Combination Forecasting Model for Energy Demand Considering Micro Policy

Huang Xin; Wu Jiekang; Li Hongling; Li Yixin; Zheng Minjia; Li Meng; Wu Weijie; Zhang Yining

doi:10.16527/j.issn.1003-6954.20210114

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Combination Forecasting Model for Energy Demand Considering Micro Policy

更新时间：2026-02-13

- Combination Forecasting Model for Energy Demand Considering Micro Policy
- Vol. 44, Issue 1, Pages: 62-69(2021)
- 作者机构：
  
  1. 广东电网规划研究中心
  2. 广东工业大学自动化学院
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20210114
  CLC： F426.2;F224
- Published：2021
- 稿件说明：
移动端阅览
[1]黄欣,吴杰康,李红玲,李逸欣,郑敏嘉,李猛,吴伟杰,张伊宁.考虑宏观政策的能源需求组合预测模型[J].四川电力技术,2021,44(01):62-69.

Huang Xin, Wu Jiekang, Li Hongling, et al. Combination Forecasting Model for Energy Demand Considering Micro Policy[J]. 2021, 44(1): 62-69.
[1]黄欣,吴杰康,李红玲,李逸欣,郑敏嘉,李猛,吴伟杰,张伊宁.考虑宏观政策的能源需求组合预测模型[J].四川电力技术,2021,44(01):62-69. DOI： 10.16527/j.issn.1003-6954.20210114.

Huang Xin, Wu Jiekang, Li Hongling, et al. Combination Forecasting Model for Energy Demand Considering Micro Policy[J]. 2021, 44(1): 62-69. DOI： 10.16527/j.issn.1003-6954.20210114.

摘要

针对目前能源需求预测考虑影响因素单一、忽视宏观政策影响因素、预测精度不足等问题

提出了一种融合灰色关联度分析和BP神经网络的能源需求组合预测方法。首先

根据宏观政策的针对性和方向性进行领域划分

分析各领域的指标;其次

利用灰色关联度分析法对分析后的各领域宏观政策初始指标进行关联度计算、排序、筛选;最后

将筛选出的初始指标作为BP神经网络的输入

利用神经网络预测能源需求

并进行实例仿真分析能源需求组合预测的预测结果。实例结果表明

所提出的能源需求组合预测方法着重考虑了宏观政策影响

且有效地提高了预测精度

具有实用性和可靠性。

Abstract

Aiming at the current problems of considering influence factors of energy demand forecasting in a single way

ignoring influence factors of macro policy and lacking in forecasting accuracy

a combined energy demand forecasting method together with grey correlation analysis and BP neural network is proposed. Firstly

the fields are divided according to the pertinence and direction of the macro policy

and then the indicators are analyzed in each field. Secondly

the grey correlation analysis method is used to calculate

sort and filter the initial indicators of the macro policy after the analysis. Finally

the selected initial indicators are used as the input of BP neural network

the neural network tools are used to achieve the purpose of energy demand forecasting

and a case simulation is performed to analyze the results of energy demand combination forecasting. The example results show that the proposed energy demand combination forecasting method focuses on the impact of macro policies

which effectively improves the forecasting accuracy and is practical and reliable.

关键词

Keywords

references

能源消费发展及预测方法综述 [J]. 杨明,杜萍静,刘凤全,郝旭鹏,孛一凡. 山东大学学报(工学版) . 2020(01)

经济转型对西南地区能源需求的影响及预测 [J]. 路亮,柳璐,程浩忠,周全,江栗. 电力系统及其自动化学报 . 2019(07)

组合的灰色关联度和GA-BP模型对能源需求的预测分析 [J]. 魏云云. 兰州文理学院学报(自然科学版) . 2018(05)

广东省能源需求预测模型构建及实证分析 [J]. 叶艺勇. 经济数学 . 2015(03)

时间序列模型在山西省能源需求预测中的应用 [J]. 张文丽,翟明娟,白刚. 长治学院学报 . 2015(02)

我国能源消费影响因素研究——基于长期均衡和短期波动的协整分析 [J]. 张传平,周倩倩. 中国能源 . 2013(03)

组合模型在能源需求预测的应用 [J]. 孟凡生,李美莹. 哈尔滨工业大学学报 . 2013(11)

基于灰色理论和BP神经网络串联组合的能源需求预测 [J]. 徐志芬,王书俊. 山东电力高等专科学校学报 . 2013(04)

基于熵权灰色组合预测模型的区域能源需求预测研究 [J]. 秦晋栋. 价值工程 . 2012(04)

中国工业化、城市化进程中的能源需求预测与分析 [J]. 孙涵,成金华. 中国人口.资源与环境 . 2011(07)

用灰色模型预测我国能源的需求量 [J]. 尤广芬,王萍. 四川理工学院学报(自然科学版) . 2009(03)

分布式智能控制及其在宏观政策对电力供需影响模拟中的应用 [J]. 焦晓佑,胡兆光,周渝慧. 电工技术学报 . 2008(05)

中国能源消费现状及能源需求预测 [J]. 佟阿思根,侯俊芝. 内蒙古民族大学学报 . 2008(03)

中国能源需求预测及供给对策 [J]. 高广阔,张能进. 电力技术经济 . 2005(03)

线性回归分析与能源需求预测 [J]. 徐明德,李维杰. 内蒙古师范大学学报(自然科学汉文版) . 2003(01)

一种变权重组合预测方法研究 [J]. 赵国忻,王明涛. 西安工程科技学院学报 . 2000(03)

我国能源供求预测研究 [D]. 邓志茹. 哈尔滨工程大学 2011

基于组合模型的中国能源需求预测 [D]. 芦森. 成都理工大学 2010

Effects of air infiltration modeling approaches in urban building energy demand forecasts [J] . Gabriel Happle,Jimeno A. Fonseca,Arno Schlueter. Energy Procedia . 2017

Energy demand forecasting of the greenhouses using nonlinear models based on model optimized prediction method [J] . Jiaoliao Chen,Jiangxin Yang,Jiangwu Zhao,Fang Xu,Zheng Shen,Libin Zhang. Neurocomputing . 2015

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰