CN104598998A - 基于经济增长指标的能源需求量预测方法 - Google Patents
基于经济增长指标的能源需求量预测方法 Download PDFInfo
- Publication number
- CN104598998A CN104598998A CN201510056997.7A CN201510056997A CN104598998A CN 104598998 A CN104598998 A CN 104598998A CN 201510056997 A CN201510056997 A CN 201510056997A CN 104598998 A CN104598998 A CN 104598998A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- energy
- model
- demand
- department
- 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.)
- Pending
Links
- 238000013277 forecasting method Methods 0.000 title abstract 4
- 238000005265 energy consumption Methods 0.000 claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000013499 data model Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 7
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract 2
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000001744 unit root test Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于经济增长指标的能源需求量预测方法,包括步骤:选取基年,读取历史数据,基础计算历史样本区间各年度的三大产业部门产业增加值和人均GDP水平;分别构建三大产业部门和居民生活部门的能源需求的计量模型;采用时间序列数据模型中的误差纠正模型对上述模型进行改进;根据三大产业部门和居民生活部门的历史样本数据对改进后的计量模型进行回归;根据三大产业部门和居民生活部门的经济增长指标预测目标年度的能源消费总量。本发明考虑三大产业部门和居民生活部门能源消费的差异性,构建各部门能源消费量与经济增长指标的回归模型,据此预测目标年度不同产业部门能源消费总量,进而预测目标年度的全社会能源消费总量。
Description
技术领域
本发明涉及能源需求预测技术领域,具体是一种基于经济增长指标的年度能源需求量预测方法。
背景技术
能源是经济发展和社会进步的重要物质保障,是实现工业化和城市化的重要基石。近年来,能源需求的持续增长带来了能源供需极不平衡的状态,已经成为学界和业界关注的焦点。科学预测能源需求,为能源安全战略规划提供科学依据和决策参考,具有重要的理论和现实意义。
目前,国内外学者对能源需求的预测都是以能源消费总量为研究对象,主要研究经济发展水平、产业结构、城市化、技术进步等因素对能源消费的影响。现有预测研究中尚未充分反映产业结构变化对能源需求的影响作用,而不同产业部门的能源需求有较大的差异性,因而探索建立分部门能源需求预测方法,不仅能更准确地预测能源需求总量,还可以有效掌握各部门能源需求发展趋势。
发明内容
本发明提供一种基于经济增长指标的能源需求量预测方法,考虑产业结构调整对能源需求的影响,通过该方法能够更准确地预测各产业部门能源需求量和能源需求总量。
为解决上述技术问题,本发明采用如下技术方案:
一种基于经济增长指标的能源需求量预测方法,包括如下步骤:
(1)选取基年和样本区间,读取样本区间的历史数据,包括样本区间全社会能源消费总量和各产业部门能源消费总量,以基年可比价为基础计算历史样本区间各年度的三大产业部门产业增加值和人均GDP水平;
(2)分别对历史数据样本区间的各产业部门能源消费总量、三大产业增加值以及人均GDP水平的时间序列数据进行平稳性检验,并对非平稳时间序列数据进行平稳化处理;
(3)分别对历史数据样本区间的各产业部门能源消费总量与三大产业增加值以及人均GDP水平之间的关系进行协整检验,如果不存在长期协整关系,则要进行平稳化处理;
(4)对时间序列数据采用自相关函数和偏自相关函数进行分析,确定模型的最佳滞后阶数;
(5)根据确定的最佳滞后阶数,采用误差纠正计量模型分别对三大产业部门和居民生活部门的能源消费量与经济增长指标的关系构建预测模型;
(6)获取目标年度三大产业部门的经济增长指标,代入步骤(5)中的预测模型,计算得到目标年度三大产业部门的能源需求量,再将各产业部门的能源需求量加总进而得到全社会能源需求总量。
步骤(1)中,选取一年为基期,对当年人均GDP的数值进行缩减,从而得到历年人均GDP。
步骤(2)中,对非平稳时间序列数据进行的平稳化处理为一阶差分处理,并要继续对经过差分处理的数据进行平稳化检验。
步骤(5)中,预测模型的构建方法包括如下步骤:
(51)分别构建三大产业部门和居民生活部门的能源需求的计量模型;
(52)采用时间序列数据模型中的误差纠正模型对上述模型进行改进;
(53)根据三大产业部门和居民生活部门的历史样本数据对改进后的计量模型进行回归。
由以上技术方案可知,本发明从全社会能源消费总量入手,运用部门分析和时间序列数据分析相结合的方法,分别构建分产业部门的能源需求预测模型,据此能够对目标年度不同产业部门的能源需求总量进行预测,进而预测目标年度全社会能源需求总量,分部门能源需求预测有效地考虑了产业结构调整对能源需求的影响,因而预测结果更为可靠。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
本发明提供一种基于经济增长指标的能源需求量预测方法,考虑不同产业部门耗能差异性,运用部门分析和时间序列数据分析相结合的方法,分别构建分产业部门的能源需求预测模型,据此能够对目标年度不同产业部门的能源需求总量进行预测,进而预测目标年度全社会能源需求总量。
下面以安徽省目标年度全社会能源需求总量预测过程作为实施案例来说明,具体实施方式包括以下步骤:
步骤(1):选取安徽省1994年为基年,即以1994年的可比价格作为计算名义变量即各产业部门经济增长指标的基础;选取1995-2011年为历史样本区间,预测年份为2012和2013年,读取历史数据,包括1995-2013年全社会能源消费总量、三大产业部门以及居民生活部门能源消费总量、各年度可比价的三大产业增加值以及人均GDP水平。
再对历史样本区间不同产业部门能源消费总量和经济增长指标进行相关性分析,结果发现第二产业能源消费总量和第二产业增加值、第三产业能源消费总量和第三产业增加值、第一产业和居民生活部门的能源消费总量与人均GDP水平(反映生活水平和经济发展水平)的相关系数均在0.98以上。据此可针对第二产业构建能源消费量和第二产业增加值的回归模型,针对第三产业构建能源消费量和第三产业增加值的回归模型,针对第一产业和居民生活部门构建能源消费量与人均GDP水平的回归模型。
步骤(2):分别对历史数据样本区间的各产业部门能源消费量、三大产业增加值以及人均GDP水平的时间序列数据进行平稳性检验,否则就要对时间序列数据进行平稳化处理。
时间序列数据的时间趋势显示,安徽省第二产业能源消费量和第二产业增加值、第三产业能源消费量和第三产业增加值、第一产业和居民生活部门能源消费量与人均GDP水平具有明显的时间趋势。
采用ADF单位根检验方法对时间序列数据进行单位根检验,滞后阶数由最大滞后阶数原则确定。检验结果表明:安徽省第二产业能源消费量和第二产业增加值、第三产业能源消费量和第三产业增加值、第一产业和居民生活能源消费量与人均GDP水平都不是平稳时间序列,但是变量的一阶差分都在5%的统计水平上是平稳的,满足协整检验前提条件。
步骤(3):分别对安徽省第二产业能源消费量和第二产业增加值、第三产业能源消费量和第三产业增加值、第一产业和居民生活能源消费量与人均GDP水平进行协整检验,结果表明它们之间具有长期正向协整关系,符合建立误差修正模型的基本要求。
步骤(4):对时间序列数据自相关函数和偏自相关函数进行分析并确定各产业部门所对应的向量自回归(VAR)表示法的滞后阶数。
步骤(5):分别对安徽省第二产业能源消费量和第二产业增加值、第三产业能源消费量和第三产业增加值、第一产业和居民生活能源消费量与人均GDP水平构建ECM误差修正模型,如下所示:
第二产业部门:
△ln(INDUSTR-ECt)=α0+α1△ln(INDUSTR-ECt-1)+α2△ln(GINDUETRt-1)+ecmt-1+εt,ecmt-1=ln(INDUSTR-ECt-1)-c0-c1ln(GINDUSTRt-1)。
第三产业部门:
△ln(SERVICE-ECt)=α0+α1△ln(SERVICE-ECt-1)+α2△ln(GINDUETRt-1)+ecmt-1+εt,ecmt-1=ln(SERVICE-ECt-1)-c0-c1ln(GSERVICEt-1)。
第一产业及居民生活部门:
△ln(RESIDENT-ECt)=α0+α1△ln(RESIDENT-ECt-1)+α2△ln(AGDPt-1)+ecmt-1+ε,ecmt-1=ln(RESIDENT-ECt-1)-c0-c1ln(AGDPt-1)。
其中,INDUSTR-EC、SERVICE-EC和RESIDENT-EC分别表示第二产业、第三产业以及第一产业和居民生活能源消费量;GINDUSTR、GSERVICE和AGDP分别表示二产增加值、三产增加值以及居民实际人均GDP水平。
再采用安徽省1995-2011年各产业部门能源消费量与经济增长数据对上述ECM模型进行回归,各产业部门的回归方程如下所示:
第二产业部门:
△lnECt=0.102-0.086△ln ECt-1+0.083△lnGt-1-0.681ecmt-1,R2=0.8586第三产业部门:
△lnECt=0.055-0.336△lnECt-1+0.611△lnGt-1-0.275ecmt-1,
R2=0.8525
第一产业及居民生活部门:
△lnECt=0.015+0.098△lnECt-1+0.619△lnAGDPt-1-1.296ecmt-1,
R2=0.92
采用上述三大产业部门的回归模型对安徽省2012和2013年各产业部门能源消费进行预测,然后比较预测值与实际值的预测误差,对模型的预测精度进行评价。首先采用ECM模型对各产业部门能源消费量进行预测,各产业部门能源消费量预测结果如表1所示。再将三大产业部门能源消费预测量加总得到2012和2013年能源消费总量预测值,结果如表2所示。可以看出分产业部门能源消费预测方法的误差较小。从预测误差中可以看出,分部门预测方法进行预测能准确预测第二产业部门能源消费量,而第三产业能源消费量和第一产业及居民生活部门能源消费量预测精度相对而言要差一些,但由于它们在能源消费总量中所占比重较小,故对能源消费总量的预测结果影响不大。本发明对于预测目标年度全社会能源需求总量具有较高的精度,预测误差在1%以下。
表1安徽省分产业部门的ECM模型能源消费预测结果
年份 | 实际能源消费 | 能源消费预测 | 误差 |
2012 | 11357.95 | 11272.69 | 0.7% |
2013 | 12060.4 | 11970.99 | 0.7% |
表2能源消费总量预测结果比较
步骤(6):预测目标年度全社会能源消费量:
首先根据安徽省“十三五”发展规划前期研究成果,确定安徽省“十三五”期间经济增长水平(人均GDP)和产业增加值以及产业结构,结果如表3所示。再按照分产业部门预测方法采用ECM回归模型对安徽省“十三五”期间能源需求进行预测,结果如表4所示。
年份 | 二产增加值 | 三产增加值 | 人均实际GDP |
2015 | 594.57 | 597.38 | 3791.38 |
2016 | 721.59 | 746.37 | 3898.39 |
2017 | 968.37 | 948.05 | 4010.24 |
2018 | 1039.21 | 1047.20 | 4127.06 |
2019 | 1115.16 | 1156.25 | 4249.05 |
2020 | 1229.66 | 1342.30 | 4376.37 |
表3安徽省“十三五”经济增长及产业增加值预测
年份 | 第二产业部门 | 第三产业部门 | 居民生活部门 | 能源消费总量 |
2015 | 9422.22 | 2010.72 | 1608.95 | 13041.89 |
2016 | 9775.08 | 2237.97 | 1640.61 | 13653.66 |
2017 | 10182.50 | 2535.65 | 1673.42 | 14391.57 |
2018 | 10605.56 | 2867.95 | 1707.39 | 15180.90 |
2019 | 11045.41 | 3238.33 | 1742.57 | 16026.31 |
2020 | 11510.57 | 3673.69 | 1778.96 | 16963.22 |
表4能源消费量预测结果
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)
1.一种基于经济增长指标的能源需求量预测方法,其特征在于,包括如下步骤:
(1)选取基年和样本区间,读取样本区间的历史数据,包括样本区间全社会能源消费总量和各产业部门能源消费总量,以基年可比价为基础计算历史样本区间各年度的三大产业部门产业增加值和人均GDP水平;
(2)分别对历史数据样本区间的各产业部门能源消费总量、三大产业增加值以及人均GDP水平的时间序列数据进行平稳性检验,并对非平稳时间序列数据进行平稳化处理;
(3)分别对历史数据样本区间的各产业部门能源消费总量与三大产业增加值以及人均GDP水平之间的关系进行协整检验,如果不存在长期协整关系,则要进行平稳化处理;
(4)对时间序列数据采用自相关函数和偏自相关函数进行分析,确定模型的最佳滞后阶数;
(5)根据确定的最佳滞后阶数,采用误差纠正计量模型分别对三大产业部门和居民生活部门的能源消费量与经济增长指标的关系构建预测模型;
(6)获取目标年度三大产业部门的经济增长指标,代入步骤(5)中的预测模型,计算得到目标年度三大产业部门的能源需求量,再将各产业部门的能源需求量加总进而得到全社会能源需求总量。
2.根据权利要求1所述的能源需求量预测方法,其特征在于,步骤(1)中,选取一年为基期,对当年人均GDP的数值进行缩减,从而得到历年人均GDP。
3.根据权利要求1所述的能源需求量预测方法,其特征在于,步骤(2)中,对非平稳时间序列数据进行的平稳化处理为一阶差分处理,并要继续对经过差分处理的数据进行平稳化检验。
4.根据权利要求1所述的能源需求量预测方法,其特征在于,步骤(5)中,预测模型的构建方法包括如下步骤:
(51)分别构建三大产业部门和居民生活部门的能源需求的计量模型;
(52)采用时间序列数据模型中的误差纠正模型对上述模型进行改进;
(53)根据三大产业部门和居民生活部门的历史样本数据对改进后的计量模型进行回归。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510056997.7A CN104598998A (zh) | 2015-02-04 | 2015-02-04 | 基于经济增长指标的能源需求量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510056997.7A CN104598998A (zh) | 2015-02-04 | 2015-02-04 | 基于经济增长指标的能源需求量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104598998A true CN104598998A (zh) | 2015-05-06 |
Family
ID=53124766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510056997.7A Pending CN104598998A (zh) | 2015-02-04 | 2015-02-04 | 基于经济增长指标的能源需求量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598998A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956716A (zh) * | 2016-05-20 | 2016-09-21 | 国网安徽省电力公司经济技术研究院 | 一种基于行业经济与用电关系的全社会用电量预测方法 |
CN106651058A (zh) * | 2017-01-10 | 2017-05-10 | 广东电网有限责任公司中山供电局 | 一种用电量预测模型优化方法及装置 |
CN107771278A (zh) * | 2015-06-26 | 2018-03-06 | 德国弗劳恩霍夫应用研究促进协会 | 用于提供关于至少一个序列的信息的装置、细胞仪、方法和计算机程序 |
CN109190830A (zh) * | 2018-09-11 | 2019-01-11 | 四川大学 | 基于经验分解和组合预测的能源需求预测方法 |
CN112884347A (zh) * | 2021-03-11 | 2021-06-01 | 清华大学 | 一种城市能源平衡管理系统及其构建方法 |
CN113159359A (zh) * | 2020-10-19 | 2021-07-23 | 国网能源研究院有限公司 | 一种贸易争端对总体用电量影响的预测方法及装置 |
CN114077930A (zh) * | 2021-11-26 | 2022-02-22 | 国网湖南省电力有限公司 | 一种基于电力消费的经济结构变化的分析方法 |
-
2015
- 2015-02-04 CN CN201510056997.7A patent/CN104598998A/zh active Pending
Non-Patent Citations (6)
Title |
---|
于洁: "中国能源需求的建模与分析", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
刘涛: "我国能源消费预测与碳强度约束下的能源结构优化研究", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
孟彦菊 等: "能源消费与经济增长关系研究", 《科技和产业》 * |
张传平 等: "基于VAR模型的山东省能源消费分析", 《科学技术与工程》 * |
柳彬德 等: "中国能源需求向量自回归模型的建立与分析", 《技术经济与管理研究》 * |
武英涛 等: "上海市能源需求预测研究", 《上海经济研究》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107771278A (zh) * | 2015-06-26 | 2018-03-06 | 德国弗劳恩霍夫应用研究促进协会 | 用于提供关于至少一个序列的信息的装置、细胞仪、方法和计算机程序 |
CN105956716A (zh) * | 2016-05-20 | 2016-09-21 | 国网安徽省电力公司经济技术研究院 | 一种基于行业经济与用电关系的全社会用电量预测方法 |
CN106651058A (zh) * | 2017-01-10 | 2017-05-10 | 广东电网有限责任公司中山供电局 | 一种用电量预测模型优化方法及装置 |
CN109190830A (zh) * | 2018-09-11 | 2019-01-11 | 四川大学 | 基于经验分解和组合预测的能源需求预测方法 |
CN109190830B (zh) * | 2018-09-11 | 2021-11-30 | 四川大学 | 基于经验分解和组合预测的能源需求预测方法 |
CN113159359A (zh) * | 2020-10-19 | 2021-07-23 | 国网能源研究院有限公司 | 一种贸易争端对总体用电量影响的预测方法及装置 |
CN112884347A (zh) * | 2021-03-11 | 2021-06-01 | 清华大学 | 一种城市能源平衡管理系统及其构建方法 |
CN114077930A (zh) * | 2021-11-26 | 2022-02-22 | 国网湖南省电力有限公司 | 一种基于电力消费的经济结构变化的分析方法 |
CN114077930B (zh) * | 2021-11-26 | 2024-05-28 | 国网湖南省电力有限公司 | 一种基于电力消费的经济结构变化的分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598998A (zh) | 基于经济增长指标的能源需求量预测方法 | |
CN102183621B (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN109726865A (zh) | 基于emd-qrf的用户负荷概率密度预测方法、装置和存储介质 | |
CN103473438B (zh) | 风功率预测模型优选及修正方法 | |
CN108876021B (zh) | 一种中长期径流预报方法及系统 | |
CN105447594A (zh) | 一种基于指数平滑的电力系统灰色负荷预测方法 | |
WO2022110582A1 (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
CN109242041A (zh) | 一种电能表异常数据检测方法、装置、设备及存储介质 | |
CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
Lin et al. | Mitigation potential of carbon dioxide emissions in the Chinese textile industry | |
CN104021430A (zh) | 一种城市轨道交通站点客流不确定性分析方法 | |
CN106600037B (zh) | 一种基于主成分分析的多参量辅助负荷预测方法 | |
KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
CN102542126B (zh) | 基于半监督学习的软测量方法 | |
CN103853939A (zh) | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 | |
CN108537379A (zh) | 自适应变权重组合负荷预测方法及装置 | |
CN105868534A (zh) | 一种基于多目标优化抽样的水文模型不确定性分析方法 | |
Du et al. | Prediction of electricity consumption based on GM (1, Nr) model in Jiangsu province, China | |
CN104881718A (zh) | 基于多尺度经济先行指标的区域电力景气指数构建方法 | |
CN113554213A (zh) | 一种天然气需求预测方法、系统、存储介质及设备 | |
CN111539844A (zh) | 一种基于k-l信息量和arima误差修正的月度电量预测方法 | |
CN114819374A (zh) | 区域新能源超短期功率预测方法及系统 | |
CN114186713B (zh) | 一种考虑远景发展情景约束的中长期用电量预测方法 | |
CN107423862A (zh) | 基于经济数据的电力负荷预测方法 | |
CN107748931A (zh) | 一种基于最小二乘法的电费收入预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150506 |