陸俊 王一嬌

摘要：本文以成都市總?cè)丝跀?shù)，財政收入，地區(qū)生產(chǎn)總值，社會消費品零售額，全社會固定資產(chǎn)投資額為基礎(chǔ)數(shù)據(jù)，在SPSS19軟件中利用逐步回歸分析法提取出以總?cè)丝跀?shù)，財政收入，全社會固定資產(chǎn)投資額組成的最優(yōu)回歸方程，對成都市2015～2020年逐年的全社會用電量進行預(yù)測。

關(guān)鍵詞：逐步回歸分析；用電量預(yù)測；SPSS19軟件

Abstract：：This article based on the total population， fiscal revenue， GDP， social retail sales of consumer goods， fixed assets investment volume of Chengdu data， utilize the stepwise regression analysis method in the SPSS 19 software and extract the best regression equation which is composed of the total population， fiscal revenue and the fixed assets investment volume to predict 2015～2020 year by year electricity consumption of the whole society of Chengdu.

Keywords： stepwise regression analysis； electricity demand forecasting； SPSS 19 software

1 引言

用電量在國民經(jīng)濟發(fā)展中起著重要的作用[1]，因此對一個地區(qū)用電量的準(zhǔn)確預(yù)測是十分必要的。成都市作為西南地區(qū)的科技，商貿(mào)，金融中心和交通，通訊樞紐，對成都市十三五時期的用電量預(yù)測有著不可或缺的作用。

目前，對于用電量的預(yù)測方法，一些學(xué)者也進行了相應(yīng)的研究，王鵬飛[2]，李艷梅，孫薇[3]，代亮[4]，韓正華[5]，盧鶴挺[6]，李昉[7]，彭鵬[8]，等利用多元線性回歸法對不同地區(qū)的用電量進行了預(yù)測；丁浩[9]在多元回歸的基礎(chǔ)上增加了灰色理論對山東省的用電量進行預(yù)測；王文圣，丁晶[10]基于偏最小二乘回歸對四川省的年用電量進行預(yù)測；何川，蔣曉艷[11]基于一元回歸模型對西藏農(nóng)村的用電量進行預(yù)測；高劍平[12]在對用電量預(yù)測的多元線性回歸模型的基礎(chǔ)上，提出了逐步回歸分析方法。本文通過借鑒相關(guān)的預(yù)測方法，最終采用逐步回歸分析法對成都市用電量進行預(yù)測。

2數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

電力系統(tǒng)是一個復(fù)雜的系統(tǒng)，有很多外界因素都會對其產(chǎn)生影響，基于研究數(shù)據(jù)的可得性，本文選取五個可能影響一個地區(qū)用電量多少的因素作為自變量，以成都市1999-2014年的總?cè)丝?，地區(qū)生產(chǎn)總值，財政收入，社會消費品總額，全社會固定資產(chǎn)投資總額作為樣本空間（表1）。

2.2 研究方法

由于在選擇自變量時可能會出現(xiàn)自變量之間存在多重共線性，在線性回歸模型中，解決自變量之間存在的多重共線性最有效的方法就是逐步回歸分析方法[13]。同時在對用電量進行預(yù)測的過程中，逐步回歸分析法也是有效的[12]。

在本次研究中基于SPSS19軟件對選取的自變量進行逐步回歸分析，在給出的通過有效性檢驗的方程中優(yōu)選一個作為本次用電量預(yù)測的基本方程，然后在此方程的基礎(chǔ)上預(yù)測成都市2015年～2020年逐年的用電量。

3 回歸方程選擇

根據(jù)SPSS19軟件的逐步回歸分析方法得到3個回歸方程，相關(guān)檢驗見表2。

模型1中，F(xiàn)=2303.339，Sig.=0.000，F(xiàn)檢驗通過；t檢驗中，自變量x5的顯著性水平為Sig.=0.000，t檢驗通過?；貧w方程的復(fù)相關(guān)系數(shù)（R）為0.997，多重判定系數(shù)（R方）為0.994，修正多重判定系數(shù)（調(diào)整R方）為0.994，說明全社會用電量的99.4%可由此模型解釋。模型1的回歸方程包含1個自變量，且方程擬合效果較好。

模型2中，F(xiàn)=1666.449，Sig.=0.000，F(xiàn)檢驗通過，t檢驗中，變量x3的顯著性水平為Sig.=0.019，變量x5的顯著性水平為Sig.=0.000，t檢驗通過；回歸方程的復(fù)相關(guān)系數(shù)（R）為0.998，多重判定系數(shù)（R方）為0.996，修正多重判定系數(shù)（調(diào)整R方）為0.996，說明全社會用電量的99.6%可由此模型解釋。模型2的回歸方程包含2個自變量，且方程擬合效果較好。

模型3中，F(xiàn)=1510.602，Sig.=0.000，F(xiàn)檢驗通過，t檢驗中，變量x1的顯著性水平為Sig.=0.035，變量x3的顯著性水平為Sig.=0.003，變量x5的顯著性水平為Sig.=0.001，t檢驗通過。回歸方程的復(fù)相關(guān)系數(shù)（R）為0.999，多重判定系數(shù)（R方）為0.997，修正多重判定系數(shù)（調(diào)整R方）為0.997，說明全社會用電量的99.7%可由此模型解釋。模型1的回歸方程包含3個自變量，且方程擬合效果較好。

根據(jù)表2得到3個回歸方程：

方程一：

全年用電量（Y）=58.591+0.062*全社會固定資產(chǎn)投資額（x5） （1）

方程二：

全年用電量（Y）=66.093+0.039*財政收入（x3）+0.044*全社會固定資產(chǎn)投資額（x5） （2）

方程三：

全年用電量（Y）=-232.912+0.295*總?cè)丝冢▁1）+0.047*財政收入（x3）+0.032*全社會固定資產(chǎn)投資額（x5） （3）

在回歸方程（1）（2）（3）中，回歸方程（1）只包含全社會固定資產(chǎn)投資額一個自變量，說明只有這一個變量對用電量存在顯著影響，這與實際不符，故舍去?；貧w方程（2）（3）均通過F檢驗與t檢驗，在此條件下，多重判定系數(shù)（R方）大的回歸方程對數(shù)據(jù)的擬合程度更好。據(jù)此，通過比較兩個回歸方程的多重判定系數(shù)（R方）的大小來確定最終使用的回歸方程。

回歸方程（2）的多重判定系數(shù)大小為0.996，回歸方程（3）的多重判定系數(shù)大小為0.997，最終選擇回歸方程（3）作為用電量預(yù)測使用的方程。

4 用電量預(yù)測

4.1 總?cè)丝陬A(yù)測

成都市1999年～2014年總?cè)丝谄骄鲩L率約為12‰，假設(shè)2015年～2020年成都市總?cè)丝谠鲩L率為12‰，并以2014年的總?cè)丝跀?shù)作為預(yù)測起始年的基數(shù)，即1210.70萬人，由此預(yù)測2015年～2020年的總?cè)丝跀?shù)，如表3所示。

4.2 財政收入預(yù)測

成都市1999年～2014年的財政收入平均增長率約為27.1%，據(jù)此作為預(yù)測根據(jù)，假設(shè)2015年～2020年成都市財政收入增長率為27.1%，并以2014年財政收入作為預(yù)測起始年的基數(shù)，即3095.3億元，由此預(yù)測2015年～2020年的財政收入，如表3所示。

4.3 全社會固定資產(chǎn)投資額預(yù)測

成都市1999年～2014年的全社會固定資產(chǎn)投資額平均增長率約為20.6%，假設(shè)2015年～2020年成都市全社會固定資產(chǎn)投資額增長率為20.6%，并以2014年全社會固定資產(chǎn)投資額作為預(yù)測起始年的基數(shù)，即6620.4億元，由此預(yù)測2015年～2020年的全社會固定資產(chǎn)投資額，如表3所示。

4.4 用電量預(yù)測

選取成都市1999年～2014年總?cè)丝跀?shù)，財政收入，全社會固定資產(chǎn)投資額作為原始數(shù)據(jù)，運用逐步回歸分析法，根據(jù)預(yù)測的2015年～2020年的總?cè)丝跀?shù)，財政收入，全社會固定資產(chǎn)投資額，代入回歸方程（3）可得2015年～2020年成都市每年的用電量，結(jié)果如表3所示。由表3可知，2015年成都市全社會用電量將達(dá)到569.16億千瓦時，2020年的用電量將達(dá)到1418.05億千瓦時，是2015年的2.49倍。

5 結(jié)論

電力是一個地區(qū)經(jīng)濟發(fā)展的基礎(chǔ)，其關(guān)系著城市居民的生活質(zhì)量，影響著地區(qū)經(jīng)濟的發(fā)展。對成都市2015～2020年全社會的用電量進行預(yù)測分析，為成都市在"十三五"時期的電力發(fā)展規(guī)劃提供了基礎(chǔ)數(shù)據(jù)，同時也為其他項目的展開提供了依據(jù)。

成都市用電量與財政收入，全社會固定資產(chǎn)投資額，人口總數(shù)有著高度的相關(guān)性，但是用電量的增長與它們之間的增長卻不是同步的。一個城市用電量的多少不僅僅是由上述三個因素構(gòu)成，還包括其他很多因素，比如工業(yè)用電量的增加，人均GDP的增長等等。

參考文獻(xiàn)

[1] 盧宏山.電網(wǎng)規(guī)劃在城市規(guī)劃設(shè)計中的運用[J]. 企業(yè)技術(shù)開發(fā)， 2010（15）： 15-17.

[2] 王鵬飛. 多元線性回歸方法在中國用電量預(yù)測中的應(yīng)用研究[J]. 東北電力技術(shù)， 2015， 8： 16-18.

[3] 李艷梅， 孫薇. 多元線性回歸分析在用電量預(yù)測中的作用[J]. 華北電力技術(shù)， 2003.

[4] 代亮， 許宏科， 陳婷， 等. 基于MapReduce的多元線性回歸預(yù)測模型[J]. 計算機應(yīng)用， 2014， 34（7）： 1862-1866.

[5] 韓正華， 吳華. 基于多元回歸的京津唐電網(wǎng)用電量預(yù)測[J]. 華北電力技術(shù)， 2011， （4）： 22-24.

[6] 盧鶴挺. 基于多元線性回歸分析的用電量研究[J]. 中國新技術(shù)新產(chǎn)品， 2015， 7： 99-100.

[7] 李昉， 羅漢武. 基于多元線性回歸理論的河南省用電量預(yù)測[J]. 電網(wǎng)技術(shù)， 2008， 32： 124-126.

[8] 彭鵬， 彭佳紅. 基于多元線性回歸模型的電力負(fù)荷預(yù)測研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)， 2011， 7（9）： 158-161.

[9]丁浩， 榮蓉. 基于多元線性回歸模型和灰色理論的山東省用電量預(yù)測[J]. 河南科學(xué)， 2013， 31（9）： 1535-1539.

[10] 王文圣， 丁晶， 趙玉龍， 等. 基于偏最小二乘回歸的年用電量預(yù)測研究[J]. 中國電機工程學(xué)報， 2003， 23（10）： 17-21.

[11] 何川， 蔣曉艷. 基于一元線性回歸模型的農(nóng)村用電量預(yù)測[J]. 西藏科技， 2013， 10： 74-76.

[12]高劍平. 基于逐步回歸分析的用電量預(yù)測[J]. 能源研究與利用， 2005， （6）： 23-25.

[13]王冬梅， 沈頌東. 逐步回歸分析法[J]. 工業(yè)技術(shù)經(jīng)濟， 1999， 13（3）： 54-57.