CN103413188A - 一种基于工业业扩报装的月度工业用电量预测方法 - Google Patents
一种基于工业业扩报装的月度工业用电量预测方法 Download PDFInfo
- Publication number
- CN103413188A CN103413188A CN2013103949697A CN201310394969A CN103413188A CN 103413188 A CN103413188 A CN 103413188A CN 2013103949697 A CN2013103949697 A CN 2013103949697A CN 201310394969 A CN201310394969 A CN 201310394969A CN 103413188 A CN103413188 A CN 103413188A
- Authority
- CN
- China
- Prior art keywords
- industrial
- monthly
- electric weight
- install
- industrial electric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供一种基于工业业扩报装的月度工业用电量预测方法,该方法包括以下步骤:(1)获取历史数据样本区间各个月度的工业用电量、工业业扩报装数据;(2)分别对工业用电量数据、工业业扩报装数据进行季节性分解;(3)采用分解后的数据构建工业用电量趋势项预测模型;(4)利用ARMA算法对上述模型进行改进;(5)根据改进后的模型预测值还原出预测期的月度工业用电量。本发明从工业用电量入手,建立了月度工业用电量与月度工业业扩报装净完成容量之间的预测模型,该模型所使用的工业业扩报装指标可直接实时反映工业用电量的变化,准确预测出月度工业用电量,分析经济走势,研判全社会用电形势,从而为电网调控、运营提供依据。
Description
技术领域
本发明涉及电网短期电量预测技术领域,具体是一种基于工业业扩报装的月度工业用电量预测方法。
背景技术
工业用电量与经济发展的关系紧密,在全社会用电量中的比重较大。通过对工业用电量进行研判、预测,可以在很大程度上了解未来经济的发展趋势,也可以对全社会用电量的发展形势做出判断。在对工业用电量的预测中,业扩报装容量是不可忽视的直接影响因素,而且是具有先行意义的指标。
月度用电量的预测是难度较大的一项工作,选择合理的指标是分析预测的关键所在。长期以来,在电力系统的实际工作中,对于工业用电量与工业业扩报装的关系都是以定性分析为主,尚未建立工业用电量与工业业扩报装之间的预测模型,所以不能准确预测出工业用电量。
发明内容
本发明要解决的技术问题是提供一种基于工业业扩报装的月度工业用电量预测方法,以克服现有分析方法的不足,能够对工业用电量做出准确有效的预测,为全社会用电量的分析、电网的调控和运营提供依据。
本发明的技术方案为:
一种基于工业业扩报装的月度工业用电量预测方法,包括以下步骤:
(1)获取历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量数据;
(2)分别对历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量进行季节性分解,得到趋势项、季节项、随机项三部分;
(3)用分解得到的历史数据样本区间各个月度的工业用电量和工业业扩报装净完成容量趋势项数据,构建月度工业用电量趋势项预测模型;
(4)通过对模型残差的自相关函数与偏相关函数进行分析,引入ARMA算法对上述月度工业用电量趋势项预测模型进行改进,得到改进的月度工业用电量趋势项预测模型:
(5)根据上述改进的月度工业用电量趋势项预测模型,对目标月度工业用电量趋势项进行预测,得到目标月度工业用电量趋势项的预测值;
(6)计算目标月度历史同期工业用电量季节项的平均值,作为目标月度工业用电量季节项的预测值;
(7)将上述目标月度工业用电量趋势项的预测值与季节项的预测值累加,得到目标月度工业用电量预测值。
所述的基于工业业扩报装的月度工业用电量预测方法,所述各个月度的工业业扩报装净完成容量等于月度工业业扩报装实际完成增容与月度工业业扩报装实际完成减容的差。
所述的基于工业业扩报装的月度工业用电量预测方法,对历史数据样本区间各个月度的工业用电量和工业业扩报装净完成容量趋势项数据进行一阶差分处理,用一阶差分处理后的数据构建月度工业用电量趋势项预测模型,其回归方程为:
D(Y1t,1)=A+B*D(X1t-n,1)+ u1t;
其中,Y1t表示目标月度当期的工业用电量趋势项,X1t-n表示超前目标月度当期n期的工业业扩报装净完成容量趋势项,D(Y1t,1)、D(X1t-n,1)分别表示对Y1t、X1t-n作一阶差分,u1t为残差项,A、B为常数,是将一阶差分处理后的历史数据代入所述回归方程中拟合得到的;
通过对模型残差的自相关函数与偏相关函数进行分析,引入ARMA算法对上述月度工业用电量趋势项预测模型进行改进,得到改进的月度工业用电量趋势项预测模型,其回归方程为:
D(Y1t,1)=E+F*D(X1t-n,1)+﹝AR(p)=c1,MA(q)=c2﹞+v1t ;
其中,v1t为残差项,E、F为常数,是将一阶差分处理后的历史数据代入所述改进的回归方程中拟合得到的;p、q为自然数,c1、c2为常数。
所述的基于工业业扩报装的月度工业用电量预测方法,步骤(2)中,分别对历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量用Census X12算法进行季节性分解。
本发明从工业用电量入手,采用一系列处理方法,建立了月度工业用电量与月度工业业扩报装净完成容量之间的预测模型,该模型所使用的工业业扩报装指标可直接实时反映工业用电量的变化,准确预测出月度工业用电量,分析经济走势,研判全社会用电形势,从而为电网调控、运营提供依据,此外,本发明的预测方法也可以推广到其他用电量的预测中去。
附图说明
图1是本发明的方法流程图。
具体实施方式
一种基于工业业扩报装的月度工业用电量预测方法,包括以下步骤:
S1、获取历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量数据;
S11、工业业扩报装数据范围:按照当前的报装分类,工业业扩报装分布在大工业业扩报装、普通工业及非工业业扩报装两大类中,由于非工业业扩报装难以拆分,并且容量较小,本工序中数据处理范围即包括了大工业业扩报装、普通工业及非工业业扩报装两大类;
S12、工业业扩报装数据处理方法:在电力系统需求侧,工业业扩报装包括申请工业业扩报装增容、申请工业业扩报装减容、工业业扩报装完成增容、工业业扩报装完成减容等指标。考虑到本发明的目的,只有净完成容量才有实际意义,所以本发明中的工业业扩报装即指净完成容量,月度净完成容量的求解方法为:
月度净完成容量=月度实际完成增容-月度实际完成减容;
以安徽省为例,采集整理其工业业扩报装、工业用电量数据,通过对工业业扩报装数据质量的分析,历史数据样本区间定为2008年1月至2013年3月,预测期为2013年4月、5月。
S2、用Census X12算法分别对历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量进行季节性分解,得到趋势项、季节项、随机项三部分;
使用Census X12算法分别对工业用电量、工业业扩报装进行季节性分解,可分解为趋势项、季节项与随机项之和,求解公式:
Zt=TCt+St+It;
其中,Zt表示被分解量,TCt表示趋势项,St表示季节项,It表示随机项;
将2008年1月至2013年3月的工业业扩报装和工业用电量进行季节性分解,如表1、表2所示,单位:万千瓦时:
月份 | 工业业扩报装实际值 | TC | S | I |
2008M01 | 143734.4 | 183065.4 | 87770.53 | -127102 |
2008M02 | 255905.1 | 203900.3 | -43600.4 | 95605.2 |
2008M03 | 375706.9 | 212883.2 | 56937.97 | 105885.8 |
2008M04 | 85661.3 | 219484 | -27111.4 | -106711 |
2008M05 | 87906.05 | 226088.8 | -16741.8 | -121441 |
2008M06 | 115688.5 | 231800.5 | -35545.7 | -80566.3 |
2008M07 | 765651.2 | 234307.8 | 153273.2 | 378070.1 |
2008M08 | 202438.5 | 233053.9 | -10728 | -19887.4 |
2008M09 | 66745.5 | 228338.5 | -21378.7 | -140214 |
2008M10 | 66655.7 | 216825.3 | -180147 | 29977.28 |
2008M11 | 152450 | 198965.2 | -30510.9 | -16004.3 |
2008M12 | 438794.8 | 176856 | 77832.82 | 184106 |
2009M01 | 114661.86 | 154127.9 | 79683.29 | -119149 |
2009M02 | 34407.25 | 132008.9 | -60106.9 | -37494.8 |
2009M03 | 853647.43 | 112669.6 | 40793.31 | 700184.6 |
2009M04 | 43100.93 | 100130.2 | -2324.98 | -54704.3 |
2009M05 | 133972.96 | 96176.97 | -36121.3 | 73917.33 |
2009M06 | 60432.8 | 99454.45 | 2055.669 | -41077.3 |
2009M07 | 87054.38 | 108708.8 | 149580.4 | -171235 |
2009M08 | 207804.45 | 122745.5 | -5415.56 | 90474.5 |
2009M09 | 146899.65 | 141543.5 | -8655.19 | 14011.3 |
2009M10 | 78570.28 | 161866 | -183127 | 99831.73 |
2009M11 | 81234.38 | 180002.9 | -35063.6 | -63705 |
2009M12 | 93395.99 | 192848.5 | 50988.26 | -150441 |
2010M01 | 560695.2 | 197800.8 | 62362.24 | 300532.1 |
2010M02 | 60359.16 | 195569.5 | -82926.2 | -52284.2 |
2010M03 | 85596.76 | 186901.3 | 32687.56 | -133992 |
2010M04 | 325541.4 | 175309.4 | 50744.37 | 99487.6 |
2010M05 | 265009.89 | 167428.3 | -68936.6 | 166518.2 |
2010M06 | 143750.65 | 168692.4 | 69759.44 | -94701.1 |
2010M07 | 246192.48 | 183026.8 | 148860 | -85694.4 |
2010M08 | 116119.1 | 211410.6 | 2063.963 | -97355.5 |
2010M09 | 222305.08 | 251323.9 | 2328.568 | -31347.4 |
2010M10 | -44990.1 | 298685.6 | -190713 | -152963 |
2010M11 | -347769 | 348476.2 | -54249.7 | -641995 |
2010M12 | 559192.3 | 395383.1 | 10315.68 | 153493.6 |
2011M01 | 1449462.8 | 435399.7 | 58220.81 | 955842.3 |
2011M02 | 569647.96 | 466159 | -104567 | 208056.2 |
2011M03 | 643867.58 | 489552.7 | 26640.42 | 127674.5 |
2011M04 | 412073.9 | 506166.7 | 96970.25 | -191063 |
2011M05 | 395634.25 | 513969 | -60070.3 | -58264.5 |
2011M06 | 1405016.85 | 515506.2 | 112051.4 | 777459.3 |
2011M07 | 483750.74 | 513202.9 | 97723.24 | -127175 |
2011M08 | -402875 | 509814 | 2751.304 | -915440 |
2011M09 | 668693.09 | 509017.5 | 30730.57 | 128945 |
2011M10 | 372563.06 | 514291.1 | -205794 | 64065.61 |
2011M11 | 694865.35 | 527412 | -50685.8 | 218139.2 |
2011M12 | 461560.82 | 547809.3 | -24329.9 | -61918.6 |
2012M01 | 536473.09 | 573164.1 | 42078.37 | -78769.4 |
2012M02 | 216554.01 | 600314.1 | -105050 | -278710 |
2012M03 | 400689.61 | 623673.8 | 45592.37 | -268577 |
2012M04 | 1181341.47 | 638162.3 | 123797 | 419382.1 |
2012M05 | 454075.61 | 640088.6 | -60129.9 | -125883 |
2012M06 | 1095978.69 | 626729.9 | 136303.5 | 332945.3 |
2012M07 | 2227595.27 | 598856.1 | 71558.47 | 1557181 |
2012M08 | 630787.16 | 558582.6 | -2828.83 | 75033.35 |
2012M09 | 158446.17 | 507773.3 | 44366.39 | -393694 |
2012M10 | 194553.94 | 452138.9 | -216697 | -40888.1 |
2012M11 | 154338.91 | 396483.6 | -46047.8 | -196097 |
2012M12 | 174374.17 | 348685.1 | -37849.1 | -136462 |
2013M01 | 158766.11 | 309892.7 | 33708.61 | -184835 |
2013M02 | 268500 | 268733.4 | -101226 | 100992.1 |
2013M03 | 547100 | 211864.1 | 54743.49 | 280492.5 |
表1
月份 | 工业用电量实际值 | TC | S | I |
2008M01 | 543449 | 526468 | 23298.31 | -6317.28 |
2008M02 | 409545 | 526117.3 | -129462 | 12889.48 |
2008M03 | 494175 | 525428.7 | -19220.6 | -12033.1 |
2008M04 | 505234 | 524749.4 | -22398 | 2882.641 |
2008M05 | 551687 | 524869.6 | 12181.34 | 14636.02 |
2008M06 | 537418 | 527615.2 | 28865.77 | -19063 |
2008M07 | 636815 | 532367.4 | 111256.7 | -6809.09 |
2008M08 | 579856 | 535017.9 | 49183.43 | -4345.31 |
2008M09 | 515873 | 533944.1 | -43341.8 | 25270.68 |
2008M10 | 498684 | 529808.8 | -43829.7 | 12704.93 |
2008M11 | 493724 | 525785.9 | -31994.4 | -67.5537 |
2008M12 | 560021 | 523309.9 | 64794.27 | -28083.2 |
2009M01 | 524442 | 524658.1 | 25855.01 | -26071.1 |
2009M02 | 442696 | 530911.8 | -131843 | 43627.21 |
2009M03 | 531395 | 540176.4 | -18748.8 | 9967.357 |
2009M04 | 525874 | 549404 | -24066.8 | 536.8 |
2009M05 | 551457 | 556340.4 | 12744.62 | -17628.1 |
2009M06 | 609402 | 563435.7 | 29864.29 | 16101.98 |
2009M07 | 674929 | 573215.7 | 113073.2 | -11359.9 |
2009M08 | 632536 | 587597.8 | 49010.86 | -4072.65 |
2009M09 | 550143 | 604108 | -45415.7 | -8549.28 |
2009M10 | 577717 | 618128 | -47437.5 | 7026.553 |
2009M11 | 622405 | 627789.4 | -30921.3 | 25536.93 |
2009M12 | 687470 | 632698.2 | 69525.96 | -14754.2 |
2010M01 | 677059 | 634378.3 | 31517.29 | 11163.41 |
2010M02 | 479701 | 634585.7 | -136927 | -17958.1 |
2010M03 | 613239 | 636095.8 | -20598.9 | -2257.84 |
2010M04 | 614549 | 639580.1 | -27975.6 | 2944.563 |
2010M05 | 659128 | 644726.1 | 13278.83 | 1123.095 |
2010M06 | 687617 | 648317.1 | 32640.89 | 6658.975 |
2010M07 | 762574 | 648730.3 | 115740.3 | -1896.56 |
2010M08 | 799358 | 647664.8 | 48435.33 | 103257.9 |
2010M09 | 600978 | 646024 | -47948.1 | 2902.04 |
2010M10 | 533650 | 646728.1 | -53906.8 | -59171.4 |
2010M11 | 591371 | 651765.8 | -29059.8 | -31335 |
2010M12 | 752567 | 662444.3 | 77235.47 | 12887.28 |
2011M01 | 802250 | 676739.9 | 39261.05 | 86249.01 |
2011M02 | 530230 | 691781.7 | -143837 | -17714.6 |
2011M03 | 697559 | 705741.8 | -24628.2 | 16445.45 |
2011M04 | 697165 | 716492.6 | -29709.5 | 10381.9 |
2011M05 | 736727 | 723328.7 | 12011.35 | 1386.913 |
2011M06 | 739007 | 727055.6 | 36003.88 | -24052.5 |
2011M07 | 864034 | 729771.2 | 118949.7 | 15313.13 |
2011M08 | 791630 | 732341.5 | 49600.05 | 9688.458 |
2011M09 | 667641 | 736608.4 | -52783.8 | -16183.5 |
2011M10 | 683576 | 743683 | -58828.9 | -1278.08 |
2011M11 | 718228 | 751124.9 | -30111.3 | -2785.56 |
2011M12 | 849833 | 756894.4 | 86101.78 | 6836.797 |
2012M01 | 736753 | 760630.7 | 46221.58 | -70099.3 |
2012M02 | 663067 | 762963 | -149903 | 50007.08 |
2012M03 | 739836 | 763665.2 | -28665.5 | 4836.366 |
2012M04 | 707903 | 764974.7 | -30784.6 | -26287.1 |
2012M05 | 780093 | 767997.4 | 11755.43 | 340.1238 |
2012M06 | 826809 | 772921.7 | 37418.35 | 16468.91 |
2012M07 | 1008423 | 780831.9 | 121386.2 | 106204.9 |
2012M08 | 833350 | 792629.1 | 50604.84 | -9883.97 |
2012M09 | 693488 | 808380.4 | -55184.4 | -59708 |
2012M10 | 736560 | 823839.7 | -62077 | -25202.6 |
2012M11 | 820270 | 835675.3 | -31570.4 | 16165.02 |
2012M12 | 958805 | 841979.2 | 91476.24 | 25349.6 |
2013M01 | 907513 | 841719.7 | 49910.61 | 15882.65 |
2013M02 | 581366 | 836651 | -153289 | -101996 |
2013M03 | 757504 | 828000.6 | -30428 | -40068.6 |
表2
S3、用分解得到的历史数据样本区间各个月度的工业用电量和工业业扩报装净完成容量趋势项数据,构建月度工业用电量趋势项预测模型;
S31、由表1、表2可知工业用电量、工业业扩报装趋势项总体呈稳定上升趋势,分别对工业用电量、工业业扩报装趋势项进行一阶差分处理,获取较为平稳的时间序列;
S32、考虑工业用电量趋势项滞后工业业扩报装趋势项的期数n,计算工业业扩报装趋势项与工业用电量趋势项的相关性,选择相关性最好的一期。得到n=5,此时相关系数为0.82;
S33、使用一元线性回归建立一阶差分处理后的工业用电量趋势项与工业业扩报装趋势项之间的关系模型,回归方程为:
D(Y1t,1)=A+B*D(X1t-5,1)+ u1t;
其中,Y1t表示目标月度当期的工业用电量趋势项,X1t-5表示超前目标月度当期5期的工业业扩报装净完成容量趋势项,D(Y1t,1)、D(X1t-5,1)分别表示对Y1t、X1t-5作一阶差分,u1t为残差项,A、B为常数,通过最小二乘法计算得到A= 4794.514774,B=0.0833072279 ;对应T检验的伴随概率为(0.0000),(0.01),R2=0.11,DW=0.26,此模型的缺陷在于模型的残差存在自相关,拟合效果也低;
S4、通过对模型残差的自相关函数与偏相关函数进行分析,引入ARMA(1,1)算法对上述模型进行改进,改进后的回归方程为:
D(Y1t,1)=3866.7+0.13*D(X1t-5,1)+﹝AR(1)=0.86,MA(1)=0.96﹞;对应T检验的伴随概率为(0.24),(0.02),(0.0000),(0.0000), R2=0.92,white检验不存在异方差,T检验在95%的置信程度下可通过;
S5、利用上述改进后的回归方程可以求得预测期工业用电量趋势项:2013年4月份为818021.9;2013年5月份为825386.2992;
S6、计算预测期工业用电量季节项;
预测期工业用电量季节项的计算方法为:计算历史同期工业用电量季节项的平均值;
经过计算得到:2013年4月份为-26986.9;2013年5月份为12394.31;
S7、预测2013年4月份工业用电量为:818021.9+(-26986.9)=791035;
预测2013年5月份工业用电量为:825386.2992+12394.31=837780.6;
预测结果与实际值如表3所示,单位:万千瓦时;
实际值 | 预测值 | 误差 | |
2013年4月 | 805292 | 791035 | 1.802% |
2013年5月 | 860884 | 837780.6 | 2.758% |
表3
由表3可见,本发明对于预测月度工业用电量具有较高的精度,是一种可行的方法。作为月度预测方法,其预测期不宜太长,2~3期为宜,这时需要将预测值代入方程以求得多期预测值,得到趋势项预测值后,再考虑季节项,最后得到工业用电量的预测值。
本实施例中,历史数据样本区间是从2008年1月至2013年3月,预测期为2013年4月和2013年5月,预测期2013年4月即为1期,2013年5月即为2期,也即滞后样本区间截止期(此处为2013年3月)的期数(本实施例以月度为单位计算期数)。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (4)
1.一种基于工业业扩报装的月度工业用电量预测方法,其特征在于,包括以下步骤:
(1)获取历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量数据;
(2)分别对历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量进行季节性分解,得到趋势项、季节项、随机项三部分;
(3)用分解得到的历史数据样本区间各个月度的工业用电量和工业业扩报装净完成容量趋势项数据,构建月度工业用电量趋势项预测模型;
(4)通过对模型残差的自相关函数与偏相关函数进行分析,引入ARMA算法对上述月度工业用电量趋势项预测模型进行改进,得到改进的月度工业用电量趋势项预测模型:
(5)根据上述改进的月度工业用电量趋势项预测模型,对目标月度工业用电量趋势项进行预测,得到目标月度工业用电量趋势项的预测值;
(6)计算目标月度历史同期工业用电量季节项的平均值,作为目标月度工业用电量季节项的预测值;
(7)将上述目标月度工业用电量趋势项的预测值与季节项的预测值累加,得到目标月度工业用电量预测值。
2.根据权利要求1所述的基于工业业扩报装的月度工业用电量预测方法,其特征在于,所述各个月度的工业业扩报装净完成容量等于月度工业业扩报装实际完成增容与月度工业业扩报装实际完成减容的差。
3.根据权利要求1所述的基于工业业扩报装的月度工业用电量预测方法,其特征在于,
对历史数据样本区间各个月度的工业用电量和工业业扩报装净完成容量趋势项数据进行一阶差分处理,用一阶差分处理后的数据构建月度工业用电量趋势项预测模型,其回归方程为:
D(Y1t,1)=A+B*D(X1t-n,1)+ u1t;
其中,Y1t表示目标月度当期的工业用电量趋势项,X1t-n表示超前目标月度当期n期的工业业扩报装净完成容量趋势项,D(Y1t,1)、D(X1t-n,1)分别表示对Y1t、X1t-n作一阶差分,u1t为残差项,A、B为常数,是将一阶差分处理后的历史数据代入所述回归方程中拟合得到的;
通过对模型残差的自相关函数与偏相关函数进行分析,引入ARMA算法对上述月度工业用电量趋势项预测模型进行改进,得到改进的月度工业用电量趋势项预测模型,其回归方程为:
D(Y1t,1)=E+F*D(X1t-n,1)+﹝AR(p)=c1,MA(q)=c2﹞+v1t ;
其中,v1t为残差项,E、F为常数,是将一阶差分处理后的历史数据代入所述改进的回归方程中拟合得到的;p、q为自然数,c1、c2为常数。
4.根据权利要求1所述的基于工业业扩报装的月度工业用电量预测方法,其特征在于,
步骤(2)中,分别对历史数据样本区间各个月度的工业用电量、工业业扩报装净完成容量用Census X12算法进行季节性分解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310394969.7A CN103413188B (zh) | 2013-09-04 | 2013-09-04 | 一种基于工业业扩报装的月度工业用电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310394969.7A CN103413188B (zh) | 2013-09-04 | 2013-09-04 | 一种基于工业业扩报装的月度工业用电量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103413188A true CN103413188A (zh) | 2013-11-27 |
CN103413188B CN103413188B (zh) | 2016-06-01 |
Family
ID=49606195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310394969.7A Active CN103413188B (zh) | 2013-09-04 | 2013-09-04 | 一种基于工业业扩报装的月度工业用电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103413188B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134102A (zh) * | 2014-07-30 | 2014-11-05 | 国家电网公司 | 基于leap模型的电网中长期电力需求分布预测方法 |
CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
CN105023066A (zh) * | 2015-07-31 | 2015-11-04 | 山东大学 | 一种基于季节调整的业扩报装分析预测系统及方法 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN106611233A (zh) * | 2015-10-27 | 2017-05-03 | 财团法人资讯工业策进会 | 适用于加工机台的用电量预估系统与用电量预估方法 |
CN106651642A (zh) * | 2016-11-02 | 2017-05-10 | 国网浙江省电力公司经济技术研究院 | 一种基于业扩报装数据的电力需求预判指数的构建方法 |
CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
CN108053064A (zh) * | 2017-12-11 | 2018-05-18 | 天津天大求实电力新技术股份有限公司 | 一种电蓄冷负荷预测方法 |
CN109978278A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN110135612A (zh) * | 2018-07-05 | 2019-08-16 | 国网江苏省电力有限公司物资分公司 | 基于用电量分析的物资供应商生产能力监控及异常预警方法 |
CN113610409A (zh) * | 2021-08-12 | 2021-11-05 | 北京中电普华信息技术有限公司 | 一种电费回收风险预警方法及装置 |
-
2013
- 2013-09-04 CN CN201310394969.7A patent/CN103413188B/zh active Active
Non-Patent Citations (4)
Title |
---|
张璇: "ARIMA乘积季节模型在全社会用电量预测中的应用", 《现代经济信息》 * |
徐谦 等: "2006年春季浙江省电力市场分析及预测", 《华东电力》 * |
董继征: "电力系统负荷预测方法研究及应用", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
陈昊: "非经典计量经济学在负荷预测中的应用研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134102B (zh) * | 2014-07-30 | 2017-09-22 | 国家电网公司 | 基于leap模型的电网中长期电力需求分布预测方法 |
CN104134102A (zh) * | 2014-07-30 | 2014-11-05 | 国家电网公司 | 基于leap模型的电网中长期电力需求分布预测方法 |
CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
CN104166885B (zh) * | 2014-08-14 | 2017-04-12 | 天津大学 | 一种基于s型曲线的地区近期电网负荷预测方法 |
CN104657788A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 基于行业景气指数的重点行业用电量预测方法 |
CN105023066A (zh) * | 2015-07-31 | 2015-11-04 | 山东大学 | 一种基于季节调整的业扩报装分析预测系统及方法 |
CN105023066B (zh) * | 2015-07-31 | 2018-07-17 | 山东大学 | 一种基于季节调整的业扩报装分析预测系统及方法 |
CN106611233A (zh) * | 2015-10-27 | 2017-05-03 | 财团法人资讯工业策进会 | 适用于加工机台的用电量预估系统与用电量预估方法 |
CN105260802B (zh) * | 2015-11-06 | 2019-11-19 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN105260802A (zh) * | 2015-11-06 | 2016-01-20 | 国网冀北电力有限公司 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
CN106651642A (zh) * | 2016-11-02 | 2017-05-10 | 国网浙江省电力公司经济技术研究院 | 一种基于业扩报装数据的电力需求预判指数的构建方法 |
CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN106875058B (zh) * | 2017-02-17 | 2020-12-15 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
CN108053064A (zh) * | 2017-12-11 | 2018-05-18 | 天津天大求实电力新技术股份有限公司 | 一种电蓄冷负荷预测方法 |
CN110135612A (zh) * | 2018-07-05 | 2019-08-16 | 国网江苏省电力有限公司物资分公司 | 基于用电量分析的物资供应商生产能力监控及异常预警方法 |
CN110135612B (zh) * | 2018-07-05 | 2023-11-28 | 国网江苏省电力有限公司物资分公司 | 基于用电量分析的物资供应商生产能力监控及异常预警方法 |
CN109978278A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN109978278B (zh) * | 2019-04-09 | 2023-07-14 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN113610409A (zh) * | 2021-08-12 | 2021-11-05 | 北京中电普华信息技术有限公司 | 一种电费回收风险预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103413188B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103413188A (zh) | 一种基于工业业扩报装的月度工业用电量预测方法 | |
Ali et al. | Review of urban building energy modeling (UBEM) approaches, methods and tools using qualitative and quantitative analysis | |
Khayatian et al. | Application of neural networks for evaluating energy performance certificates of residential buildings | |
Doh et al. | Variations in embodied energy and carbon emission intensities of construction materials | |
Tronchin et al. | Optimization of building energy performance by means of multi-scale analysis–Lessons learned from case studies | |
Sevlian et al. | Short term electricity load forecasting on varying levels of aggregation | |
Granderson et al. | Application of automated measurement and verification to utility energy efficiency program data | |
Delfanti et al. | Dispersed generation impact on distribution network losses | |
Manfren et al. | Data-driven building energy modelling–An analysis of the potential for generalisation through interpretable machine learning | |
CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
CN111506618B (zh) | 一种结合lightgbm-stacking算法的异常用电行为分析方法 | |
Almutairi et al. | Use of MCMC to incorporate a wind power model for the evaluation of generating capacity adequacy | |
Kools et al. | Data granularity and the optimal planning of distributed generation | |
Maçaira et al. | Modelling and forecasting the residential electricity consumption in Brazil with pegels exponential smoothing techniques | |
Vaghefi et al. | Modeling industrial loads in non-residential buildings | |
Basmadjian et al. | ARIMA-based forecasts for the share of renewable energy sources: The case study of Germany | |
Mishra et al. | Performance evaluation of prophet and STL-ETS methods for load forecasting | |
Derakhti et al. | Impact of measured data frequency on commercial building energy model calibration for retrofit analysis | |
Gerossier et al. | A novel method for decomposing electricity feeder load into elementary profiles from customer information | |
Albayrak | ARIMA forecasting of primary energy production and consumption in Turkey: 1923–2006 | |
Castillo et al. | Modeling and sensitivity analysis of the building energy consumption using the Monte Carlo method | |
Carmo et al. | Partial decomposition approach to generate load curve forecasting scenarios | |
Michalková et al. | Time series analysis of fossil fuels consumption in Slovakia by Arima Model | |
Ritchie et al. | A data-driven household electricity synthesiser for South Africa using enveloped sum of Gaussians | |
Torres et al. | Cross comparison of empirical and simulated models for calculating residential electricity consumption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |