基于生产力及城镇化布局的省级长期电力需求分布预测

王 宝， 陈 煜， 马 静， 叶 彬， 杨 敏

(国网安徽省电力有限公司经济技术研究院， 安徽 合肥 230022)

1 引言

电力市场分析预测是支撑电网公司生产经营计划、电网规划布局的重要基础工作，尤其是在经济步入新常态、增速明显趋缓的大形势下，电网公司将更加注重电网网架的优化安排以提高投资效益。准确合理把握省级电网长期电力需求，相较于中短期准确预测对电网规划显得更具科学性和前瞻性指导意义。

先前相关学者对中长期电力需求预测的方法主要有计量经济学模型[1,2]、投入产出分析模型[3]、可计算一般均衡(CGE)模型[4]、情景分析模型[4-6]，考虑到省级中长期电力发展还受节能减排等其他因素影响，存在一定的不确定性，采用情景分析预测方法较为合理，常用的情景分析方法是LEAP模型[7](Long-range Energy Alternatives Planning system，长期能源可替代规划系统)。

省级电网网架能否实现合理优化构建，关键在于对长期电力需求在各区域分布的准确合理把握，目前相关研究甚少，文献[8]采用基于对各功能区的未来发展定性判断和占比法预测了重庆市中长期电力需求分布。对省级电网长期电力需求预测更容易把握，同时限于地市供电公司预测研究能力，各区域长期电力需求预测可采取从全省到各区域的分析预测思路。

生产力与城镇化(包括GDP、三次产业结构、人口规模等)差异直接决定了各区域长期电力需求的差异性[9,10]，鉴于各产业和居民生活用电受不同的生产力及城镇化指标影响，本文从分产业角度创新性提出基于生产力及城镇化布局的省级长期电力需求分布预测方法，以期实现对省级电网长期电力需求在各区域分布的有效把握。

2 长期生产力及城镇化布局与电力需求预测

2.1 地区长期生产力及城镇化布局预测

地区长期生产力及城镇化布局预测需要以地区长期生产力及城镇化预测为基础，可采用以地区经济发展规划及地区经济发展阶段等定性判断为基础，以先前学者对全国长期生产力及城镇化预测结果为参考，再以传统定量预测模型为辅助工具，开展地区长期生产力及城镇化预测。在此基础上，结合各区域历史生产力与城镇化发展及其差异，采用多元回归、logistic、ARIMA、P-E-R等多种方法，合理预测地区长期生产力在各区域的布局。地区长期生产力布局预测可依靠省级经济研究机构的专业判断及其预测技术。

2.2 省级电网长期电力需求预测

省级电网长期电力需求预测可采用构建LEAP模型，依据地区长期经济社会发展预测，从终端用能角度出发，分主要产业部门(如：城乡居民生活、交通运输、服务业、高耗能行业等)设计终端用能载体并根据技术进步等因素预测其能耗强度，进一步设计地区发电、煤炭开采等能源转换模块，最终构建地区长期能源需求预测的LEAP模型，根据地区LEAP模型能很好地预测地区长期分行业和居民生活用电量以及全社会用电量。

2.3 安徽长期生产力布局与电力需求预测结果

以安徽为例，省内经济研究专业机构预测，全省长期经济增速将逐步放缓，预计“十三五”和2020年至2030年年均分别增长8.5%和6.5%左右；到2030年全省将进入后工业化发展阶段，三产比重超过50%；全省常住人口将从2015年的6144万人增加至6800万人。图1至图3分别给出了全省长期生产力及城镇化主要指标在各地市的布局结果，皖北4地市(淮北、阜阳、亳州、宿州)受制于资源、环境严重超载，长期人口流出大势所趋。

图1 安徽省长期GDP增速分布结果

图2 安徽省长期产业结构分布结果

图3 安徽省长期常住人口分布结果

根据安徽省发展特点和长期趋势，形成长期能源电力发展可能的3种情景：基准情景、清洁情景和强化清洁情景，基准情景对应正常节能减排力度及科技进步速度、交通以油为主的传统发展思路；清洁情景对应技术进步加速、能源消费方式转变、省内省外两个资源市场并举的清洁化发展思路；强化清洁情景对应节能减排和省外资源市场开发力度进一步加大的加强型清洁化发展思路。对发展情景量化后，构建安徽能源电力发展LEAP情景模型，预测2030年3种情景对应全社会用电量(如表1)，结果显示节能减排力度越大，安徽长期用电增速越小。

表1 2030年安徽全社会用电预测结果 单位：亿千瓦时

未来安徽沿着清洁情景发展最为可能，对应2030年全省全社会用电3574亿千瓦时，2016年至2030年年均增长5.3%，分产业结果见表2。

表2 2030年安徽分产业用电预测结果 单位：亿千瓦时

3 省级电网长期电力需求分布预测模型

各产业及居民生活用电受不同的生产力及城镇化指标影响，需分别开展电力需求分布预测，一产用电体量小，且LEAP模型不单独预测一产用电，将一产用电考虑在二产用电中。

3.1 城乡居民生活用电分布预测

基于历史数据计量分析，各区域城乡居民生活用电差异主要由区域经济总量(GDP)和人口规模差异决定，构建以各区域城乡居民生活用电为被解释变量的历史基准年回归模型(如式(1))，再根据长期各区域生产力和人口布局预测结果，计算得到长期各区域城乡居民生活用电初步预测结果，并按式(2)计算得到长期各区域城乡居民生活用电最终分布结果。

(1)

(2)

式中：WHt,l、GDPt,l和POPt,l分别表示区域l长期t年对应的城乡居民生活用电、GDP和常住人口规模，WHt为全省长期t年城乡居民生活用电，L表示区域总数。

3.2 三产用电分布预测

历史年份统计分析显示，各区域三产用电量与三产增加值基本呈完全线性，因而长期各区域三产用电可采用与各区域三产增加值回归进行预测。构建历史基准年各区域三产用电与三产增加值回归模型，再带入长期各区域三产增加值布局预测结果，并按式(3)计算得到长期各区域三产用电分布结果。

(3)

3.3 二产(含一产)用电分布预测

省级电网二产用电构成较复杂，一般包括：二产终端用电(含高耗能行业和非高耗能行业)、能源工业(煤炭开采、石油加工和天然气生产)用电、全部厂用电、主网(220kV及以上)网损、配网线路损失电量、抽水蓄能抽水耗用电量，其中：全部厂用电(主要是统调厂用电)、主网网损、抽水蓄能抽水耗用电量只在省级电网二产用电中计入，各区域不计入。

省级电网长期t年全部厂用电WCDt、主网网损WZLt和配网线路损失电量WPLt一般占全社会用电一定的比例，可根据其占全社会用电比例(分别为κ1t、κ2t、κ3t)和全社会用电预测结果(Wt)乘积预测得到，长期t年各比例可基于趋势外推和结合与发达地区对比确定。抽水蓄能抽水耗用电量WPt根据长期抽水蓄能规划装机容量PPt和利用小时数τ计算得到(WPt≈PPtτ/3×4)。

3.3.1 各区域二产(含一产)终端用电分布

高耗能行业电耗大，且由于区位原因，高耗能行业在各区域分布往往存在较大差异，从而决定了各区域二产(含一产)终端用电与二产增加值相关性一般不高，直接基于二产增加值分布预测二产(含一产)终端用电分布的方法不可取，需先确定各区域高耗能行业用电分布后方能确定二产(含一产)终端用电分布。

受趋严的环保政策影响，高耗能行业再布局难度大，长期可按维持现有各区域分布考虑。基于历史基准年高耗能行业产品产量在各区域分布以及长期省级电网高耗能行业用电预测结果，预测各区域长期高耗能行业用电分布(如式(4))。

(4)

式中：WGt,l为长期t年区域l主要高耗能行业用电预测值，Ns为全省主要高耗能产品种类，VGt0,l,s为基准年t0区域l的s高耗能产品产量，WGIt,s为长期t年全省s高耗能行业用电量预测值。

扣除高耗能行业用电后，各区域二产(含一产，不含高耗能)用电可基于各区域二产增加值占比来预测，再加上高耗能行业用电，得到二产(含一产)终端用电在各区域分布结果(如式(5))。

(5)

式中：WSTt,l和GDP2t,l分别为长期t年区域l二产(含一产)终端用电量预测值和二产增加值预测值。

3.3.2 各区域能源工业用电分布

能源工业和高耗能行业类似，再布局难度大，其用电分布可按基准年各区域能源工业产量占比，预测各区域能源工业用电量(如式(6))。

(6)

式中：WEIt,l为中长期t年区域l能源工业用电量，VEt0,l,d为基准年t0区域l的d能源产品产量，Nd为能源产品种类，WEt,d为省级电网中长期t年d类能源工业用电预测结果。

3.3.3 各区域配网线路损失电量分布

长期来看，随着配网结构逐步优化和管理水平提升，线损率高的区域将明显下降，线损率低的区域受技术线损率限制，降幅有限，从而各区域线损率差异明显缩小，线损率不再是各区域配网线路损失电量差异的主要因素。因而长期各区域配网线路损失电量由各区域用电量大小决定，可根据上述已确定的分类用电量占比来预测各区域配网线路损失电量WPLt(如式(7))。

(7)

3.3.4 各区域二产(含一产)用电分布

各区域二产(含一产)用电WSt,l等于各区域二产(含一产)终端用电、能源工业用电和配网线路损失电量之和(如式(8))，省级电网二产(含一产)用电与各区域二产(含一产)用电关系如式(9)。

(8)

(9)

3.4 全社会用电分布结果

基于对长期城乡居民生活用电、三产用电和二产(含一产)用电分布的预测，加总形成长期各区域全社会用电分布结果Wt,l(如式(10))。

(10)

4 实例分析

以下以安徽省清洁情景下2030年电力需求分布预测为例，阐述预测过程与结论。

根据式(1)，以2015年历史数据构建城乡居民生活用电回归模型(如式(11))，带入各地市2030年GDP和人口规模预测值，并根据式(2)得到各地市2030年城乡居民生活用电分布结果(如表3)。根据式(3)，以2015年历史数据构建三产用电回归模型(如式(12))，并带入各地市2030年三产增加值预测值，得到各地市2030年三产用电分布结果(如表3)。

WHl=0.005101215084×GDPl+0.02268179479×POPl-0.422537 (R2=0.9993)

(11)

WTl=0.02536760727×GDP3l+0.2239821035 (R2=0.9903)

(12)

表3 2030年居民和三产用电分布结果 单位：亿千瓦时

基于LEAP模型可获取2030年安徽二产(含一产)用电内部构成预测结果(如表4)，基于2015年产品产量(钢材、水泥、化肥、铜、原煤等)历史分布、2030年二产增加值分布等，根据式(4)～式(7)，预测各高耗能行业、非高耗能行业、各能源工业以及配网线路损失电量在各地市分布(如表5)。

表4 2030年二产(含一产)用电构成 单位：亿千瓦时

表5 2030年安徽省二产(含一产)用电各地市分布预测结果 单位：亿千瓦时

汇总城乡居民生活用电、三产用电和二产(含一产)用电各地市分布预测结果，得到各地市全社会用电分布结果(如表6)。

表6 2030年安徽省全社会用电量分布结果 单位：亿千瓦时

3种情景对应各地市长期用电增长走势基本一致(如图4)，淮北、淮南、马鞍山和铜陵等能源或高耗能型工业城市用电增长潜力较小；合肥、六安、安庆等皖中城市，凭借人口吸纳优势，用电增长空间较大；阜阳、亳州、宿州等皖北城市工业发展落后，后期用电增长空间亦较大。

图4 3种情景对应2030年分布结果

本文预测方法充分考虑了长期各地市生产力及城镇化布局差异，同时分产业用电分布预测亦充分考虑了用电结构变化，该预测结果相较于传统不考虑各地市生产力及城镇化发展下的历史全社会用电占比、长期GDP占比等占比法更具科学性、合理性和可解释性。

5 结论

对省级电网企业而言，仅开展地区长期电力需求预测并不能很好地指导全省电网规划和优化，但限于地市供电公司预测研究能力，各区域长期电力需求一般难以把握。本文基于省级电网长期电力需求预测结果，构建了基于生产力及城镇化布局的省级长期电力需求分布预测模型，实现了从全省电力需求到各区域电力需求的科学有效衔接。由于考虑了各区域长期生产力及城镇化差异，分布预测结果相较于一般的占比预测方法更为科学合理。本文研究工作能够为电力市场分析及电网规划人员合理预测省级长期电力需求分布以满足电网合理前瞻性规划需要，具有一定的参考价值。

参考文献：

[1] 戚岳，王玮，周晖，等.灰色计量经济学模型在中长期电力需求预测中的应用研究[J].华北电力大学学报，2008，35(5):36- 40.

[2] 牛彦涛，王辉.结合误差校正的北京市中长期电力需求预测[J].现代电力，2011，28(1):90-94.

[3] 谭显东，单葆国，徐敏杰.基于投入产出法的中长期电力需求模拟[J].中国电力，2010，43(1):1- 4.

[4] 徐敏杰，胡兆光，谭显东，等.中国中长期能源和电力需求及碳排放情景分析[J].中国电力，2012，45(4):101-107.

[5] 黄建.基于LEAP的中国电力需求情景及其不确定性分析[J].资源科学，2012，34(11):2124-2132.

[6] 刘贞，朱开伟，蒲刚清.基于LEAP模型的电力需求侧碳减排潜力分析[J].电力建设，2014，35(6):153-159.

[7] 高虎，梁志鹏，庄幸.LEAP模型在可再生能源规划中的应用[J].中国能源，2004，26(10):40- 43.

[8] 秦浩庭，刘燕，肖汉，等.重庆市中长期电力需求及分布预测[J].电力建设，2015，36(4):115-122.

[9] 范德成，王韶华，张伟.低碳经济目标下我国电力需求预测研究[J].电网技术，2012，36(7):19-25.

[10] 肖欣，周渝慧，张宁，等.城镇化进程与电力需求增长的关系研究[J].中国电力，2015，48(2):145-149.