“十二五”及电力需求预测研究

收稿日期：2011-01-20

作者简介：林卫斌，讲师，主要研究方向为能源经济与能源政策。

通讯作者：陈彬，教授，博导，主要研究方向为能源资源核算与管理。

基金项目：国家高技术研究发展计划（863计划）重点项目（编号：2009AA06A419）；教育部新世纪优秀人才项目（编号：NCET-09-0226）。

（1.北京师范大学经济与资源管理研究院, 北京 100875; 2.北京师范大学环境学院, 北京 100875;

3.中国能源研究会能源政策研究中心, 北京 100045）

摘要 准确地把握未来10年的电力需求走势是做好电力规划、安排电力建设的重要基础。考虑到不同部门电力需求具有不同的决定因素和机制，本文把全社会用电量分为居民生活用电、农业用电、工业用电、建筑业用电和服务业用电等五个部分，构建、拟合不同的电力需求方程，预测电力需求。预测的主要结果是： “十二五”期间全社会用电量年均增长率约为7.8%，2015年用电量超过6万亿kWh，“十三五”期间的年均增长率为6.1%，2020年用电量接近8.2万亿kWh。未来10年，单位产值用电量将逐步下降，电力消费增长率将低于GDP增长率，电力需求弹性分别为0.84和0.72。电力需求结构将发生显著变化，到2020年居民生活用电占全社会用电比重为20%左右，工业用电比重将从当前的73%下降到2020年的63%。

关键词 电力需求; 分部门; 预测

中图分类号 Q148, X321文献标识码 A文章编号 1002-2104（2011）07-0001-06doi:10.3969/j.issn.1002-2104.2011.07.001

电力是经济增长和居民生活不可或缺的能源，准确地把握未来的电力需求走势是做好电力规划、安排电力建设，有效保障国民经济平稳较快发展和居民生活水平不断提高的重要基础。

1 电力需求预测的意义与方法

众所周知，有效保障电力供应在发电与输配电环节都需要有大量的基础设施投资与建设。在发电环节，火电厂的建设周期一般在2-3年，而水电与核电的建设周期则更长，需要5-8年。这意味着“电力要先行”，即今天的电力需求需要昨天的电力建设来保障、明天的电力需求需要今天的电力建设来保障。因此，做好电力规划并合理安排电力投资与建设就要求提前预测电力需求，准确地把握电力消费需求的未来走势。如果不能提前把握电力需求，盲目进行电力规划与建设将导致电力供需失衡，并最终损害国名经济的健康发展。如果基于过分保守的电力需求判断来进行电力供应规划、安排电力建设，将导致电力短缺。如果电力规划与电力建设基于过分乐观的电力需求判断，则容易导致过度投资的现象，导致产能过剩，造成资产闲置、电力行业整体经济效益的滑坡，供电煤耗上升，资源使用效率下降。

电力（能源）需求预测主要涉及时间序列模型。20世纪80年代，对于中长期电力需求预测的理论研究开始兴起，一系列预测方法，如自回归法（AR）、（加权）移动平均法（EWMA）、一般指数平滑法、自回归移动平均法（ARMA）和自回归整体移动平均法（ARIMA）等被成功地提出并在电力需求预测中得到广泛的接受［1］。这些方法的特点是根据变量的过去行为来预测变量的未来变化，即从图形中观察时间序列，并且由此得到关于它的过去行为的有关结论，进而使对时间序列的未来行为进行推断。预测电力需求的另一种方法就是建立结构式模型，确定决定电力需求的变量，构建、估计变量之间的关系方程，并以解释变量的未来值来进行预测。在Engle和Granger关于时间序列的开创性工作之后，人们通常运用协整时间序列而不是直接的OLS来预测电力需求以避免虚假回归问题［2］。

国内对电力需求的预测主要可以分为两种方法，第一种是弹性系数法［3］，第二种是需求函数法。弹性系数法在很大程度上是一种经验判断，简单明了，但是不够精确。如果不能对未来的单位产值用电量有一个比较准确的把握，运用弹性系数法来预测用电量存在较大的风险 ［4］。预测电力需求的另一种方法是建立电力需求模型，确定决定电力需求的变量及其影响机制，运用协整时间序列等经济计量分析技术来确定解释变量的参数，由此拟合电力需求方程，并根据解释变量的未来取值预测电力需求，例如建立长期电力需求函数模型进行电力需求预测［5］。

不同于直接预测全社会总用电量，我们分部门预测电力需求。具体地，把全社会用电量细分为生活用电、农业用电、工业用电、建筑业用电和服务业用电等五大部分，对每部门的电力需求进行分别预测，并在此基础上加总得到全社会用电量的预测值。之所以采用分部门预测的方法，主要是考虑到如下几点理由：不同部门电力需求的影响因素不同。比如，影响生活用电与影响生产用电的因素具有显著的差异性，前者主要取决于一个国家和地区居民的生活水平、电气化程度和电价等，而后者则主要受国内生产总值和能源使用效率的影响；在生产用电中，农业、工业、建筑业和服务业电力需求的影响因素可能各不相同。分部门预测能够有效考虑结构变化对电力需求的影响。现有研究文献中虽然也用重工业占GDP的比重等变量考虑结构变化的影响，但是一个指标难以完全衡量结构变化的影响。不同部门电力需求可能存在不同的预测方法。比如，生活部门的用电存在较为明显的趋势性特征，农业用电与服务业用电的增长率与产值增长率的偏差一般地较小，而工业用电量增幅的波动幅度则较大。因此，难以准确地构建全社会电力需求的总函数，而分部门地探讨各细分部门电力需求的具体的决定因素，并在此基础上拟合各部门电力需求方程，以预测未来的电力需求，再进行加总各部门的用电量得出全社会用电量，可以更好地控制预测误差，使预测更加准确。分部门预测不仅可以预测未来的总电力需求，还能够分析未来电力需求的结构性特征，比如在未来某个时点，生活用电、工业用电、服务业用电与建筑用电各占多大的比重。

2 分部门电力需求模型

一个国家或地区的全社会用电量包括居民生活用电量与各行业生产用电量两个部分，生产用电包括农业用电、工业用电、建筑业用电和服务业用电等。影响不同部门用电量大小的因素具有显著的差异性。居民生活用电的大小主要取决于电价、人口、人均收入与生活方式等方面 ［6］。而生产用电的大小则主要取决于国内生产总值与单位产值用电量。令Yi代表第i个产业部门的产值，Ei代表电力消费量，则单位产值用电量为：

et∑eitSit（1）

其中，SiYi/Y代表第i个产业部门的产值比重，ei代表第i个产业部门的能耗强度。由此可见，细分行业单位产值用电量的变化与细分行业产值比重即产业结构的变化都会影响到单位产值用电量的变化。当然，不同的部门，影响单位产值用电量的因素和机制也不尽相同，因此，采用分部门预测方法可以更好地控制预测误差，使预测更加准确。

2.1 居民生活用电

在现代经济社会中，电力是居民生活不可或缺的必需品，照明、供热、制冷、电脑和家庭娱乐设施等都需要消费电力能源。居民生活用电量的大小受多种因素共同决定，不过，居民生活用电具有较强的向下刚性和时间序列增长趋势。比如，受国际金融危机的影响，2009年的全社会用电量增长率只有6.44%，而居民生活用电量的增长率则高达12.59%。这反映居民生活用电量的变化较少地受经济形势的影响，因此我们考虑用时间序列方法而不是结构性模型来拟合居民生活电力需求，并利用过去的信息来推断未来。运用自回归（VA）的方法来拟合居民生活用电量的过去行为，以1986-2009年的数据为样本进行OLS拟合，结果如下表所示：

表1 生活用电自回归

Tab.1 Autoregression of domestic electricity consumption

如表1所示，生活用电自回归模型具有较好的拟合优度，残差不存在自相关和异方差也都通过检验。不过，常数项和时间趋势对生活用电的影响并不显著。去除这两个变量，我们重新拟合得到居民生活用电量自回归方程：REt1.12REt-1，即生活用电平均每年保持12%左右的增长率。该模型具有较好的拟合效果（如图1所示）。

2.2 第一产业用电

农业用电包括农、林、牧、渔及服务业，其中农林牧渔服务业用电量占第一产业用电量的60%以上，特别是排灌业，其用电量占第一产业用电总量的50%左右。一般地，在农业中生产技术相对稳定，鲜有重大技术创新使电力使用效率得到大幅度的提升。总体上看，单位农业产值

的用电量相对稳定，农业用电量的大小在很大程度上取决于农业的产值（农业用电量的大小还受天气因素的影响，特别是在干旱的季节，排灌方面将需要消耗较多的电力）。我们可以直接观察农业用电量与农业增加值二元散点图。

图2表明第一产业用电量和增加值大致成一个线性关系，故可考虑初步采用一元线性回归。建立的第一产业用电模型如下：

AEtα+βAYt+εt（2）

其中AE表示第一产业用电量，AY为第一产业增加值，以1993-2009年的数据为样本进行OLS拟合，结果如表2所示：

运用ADF方法检验残差的水平值，t值为-2.944，表明在10%的显著性水平下（临界值为-2.87），残差为平

表2 农业用电量的回归方程及检验

Tab.2 Regression equation of agricultural electrical

power consumption

稳序列，不存在单位根过程，即该静态方程反映了第一产业用电量与第一产业增加值的长期均衡关系。

2.3 工业用电

工业用电是电力消费的主体，特别是在正处于工业化加速推进的中国，工业用电量占全社会用总量的70%以上。不同于其他部门，工业用电与工业产值之间并不是简单的线性关系。一方面，随着中国工业化进程的推进和产业的不断升级，工业的设备技术不断得到改进，电力能源的利用效率将不断提升，在其他条件不变的情况下，单位产值用电量逐步下降；另一方面，工业内部的结构不断发生变化，特别是高耗电的重化工业与低耗电的产业比重不断变化，产业结构的这种变化将会使单位产值的用电量发生变化。对工业增加值进行非线性变化，即令lnIYlog（工业增加值），观察用电量与变换后的增加值发现二者存在高次函数的关系，据此我们建立如下工业用电需求函数：

IEtα+β1（lnIYt）γ1+β2（lnIYt-1）γ2+…+βn（lnIYt-n）γn+εt（3）

其中IE表示工业用电量，IY为工业增加值。另外，考虑到工业产业结构调整和技术进步对用电量变化的可能影响，我们引入时间趋势项，以1993-2009年的数据为样本进行拟合，结果如表3所示。

图3表明模型总体的拟合效果很好，拟合曲线基本与历史数据吻合，残差没有显著的自相关及异方差。引入了滞后一期的信息作为解释变量，存在其合理性，这是因为，工业的电力需求不仅取决于当期的工业增加值，而且同前一期的工业增加值也有关系，这里表现为前一期工业增加值系数为负，并不是说明工业增加值对电力需求的负反馈效果，而只是数学上的一种表示，因为前一期的增加值与当期的增加值的共同作用效果是正反馈的。

2.4 建筑业用电

建筑业用电量在全社会用电总量中所占的比重较小，只占1%左右。建筑业产业内部结构上相对稳定，其

表3 工业用电量的回归方程及检验

Tab.3 Regression equation of industrial electrical

power consumption

用电量的大小主要取决于建筑业的产值大小。当然，考虑到建筑业行业的技术进步问题，我们引入时间趋势项。以1993-2009年的数据为样本进行OLS拟合，结果如表4所示。

该回归方程残差通过了自相关，异方差等检验。另外，利用ADF法检验残差的水平值，t值为-5.27，在5%的显著性水平下，残差为平稳序列，不存在单位根过程，即

表4 建筑业用电量的回归方程及检验

Tab.4 Regression equation of constructive electrical

power consumption

该静态方程反映了建筑业用电量与建筑业增加值的长期均衡关系。

2.5 服务业用电

服务业主要包括交通运输、仓储、邮政业，信息传输、计算机服务和软件业，商业、住宿和餐饮业，金融、房地产、商务及居民服务业，公共事业及管理组织。其用电量分别占全社会用电量的1.7%、0.6%、3.1%、2.3和3.1%左右。服务业单位产值用量很小，一般也保持相对稳定，受产业结构变化和技术进步影响较小。 服务业的用电量主要取决于其产值的大小，二者呈现出明显线性关系（如图4所示）。

该回归方程残差通过了自相关，异方差等检验（表5）。另外，利用ADF法检验残差的水平值，t值为-2.647，在5%的显著性水平下，残差为平稳序列，不存在单位根过程，即该静态方程反映了服务业用电量与服务业增加值的长期均衡关系。

3 电力需求预测与分析

根据第二部分拟合的分部门电力需求方程，我们对

表5 服务业用电量的回归方程及检验

Tab.5 Regression equation of service industry electrical

power consumption

“十二五”及2020年的电力需求进行预测。这要求首先对未来的经济发展进行情景假设。

从经济增长周期的角度看，改革开放以来中国经济增长大概经历了三个周期，分别是20世纪80年代、90年代和新世纪的头10年。观察三个经济增长周期，存在三个特征：一是每个周期的后两年都因某种外部冲击而使经济增长陷入低谷；二是经济增长的波动幅度逐步缩小，说明国家“消峰平谷”的宏观调控能力逐步增强；三是经历了两年的低谷后，经济将进入新一轮的增长期。由此我们假定未来10年中国经济将进入新一轮的增长周期，前五年年均增长率为9.3%，后五年年均增长率为8.5%。其中，第一产业保持在4%左右的增长率；工业和建筑业的增幅将逐步缩小，设定分别从9.6%和8.8%下调到7.6%和6.0%；服务业的增长率将保持的10%左右的较高水平。

根据上面的情景假设和分部门电力需求模型，对“十二五”及2020年的电力需求进行预测，结果如表6所示。

表6 预测结果

Tab.6 Forecasting results

预计“十二五”期间全社会用电量年均增长率约为7.8%，2015年用电量超过6万亿kWh，“十三五”期间的年均增长率为6.1%，2020年用电量接近8.2万亿kWh。据此，我们可以分析“十二五”及2020年中国电力需求具有如下几点特征：

电力需求保持较快增长，但增速逐步放缓。当前，我国的人均用电量远远低于世界发达国家的人均水平；其次，我国正处在城镇化加速时期，农村与城市之间人均用电量的巨大差距将逐渐拉近，这必将释放出新一轮的电力需求空间；最后，第二产业的稳固发展和第三产业的蓬勃兴起，西部开发的宏伟蓝图等，都需要稳定的持续的能源支持，电力需求的基本面不会发生根本性的逆转。不过，同时我们也应该看到，随着中国经济发展方式的转变，未来中国用电量的增速将逐步放缓。

单位产值用电量逐步下降。根据预测结果，我们测算“十二五”和“十三五”的电力需求弹性分别为0.84和0.72，这说明单位产值用电量将逐步下降。当前中国经济社会面临着日益严峻的资源瓶颈与环境约束，缓解这些问题的主要路径就是节能减排，提高能源利用效率。随着我们节能减排力度的不断加强，一方面，产业结构将不断调整优化：高耗能产业比重逐渐降低，而低耗能产业比重相应上升；另一方面，能源使用效率的逐渐提高。因此，可以预见，单位GDP用电量将呈现逐步下降的趋势。

电力需求结构发生显著变化。根据预测结果，我们发现未来5-10年，在终端消费中，电力需求结构将发生明显变化，工业用电比重将不断下降，第三产业和居民生活用电比重将上升。特别是居民生活用电将以12%的增长率持续增长，到2020年居民生活用电占全社会用电比重为20%左右。工业用电量将从当前的73%下降到2020年的63%（表7所示）。

表7 未来电力需求结构

Tab.7 The future power demand structure（%）

4 结 论

电力建设投产需要一定的周期，对未来电力需求的准确把握对于科学合理规划电力投资与建设、满足经济发展和人民生活的电力需求具有重要的意义。当前，我们不仅需要预测“十二五”的电力需求以便规划安排电力建设满足“十二五”期间的电力需求，还需要预测“十三五”期间的电力需求以便规划安排电力建设作为“十三五”期间的储备容量。

考虑到不同部门电力需求具有不同的决定因素和机制，本文把全社会用电量分为居民生活用电、农业用电、工业用电、建筑业用电和服务业用电等五个部分，构建、拟合不同的电力需求方程。其中，居民生活用电量具有较强的时间序列趋势特征而受经济增长波动的影响较小；农业和服务业用电量主要取决于其增加值的变化情况，具有明显的线性特征；建筑业用电量除了受产值影响外，还受技术进步的影响；工业用电量与增加值具有非线性特征，因为其单位产值用电量受产业结构变动与技术进步的影响较大。在分部门电力需求方程的基础上，预测未来十年的电力需求。预测的主要结果是：

（1）电力需求将保持较高增长率。“十二五”期间全社会用电量年均增长率约为7.8%，2015年用电量超过6万亿kWh，“十三五”期间的年均增长率为6.1%，2020年用电量接近8.2万亿kWh。

（2）未来十年，单位产值用电量将逐步下降，电力消费增长率将低于GDP增长率。“十二五”和“十三五”的电力需求弹性分别为0.84和0.72。

（3）电力需求结构将发生显著变化。未来5-10年，在终端消费中，电力需求结构将发生明显变化，工业用电比重将不断下降，第三产业和居民生活用电比重将上升。到2020年居民生活用电占全社会用电比重为20%左右，工业用电量将从当前的73%下降到2020年的63%。

参考文献（References）

［1］ Enders W. Applied Econometric Time Series ［M］. John Wiley & Sons, Inc., New York, 1995.

［2］Engle R F, Granger C W J. Cointegration and Error-correction: Representation, Estimation, and Testing ［J］. Econometrica，1987, 55: 251-276.

［3］国家发改委宏观经济研究院《经济增长对电力需求的影响》课题组. 经济增长对电力需求的影响［J］. 经济研究参考，2005, （78）: 1-22.［Academy of Macroeconomic Research. Impact of Power Demand to Economic Growth ［J］. Review of Economic Research，2005, 78: 1-22.］

［4］林卫斌. 经济增长、能耗强度与电力消费［J］. 经济科学,2010, （5）: 15-22.［Lin Weibin. Economic Development, Energy Intensity and Power Consumption ［J］. Economic Science,2010, （5）: 15-22.］

［5］林伯强. 结构变化、效率改进与能源需求预测-以中国电力行业为例［J］. 经济研究,2003, （5）: 57-65. ［Lin Boqiang. Structural Changes, Efficiency Improvement and Electricity Demand Forecasting ［J］. Economic Research Journal,2003, （5）: 57-65.］

［6］Reiss P C, White M W. Household Electricity Demand, Revisited ［J］. Review of Economic Studies, 2005,72（3）:853-883.

Research on Forecasting Electricity Demand of the 12th

Five-year and 2020

LIN Wei-bin1,3 CHEN Bin2,3 YU Yan-shan3

（1.School of Economics and Resource Management, Beijing Normal University, Beijing 100875, China;

2.School of Environment, Beijing Normal University, Beijing 100875, China;

3.Center for Energy Policy, China Energy Research Society, Beijing, 100045, China）

Abstract It is essential to predict electricity demand in the next ten years for power planning and construction. Considering various factors and mechanisms determining electricity demand of various sectors, this paper divides the total electricity consumption into five parts: resident, agriculture, industry, construction, and service sectors and establishes different demand equations to make predictions for the electricity demand. The results show that the total electricity consumption will grow at an annual rate of 7.8% during 12th Five-Year-Plan period, which would be more than 6×1012 kWh in 2015 while the annual growing rate will be 6.1% during the 13th Five-Year-Plan period. The total figure will reach nearly 8.2×1012kWh in 2020; In the next decade, the electric power consumption per unit output value will gradually decrease. The growth rate of electricity consumption would be lower than that of GDP with the electricity demand elasticity being 0.84 and 0.72, respectively. The electricity demand structure would change significantly. By 2020, the resident consumption will account for about 20% of the overall electricity consumption in the society with the proportion for industrial electricity consumption declining from 73% to 63%.

Key words electricity demand; sub-sector; forecasting