我国BIPV行业发展趋势分析及预测

我国BIPV行业发展趋势分析及预测

黄越[1],李志鹏[2]

河北工程大学  河北邯郸

摘要

在十四五规划出台之后,我国提出了“碳达峰”与“碳中和”的宏伟目标，来应对全球气候变暖的问题。实现光伏建筑一体化（BIPV）[1]是成功完成这两个目标的重要推动力，目前已有31个地方发布了光伏建筑一体化的相关政策。本文收集了这31个地方的股票数据并将其走势看成一个板块,其次对这一板块的移动平均线进行了相关研究,分析出31个地方板块之间的关系,然后综合考虑各种加权平均方式。建立了光伏建筑一体化板块指数的移动平均线模型[2]。

关键词: 光伏建筑一体化（BIPV）BIPV板块指数的移动平均线模型

1.引言

从规划模型,多原则求解的角度,综合数据的预处理、大数据分析、加权平均、ARIMA时间序列分析多方面研究了由31个地方的37组数据组成的板块指数问题,并给出了具体的可行方案。

当今光伏建筑一体化飞速发展 准确的预测指数板块模型能更好的顺应国家发展的潮流顺应时代的进步, 能为以后的投资提供重要参考,并且能观望出一角我国光伏建筑一体化行业的发展趋势。

2.光伏建筑一体化板块指数的移动平均线

首先了解板块指数并非由板块内各股简单的机械的汇总,是建立在合理科学上的数据化方法,其主要统计方式为:

a.以基准日收盘价计算出的总市值为基准,将其等价为1000点。

b.市值计算方法[1]

                (1.1)

式中为股票总数,为第只股票的价格,为第只股票的权重,可以设定为总股本、流通股或者相等权重。

c.指数= 当前市值/基准日市值 *1000

通过观察数据一共有37组个股数据组成,每组的交易时间起始也各不相同，首先我们要合并数据并筛选出最早的个股交易时间对应的组数,并且将时间从小到大的排序，例如第一天只有一股股票进入，即只有对应数据,当我们向下依次迭代的时候,当其他股股票进入时,对应。当某天某股股票没有数据时,不计入公式计算。对于基准值,板数指数利用上一天的市值来求得。为了求得移动平均线我们要通过市值,利用上边公式求得5日,10日,20日,得移动平均数,之后求得移动平均线即可。

基于数据统计的简单移动均线法(SMA)的模型建立∶

首先先引用库,对数据输出类型进行了规定,输出整体函数的数据。之后将数据从1开始迭代到38,将所有数据合并,抽取出时间变量,除去重复按照时间排序,之后继续进行迭代,从最小时间开始,抽出数据,并用对应的成交量作为权重,求出市值并进行求和取平均值,之后就得出了每一个实现对应的指数市值,之后将上一天得指数市值作为基准值,通过上述计算公式能求出板块指数,之后整理收盘价,求出移动平均数,来绘制移动平均线。结果如图1-1所示

图 1-1 板块指数的移动平均线

3.板块未来发展趋势的预测

首先先进行模型的误差分析和模型的修改,根据题目要求首先进行数据预处理,筛选出对应时间的数据,运用 Spss进行ARIMA 时间序列分析。首先通过对已有数据分析确定修正值。

ARIMA模型的全称为自回归移动平均模型,是统计模型中最常见的一种用来进行时间序列预测的模型,通常用股票预测，人口等时间序列数据的预测[3]。模型建立如下：

设为差分算子，则可以得到，而对于延迟算子，则有，，所以有。

假设阶齐次非平稳时间序列，则有是变化后平稳的时间序列，建立模型[4]，即，

其中，为序列平稳时所做的差分次数，为自回归阶数，为移动平均阶数，为零均值的白噪声序列，B为滞后算子：

现借助SPSS软件得出的结果如下：

图2-1 ADF检验结果

该序列检验的结果显示，基于字段板块指数60日移动平均数:在差分为0阶时，显著性Р值为0.000***，水平上呈现显著性,拒绝原假设，该序列为平稳的时间序列，得出的拟合值为（0，1，1）,将拟合值带入并对模型进行修改，得出20个交易日的日平均线预测结果如图2-2所示。

（a）                                （b）

图2-2 20个交易日的预测曲线

3周日平均线预测结果如图2-3所示。

（a）                               （b）

图2-3 3周的预测曲线

4.对光伏建筑一体化板块个股投资风险的评估

对光伏建筑一体化板块个股投资风险进行评估,首先筛选相同时间段的收盘价格对37个个股数据进行方差,极差,标准差计算,之后顺序排序,波动小,认为其风险小,取前五。

对37支股票的投资风险进行评估,评估最好是采用最近三个月数据实际中最有效,通过运用股票Lyapunov指数法,Lyapunov指数值越大,股票风险越高,该方法主要描述股票的混沌离散状态。

用小数据量法计算最大Lyapunov指数的步骤如下所示:

1.对上述上证指数时间序列，进行快速傅里叶变换以求出平均序列周期；

2.根据前文计算所得的延迟时间间隔和嵌入维数进行相空间重构,得到新的时间序列

;

3.在重构的相空间中,选取一个参考点,寻找其最近的邻点,并限制其短暂分离,即;

4.对参考点，计算与其最近的临近点再离散步之后的距离:

这一步的前提是假设该程序为混沌系统,隐含的关系为:

对上式两边取对数得到:

5.对(4)式利用最小二乘法做线性回归得到的斜率即为该系统的最大Lyapunov指数。利用matlab编写程序得到上述回归方程和图像如图5∶

由图 5可以看出, 对齐进行线性回归得到回归方程为：

图 6: 两个股票某指标的变化曲线

图 7: Lyapunov 指数

通过程序计算出方差如下:(只是其中部分)对其方差去平均,数值越小说明风险越小可以投资,取前五进行第一天的投资。之后通过Spss进行时间序列分析,得出一个月的预测,得出6月份最优的投资计划。时间序列分析预测结果(只以其中一组数据为例,剩下数量算法原理相同):

5.光伏建筑一体化的现状分析

中国当今面临着严重的能源短缺与环境污染问题, 而太阳能这个重要的可再生资源结合了中国土地资源多的优势正好解决了这个问题。 光伏建筑一体化正好解决了大部分 的民生用电问题。但是, 因为我国进入行列较晚, 专家较少, 技术经验尚不丰富, 所以之前太阳能的占有率很低, 仍未摆脱对于化石燃料的依赖。不过近几年随着我国科技的迅速进步, 光伏发电的占有率逐渐增加, 但 BIPV 市场占有率仍低迷不起。所以, 我国在光伏科技中应把发展重心向 BIPV 上偏移一些。

由于技术收到了限制, 所以在处理原材料、生产太阳能板的时候成本非常高, 导致了安装成本比较高。拿全国正在广泛应用的火电来举例, 在成本方面, 光伏 发电: 大于 0.8 元/KWh；火力发电:0.22-0.26 元/KWh在经济效益方面, 光伏发电: 经济 效益为负, 需要国家和各级政府补贴；火力发电: 从成本到零售价有 0.24-0.28 元/KWh 的毛利润空间。 且光伏的占地面积是火力发电的 15 倍以上。 由此而看, 在用电量飙升的今天, 国家只有用以火力发电为主的供电系统才符合预算。

国内除了特别偏远的地区, 都已经普及了国家电网, 而且大部分人都住在楼房里, 这样即使安装了太阳能供电系统, 也无法全部摆脱对电网的依赖。而对比国外, 国外的住户相对分散, 国家安装电网反倒增加了成本, 于是国外政府对光伏建筑一体化系统进行了补贴, 所以在国外, 太阳能的保有率得到了提升。

随着我国节能减排工作的开展, 相关法律政策正在实践中一步一步的完善, 为光伏 设备的加速部署起到了决定性的作用。 而环境的严重破坏更是加剧了这个过程, 我国各 行各业都开始向节能减排的大方向发展。 基于此,BIPV 更能在这一大时代中推进能源革命, 开创一个崭新的时代！

6.参考文献

[1]宋怡梦,陈星池.光伏建筑一体化行业板块指数的预测模型构建——基于ARIMA模型的实证分析[J].科技和产业,2021,21(12):238-243.

[2]刘恋平,刘虹霓.“双碳”背景下光伏建筑一体化发展前景[J].华东科技,2022(09):57-59.

[3]盛虎,张玉雪.基于ARIMA的网络流量建模及预测研究[J].通信技术,2019,52(04):903-907.

[4]郑梦琪,朱家明.基于ARIMA模型对浙江省GDP预测分析[J].哈尔滨师范大学自然科学学报,2020,36(03):56-61.

[1] 河北工程大学材料科学与工程学院，056038

[2] 河北工程大学机械与装备工程学院，056038