艾林++王刚

[摘 要]周末是法定休息时间，办公人群较少，除大型企业连续生产外，大部分企事业单位均放假休息。因此，与居民生活习惯密切相关的居民用电量在周末与工作日变化较大。本文通过利用回归分析比较该地区春、夏、秋、冬四个季节周末统调用电量波动情况，结合季节气温特点，分析统调用电量变化情况。研究发现，因该西部地区夏季因气候炎热，周末居民用电量较工作日增加，说明夏季居民降温负荷占比较高。

[关键词]周末电量 季节 回归分析

中图分类号：TM715 文献标识码：A 文章编号：1009-914X（2016）02-0365-01

目前，在气温与电量关系研究上，各学者结合当地气温情况，各则重点的进行了分析研究。洪国平[1]等通过一次线性回归分析了气温对武汉市日用电量和电力负荷的影响，耿光飞等使用模糊线性回归法对电网负荷进行预测[2]。刘健、陈星等使用一次线性回归分析了城市系统用电量在随社会经济发展增长的同时， 因气候异常特别是因夏季高温波动而引起的居民和城市系统用电量的变化情况[3]。本文结合区域气候变化，分析周末电量变化情况，为其科学预测未来电量走势提供依据。

周末是法定休息时间，办公人群较少，除大型企业连续生产外，大部分企事业单位均放假休息。因此，与居民生活习惯密切相关的居民用电量在周末与工作日变化较大。本文借鉴艾林[4]和潘小辉[5]对用电量预测分析方法，结合春夏秋冬四季特点，通过对比分析周末日均电量与前后工作日均电量，研究四季周末统调用电量变化规律。

一、数据分析

本文以西部地区某供电公司2006年3月1日至2014年2月28日数据为样本数据。结合该地区春秋短、冬夏长的气候特点，划分春、夏、秋、冬四季比较分析，四季划分标准如下：3-5月为春节，6-9月为夏季，10-11月为秋季，12-第二年2月为冬季。

二、大样本回归分析

将2006年3月1日至2014年2月的全部数据进行单一回归分析。当日期为周六或周日时，设变量weekend=1，若为周一到周五，则weekend=0。具体回归模型为：

上式中，被解释变量为统筹用电量的自然对数（ln（Electricity）），C为常数项，为随机误差项。回归结果为：

上式表明，变量weekend与被解释变量间存在显著地负相关关系，表明周六与周日的用电量与工作日的用电量存在显著地差异，周六与周日的用电量明显小于工作日，具体而言，周六与周日的用电量约比工作日少3.2%。

三、分季节回归分析

该部分将总体样本分为春夏秋冬四个季节，其中设定3-5月为春季、6-9月为夏季、10-11月为秋季、12-次年2月为冬季，因此在各个季节样本中，若日期为周六或周日，则变量weekend=1，若为周一到周五，则weekend=0。具体回归模型为：

上式中，被解释变量为统筹用电量的自然对数（ln（Electricity）），C为常数项，为随机误差项。回归结果为：（见表1）

从检验结果看，虽四个回归结果中的变量weekend系数值均为负，但仅夏季样本通过了显著性检验，表明工作日与非工作日的用电差异，仅在夏季会出现显著地差异，具体而言，在夏季中，非工作日的用电量要低于工作日用电量的3.8%。因此，推断周末电量波动无季节性，而夏季非工作日与休息日电量差异显著性通过可能高温下的降温负荷明显有关。

四、季节性均值分析

在数据对比分析中，我们将各周一至周五求5天的日平均统调用电量为标准用电量，5天最高气温均值为标准用电量对应的气温，求本周六和周日的日平均统调用电量为周末电量，周末两天的最高气温的均值为其气温。将各周一至周五求5天的日平均统调用电量为标准用电量，5天最高气温均值为标准用电量对应的气温，求本周六和周日的日平均统调用电量为周末电量，周末两天的最高气温的均值为其气温。结合该地区春秋短、冬夏长的气候特点，划分春、夏、秋、冬四季比较分析，四季划分标准如下：3-5月为春节，6-9月为夏季，10-11月为秋季，12-第二年2月为冬季。

春季：周末统调用电量比工作日平均下降2.34%，剔除五一假期影响后周末电量下降3.33%；

夏季：周末统调用电量比工作日平均下降3.17%；

秋季：周末统调用电量比工作日平均下降2.62%，剔除国庆假期影响后周末电量下降3.03%；

冬季：周末统调用电量比工作日平均下降2.38%，剔除春节假期影响后周末电量下降2.33%

五、结论

从本文来，全年整体看，周末休息日电量较工作日电量下降约3个百分点。在引入季节性分析后，仅夏季样本通过了显著性检验，表明工作日与非工作日的用电差异，仅在夏季会出现显著地差异，具体而言，在夏季中，非工作日的用电量要低于工作日用电量的3.8%。因此，推断周末电量波动无季节性，而夏季非工作日与休息日电量差异显著性通过可能高温下的降温负荷明显有关。

参考文献：

[1] 洪国平，李银娥，孙新德，李青.武汉市电网用电量、电力负荷与气温的关系及预测模型研究，华中电力，2006，19（2）：4-7，30.

[2] 耿光飞，郭喜庆.模糊线性回归法在负荷预测中的应用[J].电网技术.2002，26（4）：19-21.

[3] 刘健，陈星，彭恩志，周学东.气候变化对江苏省城市系统用电量变化趋势的影响[ J]，长江流域资源与环境.2005，14（5）：546-549.

[4] 艾林，基于重庆市气候特性下的统调用电量预测分析[C].中国电机工程学会第十三届青年学术会议，2014.

[5] 潘小辉，刘丽萍，李扬.提高阅读售电量预测精度的一种方法[J].电力需求侧管理，2013，11（3）：11-13.