本发明涉及电网电力分解分析技术领域,具体涉及一种分离工业用电量中温度电量和经济电量的方法。
背景技术:
电力是工业部门的主要驱动力,“工业用电量”素有工业经济“晴雨表”之称。工业用电量同比增速历来被作为衡量工业增加值增速的一致指标,但是近年来工业增加值增速与工业用电增速严重偏离的现象频现,其中既有工业增加值增速与工业用电增速统计口径的不一致的问题,也有短期工业用电特别是夏季工业用电量受气温因素影响较大的原因。因此,有必要对历年夏季(或冬季)工业用电量与工业增加值的关系进行深入的量化分析和研究,力图探索夏季(或冬季)气温对工业用电波动的影响,进而分离出工业用电量中的温度电量和经济电量,从而合理地释疑工业增加值与工业用电走势的背离,有助于辅助电力公司内部电力供需形势分析,以及政府基于工业经济电力关系制定正确的经济政策。
技术实现要素:
本发明的目的在于提供一种分离工业用电量中温度电量和经济电量的方法,通过对工业用电量影响因素的分析与建模,获取温度影响系数,进而分离出工业用电量中的温度电量和经济电量。
为实现上述目的,本发明采用了以下技术方案:
一种分离工业用电量中温度电量和经济电量的方法,包括以下步骤:
(1)收集历史期工业用电量、工业增加值和平均温度指标的月度数据;
(2)定性分析影响夏季或者冬季月度工业用电量的主要因素,该主要因素包括经济因素及气温因素;
(3)构建经济增长和温度因素的工业用电量定量分析模型,获取温度影响系数;
(4)计算分离工业用电量中的温度电量和经济电量。
上述方案中,步骤(3)中,所述构建经济增长和温度因素的工业用电量定量分析模型,获取温度影响系数,具体包括以下步骤:
(31)构建经济增长和温度因素的工业用电量定量分析模型:
iet=c0+c1*iaddt+c2*tt
其中,iet表示t年所需分离月度工业用电量,iaddt表示t年所需分离月度工业增加值,tt表示t年所需分离月度平均温度,c0为常数项,c1和c2分别为两个解释因子的系数;
(32)获取温度影响系数;
由上述定量模型可知,c2即为所求的温度影响系数,表示温度每升高(或降低)1个单位,将引起工业用电量增加(或减少)c2个单位。
上述方案中,步骤(4)中,所述计算分离工业用电量中的温度电量和经济电量,具体包括以下步骤:
(41)计算历史期4、5月平均温度的平均值,以此作为当年的基础平均温度,即不存在温度电量的温度;
(42)计算分离工业用电量中的温度电量:
wdet=(tt-t0)*c2
其中,wdet表示t年所需分离月度工业用电量中的温度电量,t0表示t年的基础平均温度;
(43)计算分离工业用电量中的经济电量:
jjet=iet-wdet
其中,jjet表示t年所需分离月度工业用电量中的经济电量。
由上述技术方案可知,本发明通过定性分析影响夏季(或者冬季)月度工业用电量的因素,并构建定量分析模型,通过构建考虑经济增长和温度因素的工业用电量定量分析模型,得到温度因素对工业用电量的影响系数,进而分离出工业用电量中的温度电量和经济电量,有助于合理地解释工业用电量与工业增加值走势貌似背离的原因,进而准确地分析工业经济电力关系。
附图说明
图1是本发明的流程图;
图2是安徽省各年7月与6月温差与工业电量环比增速关系图。
具体实施方式
下面结合附图对本发明做进一步说明:
以安徽省为例,分离其2015和2016年7月工业用电量中温度电量和经济电量。首先收集相关指标数据,然后定性分析影响安徽省夏季月度工业用电量的主要因素,其次构建定量分析模型,获取温度影响系数,并据此计算分离工业用电量中的温度电量和经济电量。
如图1、2所示,一种分离工业用电量中温度电量和经济电量的方法,包括以下步骤:
s1:收集历史期工业用电量、工业增加值和平均温度指标的月度数据;
s2:定性分析影响夏季或者冬季月度工业用电量的主要因素,该主要因素包括经济因素及气温因素;
经济增长特别是部分高耗能行业增长的加快一定程度上会带动工业用电量较快增长,工业经济活动水平(即工业增加值)是影响工业用电量的主要因素之一。通常人们认为,工业生产用电主要来自于工业生产线的机器设备以及各种生产装置对于电力的直接消耗,气温对其影响甚小,但是随着离散型制造业的不断发展,参与工业生产的从业人员对工作环境的要求逐渐提高,一些高端制造业生产车间本身对于环境温度要求也较高,即随着经济水平和电气自动化的发展,工业生产活动中用于降低环境温度的电力需求越来越多,因此工业用电也越来越容易受到气温的影响。
观察2003-2016年安徽省6、7月工业增加值(表1)可以发现,6月工业增加值均高于7月工业增加值,基于此可以初步判断在安徽这个区域经济体内,工业部门6月的整体活动强度高于7月,至少两个月的活动强度应该在一个水平线上。
表1
如果假设相邻两个月的单位工业增加值电耗不变,理论上应该出现安徽省历年的6月工业用电量高于7月的现象。但实际并非如此(如表2),各年7月工业用电量较同年6月均高出10%-30%。该现象的发生一定程度上说明7月工业用电量除受工业经济活动影响之外,还会受到其他因素影响。
6、7月工业用电量均不存在重大节假日影响,在7月工业增加值略低于6月的情况下,导致7月工业用电量大幅高于6月的主要原因应该是气象因素,对比7月与6月平均气温发现,7月平均气温明显高于6月(见表3)。
表2
表3
如果造成安徽省7月工业用电量较6月工业用电量高的影响因素主要来自于气温的变化,则7月较6月工业电量的变化情况必然与7月与6月的温差成正相关关系。观察2000-2016年7月与6月的温差和7月用电量相对6月用电量的环比增长情况(见图2),7月工业用电量相对于6月工业用电量的增长情况与两个月的温差情况密切相关。该现象表明,6、7月间安徽省工业用电量的变化还与气温因素有关。
s3:构建考虑经济增长和温度因素的安徽省工业用电量定量分析模型,获取7月温度影响系数:
iet=-93.24+0.169*iaddt+4.155*tt
其中,iet表示t年7月安徽省工业用电量,iaddt表示t年7月安徽省工业增加值(2005年可比价),tt表示t年7月平均温度;
方程拟合优度检验r2=0.988,两个变量的回归系数均可通过t检验,对解释变量的影响是显著的。由上述定量模型可知,4.155即为所求的温度影响系数,表示温度每升高1℃,将引起7月工业用电量增加4.155亿千瓦时。
s4:计算分离工业用电量中的温度电量和经济电量,具体包括以下步骤:
s41:计算得到安徽省2003-2016年4、5月平均温度的平均值为19.41℃,以此作为基础平均温度,即不存在温度电量的温度;
s42:计算分离工业用电量中的温度电量:
wde2015=(26.43-19.41)*4.155=29.1681
wde2016=(28.52-19.41)*4.155=37.85205
根据上述两个计算公式可知,2015、2016年7月安徽省工业用电量中的温度电量分别为29.1681亿千瓦时和37.85205亿千瓦时。
s43:计算分离工业用电量中的经济电量:
jje2015=ie2015-wde2015=107.7-29.1681=78.5319
jje2016=ie2016-wde2016=127.55-37.85205=89.69795
根据上述两个计算公式可知,2015、2016年7月安徽省工业用电量中的经济电量分别为78.5319亿千瓦时和89.69795亿千瓦时。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。