CN111461496A - 一种中长期负荷数据的季节性调整方法 - Google Patents

一种中长期负荷数据的季节性调整方法 Download PDF

Info

Publication number
CN111461496A
CN111461496A CN202010162730.7A CN202010162730A CN111461496A CN 111461496 A CN111461496 A CN 111461496A CN 202010162730 A CN202010162730 A CN 202010162730A CN 111461496 A CN111461496 A CN 111461496A
Authority
CN
China
Prior art keywords
adjustment
seasonal
sequence
arima
link
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
Application number
CN202010162730.7A
Other languages
English (en)
Inventor
王尧
王皑
王志刚
王正
李旭霞
童星
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.)
Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Shenzhen Orange Technology Co Ltd
Economic and Technological Research Institute of State Grid Shanxi 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 Shenzhen Orange Technology Co Ltd, Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd filed Critical Shenzhen Orange Technology Co Ltd
Priority to CN202010162730.7A priority Critical patent/CN111461496A/zh
Publication of CN111461496A publication Critical patent/CN111461496A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种中长期负荷数据的季节性调整方法，包括以下步骤：S1：选用乘法模型；S2：对应乘法模型，在regARIMA与调整环节对序列进行对数变换；S3：通过预调整消除闰年因素的影响；S4：在regARIMA环节自动探测离群值；S5：在regARIMA环节加入用户自定义回归变量估计春节效应；S6：ARIMA建模中自动选择ARIMA模型；S7：用regARIMA模型对序列进行延拓时；S8：在X‑11环节自动选取季节与趋势滤子；S9：在X‑11环节，对不规则因素修正的第一极限值与第二极限值分别为1.5和2.5。本发明中，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。

Description

一种中长期负荷数据的季节性调整方法
技术领域
本发明涉及负荷数据调整方法，尤其涉及一种中长期负荷数据的季节性调整方法。
背景技术
对于用电量、规模以上工业增加值等时间序列，其波动随时间变化有明显的周期规律，这种现象称为季节效应。而时间序列的季节调整则是指依据一定的数学方法将具有季节效应的时间序列分解成为随时间呈明显周期变化的分量以及与时间变化基本无关的分量。
在通常的季节调整算法中，认为月度或季度时间序列数据是由四种分量组成的，分别为：长期趋势分量(T)，波动循环分量(C)，季节分量(S)与不规则分量(I)。长期趋势分量代表时间序列长期的趋势特性。波动循环分量是以数年为周期的一种景气变动。在时间序列的研究中，它们反映了时间序列的基本变化规律。季节分量是每年重复出现的循环变动，反映由于温度、降雨、假期等因素引起的，以12个月或4个季度为周期的周期影响。不规则分量又称为随机因子，残余变动或噪声，其变动无规律可循，这一分量是由偶然发生的事件引起的，如罢工，意外事故，地震，恶劣气候，战争等。
1965年，著名的美国普查局X-11季节调整程序问世。它起源于1954年美国普查局的季节调整程序“模型I”，经过十几年的发展，经历12个实验版本的“模型II”，最终形成X-11。
普查局X-12-ARIMA季节调整方法是在X-11方法的基础上发展而来；如图1所示：X-12-ARIMA季节调整程序的基本流程，其中实线箭头代表程序的流程，虚线代表季节调整中实际需要经历的操作过程，通过“调整——诊断——再调整”得到序列的最佳季节调整。
目前，用于电力需求预警预测分析的数据多为从电力系统直接采集来的电量原始数据，这些数据由于存在着一些问题而无法直接应用于具体的分析中。由于电量序列具有明显的季节特征，而负荷序列内在的变化规律往往会被季节变动要素所掩盖，直接利用原始数据进行分析往往发现不了用电量数据的内在规律性。
季节分量是每年重复出现的循环变动，反映由于温度、降雨、假期等因素引起的，以12个月或4个季度为周期的周期影响，其辨识和修正方法，目前研究还比较基础。比如，美国的劳动节、感恩节，中国的春节、元宵节等。这些假日由于其循环周期不是正好一年而使得这些假日的效应往往不能被季节分解完全吸收。以春节为例，春节是中国的传统节日，由于农历与公历时间上的差别使得每年春节周期性的出现在1月20日与2月20日之间。由于X-12-ARIMA不能对中国的春节因素进行直接建模，因此需要利用其用户自定义回归变量的功能进行春节因素的回归。
因此，在进行电力需求预警与预测分析之前首先要对原始的电量数据进行季节性调整处理，以提高精度，需要适应所有节日。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种中长期负荷数据的季节性调整方法，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。
(二)技术方案
为解决上述问题，本发明提出了一种中长期负荷数据的季节性调整方法，包括以下步骤：
S1：选用乘法模型，即，Yt＝TCt×St×It；其中，TC标识循环趋势分量；S代表季节分量；I代表不规则分量；乘法模型用于保持正值，并且随着序列水平增长其季节性波动的幅度增长的序列；
S2：对应乘法模型，在regARIMA与调整环节对序列进行对数变换；
S3：通过预调整消除闰年因素的影响；
S4：在regARIMA环节自动探测离群值；
S5：在regARIMA环节加入用户自定义回归变量估计春节效应；
S6：ARIMA建模中自动选择ARIMA模型，如果多个模型被选中，则从中选择预测扩展效果最好的模型；
S7：用regARIMA模型对序列进行延拓时，预测未来24个月的值；
S8：在X-11环节自动选取季节与趋势滤子；
S9：在X-11环节，对不规则因素修正的第一极限值与第二极限值分别为1.5和2.5
优选的，季节分量，是每年重复出现的循环变动，其反映由于温度、天气状况、假期时间的因素引起，或以一年为周期的周期影响引起；不规则分量又称为随机因子、残余变动或噪声，其变动无规律可循，分量是由偶然发生的事件引起。
优选的，regARIM模块，用于对数据的预处理，包括进行序列向前和向后的延拓，离群值的检测与各种效应的先验调整。
优选的，在模型的诊断方面，X-12-ARIMA提供了X-11-ARIMA已有的诊断表格和M1-M11质量控制统计量；
X-12-ARIMA，还提供了包括检验季节和交易日效应的谱估计诊断、检验季节调整稳定性的平移区间和历史修正诊断。
优选的，X-12-ARIMA模块，在对用电量序列进行季节调整之前，确定用电量季节调整的原则包括：
A：先验信息与后验信息相结合：如果序列中的某些信息是已知的，将已知信息作为先验信息，加入季节调整中，得到的调整结果；
B：考虑日历效应对用电量的影响：在季节调整中，合理的考虑日历效应的影响，发现电力需求的变化规律。
本发明中，在季节调整诊断中，季节调整是可以接受的。循环趋势分量(TC)是比较光滑的，反映了用电量发展的增长趋势，由此也可以说明季节调整是成功的。由于去掉季节因素的用电量分量SA(分量只在原始序列中去除了具有强规律性的季节因素)，行业用电量的信息几乎没有损失，而其总体规律性却已经能够较明显体现，因此在后续的章节中，多使用的用电量序列的SA分量进行预警预测的分析。
本发明中，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。
附图说明
图1现有技术中，X-12-ARIMA季节调整程序基本流程图。
图2为通过本发明提出的中长期负荷数据的季节性调整方法，进行处理安徽省1999-2008年全社会月度用电量的季节调整结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提出的一种中长期负荷数据的季节性调整方法，包括以下步骤：
S1：选用乘法模型，即，Yt＝TCt×St×It；其中，TC标识循环趋势分量；S代表季节分量；I代表不规则分量；乘法模型用于保持正值，并且随着序列水平增长其季节性波动的幅度增长的序列；
S2：对应乘法模型，在regARIMA与调整环节对序列进行对数变换；
S3：通过预调整消除闰年因素的影响；
S4：在regARIMA环节自动探测离群值；
S5：在regARIMA环节加入用户自定义回归变量估计春节效应；
S6：ARIMA建模中自动选择ARIMA模型，如果多个模型被选中，则从中选择预测扩展效果最好的模型；
S7：用regARIMA模型对序列进行延拓时，预测未来24个月的值；
S8：在X-11环节自动选取季节与趋势滤子；
S9：在X-11环节，对不规则因素修正的第一极限值与第二极限值分别为1.5和2.5。
在一个可选的实施例中，季节分量，是每年重复出现的循环变动，其反映由于温度、天气状况、假期时间的因素引起，或以一年为周期的周期影响引起；不规则分量又称为随机因子、残余变动或噪声，其变动无规律可循，分量是由偶然发生的事件引起。
本发明中，在季节调整诊断中，季节调整是可以接受的。循环趋势分量(TC)是比较光滑的，反映了用电量发展的增长趋势，由此也可以说明季节调整是成功的。由于去掉季节因素的用电量分量SA(分量只在原始序列中去除了具有强规律性的季节因素)，行业用电量的信息几乎没有损失，而其总体规律性却已经能够较明显体现，因此在后续的章节中，多使用的用电量序列的SA分量进行预警预测的分析。
本发明中，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。
如图2所示，a0_SF表示全社会用电量的季节因素分量，a0_SA表示全社会用电量的去季节因素分量，a0_TC表示全社会用电量的循环趋势分量，a0_IR则表示全社会用电量的不规则分量。
在一个可选的实施例中，包括X-12-ARIMA程序；X-12-ARIMA程序包括regARIMA模块；regARIM模块，用于对数据的预处理，包括进行序列向前和向后的延拓，离群值的检测与各种效应的先验调整。
在一个可选的实施例中，在模型的诊断方面，X-12-ARIMA提供了X-11-ARIMA已有的诊断表格和M1-M11质量控制统计量；
X-12-ARIMA，还提供了包括检验季节和交易日效应的谱估计诊断、检验季节调整稳定性的平移区间和历史修正诊断。
在一个可选的实施例中，X-12-ARIMA模块，在对用电量序列进行季节调整之前，确定用电量季节调整的原则包括：
A：先验信息与后验信息相结合：如果序列中的某些信息是已知的，将已知信息作为先验信息，加入季节调整中，得到的调整结果；
B：考虑日历效应对用电量的影响：在季节调整中，合理的考虑日历效应的影响，发现电力需求的变化规律。
需要说明的是，预调整模块regARIMA主要用于延拓时间序列，其全称为带有ARIMA时间序列误差的线性回归模型，是对ARIMA时间序列建模的重要革新；
在模型的诊断方面，X-12-ARIMA提供了X-11-ARIMA已有的诊断表格和M1-M11质量控制统计量，除此之外，X-12-ARIMA还提供了包括检验季节和交易日效应的谱估计诊断、检验季节调整稳定性的平移区间和历史修正诊断。
在X-12-ARIMA季节调整程序中，regARIMA模型考虑了日历效应；日历效应中最重要的一种是“移动假日效应”，它是指日期每年不同的假日所引起的效应，
由于X-12-ARIMA不能对中国的春节因素进行直接建模，因此需要利用其用户自定义回归变量的功能进行春节因素的回归。具体做法是，根据季节分解目标序列的性质，设春节因素的影响体现在春节前b天至春节后a天，根据每年春节的日期确定影响日分布在每个月的天数，再根据每个月影响日的天数确定每个月的权重，没有影响日的月份权重为0，每年各月的权重之和为1。
本文中所进行季节调整都假定春节对各行业用电量的影响集中在春节前5天至春节后15天；根据上面的原则确定1999-2010年的权重如表1所示：
Figure BDA0002406367380000071
Figure BDA0002406367380000081
表1
需要说明的是，X-12-ARIMA在regARIMA建模、模型选择、日历效应回归、模型诊断等方面都提供了多种选项供用户选择，方便我们通过对这些选项的调整实现对目标序列的最佳调整。但是，这种选择的灵活性会直接造成调整结果呈现多样性的特点，因此，在对用电量序列进行季节调整之前，有必要确定用电量季节调整的原则。针对用电量序列的特点，确定以下两点调整原则：
1、先验信息与后验信息相结合。X-12-ARIMA算法给出了很多自动选项，如季节与趋势滤子的自动选择与诸多效应的自动探测。也就是说，程序会根据自动的“学习”，得到目标序列中的某些信息。从方法论的角度，如果序列中的某些信息是已知的，在季节调整中“主观的”加入这些先验信息，得到的调整结果应比“客观的”调整效果更好。
2、考虑日历效应对用电量的影响。电网的运行经验表明，用电量在一些节假日会有一定的跌落，这种跌落会使用电量的月度序列存在显著的日历效应。在季节调整中，合理的考虑日历效应的影响，能够更好地发现电力需求的变化规律。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (5)

1.一种中长期负荷数据的季节性调整方法，其特征在于，包括以下步骤：
S1：选用乘法模型，即，Yt＝TCt×St×It；其中，TC标识循环趋势分量；S代表季节分量；I代表不规则分量；乘法模型用于保持正值，并且随着序列水平增长其季节性波动的幅度增长的序列；
S2：对应乘法模型，在regARIMA与调整环节对序列进行对数变换；
S3：通过预调整消除闰年因素的影响；
S4：在regARIMA环节自动探测离群值；
S5：在regARIMA环节加入用户自定义回归变量估计春节效应；
S6：ARIMA建模中自动选择ARIMA模型，如果多个模型被选中，则从中选择预测扩展效果最好的模型；
S7：用regARIMA模型对序列进行延拓时，预测未来24个月的值；
S8：在X-11环节自动选取季节与趋势滤子；
S9：在X-11环节，对不规则因素修正的第一极限值与第二极限值分别为1.5和2.5。
2.根据权利要求1所述的中长期负荷数据的季节性调整方法，其特征在于，季节分量，是每年重复出现的循环变动，其反映由于温度、天气状况、假期时间的因素引起，或以一年为周期的周期影响引起；不规则分量又称为随机因子、残余变动或噪声，其变动无规律可循，分量是由偶然发生的事件引起。
3.根据权利要求1所述的中长期负荷数据的季节性调整方法，其特征在于，regARIM模块，用于对数据的预处理，包括进行序列向前和向后的延拓，离群值的检测与各种效应的先验调整。
4.根据权利要求3所述的中长期负荷数据的季节性调整方法，其特征在于，在模型的诊断方面，X-12-ARIMA提供了X-11-ARIMA已有的诊断表格和M1-M11质量控制统计量；
X-12-ARIMA，还提供了包括检验季节和交易日效应的谱估计诊断、检验季节调整稳定性的平移区间和历史修正诊断。
5.根据权利要求3所述的中长期负荷数据的季节性调整方法，其特征在于，X-12-ARIMA模块，在对用电量序列进行季节调整之前，确定用电量季节调整的原则包括：
A：先验信息与后验信息相结合：如果序列中的某些信息是已知的，将已知信息作为先验信息，加入季节调整中，得到的调整结果；
B：考虑日历效应对用电量的影响：在季节调整中，合理的考虑日历效应的影响，发现电力需求的变化规律。
CN202010162730.7A 2020-03-10 2020-03-10 一种中长期负荷数据的季节性调整方法 Pending CN111461496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010162730.7A CN111461496A (zh) 2020-03-10 2020-03-10 一种中长期负荷数据的季节性调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010162730.7A CN111461496A (zh) 2020-03-10 2020-03-10 一种中长期负荷数据的季节性调整方法

Publications (1)

Publication Number Publication Date
CN111461496A true CN111461496A (zh) 2020-07-28

Family

ID=71678400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010162730.7A Pending CN111461496A (zh) 2020-03-10 2020-03-10 一种中长期负荷数据的季节性调整方法

Country Status (1)

Country Link
CN (1) CN111461496A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962491A (zh) * 2021-12-01 2022-01-21 国网河北省电力有限公司雄安新区供电公司 基于季节分解的短期冷热电负荷联合预测方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1372090A1 (en) * 2002-06-12 2003-12-17 Sap Ag Position budgeting and control system
US20110218838A1 (en) * 2010-03-01 2011-09-08 Chuck Byce Econometrical investment strategy analysis apparatuses, methods and systems
CN102819770A (zh) * 2012-08-02 2012-12-12 积成电子股份有限公司 基于人体舒适度指数的配电网短期负荷预测方法
JP2013005465A (ja) * 2011-06-10 2013-01-07 Azbil Corp 負荷量予測装置、負荷量予測方法および負荷量予測プログラム
CN103617457A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 电力系统中与温度有关的天气敏感负荷的预测方法
CN103745280A (zh) * 2014-01-26 2014-04-23 北京中电普华信息技术有限公司 用电量预测方法、装置及处理器
US20140310059A1 (en) * 2011-11-14 2014-10-16 Energent Incorporation System , method and computer program forecasting energy price
CN104239982A (zh) * 2014-10-12 2014-12-24 刘岩 一种基于时间序列和神经网络的建筑节假日能耗预测方法
CN105205570A (zh) * 2015-10-16 2015-12-30 国网重庆铜梁区供电有限责任公司 一种基于季节时序分析的电网售电量预测方法
US20170016430A1 (en) * 2015-07-17 2017-01-19 General Electric Company Systems and methods for improved wind power generation
CN109376953A (zh) * 2018-11-21 2019-02-22 国网冀北电力有限公司 一种中长期电量预测方法及系统
CN109978201A (zh) * 2017-12-27 2019-07-05 深圳市景程信息科技有限公司 基于高斯过程分位数回归模型的概率负荷预测系统及方法
CN110264001A (zh) * 2019-06-20 2019-09-20 国网上海市电力公司 基于多时序的用电负荷预测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1372090A1 (en) * 2002-06-12 2003-12-17 Sap Ag Position budgeting and control system
US20110218838A1 (en) * 2010-03-01 2011-09-08 Chuck Byce Econometrical investment strategy analysis apparatuses, methods and systems
JP2013005465A (ja) * 2011-06-10 2013-01-07 Azbil Corp 負荷量予測装置、負荷量予測方法および負荷量予測プログラム
US20140310059A1 (en) * 2011-11-14 2014-10-16 Energent Incorporation System , method and computer program forecasting energy price
CN102819770A (zh) * 2012-08-02 2012-12-12 积成电子股份有限公司 基于人体舒适度指数的配电网短期负荷预测方法
CN103617457A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 电力系统中与温度有关的天气敏感负荷的预测方法
CN103745280A (zh) * 2014-01-26 2014-04-23 北京中电普华信息技术有限公司 用电量预测方法、装置及处理器
CN104239982A (zh) * 2014-10-12 2014-12-24 刘岩 一种基于时间序列和神经网络的建筑节假日能耗预测方法
US20170016430A1 (en) * 2015-07-17 2017-01-19 General Electric Company Systems and methods for improved wind power generation
CN105205570A (zh) * 2015-10-16 2015-12-30 国网重庆铜梁区供电有限责任公司 一种基于季节时序分析的电网售电量预测方法
CN109978201A (zh) * 2017-12-27 2019-07-05 深圳市景程信息科技有限公司 基于高斯过程分位数回归模型的概率负荷预测系统及方法
CN109376953A (zh) * 2018-11-21 2019-02-22 国网冀北电力有限公司 一种中长期电量预测方法及系统
CN110264001A (zh) * 2019-06-20 2019-09-20 国网上海市电力公司 基于多时序的用电负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蒋贲: "用电市场景气分析研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962491A (zh) * 2021-12-01 2022-01-21 国网河北省电力有限公司雄安新区供电公司 基于季节分解的短期冷热电负荷联合预测方法及装置

Similar Documents

Publication Publication Date Title
CN110555561B (zh) 一种中长期径流集合预报方法
Aprillia et al. Statistical load forecasting using optimal quantile regression random forest and risk assessment index
CN111210093B (zh) 基于大数据的日用水量预测方法
CN111191193A (zh) 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法
Coughlin Analysis of wind power and load data at multiple time scales
CN111080477A (zh) 一种家庭电力负荷预测方法及系统
CN109740760A (zh) 文本质检自动化训练方法、电子装置及计算机设备
CN114330934A (zh) 一种模型参数自适应的gru新能源短期发电功率预测方法
CN111461496A (zh) 一种中长期负荷数据的季节性调整方法
Heydari et al. Mid-term load power forecasting considering environment emission using a hybrid intelligent approach
CN108154259B (zh) 热泵的负荷预测方法及装置、存储介质、处理器
CN117236800B (zh) 一种多场景自适应的用电负荷预测方法及系统
Khalyasmaa et al. Averaged errors as a risk factor for intelligent forecasting systems operation in the power industry
CN105046372A (zh) 一种逐日蔬菜价格的预测方法和装置
CN112614010A (zh) 负荷预测方法及装置、存储介质及电子装置
CN110909916B (zh) 一种基于熵权法的风力发电月度电量区间预测方法
CN116646917A (zh) 一种校园多步概率电力负荷预测方法及系统
CN114648156A (zh) 一种基于卷积神经网络的时间序列负荷预测方法
CN111242805B (zh) 一种用电量增长率计算方法和装置
CN114819382A (zh) 一种基于lstm的光伏功率预测方法
Muschinski et al. Predicting power ramps from joint distributions of future wind speeds
CN114117713A (zh) 一种区域光伏出力预测方法及装置
CN110544006A (zh) 污染物排放清单时间分布确定方法及装置
Li et al. Abnormal Value Treatment and Seasonable Adjustment Method for Medium and Long-term Load Data
CN111445002B (zh) 能源需求量预测方法/系统、存储介质及设备

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Yao

Inventor after: Wang Ai

Inventor after: Wang Zhigang

Inventor after: Wang Zheng

Inventor after: Li Xuxia

Inventor before: Wang Yao

Inventor before: Wang Ai

Inventor before: Wang Zhigang

Inventor before: Wang Zheng

Inventor before: Li Xuxia

Inventor before: Tong Xing

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220112

Address after: 030000 15 / F, building 1, No.89, Fudong street, Xinghualing District, Taiyuan City, Shanxi Province

Applicant after: ECONOMIC RESEARCH INSTITUTE OF STATE GRID SHANXI ELECTRIC POWER Co.

Address before: 030000 15 / F, building 1, No.89, Fudong street, Xinghualing District, Taiyuan City, Shanxi Province

Applicant before: ECONOMIC RESEARCH INSTITUTE OF STATE GRID SHANXI ELECTRIC POWER Co.

Applicant before: Shenzhen orange Technology Co.,Ltd.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200728