基于电力生产景气指数的我国发电行业分析与预测

张峰，李彦斌，李赟，杨思航

（华北电力大学经济与管理学院，北京市昌平区 102206）

0 引言

当前，全球经济格局与能源产业发展面临重大变革。一方面，新冠疫情使得全球经济发展充满不确定性，国内经济增长压力进一步增加；另一方面，全球气候环境变化对人类经济社会发展提出了严峻挑战，构建安全高效、清洁低碳的能源体系已经成为我国的重要战略[1]。电力作为多品类能源相互转换的中心环节，不仅是国计民生稳定发展的基本保障，也是能源革命不断推进的重要支撑。然而，随着新一轮电力体制改革的推进，电力行业市场化进程逐步加快，企业盈利风险持续加大。加之我国可再生能源发电迅猛发展，对传统发电产业带来了巨大冲击，电力生产侧面临着巨大的不确定性。在此背景下，预测电力生产侧的行业趋势，对政府统筹行业发展、企业降低经营风险具有重要价值。

景气分析是对相关指标进行梳理统计分析，构建景气指数来验证经济周期性波动规律，预测未来发展趋势的一种有效方法[2]。起初，景气指数主要被用于宏观经济分析，如文献[3]选取了纽约州经济和财政健康状况的简要指标，构建了一致性经济指数，确定纽约经济循环周期，并基于此开发了先行经济指数预测未来收入变化的情况；文献[4]利用一致性指标和先行指标构建了欧洲地区的经济综合指数，并得到了经济周期表以判断欧洲地区的经济衰退和复苏日期；文献[5]运用景气指数及Probit模型，对我国的经济景气状况和走势进行了分析和预测。随着景气指数研究的深入，景气指数的应用逐渐拓展到对行业发展形势的分析中。如文献[6]利用合成指数方法构建了我国钢铁工业景气指数，以准确判断钢铁工业发展形势；文献[7]采用景气指数法构建针对我国环境承载力的预警方法体系；文献[8]编制了我国混频非对称金融景气指数，将其与宏观经济变量进行比较分析和相关性分析。

作为国民经济的命脉，景气指数在电力行业的应用近年来逐渐成为学者们关注的热点。现有研究首先运用经济指数方法，对电力需求、电力行业发展的态势进行了分析与预测。如文献[9]构建了基于经济、能源、电力、环境等大数据的电力景气模型，从而对区域电力发展和景气情况进行精准预警；文献[10]编制了电力景气先行指数，通过观测该指数，预测未来电力需求发展的转折点，估计电力需求发生变化的幅度，推测电力需求发展的趋向,有效弥补了经济新常态下传统预测方法的不足；文献[11]通过Kalman滤波法构建了广东省电力行业景气指数，并对电力供需状态进行了拟合与预测。

在此基础上，学者们运用景气指数方法分析了电力行业波动与经济发展、相关行业发展的关联关系。如文献[12]建立了电力行业景气指数，并运用误差修正模型分析了影响电力行业波动的长期经济因素和短期动态调整效应；文献[13]筛选了反映电力行业波动的一致指标，并利用中国经济景气监测系统构建电力行业景气波动和宏观经济波动的一致合成指数,分析了二者的时差相关性；文献[14]基于电力大数据构建了宏观经济景气指数，预测了我国经济运行的态势；文献[15]构建了预测高载能产业用电量的自回归滑动平均模型(Autoregressive moving average model，ARMA)，并结合行业景气指数对模型进行改进,并验证了模型预测结果的精度;文献[16]提出了电力景气指数的非线性分析方法，并基于产业和行业角度分析了各个行业在电力经济中所占的比重及影响程度;文献[17]基于电力数据构建了建筑行业的先行景气指数，为预测建筑行业波动趋势提供了更为直观的方法。

此外，还有部分学者从电力企业的视角出发，通过预测电力行业波动情况，为企业提供决策参考。如文献[18]结合合成指数法与层次分析法，构建了电网投资景气指数，并验证了企业电网投资规模、利益性投资和景气指数间的拟合性，从而为电网企业投资决策提供支撑。文献[19]构建了基于电力数据的经济景气指数，对不同行业的用电特性进行了分析，从而挖掘各种经济环境下的售电业务机遇，为售电公司决策提供支撑。

景气指数在电力行业的应用有助于实现“从电力看经济”和“从经济看电力”的双向互动。然而，在电力生产面临极大不确定性，发电企业效益无法保障的情况下，目前尚未有学者针对电力生产侧的景气指数展开研究。基于上述背景，为了进一步完善电力景气指数体系，促进“源-网-荷”协同发展，本文从电力生产侧的视角出发，深入分析影响电力生产侧发展的相关因素，构建电力生产景气指标体系，并在此基础上，编制电力生产景气指数，对我国发电行业的景气波动情况进行分析与预测。

1 电力生产景气指标的选取

1.1 电力生产影响因素分析

电力供给是一条极其复杂的产业链，除自身产业活动外，电力生产的景气波动情况还会受到社会宏观环境、电力供应链上、下游产业活动，以及其他相关产业活动的影响。因此，选取电力生产景气指标的前提是对影响电力生产的相关因素进行系统分析。

从宏观层面的社会经济发展角度，拟合了我国近年来的国民生产总值、全社会发电量以及全社会用电量增速的变化趋势，如图1所示。显然，我国电力全社会发电量与全社会用电量与国民生产总值之间的波动趋势基本相同，3者存在较为显著的相关关系。其主要原因是，GDP的快速增长会导致全社会用电量的显著增加，相应地，发电侧也需要增加投资，提高全社会装机容量来保障电力供应。

图1 2012—2019年GDP与全社会发、用电量增速变化拟合图Fig.1 Fitting figure of GDPand growth rate variation of whole society’selectricity production and consumption from 2012 to 2019

从中观层面的行业活动角度，首先是电力供应链自身活动会直接影响电力生产的景气波动。一方面，2015年以来，电力消费侧受经济下行压力的影响较大，全社会用电需求增速放缓明显，导致了电力供给侧产能过剩的现象，为发电行业高质量发展增加了不确定性；另一方面，电力生产侧的电源结构正在发生巨大变化，如图2所示，从2014年到2019年，火力发电占比从75.25%下降到68.87%，而光伏、风电占比明显上升，在此背景下，不同电源类型之间的利益诉求矛盾，会为电力生产的发展带来不稳定因素。

图2 我国电源结构变化图Fig.2 Chart of power source structure variation in China

其次是相关行业活动也会影响电力生产，首先体现在上游燃料供应上，由于我国电力生产仍以火电为主，煤炭行业的经济活动将直接影响火电企业的经营成本，进而波及电力生产的景气程度。此外，由表1给出的全社会用电量数据可得，我国全社会用电量中，第二产业用电量占比极高，近年来平均占比超过70%。其中，化学原料制品、非金属矿物制品、黑色金属冶炼和有色金属冶炼等4大高载能行业用电量占比为全社会用电量的31%。因此，第二产业的发展状况尤其是4大高载能产业的经济活动将对电力产生重大影响。

表1 全社会用电量数据Table 1 Data of electricity consumption of the whole society

1.2 电力生产景气指标的选取

从宏观经济发展的角度，结合文献[14]中构建电力市场景气指数过程中运用的宏观经济指标，选取国内生产总值、第二产业增加值、工业增加值等能够反映电力行业波动情况的指标；从电力消费侧的视角，选取全社会用电量、第二产业用电量、城乡居民用电量3个指标；从电力生产侧的视角，则选取全社会发电量、各类电源发电量、各类电源装机利用小时数、各类电源装机容量等能够直接反映电力生产侧变化的指标。此外，结合文献[13]中选取指标的内容，从与电力行业相关行业视角，选取有色金属产量、乙烯产量和氧化铝产量等高耗能产业的行业性指标。最终形成的电力生产景气指标集见表2。

表2 电力生产景气指标集Table 2 Prosperousindicator set of electric power production

2 电力生产景气指标的分类

由于景气指数分析首先需要确立一个基准点，以此为参照来确定不同指标的先行、一致和滞后关系[7]。全社会发电量能够敏感反映电力生产的经济活动，因此本文选取全社会发电量作为本文进行电力生产景气分析的基准指标。在此基础上，参照文献[19]中运用的时差相关分析法，计算基准指标与其他各指标的先行、一致和滞后关系，具体过程如下:设y={y1,y2,···,yn}为基准指标序列，x={x1,x2,···,xn}为所选取的其他指标序列，则有：

式中：rl表 示对应期数的时差相关系数；l表示超前或滞后的期数，负值表示滞后，正值表示领先；L表示最大延迟数；nl是对齐后的数据个数。选择最大的时差相关系数为：

最大时差相关系数反映被选指标与基准指标的时差相关关系，相应延迟数表示超前或滞后期数。运用SPSS软件中的“Analyze->Forecasting->Cross-Correlation”命令可得各指标的滞后期数以及时差相关系数的结果如表3所示。

表3中滞后期数为负数说明该指标为先行指标，且先行期数为表中滞后期数的绝对值；滞后期数为0说明该指标为一致指标；滞后期数为正数说明该指标为滞后指标;滞后期数绝对值过大表明与该指标与基准指标的相关关系较弱，因此，在本文的进一步计算时予以舍弃，具体包括：水力发电量、城乡居民生活用电、水电装机容量、风电装机容量、水电利用小时数、纯碱（碳酸钠）产量、水泥产量、氧化铝产量、原油加工量产量、乙烯产量。在此基础上，结合滞后期数的绝对值以及交叉相关系数，对其余指标按照先行指标、一致指标和滞后指标进行分类，结果如表4所示。

表3 电力生产景气指标时差相关分析Table 3 Time-difference correlation analysis of power production prosperity indicators

表4 电力生产景气指标筛选和分类结果Table 4 Selection and classification results of power production climate indicators

3 基于主成分分析的合成指数法

目前国际上通用的景气指数方法有扩散指数方法、合成指数方法、基于主成分分析的合成指数方法等。由于基于主成分分析的合成指数方法构建的景气指数与其他方法得到的变化趋势完全相同，且具有计算简便的特征[20]。因此，本文引用基于主成分分析的合成指数方法构建我国电力生产的先行、一致、滞后合成指数，从而进一步研究我国电力生产的增长趋势和周期规律。基于主成分分析的合成指数方法的具体步骤如下：

式中：和分别为原始数据矩阵中的第j列数据的样本均值和标准差。

2）计算相关系数矩阵R。相关系数矩阵中 的元素rgk可通过如下公式计算：

式 中：与是标准化后的指标变量；rgk表示其相关系数。

3）计算各个指标的贡献率和累计方差贡献率。通过解特征方程|λE−|R||=0，可求得相关系数矩阵R的特征值 λ(g=1,2,···,m)及相关系数矩阵R的特征向量。且由于相关系数矩阵R是 正定矩阵，所以其特征值 λg都是正数，将其按由大到小的顺序排列，即λ1≥λ2≥···≥λg≥0。进一步地，各成分的贡献率为对应的特征值占所有特征值之和的百分比，即：

式中：Zg表 示第g个 指标变量的贡献率；Wg为 第g个指标变量的累计贡献率。

4）确定主成分。根据主成分确定的原则，选取特征值大于1，或累计贡献率大于70%～90%的前t个特征值对应的指标变量作为主成分，记作

式中：为标准化后的矩阵X的行向量。

5）计算各主成分得分系数。根据各个主成分的特征向量除以对应特征值的平方根，可求出p个主成分的成分得分系数Fl，具体计算公式为：

6）计算每个主成分的得分。成分得分系数Ql可通过使用经过标准化后的数据矩阵中的各元素xij与各个主成分的成分得分系数Fl相乘得到：

7）计算景气指数。对选取的p个主成分的得分按照其对应的贡献率进行线性加权，得到最终所有主成分的综合得分，即电力生产景气指数

式中：Zl表示由公式(5)计算得到的第l个主成分的贡献率的值，Wt表示由公式(6)计算得到的第t个主成分的累计贡献率，即所选取的t个主成分的贡献率之和。

4 实证分析

4.1 全国电力生产景气指数的编制

选取前文所界定的先行指标组，即房地产业增加值、社会消费品零售总额、风力发电量、十种有色金属产量，这4个指标来计算先行合成指数。应用SPSS软件中“Analyze->Data Reduction->Factor”命令，用主成分分析法，得到先行指标的贡献率如表5所示，先行指标成分得分系数矩阵如表6所示。

表5 先行指标因子和贡献率Table 5 Leading indicator factorsand contribution rate

表6 先行指标成分得分系数Table6 Component score coefficient of leading indicators

由表5中先行指标因子和贡献率可知，第1主成分和第2主成分的贡献率超过70%，所以设Y1为 第1主成分，Y2为第2主成分，x1,x2,x3,x4分别表示房地产业增加值、社会消费品零售总额、风力发电量、十种有色金属产量这4个指标的经过Z-score标准化的序列，则有：

通过以上公式，结合第1、第2主成分的方差贡献率，可以计算电力生产景气先行合成指数：

根据上述主成分分析法的合成指数方法，本文以0作为电力生产景气先行合成指数的基准值，来分析电力生产景气先行合成指数的变化情况。将先行指标从2014—2019年的季度数据计算了各个季度的电力生产景气先行合成指数，计算结果如表7所示。

表7 电力生产景气先行合成指数Table 7 Leading composite index of power production prosperity

类似地，依据上述计算过程，分解将一致指标和滞后指标的数据代入，可以计算得到电力生产景气一致指数和滞后指数，如图3所示。

图3 电力生产景气指数波动图Fig.3 Fluctuation chart of power production prosperity index

4.2 全国电力生产景气指数的拟合性分析

为了验证本文构建的电力生产景气指数的适用性与合理性，本小节将从3个方面对电力生产景气指数的拟合性进行详细分析，分别为：全社会发电量与一致指数的拟合性分析、一致指数与先行指数的拟合性分析、一致指数与滞后指数的拟合性分析。

1）一致指数与先行指数、滞后指数的拟合性分析。从图3中可以看出，2014—2019年期间，一致指数波动同样经历了3个典型下降期，即2014年第1季度—2015年第4季度；2016年第4季度—2017年第4季度；2018年第4季度—2019年第3季度。相应地，一致指数也经历了2015年第4季度—2016年第4季度，2017年第4季度—2018年第4季度两个典型上升期。且从一致指数低谷拐点来看，每个上升期和下降期基本维持1年左右，即我国电力生产景气一致指数的波动周期约为2年。

与一致指数类似，先行指数的波动周期也约为2年。具体而言，先行指数经历了2014年第3度—2015年第2季度，2016年第1季度—2016年第4季度，以及2018年第2季度—2019年第2季度3个典型下降期。其间，先行指数还经历了2个典型上升期，分别为2015年第2季度—2016年第1季度；2016年第4季度—2018年第2季度。

此外，本文合成的滞后指数与一致指数趋势的波动情况大体一致，滞后指数在2014年第4季度—2016年第1季度，2017年第2季度—2017年第4季度，2018年第4季度—2019年第4季度有较为明显的下降。在2016年第1季度—2017年第2季度，2017年第4季度—2018年第4季度处于上升状态。

综上所述，本文合成的一致指数趋势与先行指数、滞后指数趋势大体一致，波动周期均为2年左右，3种指数之间具有较好的拟合性。且从各个波动拐点来看，先行指数平均领先一致指数3个季度左右，能对行业的景气波动情况起到一定的预判作用。滞后指数波动拐点的出现时间平均比一致指数晚1个季度左右，能够起到较好的验证一致指数是否出现峰、谷的作用。

2）全社会发电量与一致指数的拟合性分析。为了验证本文构建的电力生产景气指数的适用性，本节内容对选取的基准指标全社会发电量与一致指数的拟合程度进行分析，如图4所示。

根据图4可以看出，全社会发电量增速的波动规律与电力生产景气波动的一致指数基本保持一致，如2014年第1季度至2015年第4季度全社会发电量增速呈波浪型下降的态势，并在2016年得到快速回升。此后，在2018年第4季度有短暂增长外，2016年－2019年整体处于平稳下降趋势。相应地，在此期间的一致指数也基本反映了这一波动规律。但是，在部分拐点处本文合成的一致指数与全社会发电量呈现了不同的变化趋势，如在2017年第4季度，一致指数有明显的下滑，但全社会发电量保持平稳。其主要原因在于：2017年我国加大了防范和化解煤电产能过剩风险的力度，2017年政府工作报告中明确提出了煤电行业去产能的任务目标，全国重点14个省市自治区在2017年共去煤电落后产能775.9万kW，导致我国发电行业的景气指数出现下滑。总体而言，本文构建的电力生产景气一致指数能够较好地反映全社会发电量的变化规律，具有良好的适用性。

图4 一致指数与基准指标拟合图Fig.4 Fitting figure of consistency index and benchmark index

4.3 我国发电行业景气波动情况分析

根据本文合成的一致指数可知，发电行业景气程度在2014年开始出现较为严重的下滑，在2015年第4季度，甚至发生了全社会发电量同比下降的现象，行业下行压力较为严峻，发电行业整体都处于“明显不景气”的状态。其原因在于，2014年我国经济发展进入新常态，经济增长稳中趋缓，全社会用电量增速明显回落，加之上网电价下调与电源结构调整，导致发电量竞争空前剧烈，通过增发电量增收难度加大。此外，受到国家清洁能源战略引导以及电价补贴政策的影响，2014—2016年期间，我国风电、光伏迎来了快速发展期，装机容量明显提升（如图5，图6所示），清洁能源发电占比也逐步提高。但由于缺乏有序规划，我国电源结构性过剩问题显现，机组利用小时数发生严重下滑（如表8所示）。

表8 我国6000 k W及以上电厂发电设备利用小时Table 8 Utilization hoursof power generation assembly equipped in 6000 k W and above power plants in China

图5 我国风、光、火电机组装机容量变化图Fig.5 Variation of installed capacity of wind power, PV power and thermal power generation setsin China

图6 我国风、光、火电发电量增速变化图Fig.6 Growth rate variation of generated electricity of wind power,PV power and thermal power in China

2016年，我国全社会用电量同比增长5.0%，较2015年有大幅度的回暖，发电行业也止住颓势，在2016年下半年开始呈现“微弱景气”状态。具体到不同电源类型，光伏行业受到电价补贴政策向下调整的影响，2016年上半年全国掀起了一股光伏电站抢装潮，光伏装机容量爆发式增长。而反观火电，去产能政策效用发力，火电装机增长势头得到了有效遏制，新增装机从2015年的6400万kW减少到2016年的4836万kW。

2017年，受煤电供给侧改革的影响，火电去产能保持高压态势，火电电源工程投资大幅缩减，落后产能大力淘汰，导致整个行业的景气程度大幅下滑，不过供给侧改革的成效已经显现，各电源类型的利用小时数企稳，为后续发电行业的平稳发展奠定了基础。

2018年，我国宏观经济运行稳重向好，消费侧电能替代的推进、高新技术产业的快速发展为我国电力消费注入了新的增长动能，全社会用电量同比增长8.5%，比上年提高1.9个百分点。相应地，发电行业的景气程度快速回升，全社会发电量同比增长8.4%，并在2018年下半年出现“明显景气”状态。而且供给侧改革成效进一步突显，供需关系向好、利用小时数全面提高。

2019年，我国全社会用电量增速有所回落，相应地，发电行业景气程度也有所下降，在“微弱景气”与“微弱不景气”之间波动。具体而言，随着新能源发电市场竞争的逐步稳定，加之补贴政策取消的影响，光伏、风电的装机容量增速回落明显。火电在国家去产能的引导下，近年来的装机增速、发电量增速均保持较低水平。此外，由于火电的发电利用小时数偏低，且上游煤炭价格高昂，更是让火电行业雪上加霜，火电企业亏损现象普遍发生。

4.4 我国电力生产行业景气波动预测

由于先行指数具有一定的预测功能，能够发挥“晴雨表”的作用。因此，在对我国发电行业2014—2019年的波动情况进行分析的基础上，本节拟根据先行指数对我国发电行业的景气波动趋势进行预测。

首先，根据前文的景气指数计算过程，将2020年第1、2季度的数据代入，分别计算电力生产景气指数的先行指数与一致指数，如图7中的黄色区域所示。其次，将本文计算得到的先行指数向后平移3个季度，得到先行指数移动后的拟合图（如图8）。

图7 先行指数与一致指数拟合图（截至2020年第2季度）Fig.7 Fitting figure of leading index and consistency index(as of the second quarter of 2020)

图8 先行指数与一致指数拟合图（移动后）Fig.8 Fitting figureof leading index and consistency index(after the moving)

然后，根据图8可知，将先行指数移动3个季度后，先行指数与一致指数展现了较好的拟合关系，且在2020年第1、2季度，先行指数与一致指数的变化趋势保持相同。进一步地，结合前文中对我国电力生产景气指数的波动情况分析，以及图8中先行指数波动情况（红色区域部分），可以对我国发电行业在2020年第3季度—2021年第4季度的景气情况进行预测。具体如下：2020年下半年，我国发电行业景气程度将继续呈现上升状态，结束不景气的行业状况，但进入2021年，我国发电行业的景气程度会面临大致一年的下降状态。因此，我国应继续控制电源装机容量的增长速度，将工作重心继续置于不同电源结构的优化配置中，实现火电与新能源发电之间的均衡、可持续发展。

5 结论

景气指数是分析宏观经济发展与行业变化规律的重要工具之一，能够对相关部门、行业把握经济运行态势、制定科学决策提供有效的支撑。本文从发电侧的视角出发，从宏观经济发展、电力消费活动、电力生产活动以及相关行业活动4个角度选取了对电力生产景气波动具有较大影响的相关指标，并运用基于主成分分析的指数合成法编制了电力生产景气指数，并对我国发电行业的景气波动情况进行了分析与预测。结果显示，我国发电行业景气波动基本每2年为一个周期，在2014—2015年开整体都处于“明显不景气”的状态；2016—2017年，受到新能源热潮与火电去产能的影响，我国电力行业景气指数经历了先升后降的波动，行业呈现“微弱景气”状态；2018年我国宏观经济向好，发电行业呈现“明显景气”状态，但随着2019年全社会用电量下降，发电行业的景气指数也出现下滑。此外，根据先行指数对我国发电行业的景气波动趋势进行预测，可知2020年我国发电行业的景气波动将处于上升状态，但在2021年将会有所回落。