6. Kết cấu của luận văn
3.3.4. Dân dụng sinh hoạt
a. Mô hình tuyến tính:
Mô hình dự báo tuyến tính có dạng:
ADS= β0+ β1*GDPDS + β2*PDS+ β3*DS + εi
Biến phụ thuộc: ADS
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:17 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê C 3.09E+09 1.06E+09 2.922301 0.0223 GDPDS 10016244 1360871. 7.360172 0.0002 PDS 39599.50 49004.86 0.808073 0.4456 DS -1910.144 706.3676 -2.704178 0.0305
R2 0.989333 Trung vị biến phụ thuộc 6.71E+08
R2 hiệu chỉnh 0.984761 S.D. biến phụ thuộc 1.49E+08 S.E. của hồi quy 18403585 Tiêu chuẩn Akaike info 36.56928 Tổng bình phương phần dư 2.37E+15 Têu chuẩn Schwarz 36.71397 Log likelihood -197.1310 Tiêu chuẩn Hannan-Quinn 36.47807 Thống kê kiểm định F 216.4075 Thồng kê Durbin-Watson 2.069371 Ý nghĩa kiểm định F 0.000000
Với mức ý nghĩa a = 0.05 thì Prob (PDS) = 0.4456> α nên ta loại biến PDS Như vậy, biến PDS không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến PDS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Biến phụ thuộc: ADS
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:18 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C 2.88E+09 1.00E+09 2.872726 0.0207
GDPDS 11026913 524596.7 21.01979 0.0000
DS -1753.634 664.3991 -2.639429 0.0297
R2 0.988338 Trung vị biến phụ thuộc 6.71E+08
R2 hiệu chỉnh 0.985422 S.D. biến phụ thuộc 1.49E+08 S.E. của hồi quy 18000011 Tiêu chuẩn Akaike info 36.47664 Tổng bình phương phần dư 2.59E+15 Têu chuẩn Schwarz 36.58516 Log likelihood -197.6215 Tiêu chuẩn Hannan-Quinn 36.40824 Thống kê kiểm định F 338.9892 Thồng kê Durbin-Watson 1.617127 Ý nghĩa kiểm định F 0.000000
dU < D < 4 – dU: không có tự tương quan bậc nhất dL = 0,758; dU = 1,604; 4- dU = 4 – 1,604 = 2,396
dU<D = 1.617127 < 4- dU => không có tự tương quan bậc nhất Ta xây dựng được mô hình dự báo:
b. Mô hình log tuyến tính
Mô hình dự báo có dạng :
ln(ADS) = β0 + β1* ln(GDPDS) + β2 * ln(PDN) + β3 * DS + εi
Biến phụ thuộc: LOG(ADS)
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:24 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê C 74.85200 24.63228 3.038777 0.0189 LOG(GDPDS) 0.719195 0.095005 7.570075 0.0001 LOG(PDS) -0.175378 0.122783 -1.428362 0.1962 LOG(DS) -3.927133 1.747246 -2.247614 0.0594
R2 0.988132 Trung vị biến phụ thuộc 20.30170
R2 hiệu chỉnh 0.983046 S.D. biến phụ thuộc 0.222391
S.E. của hồi quy 0.028957 Tiêu chuẩn Akaike info -3.970720
Tổng bình phương phần dư 0.005870 Têu chuẩn Schwarz -3.826031
Log likelihood 25.83896 Tiêu chuẩn Hannan-Quinn -4.061927
Thống kê kiểm định F 194.2773 Thồng kê Durbin-Watson 1.890032
Ý nghĩa kiểm định F 0.000000
Với mức ý nghĩa a = 0.05 thì Prob LOG(PDS) = 0.1962> α nên ta loại biến LOG(PDS)
Như vậy, biến PDS không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến PDS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Biến phụ thuộc: LOG(ADS)
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:25 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C 90.03319 23.62186 3.811435 0.0052
LOG(GDPDS) 0.590438 0.031895 18.51196 0.0000 LOG(DS) -5.052659 1.657760 -3.047884 0.0159
R2 0.984673 Trung vị biến phụ thuộc 20.30170
R2 hiệu chỉnh 0.980842 S.D. biến phụ thuộc 0.222391
S.E. của hồi quy 0.030782 Tiêu chuẩn Akaike info -3.896766
Tổng bình phương phần dư 0.007580 Têu chuẩn Schwarz -3.788249
Log likelihood 24.43221 Tiêu chuẩn Hannan-Quinn -3.965170
Thống kê kiểm định F 256.9812 Thồng kê Durbin-Watson 2.325100
Ý nghĩa kiểm định F 0.000000
dU < D < 4 – dU: không có tự tương quan bậc nhất dL = 0,758; dU = 1,604; 4- dU = 4 – 1,604 = 2,396
dU<D = 2,325100 < 4- dU => không có tự tương quan bậc nhất Ta xây dựng được mô hình dự báo:
3.3.5 Ngành khác
a. Mô hình tuyến tính:
Mô hình dự báo tuyến tính có dạng:
AK= β0+ β1*GDPK+ β2*PK+ β3*DS + εi
Với những số liệu được tổng hợp từ phân tích ở những phần trước, ta sử dụng làm dữ liệu đầu vào để xây dựng mô hình dự báo bằng phần mềm eviews:
Biến phụ thuộc: AK
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:30 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê C 7.53E+08 2.78E+08 2.707194 0.0303 GDPK 8856.701 14403.76 0.614888 0.5581 PK 49807.64 15868.46 3.138781 0.0164 DS -533.9958 184.1011 -2.900557 0.0230
R2 0.952531 Trung vị biến phụ thuộc 54176418
R2 hiệu chỉnh 0.932187 S.D. biến phụ thuộc 16823630 S.E. của hồi quy 4381025. Tiêu chuẩn Akaike info 33.69875 Tổng bình phương phần dư 1.34E+14 Têu chuẩn Schwarz 33.84344 Log likelihood -181.3431 Tiêu chuẩn Hannan-Quinn 33.60754 Thống kê kiểm định F 46.82156 Thống kê Durbin-Watson 2.163483 Ý nghĩa kiểm định F 0.000053
Với mức ý nghĩa a = 0.05 thì Prob (GDPK) = 0.5581> α nên ta loại biến GDPK
Như vậy, biến GDPK không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến GDPK ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Biến phụ thuộc: AK
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:31 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C 6.64E+08 2.28E+08 2.911159 0.0196
PK 58687.68 6315.326 9.292898 0.0000
DS -473.3578 149.2958 -3.170604 0.0132
R2 0.949967 Trung vị biến phụ thuộc 54176418
R2 hiệu chỉnh 0.937459 S.D. biến phụ thuộc 16823630 S.E. của hồi quy 4207292. Tiêu chuẩn Akaike info 33.56954 Tổng bình phương phần dư 1.42E+14 Têu chuẩn Schwarz 33.67805 Log likelihood -181.6325 Tiêu chuẩn Hannan-Quinn 33.50113 Thống kê kiểm định F 75.94737 Thống kê Durbin-Watson 2.302508 Ý nghĩa kiểm định F 0.000006
dU < D < 4 – dU: không có tự tương quan bậc nhất dL = 0,758; dU = 1,604; 4- dU = 4 – 1,604 = 2,396
dU<D = 2.302508 < 4- dU => không có tự tương quan bậc nhất Ta xây dựng được mô hình dự báo:
b. Mô hình log tuyến tính
Mô hình dự báo có dạng:
ln(AK) = β0 + β1* ln(GDPK) + β2 * ln(PK) + β3 * DS + εi
Biến phụ thuộc: LOG(AK)
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:35 Mẫu: 2010 2020
Số lượng quan sát: 11
Variable Coefficient Std. Error t-Statistic Prob.
C 182.2715 72.10811 2.527753 0.0394
LOG(GDPK) 0.021743 0.501201 0.043383 0.9666
LOG(PK) 1.877468 0.469777 3.996507 0.0052
LOG(DS) -12.56118 5.052975 -2.485898 0.0418
R2 0.952794 Trung vị biến phụ thuộc 17.76043
R2 hiệu chỉnh 0.932563 S.D. biến phụ thuộc 0.329091 S.E. của hồi quy 0.085461 Tiêu chuẩn Akaike info -1.806235 Tổng bình phương phần dư 0.051125 Têu chuẩn Schwarz -1.661546 Log likelihood 13.93429 Tiêu chuẩn Hannan-Quinn -1.897441 Thống kê kiểm định F 47.09542 Thống kê Durbin-Watson 2.425110 Ý nghĩa kiểm định F 0.000052
Với mức ý nghĩa a = 0.05 thì Prob LOG(GDPK)= 0.9666> α nên ta loại biến LOG(GDPK)
Như vậy, biến LOG(GDPK) không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến GDPK ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Biến phụ thuộc: LOG(AK)
Phương pháp: Bình phương tối thiểu Ngày:07/23/21 Thời gian: 11:35 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C 180.8482 60.07284 3.010481 0.0168
LOG(PK) 1.895877 0.188585 10.05317 0.0000
LOG(DS) -12.45916 4.184137 -2.977713 0.0177
R2 0.952781 Trung vị biến phụ thuộc 17.76043
R2 hiệu chỉnh 0.940977 S.D. biến phụ thuộc 0.329091 S.E. của hồi quy 0.079952 Tiêu chuẩn Akaike info -1.987784 Tổng bình phương phần dư 0.051138 Têu chuẩn Schwarz -1.879267 Log likelihood 13.93281 Tiêu chuẩn Hannan-Quinn -2.056189 Thống kê kiểm định F 80.71223 Thống kê Durbin-Watson 2.439133 Ý nghĩa kiểm định F 0.000005
dU < D < 4 – dU: không có tự tương quan bậc nhất dL = 0,758; dU = 1,604; 4- dU = 4 – 1,604 = 2,396 4- dL = 4- 0,758 = 3,242
4- dU = 2,396 < D = 2.439133 < 4- dL = 3,242=> không kết luận được có tự tương quan bậc nhất hay không.
Ta xây dựng được mô hình dự báo:
Bảng 3. 6. Các mô hình dự báo đã lập được bằng phần mềm EVIEWS
Ngành Mô hình tuyến tính Mô hình log tuyến tính
Công nghiệp ACN = -21.300.000.000 + 2.402.210*PCN + 12.256,47*DS
ln(ACN) = -377,2363 + 5,057872* ln(PCN) + 25,35164*ln(DS)
Nông nghiệp ANN = -103.000.000 + 13.436,62*GDPNN ln(ANN) = -16,94397 + 3,700573* ln(GDPNN) Thương mại – Dịch vụ ATM = -23.700.535 + 8.251,219 GDPTM1 + 0,6399625* ATM1 (-1) LOG(ATM) = -0,144805 + 1,968908*LOG (GDPTM 1) + 0,6853375*LOG(ATM (-1)) Dân dụng sinh hoạt ADS= 2.880.000.000 + 11.026.913*GDPDS -1.753,634*DS ln (ADS)= 90,03319 + 0,590438*ln(GDPDS) – 5,052659* ln(DS) Khác AK= 664.000.000 + 58.687,68*PK – 473,3578*DS ln(AK) = 180,8482 + 1,895877* ln(PK) – 12,45916 * DS
(Nguồn: Tính toán của tác giả)
3.4. Lựa chọn mô hình dự báo
Để đánh giá lựa chọn được dạng hàm tuyến tính hay hàm log tuyến tính làm mô hình dự báo nhu cầu điện năng cho năm ngành của tỉnh Bình Định, ta tiến hành xây dựng mô hình dự báo dựa trên bộ số liệu của tỉnh từ năm 2010 đến năm 2016 để dự báo cho năm 2017-2020. Từ kết quả dự báo đó ta so sánh với kết quả thực tế năm 2017-2020 để đánh giá được sai số của kết quả dự báo. Dạng hàm nào có sai số nhỏ hơn sẽ được lựa chọn làm dạng hàm dự báo nhu cầu điện năng tỉnh Bình Định giai đoạn 2021-2025.
Bảng 3.7. Số liệu dự báo cho giai đoạn 2017-2020.
Thực tế Tuyến tính Log tuyến tính
Công nghiệp 2017 717.090.351 707.742.914,63 656.980.968,58 2018 830.860.978 840.093.425,37 782.169.213,27 2019 931.314.065 1.024.626.042,16 986.304.810,33 2020 1.018.213.706 1.036.661.895,70 1.002.951.882,09 Nông nghiệp 2017 48.023.499 48.886.208,82 43.711.384,97 2018 62.429.959 69.755.967,00 70.390.013,98 2019 74.346.629 75.860.223,47 80.042.072,97 2020 91.369.011 81.547.944,71 89.873.004,41 Thương mại – Dịch vụ 2017 82.793.575 79.732.888,91 80.822.025 2018 87.858.412 88.754.249,09 90.408.071 2019 96.196.753 97.046.975,86 99.320.847 2020 88.744.631 96.157.260,62 96.937.289
Dân dụng sinh hoạt
2017 712.142.158 726.166.078,66 736.556.842,73 2018 747.062.440 775.464.433,02 782.618.268,40 2019 792.502.796 883.381.020,19 878.800.857,87 2020 873.008.333 925.766.603,60 912.679.407,09 Khác 2017 67.169.557 63.505.907,79 62.163.353,41 2018 72.081.863 67.673.941,04 66.983.861,95 2019 73.677.488 75.599.715,19 76.656.571,86 2020 75.746.814 75.134.877,83 76.028.608,50
Để đánh giá sai số của dự báo, ta có thể dùng chỉ tiêu MAPE. Mô hình nào có chỉ tiêu này nhỏ hơn thì lựa chọn mô hình đó làm mô hình dự báo sẽ đưa ra kết quả tốt hơn.
Sai số tương đối trung bình MAPE (Mean Absolute Percent Error)
𝑀𝐴𝑃𝐸 = ∑ |𝜀𝑡| 𝑌𝑡 𝑛 𝑡=1 𝑛 = ∑ |𝑌𝑡− 𝑌̂𝑡| 𝑌𝑡 𝑛 𝑡=1 𝑛 Trong đó:
Yt: Giá trị thực tế của quan sát thứ i
𝑌̂𝑡: Giá trị dự báo của quan sát thứ i n: số quan sát
Tính toán MAPE cho ngành công nghiệp: MAPE(CNtt) = 3,56148%
MAPE(Cnlogtt) = 5,411580283%
Nhận xét: MAPE(CNlogtt) > MAPE(CNtt). Vậy dùng hàm tuyến tính để dự báo cho ngành công nghiệp đem lại hiệu quả hơn hàm log tuyến tính. Tương tự ta cũng tính được chỉ số MAPE cho các ngành còn lại:
Bảng 3. 8. Chỉ số MAPE của các ngành
MAPE (tt) MAPE (logtt)
Công nghiệp 3,56148% 5,411580283%
Nông nghiệp 5,68074646% 7,756884409%
Thương mại – Dịch vụ 3,48825157% 4,440655947%
Dân dụng sinh hoạt 5,82039935% 5,905312549%
Khác 3,74658407% 4,735258165%
(Nguồn: Tính toán của tác giả)
Từ bảng số liệu tính toán trên ta kết luận: Các ngành đều dùng hàm dự báo tuyến tính.
Bảng 3. 9. Các hàm dự báo cho giai đoạn 2020-2021
Ngành Mô hình dự báo
Công nghiệp ACN = -21.300.000.000 + 2.402.210*PCN + 12256,47*DS
Nông nghiệp ANN = -103.000.000 + 13.436,62*GDPNN
Thương mại – Dịch vụ ATM = -23.700.535 + 8.251,219 GDPTM1 + 0,6399625* ATM1 (-1)
Dân dụng sinh hoạt ADS= 2.880.000.000 + 11.026.913*GDPDS - 1.753,634*DS
Khác AK= 664.000.000 + 58.687,68*PK – 473,3578*DS (Nguồn: Tính toán của tác giả)
3.5. Kết quả dự báo
Bảng 3. 10. Tính toán kết quả dự báo cho các ngành dựa vào mô hình dự báo đã chọn
(Đơn vị: Kwh)
Năm Công nghiệp Nông nghiệp Thương mại
Dịch vụ Dân dụng sinh hoạt Khác Tổng 2021 1.091.374.777,78 87.450.651,88 105.055.023,83 957.238.299,36 73.021.808,61 2.304.624.660,64 2022 1.474.268.769,47 93.550.877,36 116.755.788,06 991.045.192,95 80.138.265,94 2.743.294.568,88 2023 1.883.578.250,57 99.839.215,52 129.436.947,90 1.027.328.759,66 87.987.447,51 3.215.782.888,84 2024 2.321.381.378,15 106.329.102,98 143.125.772,21 1.066.237.211,89 96.627.567,65 3.712.208.343,06 2025 2.789.963.710,90 113.020.539,74 157.849.946,33 1.107.929.557,72 106.123.182,79 4.241.785.563,30
3.6. Đề xuất và kiến nghị
3.6.1 Đề xuất để hoàn thiện công tác phân tích và dự báo nhu cầu về tiêu thụ điện năng trên địa bàn tỉnh Bình Định thụ điện năng trên địa bàn tỉnh Bình Định
Từ các mô hình hiện có trong và ngoài nước cho thấy tất cả các mô hình đều sử dụng sự dụng một yếu tố dữ liệu trong quá khứ để dự báo cho tương lại và người làm công tác dự báo đã không khái quát hết các yếu tố tác động đến nhu cầu điện năng của từng khu vực, việc nay chưa phù hợp với mô hình áp dụng trong tỉnh Bình Định, để hoàn thiện công tác dự báo nhu cầu điện năng của tỉnh Bình Định, công tác dự báo cần chú ý một số yêu cầu sau:
- Dự báo nhu cầu điện theo các lĩnh vực tiêu thụ theo ngành để việc dự báo được chính xác, vì mỗi lãnh vực việc tăng giảm nhu cầu điện khác nhau.
- Sử dụng số liệu trong thời gian khoảng 10 – 11 năm, vì trong thời gian này việc phát triển kinh tế, cũng như thu nhập của người dùng có mức phát triển liên tục, không có biến động nhiều.
- Có xem xét đến tình hình thực tế diễn biến bất thường như dịch bệnh, bão lũ thiên tai, để lựa chọn mức độ phát triển hợp lý.
- Áp dụng mô hình hồi qui đa biến là phù hợp bởi vì nhu cầu sử dụng điện phụ thuộc vào nhiều yếu tố như phát triển kinh tế, thu nhập của người sử dụng, sự phát triển dân số.
- Để đưa mô hình vào sử dụng thuận tiện cho người sử dụng, mô hình cần phát triển thành một ứng dụng tin học độc lập, để người làm công tác dự báo của Công ty sử dụng dễ dàng (người làm công tác dự báo đều là kỹ sư điện).
- Tuy nhiên mô hình dự báo còn hạn chế trong thời gian trung hạn, cần được nghiên cứu để phát triển dự báo trong thời gian dài hạn từ 5 – 10 năm.
3.6.2. Kiến nghị những giải pháp để hỗ trợ công tác qui hoạch và phát triển hệ thống cung cấp điện hệ thống cung cấp điện
Trong bối cảnh tình hình dịch COVID-19 trên địa bàn tỉnh Bình Định năm 2021 hết sức phức tạp, ảnh hưởng của dịch Covid-19 có khả năng còn
kéo dài sang các năm tới, làm ảnh hưởng đến kinh tế xã hội dẫn đến điện thương phẩm tăng trưởng thấp, giá bán điện bình quân giảm, các công trình ĐTXD/SCL/SCTX chậm trễ tiến độ thi công,... tuy vậy việc phát triển kinh tế theo báo cáo của Cục thống kê tỉnh Bình Định 6 tháng đầu năm 2021 đều tăng do đó nhu cầu điện năng tỉnh Bình Định có mức tăng trưởng khá nhanh trong giai đoạn tới, điều này phù hợp với dự báo đã đưa ra.
Tình hình phát triển kinh tế xã hội của tỉnh Bình Định giai đoạn 2021- 2025 dự kiến sẽ tăng trưởng rất mạnh về công nghiệp, nuôi trồng thủy hải sản, ngành du lịch Do đó, mục tiêu ĐTXD 2021-2025 là cung cấp điện đáp ứng kịp thời cho phát triển kinh tế xã hội của địa phương, đồng thời thực hiện lộ trình giảm tổn thất điện năng, nâng cao ĐTCCCĐ. Bên cạnh đó, cải tạo lưới điện và tăng năng lực cấp điện cho các địa phương vùng sâu vùng xa đáp ứng mục tiêu dân sinh của địa phương.
Công ty Điện lực Bình Định cần có các giải pháp phấn đấu giảm tổn thất điện năng, đồng thời tăng cường kiểm soát việc thực hiện tiết kiệm trong sử dụng điện, trong chi phí sản xuất, có biện pháp điều tiết nhu cầu sử dụng điện một cách hiệu quả, tránh tình trạng mất điện không báo trước cũng như khẩn trương xây dựng đề án giá điện theo cơ chế thị trường và định hướng tới một thị trường điện cạnh tranh thực sự. Điều này sẽ nâng cao hiệu quả hoạt động cho các nhà máy điện, thu hút đầu tư, đặc biệt là đầu từ nước ngoài. Ngoài ra, cũng cần có những chính sách hợp lý nhằm khuyến khích người dân