本发明是关于一种基于电力需求预测的投资景气指数构建方法及系统。
背景技术：
：电力工业是为国民经济和社会发展提供能源的重要基础产业，在经济发展和社会进步过程中，电力已成为不可缺少的物质资料和生活资料，一个国家的电气化水平是衡量该国家现代化水平的重要标志，电力能否满足国民经济发展和人民生活水平提高的需要，是电力工业发展所面临的一个十分重要的问题，而电力需求预测的准确性也成为电力工业所面临的重要问题之一。电力需求预测是决定售电端电价核算的重要因素，具体表现为有效资产的投资需与电力需求相匹配，因此，电网企业为科学有效地进行投资，必须要对电力需求有较为准确的预测。然而，目前的现有技术对于电力需求的预测还没有形成完整的体系，在电网企业实际投资计划中也很少得到系统地应用，因此，基于科学合理的电力需求预测方法，构建电力投资景气指数，以此指导电网投资具有极其重要的意义。技术实现要素：针对上述问题，本发明的目的是提供一种能够预测准确的基于电力需求预测的投资景气指数构建方法。为实现上述目的，本发明采取以下技术方案：一种基于电力需求预测的投资景气指数构建方法，其特征在于，包括以下步骤：构建电力需求预测备选指标体系；对电力需求预测备选指标体系进行逐步回归分析，筛选得到电力需求预测指标体系；对电力需求预测指标体系进行主成分分析，剔除引起多重共线性的电力需求预测指标，生成新电力需求预测指标；对生成的新电力需求预测指标与售电量进行回归分析，得到下一年度售电量的回归方程；根据上一年度的新电力需求预测指标与下一年度售电量的回归方程，计算各年度售电量预测值；设定电力投资景气指数的基值，并根据各年度售电量预测值与电力投资景气指数的基值，构建电力投资景气指数。进一步地，对电力需求预测备选指标体系进行逐步回归分析，筛选得到的电力需求预测指标体系包括：月度粗钢产量、月度化学纤维产量、月度生铁产量、月度工业企业产成品期末库存、月度房地产开发投资额、月度工业生产总值、月度原煤产量、月度进出口贸易累计值、月度商品房销售面积、月度社会消费品零售总额、季度gdp和月度人民币贷款余额。进一步地，对电力需求预测指标体系进行主成分分析，剔除引起多重共线性的电力需求预测指标，生成新电力需求预测指标，具体为：对电力需求预测指标体系进行主成分分析，得到电力需求预测指标的线性组合构成的若干新变量即若干主成分，并选出贡献率最大的前两个主成分作为新电力需求预测指标；根据贡献率最大的前两个主成分的成分矩阵，得到两个新电力需求预测指标x1和x2：x1＝0.806*月度原煤产量+0.820*月度商品房销售面积+0.931*月度房地产投资额+0.886月度工业企业产成品期末库存+0.891*月度工业生产总值+0.843月度人民币贷款余额+0.937*月度社会消费品零售总额+0.943*季度gdp+0.724*月度生铁产量+0.874*月度进出口贸易累计值+0.782*月度粗钢产量+0.912*月度化学纤维产量x2＝-0.563*月度原煤产量-0.550*月度商品房销售面积-0.327*月度房地产开发投资额+0.415*月度工业企业产成品期末库存-0.451*月度工业生产总值+0496*月度人民币贷款余额-0.321*月度社会消费品零售总额+0.310*季度gdp+0.631*月度生铁产量-0.470*月度进出口贸易累计值+0.592*月度粗钢产量+0.356*月度化学纤维产量。进一步地，对生成的新电力需求预测指标与售电量进行回归分析，得到下一年度售电量的回归方程，具体为：对生成的两个新电力需求预测指标与售电量进行回归分析，得到回归分析解释；根据回归分析解释的系数表中得到的回归系数值，以及生成的两个新电力需求预测指标，得到下一年度售电量的回归方程：y＝4348.923+0.022x1-0.052x2。进一步地，所述电力投资景气指数为：其中，yt为基年后第t年的售电量预测值，y0为基年的售电量预测值，i0为电力投资景气指数的基值。进一步地，所述电力投资景气指数的基值为100，所述电力投资景气指数的基年为2000年。一种基于电力需求预测的投资景气指数构建系统，其特征在于，包括：备选指标体系构建模块，用于构建电力需求预测备选指标体系；预测指标体系筛选模块，用于对电力需求预测备选指标体系进行逐步回归分析，筛选得到电力需求预测指标体系；新预测指标生成模块，用于对电力需求预测指标体系进行主成分分析，剔除引起多重共线性的电力需求预测指标，生成新电力需求预测指标；回归方程生成模块，用于对生成的新电力需求预测指标与售电量进行回归分析，得到下一年度售电量的回归方程；各年度售电量预测值计算模块，用于根据上一年度的新电力需求预测指标与下一年度售电量的回归方程，计算各年度售电量预测值；电力投资景气指数构建模块，用于设定电力投资景气指数的基值，并根据各年度售电量预测值与电力投资景气指数的基值，构建电力投资景气指数。进一步地，所述电力需求预测指标体系包括：月度粗钢产量、月度化学纤维产量、月度生铁产量、月度工业企业产成品期末库存、月度房地产开发投资额、月度工业生产总值、月度原煤产量、月度进出口贸易累计值、月度商品房销售面积、月度社会消费品零售总额、季度gdp和月度人民币贷款余额。进一步地，所述新预测指标生成模块包括：主成分分析单元，用于对电力需求预测指标体系进行主成分分析，得到电力需求预测指标的线性组合构成的若干主成分，并选出贡献率最大的前两个主成分；新预测指标生成单元，用于根据贡献率最大的前两个主成分的成分矩阵，得到两个新电力需求预测指标。进一步地，所述回归方程生成模块包括：回归分析单元，用于对生成的两个新电力需求预测指标与售电量进行回归分析，得到回归分析解释；回归方程生成单元，用于根据回归分析解释的系数表中的回归系数值，以及生成的两个新电力需求预测指标，得到下一年度售电量的回归方程。本发明由于采取以上技术方案，其具有以下优点：本发明从电力行业及其相关的产业链的指标中选择适当且特定的指标来构成研究体系，对研究体系中的指标进行有效性筛选，并给出各指标与电力需求之间的定量关系，通过计算下一年度的售电量预测值，对电力需求进行预测，从而得出电力需求的预测结果，并通过计算各年度售电量预测值来构建电力投资景气指数，以反映电力投资的景气变化，可以广泛应用于电力系统领域中。具体实施方式基于上述理论，本发明提供的基于电力需求预测的投资景气指数构建方法，具体包括以下步骤：1、根据灵敏性、充分性、全面性和创新性原则，构建电力需求预测备选指标体系。为能够对电力市场需求进行准确地预测，所选取的指标应能够反映电力市场需求的水平与规模，而任何单一指标的循环波动过程均不能代表电力市场的整体需求状况，因此要反映电力市场的整体需求波动状况，就必须同时对不同的指标进行筛选，对其进行综合的考虑。一个行业的景气波动会受到多个因素的影响，不仅涉及到该行业的活动，且与该行业相关联的经济活动有关，例如物价水平、财政收支、消费水平、贸易和金融等领域,因此在搜集数据时要尽量覆盖这些领域，本发明根据下述原则作为选取电力需求预测指标的基本原则：灵敏性原则，所选用的指标应具有一定的代表性，能够及时、准确地反映电力市场需求的波动状态，同时还应对其未来的发展态势做出预测，成为电力市场运行的“报警器”和“晴雨表”。充分性原则，所选用的指标在统计上应尽可能完整，并具有一定的可靠性，所选指标数据应能及时易得，且并无长时间的间断和频繁的修正，在选择指标数据时一般选择月度数据或季度数据，既能保证指标数据的长跨度，同时也拓宽指标数据的覆盖面，为后续的数据分析提供有利的保障。全面性原则，所选用的指标应尽可能覆盖能反映电力市场需求景气波动的各个方面，从而保证对电力市场需求的景气波动做出正确的判断与分析。创新性原则，所选用的指标应是中国以前没有的对电力市场需求方面进行专门统计的新指标。中国对于电力市场需求方面的统计仍然处于探索的阶段，因此在构建电力需求预测指标体系时应借鉴外国的研究经验，对于一些现存的统计数据不能涵盖的领域，就需增加一些新的指标来进行反映，同时还应与国际的现行标准尽量一致，以便对中国和国际的指标进行比较分析。因此，根据上述各原则，构建的电力需求预测备选指标体系如下表1所示：表1：电力需求预测备选指标体系2、对电力需求预测备选指标体系进行逐步回归分析，筛选得到电力需求预测指标体系，其中，对指标进行逐步回归分析为现有技术，具体过程在此不多做赘述。将电力需求预测备选指标体系中的因变量即售电量与除售电量以外的各自变量进行逐步回归分析，筛选得到的电力需求预测指标体系包括12个电力需求预测指标：月度粗钢产量、月度化学纤维产量、月度生铁产量、月度工业企业产成品期末库存、月度房地产开发投资额、月度工业生产总值、月度原煤产量、月度进出口贸易累计值、月度商品房销售面积、月度社会消费品零售总额、季度gdp和月度人民币贷款余额。对电力需求预测备选指标体系进行逐步回归分析后的回归分析解释如下表2、3和4所示：表2：模型汇总模型rr方调整r方标准估计的误差1.999a.998.998506.0445285注：a为预测变量，表示12个电力需求预测指标从表2可以看出，逐步回归模型的r方(决定系数)值达到0.999，调整后的r方值为0.998，说明回归方程对因变量即售电量的解释性达到99％以上，解释性非常好。表3：anovaa(方差分析)表注：a为因变量，表示售电量，b为预测变量，表示12个电力需求预测指标从表3可以看出，逐步回归模型的sig.(显著性)值为0.000，远小于显著性水平0.05，说明逐步回归模型具有很好的显著性，即筛选出的电力需求预测指标具有很好的显著性。表4：系数a表注：a为因变量，表示售电量从表4可以看出，各变量的sig.值均远小于0.05，说明变量可用，因此可以根据b(回归系数)值的大小建立回归方程，但自变量系数的vif(方差扩大因子)值远大于10，说明自变量即电力需求预测指标之间存在明显的共线性，这会导致模型失真，因此，需要消除电力需求预测指标体系的共线性。3、对电力需求预测指标体系进行主成分分析，剔除引起多重共线性的电力需求预测指标，生成两个新电力需求预测指标，其中，对指标进行主成分分析为现有技术，具体过程在此不多做赘述。对电力需求预测指标体系进行主成分分析，得到12个电力需求预测指标的线性组合构成的12个新变量即12个主成分，生成的12个主成分的解释总方差如下表5所示：表5：解释总方差可以看出，前两个主成分的贡献率已经达到96.829％，基本能够反映主成分的信息，因此只需选取出贡献率最大的两个主成分作为自变量即可。前两个主成分的成分矩阵如下表6所示：表6：成分矩阵从上表可以看出前两个主成分的实际构成，因此，生成的两个新电力需求预测指标x1和x2为：x1＝0.806*月度原煤产量+0.820*月度商品房销售面积+0.931*月度房地产投资额+0.886月度工业企业产成品期末库存+0.891*月度工业生产总值+0.843月度人民币贷款余额+0.937*月度社会消费品零售总额+0.943*季度gdp+0.724*月度生铁产量+0.874*月度进出口贸易累计值+0.782*月度粗钢产量+0.912*月度化学纤维产量x2＝-0.563*月度原煤产量-0.550*月度商品房销售面积-0.327*月度房地产开发投资额+0.415*月度工业企业产成品期末库存-0.451*月度工业生产总值+0496*月度人民币贷款余额-0.321*月度社会消费品零售总额+0.310*季度gdp+0.631*月度生铁产量-0.470*月度进出口贸易累计值+0.592*月度粗钢产量+0.356*月度化学纤维产量。4、对生成的两个新电力需求预测指标与售电量进行回归分析，得到下一年度售电量的回归方程。对生成的两个新电力需求预测指标与因变量售电量进行回归分析，得到的回归分析解释如下表7、8和9所示：表7：模型汇总b模型rr方调整r方标准估计的误差1.995a.989.9891266.415276注：a为预测变量，表示两个新电力需求预测指标x1和x2，b为因变量，表示售电量从表7可以看出，模型的r方值达到0.999，调整后的r方值为0.998，说明回归方程对因变量即售电量的解释性达到99％以上，解释性非常好。表8：anovaa表注：a为预测变量，表示两个新电力需求预测指标x1和x2，b为因变量，表示售电量从表8可以看出，模型的sig.值为0.000，远小于显著性水平0.05，说明模型具有很好的显著性，即生成的两个新电力需求预测指标具有很好的显著性。表9：系数a表注：a为因变量，表示售电量从表9可以看出，两个新电力需求预测指标x1和x2显著性极强，且从vif统计量可以看出，两个新电力需求预测指标间已不具有共线性。因此，根据回归分析解释的系数表中得到的b(回归系数)值和生成的两个新电力需求预测指标，得到下一年度售电量的回归方程：y＝4348.923+0.022x1-0.052x25、根据上一年度的两个新电力需求预测指标与下一年度售电量的回归方程，计算各年度售电量预测值。6、设定电力投资景气指数的基值与基年，并根据基年后各年度售电量预测值与电力投资景气指数的基值，构建电力投资景气指数，具体为：设定2000年为电力投资景气指数的基年，取2000年的电力投资景气指数为电力投资景气指数的基值i0＝100，并根据计算得到的各年度售电量预测值，构建电力投资景气指数it：其中，yt为基年后第t年的售电量预测值，y0为基年(2000年)的售电量预测值。基于上述电力需求预测方法，本发明还提供一种基于电力需求预测的投资景气指数构建系统，包括：备选指标体系构建模块，用于根据灵敏性、充分性、全面性和创新性原则，构建电力需求预测备选指标体系；预测指标体系筛选模块，用于对电力需求预测备选指标体系进行逐步回归分析，筛选得到电力需求预测指标体系；新预测指标生成模块，用于对电力需求预测指标体系进行主成分分析，剔除引起多重共线性的电力需求预测指标，生成两个新电力需求预测指标；回归方程生成模块，用于对生成的两个新电力需求预测指标与售电量进行回归分析，得到下一年度售电量的回归方程。各年度售电量预测值计算模块，用于根据上一年度的两个新电力需求预测指标与下一年度售电量的回归方程，计算各年度售电量预测值。电力投资景气指数构建模块，用于设定电力投资景气指数的基值与基年，并根据基年后各年度售电量预测值与电力投资景气指数的基值，构建电力投资景气指数。在一个优选的实施例中，新预测指标生成模块包括：主成分分析单元，用于对电力需求预测指标体系进行主成分分析，得到电力需求预测指标的线性组合构成的若干主成分，并选出贡献率最大的前两个主成分；新预测指标生成单元，用于根据贡献率最大的前两个主成分的成分矩阵，得到两个新电力需求预测指标。在一个优选的实施例中，回归方程生成模块包括：回归分析单元，用于对生成的两个新电力需求预测指标与售电量进行回归分析，得到回归分析解释；回归方程生成单元，用于根据回归分析解释的系数表中的回归系数值，以及生成的两个新电力需求预测指标，得到下一年度售电量的回归方程。上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。当前第1页12