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 PDF

Info

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
Application number
CN2013103949697A
Other languages
English (en)
Other versions
CN103413188B (zh
Inventor
石雪梅
李周
葛斐
季超
荣秀婷
叶彬
杨欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201310394969.7A priority Critical patent/CN103413188B/zh
Publication of CN103413188A publication Critical patent/CN103413188A/zh
Application granted granted Critical
Publication of CN103413188B publication Critical patent/CN103413188B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于工业业扩报装的月度工业用电量预测方法
 
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。
CN201310394969.7A 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 Active CN103413188B (zh)

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)

* Cited by examiner, † Cited by third party
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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