广东省能源需求预测模型构建及实证分析.docVIP

广东省能源需求预测模型构建及实证分析 　　摘要为了对广东省的能源需求进行准确的预测，首先分析了影响广东省能源需求的各种因素，构建了预测指标体系.在此基础上，针对能源系统非线性等复杂系统特征，结合粒子群算法和BP神经网络的优点，构建了改进的PSOBP神经网络的预测模型，并通过主成分分析法对指标体系进行数据降维，以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真，并对2014-2018年的能源需求量进行预测，理论分析和实证研究表明，该方法能够很好的反映广东省能源需求的特征，预测结果较为准确合理. 　　关键词能源需求预测，粒子群算法，BP神经网络，主成分分析法 　　中图分类号F201 文献标识码A 　　Construction of Energy Demand Forecasting 　　Model and Empirical Analysis of Guangdong Province 　　YE Yiyong 　　（College of Economics Management Wuyi University Jiangmen， Guangdong 529020，China） 　　AbstractIn order to make accurate forecast for energy demand of Guangdong province， this paper analyzed the various factors which impact on energy demand of Guangdong province， and constructed the predict index system. On this basis， according to the nonlinear characteristics of the energy system， combined with the advantages of particle swarm optimization algorithm and BP neural network， a prediction model was constructed based on PSOBP neural network. And the method of principal component analysis was used to reduce the dimensions of the prediction index system in order to reduce the size and complexity of the neural network. Then， this paper simulated the energy demand data of Guangdong province from 1985 to 2013， and carried on the forecast energy demand of Guangdong province during 2014 to 2018. The theoretical analysis and empirical study show that this method can reflect the characteristics of energy demand of Guangdong province， and the predicted result is more accurate and reasonable. 　　Key words forecasting of energy demand， PSO， BP neural network， PCA 　　1引言 　　随着社会经济的快速发展，各行业对能源的需求大幅度增加.据统计，广东省2000年的能源消耗量是7 983万吨标准煤，2013年的能源消耗量上升到25 645万吨标准煤，是2000年消耗量的3.2倍，其中一次能源消费90%依赖省外，二次能源消费中的电力消费有10%也是依赖省外，据估算，未来10年这个比例将达到30%左右.经济快速发展所带来的巨大能源需求与供给不足之间的矛盾越来越严重，能源短缺已成为制约广东省经济持续发展的关键问题，如果不采取有效的措施，将会延缓广东省产业结构的转型升级优化，乃至影响全省经济的稳步增长.系统地分析广东省能源需求的影响因素，准确地预测广东省未来能源需求的数量，进而制定科学合理的能源发展战略，确保广东省经济可持续发展，具有非常重要的现实意义. 　　2文献综述 　　能源系统是一个复杂的非线性系统，其需求量受到众多因素的影响.当前很