与

8、分部门法等。传统电力需求预测方法主要有时间序列平滑法、回归模型法、趋势外推法与相关分析法。现代电力需求预测方法主要有灰色预测法、神经网络预测法、小波分析法、模糊预测法、状态空间与卡尔曼滤波及优化组合预测法。同时随着智能算法的不断发展，预测方法从传统的时间序列平滑法、回归模型法、趋势外推法与相关分析法发展到现在的模糊集、粗糙集、支持向量机、遗传算法等智能化方法已被广泛引入到能源预测中。例如YukunBao提出了一种新颖的multiple-step-ahea