文 献 综 述

随着电力系统的完善和普及，电力已经成为人们生活中不可分割的一部分。众所周知，电力对于国民经济发展有着及其重要的作用，为各行各业的发展提供能源和动力。电力需求的变化更是与经济发展情况息息相关。电力发展与经济发展必须相协调，电力资源的过剩或短缺都会影响到经济的平稳发展。因此，我国社会用电量的预测对电力及相关部门的工作具有极其重要的意义。

金融领域和现今庞大的信息网络以及电子商务的发展壮大，其中超大容量的数据需要进行分析以研究和调控市场及经济的发展，这些都直接导致数据的可利用价值越来越大。拿全国社会月用电量举例，电力作为一种清洁、易于控制、可实现大规模生产和远距离传送的能源，一直受到政府的高度重视。全国社会月用电量更是反应电力需求的重要指标，它是指社会各个领域的耗电总量，包括农业用电、商业用电、工业用电、居民用电、公共设施用电以及其它用电等。由于季节、经济、政策、气候、人口等因素的影响，全国社会月用电量的数据存在一定的周期性循环波动和随机性波动。

我国早期用电量统计的方法局限于用户电表显示的数据，这种方法考虑的因素过于单一，不能体现出其他因素对于用电量的影响。对于社会用电量的研究我们主要使用ARIMA和季节调整模型分别研究，着重分析季节因素对于社会月用电量变化趋势的影响。

ARIMA模型是由博克思（Box）和詹金斯（Jenkins）提出的著名时间序列预测方法，全称为自回归移动平均模型。该模型基本思路是将预测对象随时间推移而形成的数据序列视为一个随机序列，然后选用一定的数学模型来近似描述这个序列。一旦模型确定，就可以通过序列中的过去、现在值对未来值进行预测。

ARIMA模型近年来被广泛应用于非平稳序列的研究及分析，通过移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程，建立数学模型，可以比较准确的预测序列运行的趋势。

1、时间序列分析

1.1国外相关研究

国外对于时间序列分析早在1921年由G.Yule提出了自回归（AR）模型，这是广义时间序列在发展中取得的巨大进步。1970年，博克思（Box）和詹金斯（Jenkins）出版的专著中对时间序列的分析方法进行了较为深入的系统性论述，并且首次提出了ARIMA模型。后来基于单位根的检验理论在时间序列的分析中发展迅速，例如迪基（Dickey）、富勒（Fuller）在1979年发表的具有单位根的自回归时间序列估计的分布，菲利普斯（Phillips）在1987年发表的具有单位根的时间序列回归。

2、时间序列分析在用电量预测的应用