[发明专利]基于关联分析的高能耗产业电力消费预测方法及系统

权利要求书

1.一种基于关联分析的高能耗产业电力消费预测方法，其特征在于，包括以下步骤：

1)获取地区的产业经济数据，包括：地区分产业GDP数据、地区产业结构占比数据、产业主要产品产量、产业主营业务收入、产业利润总额、规模以上工业增加值的基本信息，选取部分作为经济指标；获取地区的电力消费数据，包括：地区分行业电力消费数据、地区重点企业电力消费数据；

2)计算不同产业的单位GDP电耗数据，识别地区的高能耗产业类型；

3)建立地区高能耗产业自回归分布滞后模型，对各类高能耗产业进行格兰杰因果关系分检验，得到产业电力消费数据与经济数据之间的关联结果；

4)选取关联性强的经济指标，建立高能耗产业的电力消费自回归分布滞后模型，通过该模型预测得到地区高能耗产业的电力消费量的预测值。

2.根据权利要求1所述的基于关联分析的高能耗产业电力消费预测方法，其特征在于，所述步骤2中，单位GDP电耗的计算公式为：

λ_i＝y_e,i/x_GDP,i

其中，y_e,i为产业i的电力消费量，x_GDP,i为产业i的生产的GDP值。

3.根据权利要求1所述的基于关联分析的高能耗产业电力消费预测方法，其特征在于，所述步骤3中，高能耗产业自回归分布滞后模型为：

Y_t＝C+Φ₁Y_t-1+Φ₂Y_t-2+…+Φ_pY_t-p+U_t

式中，Y_t＝[y_1,t-i,y_2,t-i,···,y_n,t-i]^T(i＝1,2···p)为滞后i期的n维变量y_1,t-i,y_2,t-i···y_n,t-i组成的向量，包含所选的产业电力消费数据与经济指标数据；C＝[c₁,c₂,···,c_n]^T为n×1维常数向量；U_t＝[u₁,u₂,···,u_n]^T为n×1维随机误差列向量；Φ_i(i＝1,2···p)为n×n维自回归系数矩阵，

4.根据权利要求1所述的基于关联分析的高能耗产业电力消费预测方法，其特征在于，所述步骤3中，高能耗产业格兰杰因果检验模型为：

式中，c₁、c₂为常数项，为i期滞后自回归系数，其中s,t＝1,2，u_1t、u_2t为误差项，x_t-i、y_t-i分别为x和y第i个时期的产业电力消费与经济指标数据的观测值，其中i＝1,2···p。

5.根据权利要求1所述的基于关联分析的高能耗产业电力消费预测方法，其特征在于，所述步骤4中，电力消费自回归分布滞后模型为：

其中，α为常数项，φ_i、为系数项，v_t为白噪声项，p、q_jk为最大滞后阶数，y_esum,t、y_esum,t-i分别为t和t-i时期地区高能耗产业的总用电量，为第j个高能耗产业的第k个经济指标变量滞后l_jk个时期的值。

6.一种用于实现如权利要求1-5任一项所述方法的基于关联分析的高能耗产业电力消费预测系统，其特征在于，包括：

信息采集模块，连接电力部门和相关统计部门的系统，用于获取地区的产业经济数据和电力消费数据，并计算不同产业的单位GDP电耗数据，识别地区的高能耗产业类型；

指标选取与关联分析模块，用于对各类高能耗产业进行格兰杰因果关系分检验，选取关联性强的经济指标；以及

预测与计算模块，用于建立高能耗产业的电力消费自回归分布滞后模型，预测高能耗产业的电力消费量。