[发明专利]基于行业景气指数的重点行业用电量预测方法

摘要

本发明提供一种基于行业景气指数的重点行业用电量预测方法，包括步骤（1）获取重点行业景气指数和用电量历史数据；（2）对数据进行季节性调整和平稳性检验；（3）格兰杰因果检验判断行业景气指数与该行业用电量是否存在因果关系，并确定景气指数的最佳滞后期；（4）构建重点行业用电量时间序列ARIMA模型，并将重点行业景气指数指标引入到原ARIMA模型，构建回归模型；（5）以AIC准则为基础，筛选最佳模型；（6）模型推广应用，预测未来行业用电量。本发明以重点行业用电量为研究对象，通过引入行业景气指数，研究用电量及行业景气指数对用电量的影响程度，并结合时间序列模型，准确预测重点行业用电量，为未来电力行业的发展规划提供依据。

主权项

一种基于行业景气指数的重点行业用电量预测方法，其特征在于，包括如下步骤：(1)选取基月，读取历史样本区间月度重点行业用电量数据和重点行业景气指数数据；(2)对获取的重点行业用电量历史数据进行季节性调整，并运用ADF方法，对调整后的时间序列数据进行平稳性检验，若数据无法通过平稳性检验，则进行差分处理后再进行平稳性检验，判断各个重点行业的景气指数与用电量是否平稳；(3)通过格兰杰因果检验，判断各重点行业景气指数与用电量是否存在因果关系，在存在单向因果关系的条件下，确定行业景气指数相对于用电量的最佳滞后期；(4)构建重点行业用电量时间序列模型ARIMA模型，反映各重点行业用电量自相关关系，再将重点行业景气指数引入到原ARIMA模型中，构建回归模型，公式如下：yt=Σm=1sαmyt-m+Σn=1sβnxt-n+c+ϵt---(1)]]>其中，y表示行业用电量，x表示行业景气指数，α、β是根据样本数据回归拟合得到的系数，m、n表示滞后期，s表示最大的滞后期，c表示常数项，t表示时间，εt表示随机误差项；时间序列模型的识别是根据自相关函数ACF和偏自相关函数PACF来确定；所述构建回归模型的具体方法为：引入各行业景气指数为解释变量，需要先生成滞后序列代入ARIMA模型，对构建的回归模型进行参数估计，并比较引入行业景气指数之前和之后的模型拟合误差率，如果引入行业景气指数后，拟合误差率更低，则该行业用电量可由基于行业景气指数的回归模型预测得到；将重点行业景气指数指标引入到原ARIMA模型得到回归模型，最大滞后期选择24个月，公式如下：yt=Σm=124αmyt-m+Σn=124βnxt-n+c+ϵt]]>其中，y表示行业用电量，x表示行业景气指数，c表示常数项，t表示时间，εt表示随机误差项；(5)基于极大似然估计，以AIC准则为基础，对公式(1)所代表的若干种模型进行筛选，选出最佳模型；(6)根据上述预测模型，对目标月度的重点行业用电量进行预测。