基于报装容量的业扩影响电量预测模型的研究应用

赖国书; 吴国耀; 周昆; 朱玲玲; 兰智强; 黄笑盈; 茅琳玲

doi:10.16543/j.2095-641x.electric.power.ict.2025.02.05

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于报装容量的业扩影响电量预测模型的研究应用

更新时间：2026-01-30

- 基于报装容量的业扩影响电量预测模型的研究应用
- Vol. 23, Issue 2, Pages: 38-43(2025)
- 作者机构：
  
  1. 国网福建省电力有限公司营销服务中心
  2. 国网福建省电力有限公司
  3. 福建省供电服务有限责任公司
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.02.05
  CLC： F407.61;TM73
- Published：2025
- 稿件说明：
移动端阅览
赖国书, 吴国耀, 周昆, et al. 基于报装容量的业扩影响电量预测模型的研究应用[J]. 2025, 23(2): 38-43.
DOI：

赖国书, 吴国耀, 周昆, et al. 基于报装容量的业扩影响电量预测模型的研究应用[J]. 2025, 23(2): 38-43. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.02.05.

摘要

为精准量化企业生产者对企业未来的用电规划，文章致力于研究报装容量变化对电量的影响时长与影响程度，并定义报装影响生命周期，通过时间序列算法、用户分群、logistic回归等大数据方法，建立电力业扩影响电量预测模型。该模型打通了电力业扩报装到电量的映射链条，通过电力业扩报装活动预测电量变化，经过跟踪训练预测准确率已超90%，能够较好地诠释电力业扩报装与电量之间的关系，准确预测业扩报装影响电量发展趋势，映射行业景气情况。

Abstract

关键词

Keywords

references

程俊溢,雷川丽,周伟,刘博,王海跃.基于电网资源大数据的智能精细辅助评审系统设计与应用[J].电力信息与通信技术,2023(08).

刘大贵,王维庆,张慧娥,李国庆,肖桂莲,张斌.基于隐马尔科夫修正的光伏中长期电量预测及调度计划应用[J].高电压技术,2023(02).

胡乙丹,姜吉祥,董霞.基于结合聚类与SVM参数寻优的短期电力负荷预测方法[J].电力信息与通信技术,2022(05).

黄伟建,张一帆,黄远.动态三次指数平滑法的火电厂发电量预测研究[J].现代电子技术,2020(17).

黄青平,邹晓明,刘楚群,叶明武,黄祺珺.基于小波分解与随机森林的短期负荷预测[J].电力信息与通信技术,2019(09).

余向前,王林信,张维静,罗欣,赵燃.基于生长曲线的行业业扩用电趋势研究[J].电力需求侧管理,2014(02).

郑雅楠,单葆国,顾宇桂,刘伟,李庚银.改进的电量灰色预测方法实证对比研究[J].中国电力,2013(06).

吴杰,宋国堂,卢志刚,张鸿.基于偏最小二乘回归与比重法的月售电量预测[J].电力系统及其自动化学报,2008(03).

Wanli Xie,Wen-Ze Wu,Chong Liu,Jingjie Zhao.Forecasting annual electricity consumption in China by employing a conformable fractional grey model in opposite direction[J].Energy,2020.

Song Ding,Keith W. Hipel,Yao-guo Dang.Forecasting China's electricity consumption using a new grey prediction model[J].Energy,2018.

Chin Wang Lou,Ming Chui Dong.A novel random fuzzy neural networks for tackling uncertainties of electric load forecasting[J].International Journal of Electrical Power and Ene,2015.

A.S. Khwaja,M. Naeem,A. Anpalagan,A. Venetsanopoulos,B. Venkatesh.Improved short-term load forecasting using bagged neural networks[J].Electric Power Systems Research,2015.

Weigang Zhao,Jianzhou Wang,Haiyan Lu.Combining forecasts of electricity consumption in China with time-varying weights updated by a high-order Markov chain model[J].Omega,2014.

Luis Hernández 0002,Carlos Baladrón Zorita,Javier M. Aguiar,Belén Carro,Antonio Sánchez-Esguevillas,Jaime Lloret,Joaquim Massana.A Survey on Electric Power Demand Forecasting: Future Trends in Smart Grids, Microgrids and Smart Buildings.[J].IEEE Communications Surveys and Tutorials,2014.

M. Bouzerdoum,A. Mellit,A. Massi Pavan.A hybrid model (SARIMA–SVM) for short-term power forecasting of a small-scale grid-connected photovoltaic plant[J].Solar Energy,2013.

Ali Osman Pektaş,H. Kerem Cigizoglu.ANN hybrid model versus ARIMA and ARIMAX models of runoff coefficient[J].Journal of Hydrology,2013.

L. Ekonomou.Greek long-term energy consumption prediction using artificial neural networks[J].Energy,2009.

王承庆.基于考虑季节调整ARIMA模型的区域月度售电量预测研究[D].天津大学,2018(04).

程超.基于时间序列法和回归分析法的改进月售电量预测方法研究[D].重庆大学,2016(03).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向大数据分析的企业信息化解决方案研究

基于业扩报装大数据的电量预测方法

全球能源互联网背景下基于地理信息的用电数据分析与可视化

光传输设备状态评价系统的研发及应用

基于大数据分析的电缆智能检修框架研究

Related Author

彭庆军

张少泉

吴毅

张德海

张德刚

季聪

熊政

郑海雁

Related Institution

云南电力试验研究院(集团)有限公司电力研究院2. 西北工业大学自动化学院3. 云南大学软件学院

江苏方天电力技术有限公司

国网天津市电力公司信息通信公司2. 国网天津市电力公司科技信通部

国网温州供电公司

中国电力科学研究院有限公司

AI问答

⁰