一种基于产业结构的用电需求预测方法技术

本发明专利技术公开了一种基于产业结构的用电需求预测方法，包括：计算电力消费强度中的结构变量；将所述结构变量加入神经网络的输入层，并进行用电需求预测。本发明专利技术的一种基于产业结构的用电需求预测方法在预测时考虑了产业结构中结构变量对用电需求的影响，并将结构变量作为神经网络的输入，进行用电需求预测，使得预测误差较小，预测结果更加准确。

【技术实现步骤摘要】

本专利技术涉及电力领域，特别涉及一种基于产业结构的用电需求预测方法。
技术介绍
电力工业是国民经济和社会发展的动力支撑，耗电量指标与工业生产、能源消耗以及经济运行状态有着密切关系。在诸多影响电力需求变化的因素中，产业调整是一个不可忽视的因素。产业的调整是促进经济发展的重要手段，也是引起规划区域电力需求出现波动的重要原因。当前，有些省产业发展整体处于工业化中期阶段，同时全国整体产业发展已进入工业化后期阶段，步入工业化中期的三次产业结构在整个“十三五”及以后相当长一段时期中，产值结构都将不断的调整，产业结构的进一步调整，势必对这些省未来一段时间的用电需求产生较大的影响。然而现有的用电需求预测方法未考虑产业结构的调整对用电需求的影响，这使得预测误差较大，预测结果不能很好的反映电量的实际变化趋势。
技术实现思路
本专利技术在于克服现有技术中的上述不足，提供一种预测误差小，预测结果较准确的用电需求预测方法。为了实现上述专利技术目的，本专利技术采用的技术方案是：一种基于产业结构的用电需求预测方法，包括：计算电力消费强度中的结构变量；将所述结构变量加入神经网络的输入层，并进行用电需求预测。进一步地，所述结构变量由下式计算：esn=Σiei0(yin-yi0),]]>其中，i表示第i产业，表示在第i产业第n期的电力消费强度，表示第i产业第n期的产值占国内生产总值的比例，表示由于第i产业r>在总产出中所占比重变化导致电力消费强度的变化量，式中，i、n均为自然数且1≤i≤3。进一步地，还包括，计算电力消费强度中的效率变量，将所述效率变量加入神经网络的输入层，并进行用电需求预测。进一步地，所述效率变量由下式计算：een=Σi(ein-ei0)yin,]]>其中，i表示第i产业，表示在第i产业第n期的电力消费强度，表示第i产业第n期的产值占国内生产总值的比例，表示由于第i产业电力使用效率变化而导致电力消费强度的变化量，式中，i、n均为自然数且1≤i≤3。进一步地，所述神经网络为BP神经网络。与现有技术相比，本专利技术的有益效果本专利技术的一种基于产业结构的用电需求预测方法在预测时考虑了产业结构中结构变量对用电需求的影响，并将结构变量作为神经网络的输入，进行用电需求预测，使得预测误差较小，预测结果更加准确。附图说明图1是本专利技术的一种基于产业结构的用电需求预测方法流程图。具体实施方式下面结合具体实施方式对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。实施例1：图1是本专利技术的一种基于产业结构的用电需求预测方法流程图，包括：计算电力消费强度中的结构变量；将所述结构变量加入神经网络的输入层，并进行用电需求预测。进一步地，所述结构变量由下式计算：esn=Σiei0(yin-yi0),]]>其中，i表示第i产业，表示在第i产业第n期的电力消费强度，表示第i产业第n期的产值占国内生产总值的比例，表示由于第i产业在总产出中所占比重变化导致电力消费强度的变化量，式中，i、n均为自然数且1≤i≤3。具体的，所述结构变量的计算原理如下：用Yt代表t年不变价格的产值，Et代表t年电力消费量，则当年的单位产值电量为：et=EtYt]]>一般的，产业发展呈三次发展的态势，如“降一增二调三”向“降一降二增三”，因此将E和Y分别按照三次产业进行分解，即：E＝ΣEi＝E1+E2+E3Y＝ΣYi＝Y1+Y2+Y3令Yi代表第i个产业部门的产值，Ei代表第i个产业部门的电力消耗量，则有：e=EY=ΣiEiΣiYi=ΣieiYiΣiYi=Σieiyi]]>其中，i＝1,2,3；ei表示第i次产业的电力消费强度；yi表示第i次产业产值占国内生产总值的比例。令en(n＝0,1,…，N)表示第n期的电力消费强度，e0表示基期的电力消费强度，则有：en=Σieinyin,e0=Σiei0yi0,(i=1,2,3;n=1,2,...,N)]]>将en进行分解：en=Σieinyin=Σiei0yi0+Σiei0(yin-yi0)+Σi(ein-ei0)yin]]>第n期电力消费强度变化中的结构变量为：esn=Σiei0(yin-yi0).]]>进一步地，还包括，计算电力消费强度中的效率变量，将所述效率变量加入神经网络的输入层，并进行用电需求预测。进一步地，所述效率变量由下式计算：een=Σi(ein-ei0)yin,]]>其中，i表示第i产业，表示在第i产业第n期的电力消费强度，表示第i产业第n期的产值占国内生产总值的比例，表示由于第i产业电力使用效率变化而导致电力消费强度的变化量，式中，i、n均为自然数且1≤i≤3。本专利技术之所以将结构变量引入用电需求计算中是基于如下理论分析：A、结构变量与用电需求的灰色关联度。在系统发展过程中,若两个因素变化的态势是一致的，即同步变化程度较高,则可以认为两者关联度较大；反之，则两者关联度较小。灰色关联度分析法设用电需求为系统参考数据序列，记为X0，结构变量为相关数据序列，记为X1，根据灰色关联度分析法，可得结构变量与用电需求的关联度。电力消费强度中的结构变化量与总用电需求增长值的关联度很高，变化趋势相似。B、结构变化量与用电需求的协整分析。1、运用ADF检验，对结构变化量与总用电需求进行平稳性检验。可发现结构变化量和总电量及其一阶差分均是不平稳的，但结构变化量和总电量的二阶差分序列在显著性水平为5％的情况下是平稳的，根据单整的定义可以判断，结构变化量和总电量均是二阶单整序列，满足协整检验条件。2、运用Engle-Granger检验，可以发现电力消费强度变化中的结构变量与总用电量是协整的，两序列存在长期均衡关系，在长期看来，结构变化量每增加1单位会促进增加相应单位的的用电量。3、运用格兰杰因果关系检验，在显著性水平为1％、5％、10％的情况下均存在着电力消费强度变化量中的结构变化量与总用电需求之间有双向格兰杰因果关系。也就是说，若在包含了结构变量和用电需求的历史数据的条件下，对用电需求的预测效果要优于只单独由历史数据对用电需求的预测效果。综上所述，引入结构变量有助于解释用电本文档来自技高网...

【技术保护点】
一种基于产业结构的用电需求预测方法，其特征在于，包括：计算电力消费强度中的结构变量；将所述结构变量加入神经网络的输入层，并进行用电需求预测。

【技术特征摘要】
1.一种基于产业结构的用电需求预测方法，其特征在于，包括：
计算电力消费强度中的结构变量；
将所述结构变量加入神经网络的输入层，并进行用电需求预测。
2.根据权利要求1所述的一种基于产业结构的用电需求预测方
法，其特征在于，所述结构变量由下式计算：
esn=Σiei0(yin-yi0),]]>其中，i表示第i产业，表示在第i产业基期的电力消费强度，
表示第i产业第n期的产值占国内生产总值的比例，表示
由于第i产业在总产出中所占比重变化导致电力消费强度的变化量，
式中，i、n均为自然数且1≤i≤3。
3.根据权利要求1所述的一种基于产业结构的用电需求预测方
法，...

【专利技术属性】
技术研发人员：冯瀚，肖先勇，张全明，任志超，陈礼频，曹开江，陈谦，杜新伟，王海燕，汪伟，马瑞光，徐浩，李锴科，许双婷，
申请(专利权)人：国网四川省电力公司经济技术研究院，四川大学，
类型：发明
国别省市：四川;51