基于ARIMA模型的光伏客戶需求服務預測研究

郭麗平++蔡永自

【摘要】隨著中央和地方政府對光伏發電上網電價補貼政策的刺激，配套電網建設和技術成果的創新運用，加之光伏生產廠家一條龍服務的推動，分布式光伏客戶呈爆發式增長。本研究旨在采用ARIMA模型對光伏每月累計并網戶數、客戶咨詢數據和上網電量三個指標將來的數據進行預測。

【關鍵詞】光伏發電 并網戶數 客戶咨詢 上網電量 預測

一、引言

光伏發電作為清潔能源，是目前國家鼓勵發展的行業。作為分布式光伏發電大省，浙江省“十三五”規劃綱要也明確“將全面實施百萬家庭屋頂光伏工程，到2020年光伏發電力爭達到800萬千瓦?！惫夥渤蔀椴糠值貐^產業帶動經濟增長的新途徑。隨著中央和地方政府對光伏發電上網電價補貼政策的刺激，配套電網建設和技術成果的創新運用，加之光伏生產廠家一條龍服務的推動，分布式光伏客戶呈爆發式增長。本研究旨在采用ARIMA模型對光伏每月累計并網戶數、客戶咨詢數據和上網電量三個指標將來的數據進行預測。

二、ARIMA模型及其預測分析思路

ARIMA模型，全稱為求和自回歸移動平均模型（auto regressive integrated moving average model，簡記ARIMA），是由詹金斯（Jenkins）與博克思（Box）于20世紀70年代初提出的時間序列預測方法。其中，ARIMA（p， d， p）稱為差分自回歸移動平均模型，AR為自回歸，P為自回歸項；MA為移動平均，y為移動平均項數，d為時間序列達到平穩時所做的差分次數（解樹國，2012）。通過ARIMA模型，將分布式光伏并網數量、上網電量、客戶咨詢隨時間推移而形成的數據序列視為一個隨機序列，用一定的數學模型來近似描述這個序列。這個模型一旦被識別后，就可以從時間序列的過去值及現在值來預測未來值。該模型的基本原理如下：

如果假設隨機變數Yt，為在時間t的一個觀測值，那么一組Yt，所構成的數列就稱為隨機過程，而一般標準的ARIMA（p，d，q）模型可以記為Yt～ARIMA（p，d，q），其定義為：

чp（B）Wt=θq（B）αt

式中，чp（B）=1-ч1B-…-чpBp，Wt=（1-B）dYt，Qp（B）=1-1-θ1B-θ2B2…-…θqBq，αt為白色噪音，亦即α～N（0，σ2α），p，d，q為非負整數，B為后移分算子，即BYt～Yt-1，ч1，ч2，…чp，為自我回歸參數，θ1，θ2，…θq，為移動平均參數。

ARIMA模型最大優點在于對季節周期性數據指標的準確預測，ARIMA的季度或月度模型能揭示出被解釋變量的非線性特征，ARIMA模型需要先估計它的階數后，再使用最小二乘法進行預測。具體的建模步驟如下：①序列平穩化。如果數據序列是非平穩的，并存在一定的增長或下降趨勢，則需要對數據進行差分處理，這個過程叫非平穩序列平穩化。②模型識別。若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合MA（q）模型；若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合AR（p）模型；一般情況下，可通過自相關（ACF）和偏自相關圖（PACF）估計出階數P，Q的可能取值，然后，通過AIC準則（赤池準則），SC準則（施瓦茨準則），其中AIC值和SC值都是越小越好，從而選出最合適的模型階數。③模型預測。根據建立的ARIMA（p，d，q）模型，利用Eviews軟件對分布式光伏上網用戶、結算電量、客戶咨詢等數據進行預測（陳平和夏敏，2011）。

三、預測過程及結果分析

本研究選取的基礎數據包括三個指標，累計并網戶數（BINGWANG）、每月結算電量（JIESUAN）、客戶咨詢數據（ZIXUN）。

（1）對累計并網戶數的預測與分析。按照前述步驟，首先對累計并網戶數（BINGWANG）進行平穩性檢驗，以確定d值。累計并網戶數（BINGWANG）變量的平穩性檢驗結果，變量BINGWANG是三階單整變量，從而得到d=3。在穩定性分析的基礎上，根據自相關和偏相關圖可以確定p=1，q=1。

進而，根據建立的BINGWANG變量應該選擇ARIMA（1，3，1），利用Eviews軟件進行預測，得到預測值。

（2）對每月結算電量的預測與分析。類似的，針對每月結算電量（JIESUAN）進行預測的步驟如前所述。變量JIESUAN是2階單整變量，從而得到d=2。進而根據自相關和偏相關圖可以確定p=0，q=0。

根據建立的每月結算電量（JIESUAN）應該選擇ARIMA（0，2，0），利用Eviews軟件進行預測。

（3）對客戶咨詢數據的預測與分析。最后，針對客戶咨詢數據（ZIXUN）進行預測。變量JIESUAN是1階單整變量，從而得到d=1。進而根據自相關和偏相關圖可以確定p=1，q=1。

根據建立的客戶咨詢數據（ZIXUN）應該選擇ARIMA（1，1，1），利用Eviews軟件進行預測。

累計并網戶數（BINGWANG）、每月結算電量（JIESUAN）、客戶咨詢數據（ZIXUN），這三個指標的最終預測結果見表。

四、結論

本文基于2015年1月-2016年6月的基礎數據，采用ARIMA模型預測了2016M07-2017M12寧波供電公司分布式光伏并網數量、上網結算電量、客戶咨詢數量。從模型預測結果來看，寧波供電公司分布式光伏并網數量、上網結算電量、客戶咨詢數量將呈爆發式增長態勢。預計2016年12月累計并網戶數為2305戶，比2016年6月增長405.48%；上網結算電量4604萬千瓦時，比6月份增長615.15%；95598客戶咨詢數量39個，比6月份增長39.29%。預計2017年12月累計并網戶數為14557戶，比同比上年增長531.54%；當月上網結算電量16223萬千瓦時，同比上年增長252.37%；95598客戶咨詢數量59個，同比上年增長51.28%。根據公司光伏客戶成功備案的統計數據，模型預測數據反應了光伏發電業務增長態勢和增長速度。

參考文獻：

[1]解樹國.基于RBF和ARIMA模型下貨運量預測算法與軟件實現[M]. 湖南大學碩士學位論文，2012.

[2]陳平，夏敏. 基于ARIMA模型的短期風速預測方法[J]. 華章，2011，（15）.