摘要：在“雙碳”的目標(biāo)之下，我國(guó)新能源汽車市場(chǎng)快速發(fā)展，充電設(shè)施作為其配套服務(wù)行業(yè)，現(xiàn)已成為支撐新能源汽車產(chǎn)業(yè)發(fā)展的重要因素?；诖?，選取我國(guó)2019年1月—2023年12月新能源汽車公共充電樁保有量進(jìn)行預(yù)測(cè)，運(yùn)用R軟件建立ARIMA模型，并對(duì)模型進(jìn)行檢驗(yàn)及擬合，同時(shí)用已有數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明該模型的預(yù)測(cè)效果較好，具有一定參考價(jià)值。

關(guān)鍵詞：ARIMA模型；新能源汽車；公共充電樁；保有量預(yù)測(cè)

中圖分類號(hào)：U469.7? 收稿日期：2024-03-20

DOI：1019999/jcnki1004-0226202405024

1 前言

隨著全球氣候變化和環(huán)境問(wèn)題日益嚴(yán)峻，綠色低碳高質(zhì)量發(fā)展已成為各國(guó)共同追求的目標(biāo)。在這一目標(biāo)下，我國(guó)新能源汽車市場(chǎng)迅猛發(fā)展，而充電樁作為新能源汽車產(chǎn)業(yè)鏈下游的重要環(huán)節(jié)，在國(guó)家政策的大力支持和市場(chǎng)需求的帶動(dòng)下，其市場(chǎng)從初步發(fā)展到新基建的確立，逐步走向成熟，有著非常廣闊的前景。

近年來(lái)，國(guó)內(nèi)眾多學(xué)者對(duì)新能源汽車充電樁相關(guān)問(wèn)題進(jìn)行了研究，并發(fā)表自己的觀點(diǎn)。例如，董恒祥等[1]對(duì)目前新能源汽車充電樁存在的問(wèn)題進(jìn)行了分析，最后針對(duì)今后充電設(shè)施行業(yè)的發(fā)展趨勢(shì)進(jìn)行了探索。許丙坤等[2]對(duì)新能源汽車充電樁新基建存在的問(wèn)題進(jìn)行分析，并提出相應(yīng)的解決策略，促進(jìn)新能源汽車行業(yè)的可持續(xù)發(fā)展。通過(guò)上述文獻(xiàn)可以看出，國(guó)內(nèi)學(xué)者的研究?jī)H停留在市場(chǎng)政策方面，對(duì)新能源汽車公共充電樁保有量預(yù)測(cè)的研究幾乎沒(méi)有。公共充電樁是為社會(huì)全部或部分車輛提供充電服務(wù)而進(jìn)行建設(shè)運(yùn)營(yíng)的充電樁。為了解我國(guó)新能源汽車公共充電樁市場(chǎng)未來(lái)的需求，本文將建立預(yù)測(cè)模型，并對(duì)新能源汽車公共充電樁保有量進(jìn)行預(yù)測(cè)。

結(jié)合本文所收集數(shù)據(jù)的特征，采用ARIMA模型較為合適，此模型理論成熟，應(yīng)用廣泛。例如繆輝等[3]采用ARIMA模型對(duì)我國(guó)新能源汽車的月度銷量數(shù)據(jù)進(jìn)行預(yù)測(cè)，表明模型具有良好性能。王旭天等[4]選用我國(guó)汽車銷售月度數(shù)據(jù)，構(gòu)建具有季節(jié)性的ARIMA模型預(yù)測(cè)，模型合理有效。綜上所述，本文將通過(guò)建立ARIMA模型對(duì)我國(guó)新能源汽車公共充電樁保有量進(jìn)行預(yù)測(cè)分析。

2 數(shù)據(jù)描述

為預(yù)測(cè)分析我國(guó)新能源汽車公共充電樁保有量的趨勢(shì)和變化，本文通過(guò)收集我國(guó)充電聯(lián)盟發(fā)布的數(shù)據(jù)，整理得到2019年1月—2023年12月（共計(jì)60個(gè)月）各月新能源汽車公共充電樁保有量數(shù)據(jù)。根據(jù)該數(shù)據(jù)繪制出新能源汽車公共充電樁保有量的時(shí)間序列趨勢(shì)圖，如圖1所示，可以觀察發(fā)現(xiàn)總體呈上升趨勢(shì)，且時(shí)序圖存在季節(jié)性。

3 模型概述

ARIMA（p，d，q）模型可以將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列并對(duì)序列進(jìn)行科學(xué)的預(yù)測(cè)。該模型數(shù)學(xué)表達(dá)式為：

[φ（B）Δ（D）Xt=θ（B）at]? ? ? ? ? ? ? ? ? ? ? （1）

式中，B為延遲算子；Δ為差分算子；[Xt]為時(shí)間序列。at為白噪聲序列；[φ（B）]及[θ（B）]分別為自回歸算子和移動(dòng)平均算子。

但由于所用數(shù)據(jù)的時(shí)序圖存在季節(jié)性，需要消除季節(jié)性的影響，因此選用季節(jié)性ARIMA模型預(yù)測(cè)更為合適。即ARIMA（p，d，q）（P，D，Q）m，其中p為自回歸階數(shù)，P為季節(jié)性自回歸階數(shù)，d為差分次數(shù)，D為季節(jié)性差分次數(shù)，q為移動(dòng)平均項(xiàng)，Q為季節(jié)性移動(dòng)平均項(xiàng)，m為每一季節(jié)的周期值。

4 模型構(gòu)建

41 平穩(wěn)性檢驗(yàn)

平穩(wěn)性檢驗(yàn)可以檢驗(yàn)時(shí)間序列數(shù)據(jù)是否平穩(wěn)，可使用ADF檢驗(yàn)來(lái)判斷，計(jì)算結(jié)果顯示原序列p=099>005，不能拒絕原假設(shè)，此序列不平穩(wěn)。原序列數(shù)據(jù)是呈線性上升的，為了消除線性趨勢(shì)，需要進(jìn)行一階差分（d=1），一階差分后發(fā)現(xiàn)新序列依然不平穩(wěn)，考慮序列具有周期為12的季節(jié)性。為了消除季節(jié)性進(jìn)行一階12步差分（d=1，s=12），再對(duì)一階12步差分序列進(jìn)行ADF檢驗(yàn)，得到p>001，此時(shí)拒絕原假設(shè)，此序列平穩(wěn)，結(jié)果見(jiàn)圖2。

42 純隨機(jī)檢驗(yàn)（白噪聲檢驗(yàn)）

為了確定平穩(wěn)序列是否值得繼續(xù)分析下去，需要進(jìn)行純隨機(jī)檢驗(yàn)。檢驗(yàn)結(jié)果顯示p值為00044<005，則拒絕原假設(shè)，時(shí)間序列為非白噪聲序列，該序列可以進(jìn)行模型擬合。

43 模型識(shí)別

對(duì)一階12步季節(jié)差分后的序列繪制自相關(guān)圖（ACF）和偏自相關(guān)圖（PACF），如圖3所示。對(duì)于非季節(jié)項(xiàng)，只做了一階非季節(jié)差分d=1，從PACF看出p=0或2，從ACF看出q=0。而對(duì)于季節(jié)項(xiàng)，也只做了一階季節(jié)差分D=1，從PACF看出P=1，從ACF看出Q=0。根據(jù)R軟件自動(dòng)定階及結(jié)合ACF、PACF圖，選出以下三種模型：ARIMA（0，1，0）（1，1，0）12；ARIMA（2，1，0）（0，1，0）12；ARIMA（2，1，0）（1，1，0）12。

44 模型檢驗(yàn)

441 模型顯著性檢驗(yàn)

模型顯著性檢驗(yàn)即殘差序列應(yīng)該為白噪聲序列，白噪聲統(tǒng)計(jì)量的p>005時(shí)，模型的殘差序列為白噪聲序列，即該擬合模型顯著成立。根據(jù)R軟件運(yùn)算結(jié)果見(jiàn)表1。從表1可以看到模型ARIMA（0，1，0）（1，1，0）12延遲6、12、18階的模型顯著性檢驗(yàn)p值均大于005的顯著性水平，該擬合模型有效。模型ARIMA（2，1，0）（0，1，0）12只有延遲6階的模型顯著性p值為04574，大于顯著性005，而延遲12階及18階的模型顯著性均小于005，該擬合的模型不顯著。模型ARIMA（2，1，0）（1，1，0）12延遲6、12、18階的模型顯著性檢驗(yàn)p值均大于005的顯著性水平，認(rèn)為該擬合模型有效。綜上所述，模型ARIMA（2，1，0）（0，1，0）12的p值小于005，故剔除。

442 參數(shù)顯著性檢驗(yàn)

為了使模型精簡(jiǎn)高效，構(gòu)造參數(shù)顯著性檢驗(yàn)，可調(diào)用pt函數(shù)求出p值。運(yùn)行結(jié)果顯示余下兩個(gè)模型t統(tǒng)計(jì)量的值均小于005，拒絕原假設(shè)，參數(shù)均顯著有效。

5 模型優(yōu)化

AIC函數(shù)及BIC函數(shù)達(dá)到最小的模型為相對(duì)最優(yōu)模型。根據(jù)表2所示結(jié)果進(jìn)行對(duì)比可知，相對(duì)最優(yōu)模型為ARIMA（2，1，0）（1，1，0）12，它的基本公式為：

（1-2362×10B-7380×10-4B2）（1-6089×10-7B12）

（1-B）（1-B12）Xt=at? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

式中，B為延遲算子；at為白噪聲序列；Xt為月度充電樁保有量數(shù)據(jù)。

6 模型預(yù)測(cè)

首先利用建立的ARIMA模型對(duì)新能源汽車公共充電樁保有量進(jìn)行預(yù)測(cè)，結(jié)果如圖4所示。圖中非陰影部分線條為實(shí)際值，陰影部分線條為擬合值，陰影部分置信水平為R軟件默認(rèn)的995%的預(yù)測(cè)值置信區(qū)間，可以直觀看到預(yù)測(cè)值折線落在此區(qū)間內(nèi)，而且呈現(xiàn)明顯的上升趨勢(shì)。

然后選取了2023年12月—2024年2月的真實(shí)值與預(yù)測(cè)值做對(duì)比，結(jié)果見(jiàn)表3。表3中預(yù)測(cè)值都落在概率為995%的區(qū)間數(shù)值內(nèi)，說(shuō)明模型擬合效果較好。為了更好地評(píng)價(jià)模型真實(shí)值與預(yù)測(cè)值的預(yù)測(cè)誤差，選用相對(duì)百分比誤差（RPE）和平均絕對(duì)百分比誤差（MAPE）評(píng)價(jià)，RPE和MAPE越小，說(shuō)明模型的預(yù)測(cè)效果越好，根據(jù)計(jì)算可知兩個(gè)月的相對(duì)百分比誤差都控制在4%以下，同時(shí)MAPE為315%，也在4%以下。

最后，通過(guò)觀察預(yù)測(cè)的時(shí)序圖以及計(jì)算誤差率兩種方法，都證明了本文所建立的保有量預(yù)測(cè)模型效果較好。

7 結(jié)語(yǔ)

本文通過(guò)收集我國(guó)2019年1月—2023年12月新能源汽車公共充電樁保有量數(shù)據(jù)，利用R軟件建立ARIMA預(yù)測(cè)模型，模型通過(guò)平穩(wěn)性、純隨機(jī)等檢驗(yàn)，并對(duì)比真實(shí)值與預(yù)測(cè)值，結(jié)果表明ARIMA（2，1，0）（1，1，0）12模型擬合效果較好且預(yù)測(cè)精度較高。

隨著新能源汽車市場(chǎng)的不斷擴(kuò)大和技術(shù)的不斷進(jìn)步，充電樁建設(shè)是新能源車產(chǎn)業(yè)可持續(xù)發(fā)展的重要支撐，為推動(dòng)我國(guó)新能源汽車充電基礎(chǔ)設(shè)施進(jìn)一步發(fā)展，相關(guān)部門應(yīng)采取措施鼓勵(lì)企業(yè)加大充電樁的投資和建設(shè)力度，確保充電站點(diǎn)的密度和覆蓋面進(jìn)一步提高。尤其是中小城市和農(nóng)村地區(qū)，鼓勵(lì)企業(yè)增加對(duì)這些地區(qū)的投資，實(shí)現(xiàn)充電基礎(chǔ)設(shè)施的均衡發(fā)展。同時(shí)為了保障充電樁的正常運(yùn)營(yíng)和用戶體驗(yàn)，相關(guān)部門可加強(qiáng)對(duì)充電樁運(yùn)營(yíng)企業(yè)的監(jiān)督和管理。最后國(guó)有品牌應(yīng)積極提升電動(dòng)化智能化技術(shù)水平，增強(qiáng)我國(guó)新能源汽車產(chǎn)業(yè)競(jìng)爭(zhēng)力。

參考文獻(xiàn)：

[1]董恒祥，潘江如，趙晴，等新能源汽車充電設(shè)施行業(yè)現(xiàn)狀與發(fā)展趨勢(shì)分析[J]時(shí)代汽車，2022（10）：128-129+132

[2]許丙坤，邱盈飚，牛志偉，等新能源汽車充電樁新基建存在問(wèn)題與解決策略[J]汽車測(cè)試報(bào)告，2023（19）：146-148

[3]繆輝，唐晨添，羅露璐基于ARIMA模型的新能源汽車銷量預(yù)測(cè)[J]企業(yè)科技與發(fā)展，2020（10）：97-98

[4]王旭天，李政遠(yuǎn)，舒慧生基于SARIMA的我國(guó)汽車銷量預(yù)測(cè)分析[J]中國(guó)市場(chǎng)，2016（1）：71-74

作者簡(jiǎn)介

繆輝，男，1994年生，助教，研究方向?yàn)榇髷?shù)據(jù)分析。