基于灰色关联分析及多元回归预测福建省电力需求

基于灰色关联分析及多元回归预测福建省电力需求

王健麟1

福建师范大学经济学院，福州，350000

摘要：本文从产业结构、经济发展水平、人口、外贸、环境因素等维度，选取了八个指标来对福建省电力需求进行实证分析，研究表明福建省的电力需与GDP,人口，产业结构，外贸额，气温等五个因素相关性高，可以为有关部门提供实践参考。

关键词：灰度关联分析；主成分分析；多元模型预测

一、福建省电力需求影响因素分析

影响居民用电需求的因素有很多，如产业结构、GDP、人口规模等，同时出于提高模型的预测精度的考虑，本文也综合考虑外贸与环境因素间相互作用对居民电力需求的影响。

1.1 产业结构

进入“十四五”规划以来，福建省的产业结构进一步进行了调整优化，这也将对电力的需求预测产生影响。数据显示在2005~2020年的15年间，福建省的一二产业占国民经济的权重逐渐降低，而三产服务业的权重逐渐升高。

1.2 区域经济水平

电力需求与区域经济发展水平具有正相关性，在经济处于衰退阶段时，电力需求弹性必然会降低，而当经济处于复苏繁荣阶段时，弹性则会提高。因此，本模型选用GDP来评价区域经济发展的水平。

1.3 外贸因素

根据其他学者的研究表明，外贸对电力需求也会产生显著的影响。出口可以拉动就业和消费提高居民对消费电子的需求。而进口对就业存在边际负效应，不利就业与劳动生产率的提高，从而影响终端的电力需求。

1.4 人口因素

居民用电是福建省电力需求预测中必须的一部分，人口规模的上升势必会导致用电量的上升。

1.5 环境因素

由于温室效应的影响，环境温度与电力的需求预测的相关性也愈来愈显著。考虑到夏季居民空调保有量和增量的提高，可以得出夏季平均气温与电力需求也存在有相关性。

二、模型的构建

2.1 建模思路

基于以上分析预测，本文初步建立需求模型如下：

其中为福建省生产总值，表示福建省第年的电力需求，表示第 年的经济发展水平，表示第 年福建省的产业 结构，表示第 年的人口数量，表示福建省第 年的对外贸易情况，表示第 年福建省的气温情况。

2.2 变量选取及数据来源

上述分析可得，区域经济水平使用GDP为指标，单位为亿元。产业结构、人口规模、外贸因素、环境因素，先初筛选取不同的表征指标。具体如下表所示。

表一 各影响因素简介

在样本的数据来源上，本文主要是来自福建省2005-2020年的统计年鉴，也有部分样本数据来自Csmar数据库，研究中通过对数据进行对数处理的方法，来调整多元回归模型的异方差。

三、实证分析

3.1 影响因素的灰色关联度分析

本文，先通过灰色关联度分析对各变量的相关性进行分析，然后由面板数据的趋势对各因素的关联度进行预测。灰色关联度大表示与主因子的相关性强，灰色关联度小则表示其不受该因子的影响或影响较小。本文以被解释变量福建省居民用电需求作为特征主因子，先对各数据进行无量纲化处理，然后求特征因子与影响因子 的差序列，进而计算两极最小差和最大差，再计算关联系数和关联度：

各变量间的灰色关联度如表二所示：

表二 影响因子与特征因子的关联度

本文选择的建模的最终变量如表三所示：

表三 模型最终影响变量

四、多元回归模型修正

4.1多重共线性检验

根据上述所筛选的主要经济指标,可以首先展开对多重共线性的检测,通过相关性系数的结果，可确定各解释变量之间存在多重共线性。。、

4.2修正模型

主本文采用主成分回归的方法，其是通过将变量中多重共线性较大的解释变量转化成几个主成分，来处理多元回归模型的多重共线性的问题，分析结果如图一：

图一 主成分分析结果

通过累积方差贡献率来准确定主成分的个数，由图一主成分分析结果显示主成分中中的累计贡献率已经达到79%，即反映了五个解释变量79%的信息，因此只需取第一主成分 即可，表达式为：

接着建立对的回归模型可得图二

图二 多元回归结果

图三 DW检验与怀特检验结果

可得回归方程为

                              (108.28)      (-48.30)

从由图三可以观察到，在显著性为5%水平时，本多元回归模型通过了DW检验和White检验，并且模型的残差图也说明了模型的拟合状态良好，异方差和自相关性也得到了克服。由此将代入上式，可以得到主成分回归模型

五、结论

本文在建立回归模型的过程中，预先说明变量数据的归一化处理，因此，知道具体的数量，将模型生成回归模型，可以粗略的对福建省电力需求进行预测，对有关部门进行电力规划有一定的参考意义。

参考文献：

[1] 黄晨宏. 影响上海电力需求的主要因素及电力需求 预测[J]. 电力需求侧管理，2011,13(3):72-76.

[2] 陈树民. 我国电力需求影响因素研究[D]. 济南：山东大学 （硕士学位论文），2018. [3] 周杰. 上海电力市场的分析预测[J]. 电子世界，2013 (24):81-82.

[3] 王宝，马静，叶斌,等. 基于经济与气象维度影响因 素的省级电网年度电力需求预测方法[J]. 电力需求 侧管理，2020,22(2):51-56.