基于协整理论和干预分析的中国电力需求预测

本文采用协整与误差纠正模型技术研究了我国电力需求与经济增长之间的关系,检验了电力需求与国内生产总值、人口、价格和结构变量之间的长期均衡关系,并结合干预分析的方法修正了由经济环境的改变和突发事件引起的预测偏差。结果表明通过矫正的预测结果大大减小了误差,其预测的我国未来电力需求量与国家发改委宏观经济研究院信息中心课题组公布的结果较为接近。     

城镇化对经济发展的影响及其渠道研究

本文通过将定性分析与关系图描述相结合,提出H1:城镇化对经济发展具有显著正向促进作用、H2:城镇化可通过消费渠道影响经济发展、H3:城镇化可通过投资渠道影响经济发展、H4:城镇化可通过出口渠道影响经济发展四项研究假设。进一步,根据地区实际经济发展水平,将我国划分为发达与欠发达两类地区。设定经济发展变量PGDP为被解释变量,城镇化变量UR、城镇化与投资交互项变量UR×PFI、城镇化与消费交互项变量UR×HC和城镇化与出口交互项变量UR×PE为被解释变量,采用2000~2012年我国31个省市区的面板数据。基于单位根检验、协整关系检验、F检验、Hausman检验,建立个体固定效应模型,验证假设H1~H4在全国及两类地区是否成立。结果表明:H1、H2、H3假设在全国及两类地区均成立;H4假设仅在欠发达地区成立。基于研究结论,本文提出了相应的启示。     

基于单变量分解集成的牛奶消费需求预测研究

牛奶消费需求预测对牛奶价格的稳定以及奶业生产的计划安排、销售决策具有重要意义.选取牛奶的全国年度总消费量作为研究对象,提出基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)/小波(Wavelet)分解和最小二乘支持向量回归(Least Squares Support Vector Regression,LSSVR)的单变量分解集成方法,以对牛奶消费需求量进行预测研究.实证检验表明,所提出的单变量分解集成预测方法相比单一预测模型能更为有效地预测牛奶消费需求.外推预测结果显示:2010-2012年我国牛奶消费量将呈现出上升的趋势.牛奶预测精度的有效提高将有助于有关决策部门提前做好调控工作,从而保证奶业市场的健康发展.     

基于一种新的分解-集成模型的我国猪肉年度需求量预测研究

根据我国猪肉消费量的特点,建立了一个新的我国猪肉年度消费需求量预测的分解-集成模型.首先,为了预测我国猪肉消费需求量,根据全国猪肉农村和城市猪肉消费量的不同特点,将我国猪肉消费需求量分解农村和城市猪肉消费量.其次,根据GANN和WNN时间序列模型,建立了一个综合集成预测模型,分别对我国农村和城市的猪肉消费量进行了预测.最后,将农村和城市猪肉需求量的预测结果进行集成,得到全国猪肉需求量.为了验证所提出方法的有效性,将其与其他常用预测方法进行了对比,实证研究结果表明,提出的集成预测模型在我国全国猪肉消费需求量预测上取得了较好的效果.     

中国城市化发展、能源消费与碳排放的实证研究

选取了1995年至2007年我国29个省市面板数据,建立以城市化水平为被解释变量,能源消费和碳排放作为解释变量的模型,通过协方差分析检验和Haus man检验的分析结果,确定研究模型的形式为固定影响变截距模型,最后,通过对拟合模型的结果分析,实证结果表明:高能耗、高排放、粗放式经济发展方式不利于城市化水平的提高;同时,各省市的城市化发展水平也存在差异.因此,各省市应在城市化工业化进程中推进产业结构和能源消费结构调整使其朝着更有利于节能环保的方向演进,节能减排政策的调整重点应该放在能源强度和能源消费碳强度上.     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.     

江苏省能源消费结构对碳排放影响的效应与趋势——基于LMDI和Logistics模型的实证研究

近年来,江苏省能源消费持续增长且以煤为主的能源结构尚未改变,由此引起碳排放量也在逐年增加.主要研究碳排放系数、碳排放的影响因素以及不同能源结构下的碳排放预测.首先对碳排放系数进行计算,然后基于LMDI模型对影响江苏省碳排放的因素进行分析,最后运用1ogistics模型对不同能源结构下的碳排放进行预测.结果发现能源消费过度依赖煤炭是导致碳排放增加的主要因素,天然气每替代煤炭2%或新能源每替代煤炭1%,2030年江苏省碳排放峰值将下降1%.     

天然气需求影响因素分析及未来需求预测

不同的影响因素对天然气需求的影响程度存在差异,为充分认识上述差异,利用相对关联度定量刻画天然气需求量与影响因素之间的关联程度。依据重要性优先原则,采用逐步回归法逐次地对影响因素的统计显著性进行检验,深度挖掘有效驱动因素,构建“最佳”逐步回归C-D生产函数模型预测未来天然气需求走势。结果表明:(1)GDP是影响中国天然气需求的最主要因素,能源消费结构也是重要的有效驱动因素之一;(2)基于重要有效驱动因素构建的“最佳”逐步回归C-D生产函数模型实现了历史数据拐点拟合预测,具有良好的预测性能,预测结果可作为确定未来天然气需求的重要参考依据;(3)预测2020~2030年中国天然气需求量呈稳步增长趋势,但增速有所减缓,到2030年天然气需求量达约5660亿立方米,天然气需求量增长率降至4%。     

对我国能源消费与环境质量关系的探究

选取合理的样本数据,建立自回归分布滞后-误差修正模型,分析并预测我国未来几年的能源消费量与环境质量之间的关系。通过对比能源消费弹性系数,发现提高电力在终端能源的消费比重可以提高能源效率,减少环境污染。     

地区电力需求预测研究

本文在分析影响预测准确原因的基础上．指出预测工作必须定量与定性相结合．针对地区电力消费需求的特点，提出了适宜于定性分析的四个预测模型．运用上述模型，实际预测结果令人满意。     

大规模风电并网的双供应源电力供应链牛鞭效应分析

中国当前的电力供应链除具有部分垄断特征外,还由于大规模风电并网使得电力供给也出现随机性,它与随机需求一起影响了供应链信息的准确传递,在电力供应链产生了牛鞭效应,但对这类问题的研究极少。本文在分析中国电力供应链特点的基础上,构建了由煤炭供应企业、发电厂(火力发电和风力发电)和用户组成的多级电力供应链模型,揭示了牛鞭效应在单/双供应源两种供应链类型下的变化。研究结果表明,大规模风电并网形成的双供应源电力供应链牛鞭效应较大且波动剧烈,尤其当下游用户需求较平稳时,供应链会出现牛鞭效应与反牛鞭效应共存现象,而预测技术的选择、风电场合理规划等有助于抑制牛鞭效应,保证电力安全并减小资源浪费。     

电力零售商引导下智能电网多方利益均衡策略

文提出以电力零售商为主导的智能电网系统运行策略,电力零售商根据发电商供电价和发电量以收益最大化为目标输出用户实时电价。在供能侧对不同类型供电商上网顺序进行优化,考虑风电光伏能源出力不确定的鲁棒性分析,在维持平衡供需的基础上优化供电商利益。在需求侧根据用电规模对用户进行分类,按供电重要性进行二次分类,使用粒子群算法求解用户最优用电量。仿真结果显示电力零售商在电力系统中维护各方利益均衡,对供电商和用户都存在潜在的好处。     

Structural Electricity Models and Asymptotically Normal Estimators to Quantify Parameter Risk

ABSTRACT

We estimate a structural electricity (multi-commodity) model based on historical spot and futures data (fuels and power prices, respectively) and quantify the inherent parameter risk using an average value at risk approach (‘expected shortfall’). The mathematical proofs use the theory of asymptotic statistics to derive a parameter risk measure. We use far in-the-money options to derive a confidence level and use it as a prudent present value adjustment when pricing a virtual power plant. Finally, we conduct a present value benchmarking to compare the approach of temperature-driven demand (based on load data) to an ‘implied demand approach’ (demand implied from observable power futures prices). We observe that the implied demand approach can easily capture observed electricity price volatility whereas the estimation against observable load data will lead to a gap, because – amongst others – the interplay of demand and supply is not captured in the data (i.e., unexpected mismatches).     

电动汽车的市场需求和环境影响:功能更新与政府补贴

随着交通行业产生的碳排放和石油能源消耗问题受到越来越多关注,电动汽车行业的发展变得尤为重要。基于不同购买行为的异质性消费者,通过建立两阶段效用模型,得到不同类型消费者的市场需求,并进一步探究了政府关注电动汽车的环境影响情况下产品耐用度、产品更新程度和政府补贴对电动汽车市场需求的影响,结果表明:当单位电动汽车的环境效益较大时,随着更新程度的提高,第一阶段的电动汽车需求增大,而第二阶段的需求减少;当单位车辆的环境效益较小时,更新程度的提高使得第一阶段的需求降低,而第二阶段的需求增大;生产商最优利润随产品更新程度和政府补贴的增加而增大,当产品耐用度大于某个阀值时,生产商利润随耐用度的增加而增大,反之则减小。     

可再生能源配额制与碳排放权交易并行实施的政策效果

中国将同时实施可再生能源配额制与碳排放权交易,并以售电商为配额制的考核主体。本文建立两级供应链模型分析两者相互作用的政策效果。研究结果表明,引入碳排放权交易将导致火电价格上涨与可再生能源电力价格下降,有利于实现两者在同一价格水平竞争。然而,碳排放权交易亦将造成零售电价上涨,电力需求减少,且变化幅度与碳排放权价格和减排成本成正比。若配额比例与售电商差异性提高,在不影响环境成本内化于火电批发价格的同时,可降低售电商的转嫁成本。从而减小了可再生能源电力价格降幅与零售电价涨幅,并平抑碳排放权价格与减排成本上涨造成的电价与需求波动。     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

基于自回归XGBoost时序模型的GDP预测实证

GDP是反映一个国家国民收入、居民消费能力和经济发展的重要宏观经济指标,也是制定相关经济政策的重要依据.选择合适的统计方法研究GDP的发展变化规律,进行短期的高精度预测,对我国的宏观经济决策具有重要意义.研究选用基于自回归的XGBoost时序模型对我国1978-2018年GDP进行拟合预测,Rstudio软件运行结果显示,XGBoost时序模型比经典的时间序列预测模型ARIMA模型、BP神经网络模型、贝叶斯时序模型具有更高的预测精度.在此基础上,运用XGBoost时序模型对我国2019-2023年的GDP进行短期预测,研究结果显示,未来5年我国GDP依然保持持续稳定增长趋势.     

Short-term forecasting of electricity demand by decomposition analysis

A model for short-term forecasting of electricity demand is developed, which consists of an annual base load augmented by demand variations on a weekly, daily, and hourly or half-hourly basis. Each of these components is individually modelled and forecast, and the aggregate forecast is refined by inclusion of a stochastic component for characterization of variations not attributable to elements of time. The approach is consistent with the operational concept of power system management, and can be readily adopted for on-line forecasting and control.     

服务业集聚和经济增长对我国城镇化影响的实证研究——基于半参数空间滞后模型

针对已有文献研究城镇化时忽视的服务业的空间集聚效应以及经济增长对人口城镇化的非线性关系的问题,文章根据第六次全国人口普查数据,利用半参数空间滞后模型实证研究了我国人口城镇化的影响因素。结果表明:(1)服务业的发展大力推动了我国区域人口城镇化发展,且它的影响强度明显高于工业化发展所带来的影响。服务业集聚效应对该省的人口城镇化具有促进作用,第二产业集聚对该省的人口城镇化的作用不显著。(2)经济欠发达地区(云贵川等)的经济增长对人口城镇化的促进作用较小。而多数位于中部和沿海经济较发达地区(福建、广州等)的经济增长显著促进了人口城镇化的发展。然而,在经济发达地区(如上海、北京、浙江)的经济增长对人口城镇化的促进效果明显开始减弱,甚至是负向的关系。(3)半参数空间滞后模型比普通参数模型具有更高的拟合优度和更丰富的结论,它能够有效刻画城镇化过程中空间相关性与非线性特征。     

基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.