摘要: ARMA(Autoregressive Mving Aerage)模型最大的优点是对一组时间数据进行规律性分析，从数据结构和数据特征方面寻找在其内在变化趋势。但用电量时间序列可能并非平稳时间序列，而ARMA模型只能适用平稳时间序列的分析之中，因此，采用既可以适用于平稳时间序列分析，也可以适用于非平稳时间序列分析的ARIMA(Autoregressive Integrated Moving Average)模型作为用电量预测模型。而ARIMA模型对用电量预测会有一定的偏差和不稳定性，且电量变化的随机波动性较强。针对ARIMA模型抗干扰能力差的问题，提出ARIMA和加权马尔科夫链组合模型，通过对预测值的残差序列进行预测，实现对预测值的修正，提高预测精度以及预测模型的适应性和灵活性，弥补ARIMA模型抗干扰能力差的缺陷。预测结果表明该组合方法在提高预测精度上具有可行性。