一种新颖的灰色多变量模型，用于预测电力消耗，同时考虑了能源转型和技术创新所带来的累积时间滞后效应

《Energy Economics》：A novel grey multivariable model for forecasting electricity consumption considering the accumulative time lag effects from energy transition and technological innovation

电力消费预测需考虑能源转型与技术革新的累积时间滞后效应。本研究构建融合特征筛选（随机森林）和时间滞后识别（交叉相关分析）的新灰色多变量模型，揭示GDP、能源消费和电力生成的关键驱动因素，并量化固定资产投资、可再生能源比例及研发强度等变量的时间滞后周期。通过北京、江苏等四省市案例验证，模型在2023-2030年情景预测中有效呈现区域异质性，填补了传统模型忽视长期滞后影响的研究空白。

　　

蔡颖|王俊杰|宋楠楠|党耀国

南京航空航天大学经济与管理学院，中国江苏省南京市211100

摘要

准确识别驱动因素并精确预测电力消耗（EC）对于绿色经济发展和实现双碳目标至关重要。然而，现有研究忽略了能源转型和技术创新对EC的累积时间滞后效应。为了实现准确预测，本研究提出了一个结合特征识别策略和新型灰色多元模型的预测框架。首先，从六个维度筛选出15个潜在的驱动因素，并使用随机森林回归来确定关键影响因素。此外，通过交叉相关分析识别时间延迟因素及其时间滞后周期。分析结果表明，EC的关键驱动因素是发电量、能源消耗和地区国内生产总值，其重要性系数分别为0.38、0.33和0.23；时间延迟因素包括固定资产投资、可再生能源发电比例和研发支出强度。其次，构建了一个考虑累积时间滞后效应的新型灰色多元模型，并利用普通最小二乘估计和非线性规划方法求解未知参数。在案例研究中，选取了中国四个典型省份来验证该模型的优越性、有效性和稳健性。最后，针对2023-2030年，对中国30个省份和直辖市的EC进行了不同情景下的预测。基于三种情景下的预测结果，强调了区域间的异质性。

引言

能源系统的安全稳定运行对国家能源战略以及可持续的经济和社会发展至关重要（Delpisheh等，2026）。作为能源系统规划的关键部分，电力消耗预测为电网调度和基础设施布局提供了科学依据。它还大力支持碳排放核算、能源结构转型和实现双碳目标（Wang等，2025b）。然而，在中国，新能源汽车和大数据计算带来的新兴负荷需求正在挑战传统的电力结构（Park和Shin，2024）。同时，能源转型和技术创新具有较长的传导周期，并对电力需求产生显著的时间滞后效应（Lin和Shi，2024）。在这种背景下，基于历史数据的传统预测模型难以捕捉新兴负荷变化和长期滞后效应的综合影响。因此，迫切需要开发一个新的预测框架，该框架应整合关键驱动因素识别、时间滞后效应量化以及累积影响建模，以实现准确的电力消耗预测。

电力需求与经济发展、产业结构和能源结构密切相关。此外，在双碳战略目标的推动下，能源结构正迅速向更清洁、低碳的方向转变。传统热电的比例逐渐下降，而可再生能源的规模正在扩大（Ding等，2024a）。同时，以新能源汽车、云计算、大数据和人工智能为代表的新兴技术的快速发展刺激了电力需求的新的增长点（Nieto等，2024）。这些新兴产业的增长不仅引入了新的影响因素，还给电力系统带来了更大的复杂性和不确定性，给传统的电力负荷预测方法带来了巨大挑战（Dong等，2024）。

目前，大多数电力需求预测研究依赖于历史数据来构建模型，主要关注从数据本身提取时间序列模式，往往忽略了能源转型政策实施和固定资产投资激活过程中固有的时间滞后效应（Zhang等，2023a）。这些滞后导致政策影响和工业投资对电力需求的刺激效应逐渐显现，而非瞬间发生（Ullah和Lin，2024）。传统模型未能充分考虑时间滞后特性，往往导致预测结果与实际结果之间存在偏差。为了解决这一差距，本研究打破了传统的预测框架，纳入了多元影响和时间滞后效应，系统地评估了外生变量对电力需求的综合影响。同时，特别研究了投资周期和转型动态等因素的累积时间滞后效应。

作为世界第二大经济体，中国30个省份之间的电力需求存在显著差异，这是由于区域发展不平衡造成的（Zhao等，2025）。缺乏一个通用的预测框架，使得难以对所有地区进行准确预测（Tu等，2026）。本研究考察了四个典型省份的电力消耗模式：北京、江苏、山东和重庆。作为首都，北京的经济以服务业和高科技产业为主；江苏是主要的制造业省份，正处于产业升级的关键阶段；山东是传统的工业强省，正在将能源密集型产业与新兴产业相结合；重庆是中国西部的重要经济中心，电力需求增长迅速。这四个地区向清洁能源转型的速度和技术创新的速度各不相同（Rao等，2024）。对这些领域的研究对于准确预测区域电力需求和制定国家能源战略具有重要意义。

鉴于上述背景，本文重点关注考虑累积时间滞后效应的电力消耗预测。为了实现精确和系统的电力消耗预测，采用基于随机森林的特征选择策略来确定关键相关因素。时间延迟相关方法用于识别时间延迟因素的时间滞后周期。然后，提出了一种考虑累积时间滞后效应的新型灰色多元预测模型来预测电力消耗。该模型考虑了能源转型和技术创新的累积时间滞后影响，这是现有研究中所忽视的。最后，将这种新型电力消耗预测框架应用于对中国30个省份的情景预测。

本研究有四个主要贡献：（1）提出了一种基于新型灰色多元预测模型的电力消耗预测框架，考虑了投资、能源转型和技术创新的累积时间滞后效应；（2）揭示了电力消耗的驱动因素，从时间滞后维度扩展了对电力需求原因的研究视角；具体来说，从经济、人口、产业、能源、技术进步和气候六个维度选择了关键影响因素；（3）用正态权重分布函数表示时间延迟因素的累积时间滞后效应，并使用贝塔分布量化不同类型的累积时间滞后过程；（4）选取四个典型省份作为案例，验证了模型的有效性和优越性，并根据经济发展趋势设计了三种情景，提供了中国30个省份未来的电力消耗预测。

研究的后续结构如下：第2节介绍相关文献；第3节提出电力消耗预测框架；第4节包括实验、结果分析、讨论和未来情景预测；第5节总结本文。

研究片段

电力消耗驱动因素的研究

许多实证研究采用了多种方法探讨了电力消耗的驱动因素。这些研究重点考察了电力趋势与相关因素之间的关系，包括国内生产总值（GDP）（Garcia-Rendon等，2023）、研发投资、气候条件（Ghimire等，2025）和城市化水平（Zhang等，2024）等。Miao等（2018）采用了随机前沿分析方法

提出的预测框架

为了揭示电力消耗趋势背后的机制，本研究设计了一个工作流程，用于预测具有累积时间滞后效应的未来电力消耗，包括三个主要部分：关键因素选择、时间滞后效应识别、电力消耗预测和情景预测。所提出的电力需求预测方法框架如图1所示。具体来说，本工作的主要步骤如下（见表1）。

部分

数据选择和来源

本研究调查了总电力消耗，主要包括工业电力消耗和居民电力消耗。工业电力消耗与经济发展水平和产业结构密切相关，其中经济增加值和固定资产投资等因素显著影响工业电力需求（Shi等，2022）。另一方面，居民电力消耗与

结论

中国的电力结构和电力消耗正处于一个重要的转型和动荡时期。构建一个复杂的预测框架对于实现高精度的电力消耗预测至关重要。目前，灰色预测模型被用于预测长期电力消耗。然而，能源转型和技术创新对电力需求具有复杂和累积的时间滞后影响，而这些影响在当前的研究中被忽视了。本文提出了一种

CRediT作者贡献声明

蔡颖：撰写——原始草案、方法论、概念化。王俊杰：撰写——审稿与编辑、撰写——原始草案、监督。宋楠楠：撰写——审稿与编辑、验证。党耀国：监督、项目管理、资金获取。

利益冲突声明

作者未报告任何潜在的利益冲突。

致谢

本研究得到了国家自然科学基金（72571136、72271120、72001107）、中华人民共和国教育部人文社会科学项目（24YJA630087）、中央高校基本科研业务费（NS2024047、NP2024106）的支持。