本发明涉及电力消费计算
技术领域：
，尤其涉及一种基于气候的电力消费的计算方法。
背景技术：
：全球气候变暖主要由人类活动尤其是化石能源燃烧排放的以CO2为主的温室气体所造成的，已经成为被广泛接受的科学事实。同时，气候变化也对能源系统产生影响(即能源系统的气候变化易损性)，比如夏季高温会促使居民对空调制冷需求增多，进而拉动居民用电增长；暖冬气候又会减少居民对住房取暖的需求，进而减少取暖燃料的消耗。IPCC第三次评估报告指出能源部门是对气候变化最脆弱的部门。因此，能源系统与气候变化之间形成一个相互影响的循环反馈关系。对于与化石燃料燃烧相关的温室气体排放问题早已被广泛关注，与之相比，能源系统的气候变化易损性方面的研究只在近些年来才逐渐得到关注。对于不同的国家和地区，能源系统的气候变化易损性情况不同，发达国家的研究结果不能直接用于中国的研究。而受经济发展阶段和技术水平限制，我国应对气候变化的能力还较低，能源系统对气候变化呈现更强的脆弱性。因此，研究我国能源系统的气候变化易损性对适应气候变化、规划能源建设、保障能源系统安全有重要意义。电力是我国消费增长最快的能源产品，在能源供应与需求系统中，处于重要位置，具有很强的气候敏感性和脆弱性。在我国，频繁出现的“电荒”问题，警示我国电力供应系统存在比较严重的供需矛盾，这种矛盾已经影响到人们的正常生产与生活，对我国的电力供应安全带来了很大的威胁。技术实现要素：本发明实施例提供了一种基于气候的电力消费的计算方法，以实现有效地计算出分析不同产业部门和居民生活的电力需求。为了实现上述目的，本发明采取了如下技术方案。一种基于气候的电力消费的计算方法，包括：收集和整理电力行业用电历史数据，确定影响电力消费计算的气候因素和非气候因素，所述气候因素包括气温、日照和降雨量，所述非气候因素包括工业增加值和电力价格；根据所述电力行业用电历史数据、气候因素和非气候因素，建立各部门电力消费的计算模型为：ln(eh)t=c+Σp=1kβpWpt+ΣshγsZst+ϵt]]>其中，因变量(eh)t是各部门在第t个月的日均电力消费量，c是截距项，Wpt是一个混杂气候因子组合，包括第t个月的p个气候因子自变量中的全部或部分，Zst是一个非气象因子组合，包含了所述非气候因素中的部分或全部，βp，γs是回归系数，εt是样本回归方程的误差项。进一步地，所述的方法还包括：通过选取度日方法将所述气候因素中的气温因子转换为冷度日HDD和暖度日CDD，所述HDD用来量化取暖需求，所述CDD用来量化制冷需求，得到各省每月的冷度日值和暖度日值后，再以各省人口为权重进行加权得到全国月度的度日值，再除以每年每月的天数得到日平均值；通过将不同基准温度计算的冷度日值和暖度日值引入所述各部门电力消费的计算模型并进行比较，根据模型拟合优度来选择和确定不同部门的基准温度值。进一步地，所述的方法还包括：将平均温度低于基础温度的日子计入暖度日数,将平均温度高于基准温度的日子均计入冷度日数，各省每月的冷度日HDD和暖度日CDD的计算公式如下：HDDtk=Σi=1Ntγit(Tit-T‾bk)]]>CDDtk=Σi=1Nt(1-γit)(T‾bk-Tit)]]>其中，Nt表示第t个月的天数，Tit表示第t月第i天的日平均气温，指计算每月度日k种不同的基准温度，γit是二元变量，随日均气温与基本温度关系的不同而变化，当Tit大于基准温度时，取1，否则取0。进一步地，所述的方法还包括：居民部门的月度日平均电力消费对数值的计量回归模型包括：计算模型H-1、计算模型H-2、计算模型H-3、计算模型H-4、计算模型H-5、计算模型H-6和/或计算模型H-7；ln(eh)t=c+γ11Ln(realpriceh)t+γ21holidayt+γ31ln(eh(-1))t+ϵt---H-1]]>ln(eh)t=c+γ22holidayt+γ32ln(eh(-1))t+β12CDDt18+β22HDDt18+ϵt---H-2]]>ln(eh)t=c+γ13Ln(realpriceh)t+γ23holidayt+γ33ln(eh(-1))t+β13CDDt18+β23HDDt18+ϵt---H-3]]>ln(eh)t=c+γ14Ln(realpriceh)t+γ24holidayt+γ34ln(eh(-1))t+β14CDDt17+β24HDDt17+ϵt---H-4]]>ln(eh)t=c+γ15Ln(realpriceh)t+γ25holidayt+γ35ln(eh(-1))t+β15CDDSt18+β25HDDSt18+ϵt---H-5]]>ln(eh)t=c+γ16Ln(realpriceh)t+γ26holidayt+γ36ln(eh(-1))t+β16CDDNt18+β26HDDNt18+ϵt---H-6]]>ln(eh)t=c+γ17Ln(realpriceh)t+γ27holidayt+γ37ln(eh(-1))t+β17CDDNt18+β27HDDt18+β3Windt+β4Sunt+β5Raint+ϵt---H-7]]>所述Ln(eh)表示月度城乡居民生活日均用电量的对数值；所述Ln(realpriceh)表示经不变价调整的居民月度用电真实价格的对数值；所述holiday表示节假日虚拟变量；所述HDD18表示以18℃为基准温度的全国水平每月暖度日的日平均值；所述CDD18表示以18℃为基准温度的全国水平每月取暖度日的日平均值；所述Sun表示每月日均日照时数；所述Rain表示每月日均20-20时降水量；所述Wind表示每月平均风速；所述γ1表示realpriceh对应的回归系数；所述γ2表示holiday对应的回归系数；所述γ3表示ln(eh(-1))对应的回归系数；所述β1表示对应的回归系数；所述β2表示对应的回归系数；所述β3表示wind对应的回归系数；所述β4表示sun对应的回归系数；所述β5表示rain对应的回归系数；表示以18℃为基准温度的南方地区每月制冷度日的日平均值表示以18℃为基准温度的南方地区每月取暖度日的日平均值表示以18℃为基准温度的北方地区每月制冷度日的日平均值；表示以18℃为基准温度的北方地区每月取暖度日的日平均值。进一步地，所述的方法还包括：第一产业的月度日平均电力消费对数值的计量回归模型包括：计算模型A-1、计算模型A-2、计算模型A-3、计算模型A-4、计算模型A-5、计算模型A-6和/或计算模型A-7；ln(ea)t=c+γ11holidayt+γ21Ln(realpriceh)t+γ5ln(ea(-1))t+γ41trendt+β11CDDt18+β21HDDt18+ϵt---A-1]]>ln(ea)t=c+γ22Ln(realpriceh(-1))t+γ32Ln(vaa)t+γ42trendt+β12CDDt18+β22HDDt18+ϵt---A-2]]>ln(ea)t=c+γ33Ln(vaa)t+γ43trendt+β13CDDt18+β23HDDt18+ϵt---A-3]]>ln(ea)t=c+γ34Ln(vaa)t+γ44trendt+β14CDDt17+β24HDDt17+ϵt---A-4]]>ln(ea)t=c+γ35Ln(vaa)t+γ45trendt+β15CDDSt18+β25HDDSt18+ϵt---A-5]]>ln(ea)t=c+γ36Ln(vaa)t+γ46trendt+β16CDDNt18+β26HDDNt18+ϵt---A-6]]>ln(ea)t=c+γ47trendt+β17CDDt18+β27HDDt18+β3Windt+β4Sunt+β5Raint+ϵt---A-7]]>所述ln(ea)表示月度第一产业日均用电量的对数值；所述Ln(realpricea)表示经不变价调整的第一产业月度用电真实价格的对数值；所述Ln(vaa)表示可比价调整的2006年不变价季节第一产业增加值；所述trend表示趋势变量系数值；所述γ1表示holiday对应的回归系数；所述γ2表示Ln(realpricea)对应的回归系数；所述γ3表示Ln(vaa)对应的回归系数；所述γ4表示trend对应的回归系数；进一步地，所述的方法还包括：第二产业的月度日平均电力消费对数值的计量回归模型包括：计算模型I-1、计算模型I-2、计算模型I-3、计算模型I-4、计算模型I-5、计算模型I-6和/或计算模型I-7；ln(ei)t=c+γ11holidayt+γ21Ln(realpricei)t+γ31ln(steel)t+γ41trendt+β11CDDt18+β21HDDt18+ϵt---I-1]]>ln(ei)t=c+γ12holidayt+γ22Ln(realpricei(-1))t+γ32ln(steel)t+β12CDDt18+β22HDDt18+ϵt---I-2]]>ln(ei)t=c+γ13holidayt+γ23Ln(realpricei(-1))t+γ33ln(steel)t+ϵt---I-3]]>ln(ei)t=c+γ14holidayt+γ24Ln(realpricei(-1))t+γ34ln(steel)t+β14CDDt19+β24HDDt19+ϵt---I-4]]>ln(ei)t=c+γ15holidayt+γ25Ln(realpriceh(-1))t+γ35ln(steel)t+β15CDDS118+β25HDDSt18+ϵt---I-5]]>ln(ei)t=c+γ16holidayt+γ26Ln(realpricei(-1))t+γ36ln(steel)t+β16CDDNt18+β26HDDNt18+ϵt---I-6]]>ln(ei)t=c+γ17holidayt+γ27Ln(realpricei(-1))t+γ37ln(steel)t+β17CDDt18+β3Windt+β4Sunt+β5Raint+ϵt---I-7]]>所述ln(ei)表示月度第二产业日均用电量的对数值；所述ln(steel)表示全国2006年3月-2013年08月的钢材产量；所述Ln(realpricei)表示经不变价调整的第二产业月度用电真实价格的对数值。所述γ1表示holiday对应的回归系数；所述γ2表示Ln(realpricei)对应的回归系数；所述γ3表示ln(steel)对应的回归系数；所述γ4表示trend对应的回归系数。进一步地，所述的方法还包括：第三产业的月度日平均电力消费对数值的计量回归模型包括：计算模型S-1、计算模型S-2、计算模型S-3、计算模型S-4、计算模型S-5、计算模型S-6和/或计算模型S-7；ln(ei)t=c+γ11holidayt+γ21Ln(realpricei)t+γ31ln(steel)t+γ41trendt+β11CDDt18+β21HDDt18+ϵt---I-1]]>ln(ei)t=c+γ12holidayt+γ22Ln(realprice(-1))t+γ32ln(steel)t+β12CDDt18+β22HDDt18+ϵt---I-2]]>ln(ei)t=c+γ13holidayt+γ23Ln(realpricei(-1))t+γ33ln(steel)t+ϵt---I-3]]>ln(ei)t=c+γ14holidayt+γ24Ln(realpricei(-1))t+γ34ln(steel)t+β14CDDt19+β24HDDt19+ϵt---I-4]]>ln(ei)t=c+γ15holidayt+γ25Ln(realpricei(-1))t+γ35ln(steel)t+β15CDDSt18+β25HDDSt18+ϵt---I-5]]>ln(ei)t=c+γ16holidayt+γ26Ln(realpricei(-1))t+γ36ln(steel)t+β16CDDNt18+β26HDDNt18+ϵt---I-6]]>ln(ei)t=c+γ17holidayt+γ27Ln(realpricei(-1))t+γ37ln(steel)t+β17CDDt18+β3Windt+β4Sunt+β5Raint+ϵt---I-7]]>所述ln(ei)表示月度第二产业日均用电量的对数值；所述ln(steel)表示全国2006年3月-2013年08月的钢材产量；所述Ln(realpricei)表示经不变价调整的第二产业月度用电真实价格的对数值。所述γ1表示holiday对应的回归系数；所述γ2表示Ln(realpricei)对应的回归系数；所述γ3表示ln(steel)对应的回归系数；所述γ4表示trend对应的回归系数。由上述本发明实施例提供的技术方案可以看出，本发明实施例通过采用月度时间数据，通过建立回归模型，发现其季节规律性，分析不同产业部门和居民生活电力需求对气候易损性特征，能够为电力生产规划、缓解电力供需矛盾、保证电力安全等提供更具体、更直接的政策指导。本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例提供的一种基于气候的电力消费的计算方法的处理流程图；图2为本发明实施例提供的一种各部门月度用电量的温度敏感性曲线图。具体实施方式下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本
技术领域：
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本
技术领域：
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。本发明实施例提供了一种基于气候的电力消费的计算方法，主要是一种计量经济学方法，包括采用多元回归模型，选取适当自变量和因变量；获取历史数据；确定气候因素HDD(HeatDegreeDay,取暖量)、CDD(CoolDegreeDay,制冷量)、温度、日照、风速和降雨量以及社会经济因素；研究各种气候因素和社会经济因素对各部门电力消费的影响。本发明实施例提供的一种基于气候的电力消费的计算方法的处理流程如图1所示，包括以下几个步骤：(1)收集和整理电力行业用电历史数据；(2)确定气候因素和非气候因素(社会经济因素)评价指标。气候因素选取气温、日照、风速和降雨量等气温因子作为评价指标，非气候因素(社会经济因素)选取工业增加值、电力价格和替代品价格作为评价指标；(3)确定选取度日方法将气温因子转换为冷度日和暖度日，来考察气温这种气候因子对取暖和制冷电力需求的影响。HDD衡量寒冷天气的严重程度和持续时间，用来量化取暖需求，CDD衡量炎热天气的严重程度和持续时间，用来量化制冷需求，得到各省每月的度日值后，再以人口为权重进行加权得到全国月度的度日值，再除以每年每月的天数得到日平均值；(4)结合数据可获性及中国的实际情况设定模型，各部门电力消费的基本回归模型如下述公式1所示：其中，因变量是各部门在第t个月的日均电力消费量，c是截距项，Wpt是一个混杂气候因子组合，包括第t个月的p个气候因子自变量：取暖度日、制冷度日、风速、降雨量、日照中的全部或部分，其中取暖度日和制冷度日包括以不同的基准温度计算的度日水平、南方地区度日值、北方地区度日值；同样，Zst是一个非气象因子组合，包含了影响居民用电的非气候社会经济等因素：真实电价水平、随时间变化的趋势增长因素、因变量滞后项、节假日虚拟变量、产业活动水平中的部分或全部，βp，γs是回归系数，εt是样本回归方程的误差项；(5)通过将不同基准温度计算的度日指标值引入模型并进行比较，根据模型拟合优度来选择和确定不同部门的基准温度值；模型拟合优度R2的计算公式如下：R2=1-RSSTSS]]>其中，TSS表示总体平方和，RSS表示残差平方和。获取某个温度值对应的多个度日指标值样本数据，基于多个度日指标值样本数据计算出上述模型的RSS、TSS和R2。依此类推，分别计算出每个温度值对应的上述RSS、TSS和R2。R2是样本回归线对数据拟合效果的一个总度量，R2越接近1，拟合效果越好。经过模型回归分析，根据R2接近1的程度，判断各部门的基准温度值的拟合情况。将与1之间的差值最小的模型拟合优度R2所对应的温度作为部门的基准温度值。(6)采用全国每月钢材产品产量作为代理变量，来表征第二产业经济活动水平，在第一、第三产业用电的回归方程中添加不变价调整的季度增加值水平，居民生活用电的回归方程中加入不变价的季度国内生产总值；(7)通过较详细的月度回归方程来计算各部门电力消费的价格弹性(1)非气候因素的选取①真实经济活动水平的确定第二产业经济活动包括工业和建筑业。其中，工业增加值代表了工业活动水平，必然影响工业用电量水平，宜作为一个自变量因素引入模型。然而，我国国家统计局统计的月度规模以上工业增加值指数存在局限性：一方面规模以上工业增加值并不能全面涵盖工业整体活动水平，另一方面“从2011年起，规模以上工业企业起点标准由原来的年主营业务收入500万元提高到年主营业务收入2000万元”这意味着该指标的覆盖范畴存在前后不一致性。此外，统计指标仅包括相对量增长，即同比增长和累计同比增长，并没有当月可比价增加值数据，而且每年的1月份数值无法推算，剔除数据将使样本量更小，带来不便。鉴于此，我们采用全国每月钢材产品产量作为代理变量，来表征第二产业经济活动水平，其中2013年1-2月是一起发布的数据，本研究用进出口总额来同比例分配得到。这样既避免了规模以上工业企业定义范畴的不一致性，又能够得到时间序列全面的数据输入，同时由于钢材是建筑业必须的生产资料也能够在一定程度上代表建筑业活动水平。由于第一产业、第三产业和居民生活对应的月度经济活动水平数据难以获得，因此，在第一、第三产业用电的回归方程中添加不变价调整的季度增加值水平，居民生活用电的回归方程中加入不变价的季度国内生产总值。其中不变价季度国内生产总值由2011年环比增长指数和累计同比增长指数调整得到，第一、第三产业不变价季度增加值则参考2006年不变价国内生产总值和该产业同比增长指数计算得到。②真实价格水平的确定由需求价格理论可知，市场经济条件下正常商品的消费量将随价格增加而减少。将电力价格和替代品价格作为自变量引入模型中可以描绘电力需求的价格弹性和交叉价格弹性。我们采用的各类型用户电力销售价格水平(当年现价)，然后除以每月消费者价格指数，得到电力真实价格水平。这里，由于我国电力价格尚采用政府指导价，用户用电价格不受电力供需市场影响，故不存在内生性问题，无需采用代理变量。2003年以来，国家发改委进行的全国性销售电价调整主要有8次，如表5.1所示。结合wind数据库中的2007年的平均销售电价(商业用电、大工业用电、居民用电、农业生产用电、非普工业用电)电价数据作为基准，其中大工业用电价格和非普工业用电价格平均值作为第二产业用电价格。在该基准基础上，按照历次价格调整情况计算得到各产业和居民每月的用电价格，再用月度CPI值(wind数据库，由同比数据和环比数据换算为2006年1月＝1的月度数值)调整为可比价价格。因此，尽管我国电力价格水平尚属于政府指导价，但本研究通过较详细的月度回归方程可以发现各部门电力消费的价格弹性，对于认识各部门消费行为和定价机制改革均提供科学依据。表12003年以来我国主要的8次销售电价调整说明：作者根据国家发改委新闻信息整理，价格均为当年现价。③其他无论是生产活动还是居民生活都将受到节假日的影响，进而影响生产和生活用电量，因此，设置节假日虚拟变量，将国务院发布的每年超过3天节假日所处的月份设为1，其他月份为0，其中跨月份的节假日如春节和“五一”分别将两个月份设为1。用时间趋势表征技术进步水平等随时间变化的其他影响因素。(2)气候因素的选取气候因素选取温度、日照、风速和降雨量等作为评价指标。由于本方法主要用于探究气候因子变化对电力消费的季节影响，因此我们考察温度、日照、风速和降雨量对电力需求的影响。在研究温度对电力需求的影响时，直接用气温值作为自变量构建模型较为复杂也难以可获取暖制冷需求分别导致的电力消费量的变化。为此，我们采用度日方法将气温因子转换为冷度日和暖度日，来考察气温这种气候因子对取暖和制冷电力需求的影响。同时，由于本方法不单研究家庭用能，对于不同部门电力消费或存在不同的基准温度，比如，工业生产中常用的与气温关系较大的环节之一是冷却环节，通常用适宜温度的冷却水来降低工业产品温度，其适宜温度或许与人体最适温度有所区别，因此，本方法的另一重要创新点则是通过将不同基准温度计算的度日指标值引入模型并进行比较，根据模型拟合优度来选择和确定不同部门的基准温度值。(3)度日理论基础度日是研究气温与能源消费之间关系时最常用到的一种时间温度指标，实际上就是指日平均温度与规定的基准温度的实际离差。为了研究的方便,度日又分为两种类型,即采暖供热度日(heatingdegreeday-HDD，简称热度日)和制冷降温度日(Coolingdegreeday-CDD，简称冷度日)。凡是平均温度低于基础温度的均计入热度日数,而高于基准温度的均计入冷度日数。基准温度一般由人为设定，一般取18℃或65华氏度作为人体最舒适温度，月度HDD和CDD的计算公式如下。HDDtk=Σi=1Ntγit(Tit-T‾bk)---(3)]]>CDDik=Σi=1Nt(1-γit)(T‾bk-Tit)---(4)]]>其中，Nt表示第t个月的天数，Tit表示第t月第i天的日平均气温，指计算每月度日k种不同的基准温度，γit是二元变量，随日均气温与基本温度关系的不同而变化，当Tit大于基准温度时，取1，否则取0。HDD衡量寒冷天气的严重程度和持续时间，用来量化取暖需求，CDD衡量炎热天气的严重程度和持续时间，用来量化制冷需求。为了与计量经济模型全国水平的因变量保持一致，得到各省每月的取暖度日值后，再以人口为权重进行加权得到全国月度的度日值，再除以每年每月的天数得到日平均值。南方地区的度日值则以南方省份为整体计算得到，北方地区亦如此。(4)结合数据可获性及中国的实际情况设定模型，各部门电力消费的基本回归模型如式：ln(eh)t=c+Σp=1kβpWpt+ΣshγsZst+ϵt---(5)]]>其中，因变量是各部门在第t个月的日均电力消费量，c是截距项，Wpt是一个混杂气候因子组合，包括第t个月的p个气候因子自变量：取暖度日、制冷度日、风速、降雨量、日照中的全部或部分，其中取暖度日和制冷度日包括以不同的基准温度计算的度日水平、南方地区度日值、北方地区度日值；同样，Zst是一个非气象因子组合，包含了影响居民用电的非气候社会经济等因素：真实电价水平、随时间变化的趋势增长因素、因变量滞后项、节假日虚拟变量、产业活动水平中的部分或全部，βp，γs是回归系数，εt是样本回归方程的误差项；以下模型中所出现的各变量的描述见附表A1。模型按照研究步骤分为四组，具体分析如下：①居民部门月度日平均电力消费对数值的计量回归模型ln(eh)t=c+γ11Ln(realpriceh)t+γ21holidayt+γ31ln(eh(-1))t+ϵt---H-1]]>ln(eh)t=c+γ22holidayt+γ32ln(eh(-1))t+β12CDDt18+β22HDDt18+ϵt---H-2]]>ln(eh)t=c+γ13Ln(realpriceh)t+γ23holidayt+γ33ln(eh(-1))t+β13CDDt18+β23HDDt18+ϵt---H-3]]>ln(eh)t=c+γ14Ln(realpriceh)t+γ24holidayt+γ34ln(eh(-1))t+β14CDDt17+β24HDDt17+ϵt---H-4]]>ln(eh)t=c+γ15Ln(realpriceh)t+γ25holidayt+γ35ln(eh(-1))t+β15CDDSt18+β25HDDSt18+ϵt---H-5]]>ln(eh)t=c+γ16Ln(realpriceh)t+γ26holidayt+γ36ln(eh(-1))t+β16CDDNt18+β26HDDNt18+ϵt---H-6]]>ln(eh)t=c+γ17Ln(realpriceh)t+γ27holidayt+γ37ln(eh(-1))t+β17CDDt18+β27HDDt18+β3Windt+β4Sunt+β5Raint+ϵt---H-7]]>②第一产业月度日平均电力消费对数值的计量回归模型ln(ea)t=c+γ11holidayt+γ21Ln(realpricea)t+γ5ln(ea(-1))t+γ41trendt+β11CDDt18+β21HDDt18+ϵt---A-1]]>ln(ea)t=c+γ22Ln(realpricea(-1))t+γ32Ln(vaa)t+γ42trendt+β12CDDt18+β22HDDt18+ϵt---A-2]]>ln(ea)t=c+γ33Ln(vaa)t+γ43trendt+β13CDDt18+β23HDDt18+ϵt---A-3]]>ln(ea)t=c+γ34Ln(vaa)t+γ44trendt+β14CDDt17+β24HDDt17+ϵt---A-4]]>ln(ea)t=c+γ35Ln(vaa)t+γ45trendt+β15CDDSt18+β25HDDSt18+ϵt---A-5]]>ln(ea)t=c+γ36Ln(vaa)t+γ46trendt+β16CDDNt18+β26HDDNt18+ϵt---A-6]]>ln(ea)t=c+γ47trendt+β17CDDt18+β27HDDt18+β3Windt+β4Sunt+β5Raint+ϵt---A-7]]>③第二产业月度日平均电力消费对数值的计量回归模型ln(ei)t=c+γ11holidayt+γ21Ln(realpricei)t+γ31ln(steel)t+γ41trendt+β11CDDt18+β21HDDt18+ϵt---I-1]]>ln(ei)t=c+γ12holidayt+γ22Ln(realpricei(-1))t+γ32ln(steel)t+β12CDDt18+β22HDDt18+ϵt---I-2]]>ln(ei)t=c+γ13holidayt+γ23Ln(realpricei(-1))t+γ33ln(steel)t+ϵt---I-3]]>ln(ei)t=c+γ14holidayt+γ22Ln(realpricei(-1))t+γ34ln(steel)t+β14CDDt19+β24HDDt19+ϵt---I-4]]>ln(ei)t=c+γ15holidayt+γ25Ln(realpricei(-1))t+γ35ln(steel)t+β15CDDSt18+β25HDDSt18+ϵt---I-5]]>ln(ei)t=c+γ16holidayt+γ26Ln(realpricei(-1))t+γ36ln(steel)t+β16CDDNt18+β26HDDNt18+ϵt---I-6]]>ln(ei)t=c+γ17holidayr+γ27Ln(realpricei(-1))t+γ37ln(steel)t+β17CDDt18+β3Windt+β4Sunt+β5Raint+ϵt---I-7]]>④第三产业月度日平均电力消费对数值的计量回归模型ln(es)t=c+γ11holidayt+γ21Ln(realprices)t+γ31ln(es(-1))t+γ41ln(vas)t+γ51trendt+ϵt---S-1]]>ln(es)t=c+γ12holidayt+γ22Ln(realprices)t+γ32ln(es(-1))t+γ42ln(vast)+γ52trendt+β12CDDt18+β22HDDt18+ϵt---S-2]]>ln(es)t=c+γ33ln(es(-1))t+γ43ln(vas)t+γ53trendt+β13CDDt18+β23HDDt18+ϵt---S-3]]>ln(es)t=c+γ34ln(es(-1))t+γ44ln(vas)t+γ54trendt+β14CDDt17+β24HDDt17+ϵt---S-4]]>ln(es)t=c+γ35ln(es(-1))t+γ45ln(vas)t+γ55trendt+β15CDDSt18+β25HDDSt18+ϵt---S-5]]>ln(es)t=c+γ36ln(es(-1))t+γ46ln(vas)t+γ56trendt+β16CDDNt18+β26HDDNt18+ϵt---S-6]]>ln(es)t=c+γ37ln(es(-1))t+γ44ln(vas)t+γ57trendt+β17CDDt18+β27HDDt18+β3Windt+β4Sunt+β5Raint+ϵt---S-7]]>(5)实施方案及结果1、居民部门用电回归由于居民生活用电对气候变量，尤其是对温度的变化较为敏感，室外温度较高或较低时，往往通过耗电设备调节室内温度，夏季使用空调是最常见的途径。因此，结果分析首先重点讨论居民部门月度用电的回归结果，其他产业结果对比居民部门结果。对于各种气候因子，也主要考察气温的影响作用，其他因子做仅做简单的对照模型，为得到准确估计还需进一步考察。(1)气候因子对居民电力消费的影响如表2所示，以18℃为基准温度全国层面的取暖度日和制冷度日系数均为正(模型H-2，H-3和H-7)，且非常显著，表明在寒冷天气压力和炎热气候压力下，居民生活用电量均呈现增加，这与用空调耗电来实现取暖降温双功能相一致。其中，制冷度日的系数值约是取暖度日的2倍，这意味着整体上高温炎热压力刺激的电力消费量是低温寒冷压力所刺激电力消费量的近2倍，以模型H-3为例，每月的日均制冷度日每增加一个单位，将使居民电力消费量增加3.90％，而日均取暖度日每增加一个单位，使居民电力消费量增加1.97％。这一结果可由我国冬季供暖的南北差异特征得以解释：我国北方集体供暖和独立供暖大多靠煤炭或天然气实现，代替了空调或电暖气等耗电设备，进而减少了取暖行为的电力需求。对比模型H-5和H-6的度日系数值也能证实上述结论，两个模型的制冷度日系数值相近，但取暖度日相去较大，模型H-5的南方地区取暖度日系数接近制冷度日，表示了我国南方地方在冷热天气下的耗电需求相似；模型H-6显示的北方地区取暖度日系数仅是制冷度日系数的不到1/6，充分说明了我国北方地区冷热天气对电力消费刺激程度的不同，但这并不意味着北方地区冬季用能少。此外，模型H-5和H-6的制冷度日系数高于全国水平模型系数，是由局部地区指标代表全国指标所引起的。表2居民部门月度日平均电力消费对数值的计量回归结果说明：模型采取最小二乘法估计，括号内是t统计量的绝对值，*表示5％水平显著；各模型中额外引入时间趋势项不显著，引入季度收入值也不显著，故在此不进行报告；本表结果是基于2006年03月-2013年09月时间段内数据估计的，统计时间可根据需要调整扩展，下同。为考察18℃是否是居民部门电力消费的合适基准温度，我们以模型R2是否改进(预测能力增加)，进一步比较了18℃上下其他基准温度的预测效果，发现高于18℃的基准温度模型R2比18°还低，而以17℃为基准的模型R2值改进非常有限(模型H-4)，因此，认为取18℃作为度日基准值比较合理。除温度变量外，我们还进一步考察了其他气候因子对居民部门电力消费的影响(模型H-7)。可见，降雨量增加使居民用电量减少，日均降雨量每增加1mm，居民电力消费增加0.37％；日照时间亦如此，日均日照时间每增加1个小时，居民电力消费将减少1.85％，这与预期相吻合：日照时间越长，照明用电需求越少；风速影响则与之相反，平均风速每增加0.1m/s，居民用电量增加0.64％。但是，总体上降雨量、风速和日照时间均在10％显著性水平内统计上不显著，这些气候因子对居民用电的影响还有待进一步考证。统计上来看，各气候因子中仍然是温度对电力的影响最为主要。(2)社会经济因素对居民生活用电的影响电力真实价格的系数值为负且较为显著，这意味着居民电力消费行为受到电价影响，电价上涨1％，电力消费减少0.46％(模型H-3)，民用电价实行阶梯电价能够起到一定的节电效果。但是，总体上居民部门电力需求价格弹性小于1，属于需求缺乏弹性类别，这反映了居民对电力具有一定程度的刚性需求。此外，模型H-1的价格弹性显著大于1，意味着假如忽略了气候因子对居民生活用电的影响，需求价格弹性将被高估，这种结果与国家大多于用电高峰的7月份调整民用电价有关。各模型因变量的一期滞后项系数均在0.8以上，而且统计上非常显著，这表明居民生活用电行为具有较强的粘性，用电习惯较难改变。节假日虚拟变量系数值为负且统计上显著，具有3日以上节假日的月份，其居民电力消费量比没有节假日的月份低5.4％，这反映了居民在节假日期间生活方式的转变，比如，节假日期间外出旅行或外出就餐使家庭生活用电量减少。此外，代表技术水平的时间趋势变量并不显著，表明居民部门用电模式并没有发现明显的技术改变；季节收入变量的影响也不显著，统计上难以确定居民生活用电量具有收入弹性，当然这也与我们用季节性而非月度收入水平、时间序列而非截面数据等方面有关。2、第一产业用电回归结果分析(1)气候因子对第一产业用电量的影响如表3所示，表征气温压力的冷暖度日系数值在各模型中比较相似，表明回归结果的稳健。其他模型也证明该结果比较稳健以18℃为基准温度的制冷度日系数值显表3第一产业月度日平均电力消费对数值的计量回归结果说明：模型采取最小二乘法估计，括号内是t统计量的绝对值，*表示5％水平显著；模型A-1基础上加入ln(vaa)后模型结果差异不大，故不再汇报。示，平均增加1个单位的日均度日，带来第一产业用电量增加4.2％(模型A-3)，接近甚至超过其对居民部门的影响。这表明，炎热天气下的第一产业用电量显著增加，这与夏季农林业灌溉、种植培育业的恒温需求等用电行为有关。然而，与其他部门不同，第一产业模型的HDD系数为负，暖度日每增加一个单位，第一产业用电量减少约1％；这表明第一产业的电力消费在寒冷压力刺激下不但没有增加，反而有所减少，主要原因在于农业生产行为(如灌溉、捕渔业等)在寒冷的冬季会明显减少，同时农作物也不需要耗能型保暖措施；第一产业的这种特征更应该引起注意，因为随着全球变暖，即便寒冷压力减小，也将加剧刺激其电力消费增加。此外，基准温度同样趋于更低时，模型得到改进，意味着第一产业的最适自然温度低于通常用的18℃。南方地区和北方地区的度日指标同样呈现制冷度日系数为正，取暖度日系数为负的特征，尤其是北方地区取暖度日的系数绝对值较大，日均度日每增加一个单位，使第一产业用电量减少3.4个百分点。这表明气温对第一产业用电量的抑制作用主要来自于北方地区的冷空气。其他气候因子对第一产业用电的影响仍不显著，从系数方向来看，日照和风速起抑制作用，降雨量起加强作用。(2)社会经济因素对第一产业用电量的影响与其他部门不同，假期对第一产业用电的影响并不显著(模型A-1)，这与农业生产、养殖种植的连续性有关。无论是当期农用电价还是滞后一期的农用电价，其系数均不显著，表明农业用电在一定程度上是刚性需求。滞后一期的因变量系数值非常小且不显著，意味着农业用电并没有明显的月度粘性特性。然而，趋势变量系数值非常显著，农业用电量随时间有明显的增加趋势，平均每期增长2％-3％，这表明随着更先进的技术、生产活动条件改善、农业现代化的实现，带来了第一产业用电显著增加。3、第二产业用电回归结果分析(1)气候因子对第二产业用电量的影响如表4所示，表征冷暖压力的取暖度日和制冷度日的系数均为正值，以18℃为基准温度的寒冷天气压力刺激电力增加的程度不足炎热天气压力下的1/2。无论冷度日还是暖度日，其系数值大小均低于居民部门系数值：制冷度日值平均每增加1个单位，带来第二产业日均电力消费平均增长1.01％；取暖度日平均每增加1个单位，带来第二产业电力消费平均增长0.38％(模型I-2)。尽管第二产业电力消费对气温变动的敏感程度不及居民部门和商业部门，但由于第二产业总耗电量占比大，达全社会用电总量的74.8％(样本平均水平)，规模效果不容忽视。表4第二产业月度日平均电力消费对数值的计量回归结果注：模型采取最小二乘法估计，括号内是t统计量的绝对值，*表示5％水平显著；为消除多重共线性带了的估计误差过大，在引入详细的月度钢材产量表征第二产业活动水平后，删除滞后因变量；模型I-7中由于多重共线性删除自变量hdd18。其次，与居民和商业部门的基准温度特征不同，第二产业部门基准温度上调(19℃)而非下调使模型拟合更好(模型I-4)，这意味着对于第二产业来说，在更高的温度下实现最低的用电需求。同时，该基准温度下的制冷度日系数是取暖度日系数的3倍多，意味着第二产业受天气影响的用电量增加主要集中用于应对热天气压力，其抗热耗电行为可能包括诸如保持产品低温、冷凝水冷却等。这同样可以分别由南方地区度日和北方地区度日指标回归系数加以进一步解释：即便是用南方地区的度日指标做回归子，其冷却用电需求也明显高于高温用电需求，这与居民部门和商业部门不完全一致(模型I-5)；而北方地区的取暖度日系数虽不显著，但估计值为负数，寒冷气候压力下并不引起第二产业用电增多(模型I-6)。此外，模型I-7显示，其他气候因子的强度增加会抑制第二产业用电量，具体地，日照小时数每增加1个小时，用电量平均减少2.3％，且统计上显著，降雨量和风速的回归系数并不显著，尚未准确估计。(2)社会经济因素对第二产业用电量的影响首先，有节假日的月份用电量仍然比非节假日用电量减少，程度在2-3％之间，反应了第二产业生产活动同样也受节假日影响，尤其是春节月份的影响能很好地解释这一结果。值得注意的是，当期电价对二产用电量影响为负但并不显著(模型I-1)，而滞后一期的电价系数绝对值变大，显著性提高(模型I-2)，这表明第二产业的电力需求价格弹性具有滞后性，电价会对下一期的用电量产生较明显的抑制作用，弹性绝对值在0.4-0.5左右，这可能与工业企业生产成本核算上报滞后有关。与我们的预期相一致，用钢材产品实物产量表征的产业活动水平对第二产业用电量的影响为正且极为显著，活动水平每增加1个百分点，电力消费平均增加0.7个百分点以上，在一定程度上还反应了第二产业用电的规模效应。4、第三产业用电回归结果分析(1)气候因子对第三产业用电量的影响如表5所示，表征温度压力的冷暖度日值的回归系数均略低于居民部门相对应的系数值，但整体上气候因子对第三产业用电量的影响模式与居民部门类似。以18℃为基准的制冷度日回归系数是取暖度日系数值的2倍多(模型S-2，S-3，S-7)，每月的日均冷度日每增加一个单位，引起第三产业电力消费增加3.31个百分点，日均暖度日每增加一个单位，引起第三产业电力消费增加1.51个百分点(模型S-3)，其原因同样与我国北方地区用其他能源实现供暖有关。南方地区冷暖度日系数(模型S-5)表5：第三产业月度日平均电力消费对数值的计量回归结果说明：模型采取最小二乘法估计，括号内是t统计量的绝对值，*表示5％水平显著。和北方地区的冷暖度日系数(S-6)也进一步验证了这一原因。以17℃为基准温度的模型S-4比18℃模型的R2改善甚微，表明18℃作为基准温度对于第三产业同样是合理的。多个模型结果中度日估计系数表明我们的估计是比较稳健的。日照小时数、平均风速增加一定程度上抑制第三产业用电量增加，与对居民部门的效应方向相同。其中，日照小时数平均每增加1个小时，引起三产业用电平均增加0.44个百分点，明显低于其对居民部门用电的影响(1.85个百分点)。降雨量的系数值为正，与居民部门的该系数相反，表明降雨量增加或促使第三产业用电量增多，这可能由于防雨、清扫措施等带来的工作量增加有关。但是，三个气候因子的回归系数在统计上的估计方差较大，因此，要准确估计它们对第三产业用电量的影响还有待进一步考证。(2)社会经济因素对第三产业用电量的影响不同于气候因子作用的情况，社会经济因素子对第三产业的影响与对居民部门的影响不同。节假日和电力真实价格的回归系数均为负，电价增加和节假日月份或使第三产业用电减少，但与居民部门相比其绝对值非常小，且在统计上并不显著(模型S-2)。因此，第三产业用电行为在统计上并没有明显的节假日效应和需求价格弹性，仍需要进一步地研究加以确定。不包含取暖度日和制冷度日的方程同样带来了节假日效应和价格弹性的变动，但仍不显著(模型S-1)。因变量滞后项的系数值大小在0.4和0.5上下，均非常显著，表明第三产业的用电行为同样具有一定的粘性(惯性)：上一期的用电行为影响下一期行为；但从数值来看，这种粘性程度低于居民部门。此外，尽管不在5％显著性水平范围内，却与预期相一致，第三产业增加值系数均为正，增加值每增加1％，带来用电量增加0.28％(模型S-3)，但由于采用季度数据，忽略了部分季度内的变异，或影响其估计的准确性。时间趋势变量为正且显著，其他条件不变时，无法观测的趋势变量对第三产业用电有加强左右，平均每月有0.4％-0.5％左右的增长。5、各部门用电的温度敏感性分析为进一步了解各部门每月电力消费对气温上升的反应程度，在回归结果基础上，进行敏感性分析，建立了各部门用电的温度敏感性曲线(2012年为基准)，比较了日平均温度每增加1℃、2℃、3℃时，引起的各部门月度电力消费变化情况，基本模型如下，Δln(eh)t=β1ΔHDDtk+β2ΔCDDtk]]>其中，因变量Δeht是居民各部门月度用电在气温升高情况下的变化量，是第t个月中，温度升高k摄氏度引起的取暖度日变化量，是第t个月中，温度升高k摄氏度引起的制冷度日变化量。β1、β2是变量系数。具体模型如下：Δln(eh)t=β11ΔHDDt1+β21ΔCDDt1]]>Δln(eh)t=β12ΔHDDt2+β22ΔCDDt2]]>Δln(eh)t=β13ΔHDDt3+β23ΔCDDt3]]>Δln(ea)t=β11ΔHDDt1+β21ΔCDDt1]]>Δln(ea)t=β12ΔHDDt2+β22ΔCDDt2]]>Δln(ea)t=β13ΔHDDt3+β23ΔCDDt3]]>Δln(ei)t=β11ΔHDDt1+β21ΔCDDt1]]>Δln(ei)t=β12ΔHDDt2+β22ΔCDDt2]]>Δln(ei)t=β13ΔHDDt3+β23ΔCDDt3]]>Δln(es)t=β11ΔHDDt1+β21ΔCDDt1]]>Δln(es)t=β12ΔHDDt2+β22ΔCDDt2]]>Δln(es)t=β13ΔHDDt3+β23ΔCDDt3]]>所述Δln(eh)t是居民部门各部门月度用电在气温升高情况下的对数值变化量；所述Δln(ei)t是第一产业各部门月度用电在气温升高情况下的对数值变化量；所述Δln(ei)t是第二产业各部门月度用电在气温升高情况下的对数值变化量；所述Δln(es)t是第三产业各部门月度用电在气温升高情况下的对数值变化量；所述是第t个月中，温度变化k摄氏度引起的取暖度日变化量；所述是第t个月中，温度变化k摄氏度引起的制冷度日变化量；所述β1是回归系数；所述β2是回归系数；图2为本发明实施例提供的一种各部门月度用电量的温度敏感性曲线图，图中左轴代表各部门月度用电在气温升高1℃，2℃和3℃情况下的变化量，用三条带标记的实线表示；右轴代表各部门2012年基准的月度实际用电量，用虚线表示；各轴标度的单位均是亿千瓦时。对四个产业进行敏感性分析，绘制敏感性曲线。敏感性曲线如图2所示。可见，各产业的敏感性曲线按月份呈现了明显的“倒U”形状，即顶峰出现于整年的中间年份(7-8月份)，这表明气温升高对各部门月度电力消费的影响具有明显的季节特征，即夏季受影响最大，加剧用电高峰时的电力负荷。其中，居民部门和第三产业用电增量的顶峰出现在8月份，第一和第二产业用电增量顶峰出现在7月份。从全年用电变化方向来看，气温升高对居民生活、第二产业和第三产业用电影响类似：4-10月用电量增加，其他月份用电量减少，这意味着冬季用电需求减少将部分抵消夏季用电需求的增多。然而，气温升高带来的这些部门电力消费累计增加量明显高于电力消费累计减少量，寒冷季节用电需求的减少不足以弥补温暖季节(4-10月)用电需求的增加，因此，气温升高带来全年用电水平的整体增加。此外，值得注意的是，第一产业用电量在全年各月份均有所增加，气温升高对寒冷季节用电量不但没有缓解反而进一步增加，加剧了整年范围内的用电量增长。这表明，气温升高会对第一产业的用电需求带来更大的挑战。从绝对量来看，气温同等幅度增加导致第二产业用电量负荷增加最多，其次是居民部门，在温升3℃条件下，分别多用电102.5亿千瓦时和72.2亿千瓦时，然后是第三产业，增加55.7亿千瓦时，用电增量最少的却是第一产业，多用电15.3亿千瓦时。以上敏感性分析的这些影响随温度上升程度增加，电力消费的增加或减少程度均越大(3℃条件>2℃条件>1℃条件)，整体上表现的脆弱性越强。附表多元回归模型中变量描述和统计特征附表A1：变量含义及数据来源综上所述，本发明实施例通过获取电力行业用电历史数据，确定气候因素HDD、CDD、温度、日照、风速和降雨量以及社会经济因素；研究各种气候因素和社会经济因素对各部门电力消费的影响。采用月度时间数据，通过建立回归模型，发现其季节规律性，分析不同产业部门和居民生活电力需求对气候易损性特征，能够为电力生产规划、缓解电力供需矛盾、保证电力安全等提供更具体、更直接的政策指导。本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页1 2 3