1. 国网浙江桐乡市供电有限公司
2. 国网嘉兴供电公司
纸质出版:2021
移动端阅览
[1]徐久益,李自明,姚剑峰,杨晓雷,屠一艳,李杰.计及经济因素的混合模型电量预测研究[J].四川电力技术,2021,44(01):83-88.
Xu Jiuyi, Li Ziming, Yao Jianfeng, et al. Research on Electricity Consumption Prediction under Mixed Model Considering Economic Factors[J]. 2021, 44(1): 83-88.
[1]徐久益,李自明,姚剑峰,杨晓雷,屠一艳,李杰.计及经济因素的混合模型电量预测研究[J].四川电力技术,2021,44(01):83-88. DOI: 10.16527/j.issn.1003-6954.20210117.
Xu Jiuyi, Li Ziming, Yao Jianfeng, et al. Research on Electricity Consumption Prediction under Mixed Model Considering Economic Factors[J]. 2021, 44(1): 83-88. DOI: 10.16527/j.issn.1003-6954.20210117.
精确的电量预测是进行电网规划和建设的重要依据。为解决月度用电量预测方法思路单一、预测模型通用性不强、预测精度低等问题
通过对区域用电量与经济的历史数据研究分析
提出了一种计及经济因素影响的混合模型月度用电量预测方法。该方法将回归分析法和指数平滑法这两种预测方法相结合
建立电量预测模型
取得了较高的预测精度;最后
将本模型运用于浙江嘉兴地区月用电量预测
结果表明
该模型预测平均绝对百分误差为2.31%
从而验证了该模型的有效性与通用性。
Precise electricity consumption prediction provides an important basis for layout and construction of power grid. In order to solve the problems of single method
weak universality and low accuracy of prediction models
a monthly electricity consumption prediction method under mixed model on the basis of economic factors is proposed through analyzing the historical data of electricity consumption and economy. The regression analysis method and exponential smoothing method are combined to set up a mixed model of electricity consumption prediction
which contributes to the high prediction accuracy. At last
the proposed model is applied to the monthly electricity consumption prediction of Jiaxing area. The results show that its mean absolute percentage error( MAPE) is 2. 31%
which verifies the effectively and universality of the model.
基于历史数据的光伏发电量预测方式的组合应用 [J]. 张凤珠. 通信电源技术 . 2020(05)
基于能源转型的中国特色电力市场建设的分析与思考 [J]. 陈国平,梁志峰,董昱. 中国电机工程学报 . 2020(02)
基于最小二乘法和聚类的用电数据异常分析算法 [J]. 张颖,王琳,王丽华,王飞,张苗. 河北电力技术 . 2019(05)
基于深度信念网络的光伏电站短期发电量预测 [J]. 赵亮,刘友波,余莉娜,刘俊勇. 电力系统保护与控制 . 2019(18)
试析现代统计分析方法及其应用 [J]. 史松奇. 科技经济导刊 . 2019(24)
基于数据挖掘技术的配电网精准投资策略研究 [J]. 黄宏和,吴臻,琚军,章斌,王雪峰,潘永贺,郑辉,赵仲夏. 浙江电力 . 2019(03)
基于协整-格兰杰因果检验和季节分解的中期负荷预测 [J]. 刘俊,赵宏炎,刘嘉诚,潘良军,王楷. 电力系统自动化 . 2019(01)
基于大数据挖掘电量预测方法的创新及应用 [J]. 徐俊,徐文辉,曾鑫,宋乐. 电力大数据 . 2018(10)
基于灰色预测理论的区域电量概率预测方法及其应用 [J]. 钟全辉,张以全,肖少华,张利敏,金国忠. 浙江电力 . 2018(01)
基于线性回归的电网夏季降温负荷与气温相关性分析 [J]. 葛风雷. 农村电气化 . 2017(04)
考虑经济因素时滞效应的月度负荷预测方法 [J]. 郭鸿业,陈启鑫,夏清,范海虹. 电网技术 . 2016(02)
一种基于用电行业分类的中长期电量预测方法 [J]. 李翔,欧阳森,冯天瑞,吴裕生,王克英. 现代电力 . 2015(06)
基于BP神经网络的地区售电量预测新方法研究 [D]. 李瑞杰. 西安科技大学 2018
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]. 程超. 重庆大学 2016
基于半参数统计模型的中长期电量负荷预测应用研究 [D]. 邵臻. 合肥工业大学 2012
0
浏览量
0
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621