典型文献
基于ARIMA-GWO-SVR组合模型的线损率时序预测
文献摘要：
线损率是衡量电网经济性的重要指标,为了实现对电网线损率的时间序列预测,以差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型为基础,结合对非线性数据处理效果优异的支持向量回归(support vector regression,SVR)模型,提出了基于时间序列的线损率组合回归模型;利用基于灰狼优化算法(grey wolf optimizer,GWO)的SVR模型,对ARIMA预测的残差进行数据重构并重新进行建模预测,最终将2个模型预测结果相组合得到最终的预测结果.经过实例分析,组合模型的均方误差和平均绝对误差均优于单一的ARIMA模型和常用的ARIMA-SVR模型,具有优异的预测效果.
文献关键词：
线损率;差分自回归移动平均;支持向量回归;灰狼优化算法;数据重构;时间序列
中图分类号：
作者姓名：
杨正宇;韩彤;赵振刚
作者机构：
云南电网有限责任公司电力科学研究院,云南昆明 650217;昆明理工大学信息工程与自动化学院,云南昆明650500
文献出处：
引用格式：
[1]杨正宇;韩彤;赵振刚-.基于ARIMA-GWO-SVR组合模型的线损率时序预测)[J].供用电,2022(07):58-63
A类：
B类：
ARIMA,GWO,SVR,组合模型,线损率,时序预测,网线,时间序列预测,差分自回归移动平均,autoregressive,integrated,moving,average,处理效果,支持向量回归,support,vector,regression,灰狼优化算法,grey,wolf,optimizer,数据重构,建模预测,终将,均方误差,平均绝对误差
AB值：
0.343509
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。
