典型文献
基于考虑气温影响的门限自回归移动平均模型居民日用电负荷预测
文献摘要：
由于气温突变点的影响,负荷序列存在门限效应,导致传统线性时间序列模型的负荷预测效果较差.将气温突变点作为门限,建立了以气温为协变量的门限自回归移动平均(threshold autoregressive moving average with exogenous variable,TARMAX)模型,提高了预测精度.首先,应用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法对气温突变点进行搜寻得到模型参数.然后,采用随机搜索变量的方法快速选择出最优模型,有效降低选择时间序列模型的计算量.最后,对不同季节下的居民日用电负荷进行预测.实例表明,与线性时间序列模型、长短期记忆网络(long short-term memory network,LSTM)和多层感知机(multilayer perceptron,MLP)相比,TARMAX模型提高了电力负荷的预测精度.
文献关键词：
居民日用电负荷预测;门限自回归移动平均(TARMA)模型;气温突变点;门限;协变量
中图分类号：
作者姓名：
孙玉芹;王亚文;朱威;李彦
作者机构：
上海电力大学数理学院,上海市200090
文献出处：
引用格式：
[1]孙玉芹;王亚文;朱威;李彦-.基于考虑气温影响的门限自回归移动平均模型居民日用电负荷预测)[J].电力建设,2022(09):117-124
A类：
居民日用电负荷预测,气温突变点,TARMAX,TARMA
B类：
气温影响,门限自回归,自回归移动平均模型,负荷序列,门限效应,线性时间,时间序列模型,协变量,threshold,autoregressive,moving,average,exogenous,variable,马尔科夫链蒙特卡洛,Markov,chain,Monte,Carlo,MCMC,搜寻,随机搜索,快速选择,最优模型,择时,计算量,不同季节,节下,长短期记忆网络,long,short,term,memory,network,多层感知机,multilayer,perceptron,MLP,电力负荷
AB值：
0.300365
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
