CN107748931A - 一种基于最小二乘法的电费收入预测方法 - Google Patents
一种基于最小二乘法的电费收入预测方法 Download PDFInfo
- Publication number
- CN107748931A CN107748931A CN201710981042.1A CN201710981042A CN107748931A CN 107748931 A CN107748931 A CN 107748931A CN 201710981042 A CN201710981042 A CN 201710981042A CN 107748931 A CN107748931 A CN 107748931A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- msubsup
- msup
- sigma
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开一种基于最小二乘法的电费收入预测方法:获取往期售电量与对应期的电费收入数据;以售电量数据建立时间序列,通过自回归移动平均时间序列算法预测未来售电量数据;如能获取本期实际售电量则使用实际值;建立最小二乘法预测模型,求解参数,获取最优解;利用预测模型进行预测分析。本发明能完成现金流入的预测,对未来企业电费收入走势的预测能很好的为企业提供成本控制,融资,投资以及业务领域拓展方面的决策支持。
Description
技术领域
本发明涉及一种基于最小二乘法,通过历史售电量预测未来电费收入的预测方法,主要用于年度与月度预测;具体地说是一种基于最小二乘法的电费收入预测方法。
背景技术
最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
现金流入管理是企业财务管理的一项重要组成部分。现金流入预测能促进企业财务健康,良好反应企业经营状况。准确的现金流入预测能合理规划企业现金收支,协调现金收支与经营、投资、融资活动的关系,为企业负责人提供决策未来步伐的数据化依据。
对于电力企业,电费收入是主要的现金流入来源。电费收入的合理预测具备战略意义。通过往期售电状况,对未来企业电费收入走势的预测能很好的为企业提供成本控制,融资,投资以及业务领域拓展方面的决策支持。
发明内容
本发明的目的是提供一种基于最小二乘法的电费收入预测方法,该方法基于最小二乘法求解电费收入预测问题,完成现金流入的预测,对未来企业电费收入走势的预测能很好的为企业提供成本控制,融资,投资以及业务领域拓展方面的决策支持。
本发明的目的通过以下技术方案实现:
一种基于最小二乘法的电费收入预测方法,其特征在于该方法包含以下内容:
1)获取往期售电量与对应期的电费收入数据。
2)以售电量数据建立时间序列,通过自回归移动平均时间序列算法预测未来售电量数据。如能获取本期实际售电量则使用实际值。
3)建立最小二乘法预测模型,求解参数,获取最优解。
4)利用预测模型进行预测分析。
基于以上四个内容,形成一套完整的售电量预测电费收入的算法。
本发明基于最小二乘法求解电费收入预测问题,完成现金流入的预测,对未来企业电费收入走势的预测能很好的为企业提供成本控制,融资,投资以及业务领域拓展方面的决策支持。
附图说明
图1是售电量预测电费收入分析流程图。
具体实施方式
一种基于最小二乘法的电费收入预测方法,包含以下内容:1)获取往期售电量与对应期的电费收入数据;2)以售电量数据建立时间序列,通过自回归移动平均时间序列算法预测未来售电量数据;如能获取本期实际售电量则使用实际值;3)建立最小二乘法预测模型,求解参数,获取最优解;4)利用预测模型进行预测分析。
时间序列:在生产和科学研究中,对某一个或者一组变量x(t)进行观察测量,将在一系列时刻t1,t2,…,tn所得到的离散数字组成的序列集合,称之为时间序列。售电量:电力企业售给用户(包括趸售户)的电量以及供给本企业非电力生产、基本建设、大修和非生产部门(如食堂、宿舍)等所使用的电量。
具体如下:
1.准备售电量历史数据的时间序列样本数据以及电费收入历史数据,以月为统计维度,每向上推算一年作为一行,设未来预测期数为实验次数m,设售电量为矩阵X,设电费收入为目标y,未知参数为β。假设两者存在线性关系。
有:设:
2.建立方程式:Xβ=y。对该方程式一般而言无解,为了选取最优β让等式
“尽量成立”,引入残差平方和函数S(β)=||Xβ-y||2。
当时,S(β)取到最小值,即最小误差。
对S(β)微分求最值可以得出:则如果矩阵XTX非奇异则有唯一解:
残差平方和:用连续曲线近似地刻画或比拟平面上离散点组,以表示坐标之间函数关系的一种数据处理方法。
极值:函数的最大值和最小值(最大值和最小值)被统称为极值(极数),是给定范围内的函数的最大值和最小值(本地或相对极值)或函数的整个定义域(全局或绝对极值)。
3.假设电费收入与售电量存在线性关系带入上面的方程进行计算。线性关系:两个变量之间存在一次方函数关系,就称它们之间存在线性关系。
其中:yi-第i期电费收入,Xi-第i期售电量,εi-第i期的误差,-残差平方函数最小时的解,为常数,-差平方函数最小时的解,为系数;
计算残差平方和函数:
要保证各组散列点尽量分布在一条直线上,就要求S(β)取到最小值。那么就是以为待估参数,求S(β)的极小值。对S(β)求偏导数,等到两个待估参数的偏导数表达式。
那么,最终求得待估参数的解:
得到最终预测模型数学表达式:
偏导数:一个多变量的函数的偏导数,就是它关于其中一个变量的导数而保持其他变量恒定。
4.根据上述预测模型,带入对应的售电量值Xi求解得到对应电费收入预测值yi。
Claims (2)
1.一种基于最小二乘法的电费收入预测方法,其特征在于该方法包含以下内容:
1)获取往期售电量与对应期的电费收入数据;
2)以售电量数据建立时间序列,通过自回归移动平均时间序列算法预测未来售电量数据;如能获取本期实际售电量则使用实际值;
3)建立最小二乘法预测模型,求解参数,获取最优解;
4)利用预测模型进行预测分析。
2.根据权利要求1所述的基于最小二乘法的电费收入预测方法,其特征在于具体如下:
1)准备售电量历史数据的时间序列样本数据以及电费收入历史数据,以月为统计维度,每向上推算一年作为一行,设未来预测期数为实验次数m,设售电量为矩阵X,设电费收入为目标y,未知参数为β;假设两者存在线性关系;
有:设:
2)建立方程式:Xβ=y;为了选取最优β让等式“尽量成立”,引入残差平
方和函数S(β)=||Xβ-y||2;
当时,S(β)取到最小值,即最小误差;
对S(β)微分求最值可以得出:则如果矩阵XTX非奇异则有唯一解:
<mrow>
<mover>
<mi>&beta;</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>X</mi>
<mi>T</mi>
</msup>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>X</mi>
<mi>T</mi>
</msup>
<mi>y</mi>
</mrow>
3)假设电费收入与售电量存在线性关系带入上面的方程进行计算;
其中:yi-第i期电费收入,Xi-第i期售电量,εi-第i期的误差,-残差平方函数最小时的解,为常数,-残差平方函数最小时的解,为系数;
计算残差平方和函数:
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>&epsiv;</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>^</mo>
</mover>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>^</mo>
</mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
要保证各组散列点尽量分布在一条直线上,就要求S(β)取到最小值;那么就是以 为待估参数,求S(β)的极小值;对S(β)求偏导数,得到两个待估参数的偏导数表达式;
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mn>2</mn>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>^</mo>
</mover>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>^</mo>
</mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mn>2</mn>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>^</mo>
</mover>
<mo>-</mo>
<mover>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>^</mo>
</mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
最终求得待估参数的解:
<mrow>
<mover>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
<mrow>
<mover>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
得到最终预测模型数学表达式:
<mrow>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msubsup>
<mi>n&Sigma;</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
</mrow>
4)根据上述预测模型,带入对应的售电量值Xi求解得到对应电费收入预测值yi。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981042.1A CN107748931A (zh) | 2017-10-20 | 2017-10-20 | 一种基于最小二乘法的电费收入预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981042.1A CN107748931A (zh) | 2017-10-20 | 2017-10-20 | 一种基于最小二乘法的电费收入预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107748931A true CN107748931A (zh) | 2018-03-02 |
Family
ID=61252984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710981042.1A Pending CN107748931A (zh) | 2017-10-20 | 2017-10-20 | 一种基于最小二乘法的电费收入预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107748931A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190818A (zh) * | 2018-08-28 | 2019-01-11 | 清华大学 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
CN109272140A (zh) * | 2018-08-10 | 2019-01-25 | 国网河北省电力有限公司石家庄供电分公司 | 一种基于大数据分析的变电设备运行期成本预测方法 |
CN113127803A (zh) * | 2019-12-30 | 2021-07-16 | 中国移动通信集团四川有限公司 | 业务集群容量预估模型的建立方法、装置及电子设备 |
-
2017
- 2017-10-20 CN CN201710981042.1A patent/CN107748931A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272140A (zh) * | 2018-08-10 | 2019-01-25 | 国网河北省电力有限公司石家庄供电分公司 | 一种基于大数据分析的变电设备运行期成本预测方法 |
CN109272140B (zh) * | 2018-08-10 | 2021-09-28 | 国网河北省电力有限公司石家庄供电分公司 | 一种基于大数据分析的变电设备运行期成本预测方法 |
CN109190818A (zh) * | 2018-08-28 | 2019-01-11 | 清华大学 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
CN109190818B (zh) * | 2018-08-28 | 2021-02-09 | 交叉信息核心技术研究院(西安)有限公司 | 电力资源管理方法及系统、服务端、计算机可读存储介质 |
CN113127803A (zh) * | 2019-12-30 | 2021-07-16 | 中国移动通信集团四川有限公司 | 业务集群容量预估模型的建立方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A seasonal GM (1, 1) model for forecasting the electricity consumption of the primary economic sectors | |
Gilbert et al. | Leveraging turbine-level data for improved probabilistic wind power forecasting | |
CN105631483B (zh) | 一种短期用电负荷预测方法及装置 | |
Jacoby et al. | Technology and technical change in the MIT EPPA model | |
Yagli et al. | Reconciling solar forecasts: Sequential reconciliation | |
Sim | The economic and environmental values of the R&D investment in a renewable energy sector in South Korea | |
CN103985000B (zh) | 基于函数型非参数回归的中长期典型日负荷曲线预测方法 | |
CN103117546A (zh) | 一种超短期风电功率滑动预测方法 | |
CN110570023B (zh) | 一种基于sarima-grnn-svm的短期商业电力负荷预测方法 | |
CN107748931A (zh) | 一种基于最小二乘法的电费收入预测方法 | |
CN107248013A (zh) | 一种综合考虑多种经济因素的月度用电量预测方法 | |
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 | |
Velasco et al. | Next day electric load forecasting using Artificial Neural Networks | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN114595861A (zh) | 基于mstl和lstm模型的中长期电力负荷预测方法 | |
CN107895211A (zh) | 一种基于大数据的中长期电力负荷预测方法和系统 | |
Grosheva et al. | Risk-based forecasting methods of knowledge-intensive product life-cycle resource provision | |
CN110969312A (zh) | 基于变分模态分解和极端学习机的短期径流预测耦合方法 | |
Chen et al. | Post-evaluation on financial support highway traffic project based on BP neural network algorithm | |
CN116384251A (zh) | 一种考虑风险规避的新能源发电功率组合预测方法及系统 | |
Shukur et al. | Electricity load forecasting using hybrid of multiplicative double seasonal exponential smoothing model with artificial neural network | |
CN105976057A (zh) | 一种基于改进灰色理论的中长期负荷预测方法 | |
CN112581311B (zh) | 一种多风电场聚合后出力长期波动特性预测方法及系统 | |
Baskys et al. | Calculation of electrical energy balances of production systems based on probabilistic-statistical approach | |
Chia et al. | Forecasting Analysis of Unemployment Rate in Malaysia based on the Naive, Holt's Linear Trend and Box-Jenkins Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20180302 |