典型文献
考虑数据周期性及趋势性特征的长期电力负荷组合预测方法
文献摘要：
为解决长期电力负荷预测精度不足及模型适用性不强等问题,考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合.利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型,提高年度负荷预测模型的趋势预测能力.采用函数型非参数方法预测月度负荷数据中周期性负荷数据,将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度.最后通过灰色预测等模型数据比对及MAPE误差分析方法验证,考虑数据周期性与趋势性组合的模型方法预测精度显著提升,适用于区域电力负荷的长期性预测.
文献关键词：
长期电力负荷预测;因素耦合;BP神经网络;ARIMA;函数型非参数方法
中图分类号：
作者姓名：
姜山;周秋鹏;董弘川;马旭;赵振宇
作者机构：
国网湖北省电力有限公司经济技术研究院,武汉430077;华北电力大学工程建设管理研究所,北京102206
文献出处：
引用格式：
[1]姜山;周秋鹏;董弘川;马旭;赵振宇-.考虑数据周期性及趋势性特征的长期电力负荷组合预测方法)[J].电测与仪表,2022(06):98-104
A类：
函数型非参数方法
B类：
趋势性,组合预测方法,长期电力负荷预测,模型适用性,区域经济发展,宏观指标,用电负荷,时间序列数据,因素耦合,移动平均自回归,ARIMA,整合改进,负荷预测模型,趋势预测,预测能力,月度,负荷数据,灰色预测,模型数据,数据比对,MAPE,误差分析方法,方法验证,模型方法,长期性
AB值：
0.316392
相似文献
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。
