CN113516276A - 一种基于数据挖掘处理框架的中短期负荷预测方法 - Google Patents

一种基于数据挖掘处理框架的中短期负荷预测方法 Download PDF

Info

Publication number
CN113516276A
CN113516276A CN202110384167.2A CN202110384167A CN113516276A CN 113516276 A CN113516276 A CN 113516276A CN 202110384167 A CN202110384167 A CN 202110384167A CN 113516276 A CN113516276 A CN 113516276A
Authority
CN
China
Prior art keywords
model
prediction
power grid
seasonal
short term
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
CN202110384167.2A
Other languages
English (en)
Inventor
张东
曹成功
姚晖
倪杰
罗希
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.)
Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Tongling Power Supply Co 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 Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd
Priority to CN202110384167.2A priority Critical patent/CN113516276A/zh
Publication of CN113516276A publication Critical patent/CN113516276A/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
    • G06Q10/04—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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/05—Energy-efficient information retrieval
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于数据挖掘处理框架的中短期负荷预测方法，首先向若干个不同的预测模型中录入电网历史负荷数据，对电网中短期的负荷进行预测；然后分别计算出每个预测模型预测值的相对误差；再根据相对误差计算各模型预测值的权重，得到电网中短期负荷的综合预测值。本发明通过季节解构、指数平滑和X13季节调整三种预测模型根据电网同一时间序列的历史负荷数据进行预测，再根据各模型预测结果的相对误差赋予权重，获得最优的电网中短期负荷的综合预测值，计算的效率和精度高，有助于帮助电网经济发展与规划等部门具体分析电力消费的情况，为后续的电网建设与调度提供参考。

Description

一种基于数据挖掘处理框架的中短期负荷预测方法
技术领域
本发明涉及电网负荷预测领域，尤其是涉及一种基于数据挖掘处理框架的中短期负荷预测方法。
背景技术
现有技术下，以月度用电量、月度最大负荷为核心的指标是电网统计工作最重要的组成部分之一，也是国家电网“一库三中心”的重要数据组成部分，各项经济指标、电力指标同比增长情况与环比增长，在相当大的情况下反映了当地的经济发展景气程度、工业生产状况、产业结构变化情况与社会消费活跃程度。除了掌握当期的各项指标特征值外，还要了解各项指标的发展趋势，为指导电网建设与运行提供决策参考。因此，如何通过各电力消费指标的解读反映当地经济运行状况，通过适当的数据挖掘与分析方法，帮助地方政府与电网企业定量化的指导应对外部环境变化的长期工作，做好经济建设、电网建设与业务发展。
发明内容
本发明的目的提供一种基于数据挖掘处理框架的中短期负荷预测方法，模块清晰、适应性强、效率高、精度高。
为实现上述目的，本发明采用如下技术方案：
一种基于数据挖掘处理框架的中短期负荷预测方法，包括以下步骤：
向若干个不同的预测模型中录入电网历史负荷数据，对电网中短期的负荷进行预测；
分别计算出每个预测模型预测值的相对误差；
根据相对误差计算各模型预测值的权重，得到电网中短期负荷的综合预测值。
优选地，所述模型包括季节解构模型、指数平滑模型和X13季节调整模型。
进一步地，所述季节解构模型的预测具体通过以下方法实现：
将一个时间序列分解出线性趋势、季节变化、循环变化和不规则因素四种因素：
将这四种因素与原时间序列通过乘法模型或加法模型进行组合：
乘法模型：Yt＝TCt×St×It
加法模型：Yt＝TCt+St+It
其中，Yt为原序列，TCt为趋势循环序列，St为季节序列，It为不规则序列。
进一步地，所述指数平滑模型的预测是通过计算历史数据的加权平均值来进行预测，其中越靠近预测目标时间的历史数据被赋予权重越大。
进一步地，所述X13季节调整模型具体分解为季节、趋势循环和不规则要素三个模型进行预测。
优选地，所述各模型预测值的权重与其相对误差的倒数成正比。
由以上技术方案可知，本发明通过季节解构、指数平滑和X13季节调整三种预测模型根据电网同一时间序列的历史负荷数据进行预测，再根据各模型预测结果的相对误差赋予权重，获得最优的电网中短期负荷的综合预测值，计算的效率和精度高，有助于帮助电网经济发展与规划等部门具体分析电力消费的情况，为后续的电网建设与调度提供参考。
附图说明
图1为本发明的步骤流程示意图；
图2为本发明的原理示意图；
图3为某市2013年一月到2017年12月之间的月用电量分月统调图；
图4为季节解构模型的计算结果图；
图5为指数平滑模型的计算结果图；
图6为X13季节调整模型的计算结果图；
图7为综合预测结果示意图；
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做详细的说明。
如图1所示的基于数据挖掘处理框架的中短期负荷预测方法，包括以下步骤：
S1、向若干个不同的预测模型中录入电网历史负荷数据，对电网中短期的负荷进行预测；
S2、分别计算出每个预测模型预测值的相对误差；
S3、根据相对误差计算各模型预测值的权重，得到电网中短期负荷的综合预测值。
本优选实施例所述的模型采用季节解构、指数平滑和X13季节调整三种预测模型根据电网同一时间序列的历史负荷数据进行预测。
本优选实施例所述的所述季节解构模型的预测具体通过以下方法实现：首先将一个时间序列分解出线性趋势、季节变化、循环变化和不规则因素四种因素：然后将这四种因素与原时间序列通过乘法模型或加法模型进行组合：
乘法模型：Yt＝TCt×St×It
加法模型：Yt＝TCt+St+It
其中，Yt为原序列，TCt为趋势循环序列，St为季节序列，It为不规则序列。该模型的计算方法有两种在季节分量上的区分，当季节变化在整个序列上总体固定时，可采用相加的方法，当季节变量随着序列的水平呈比例变化时，可采用相乘的方法。
本优选实施例所述的指数平滑模型的预测是通过计算历史数据的加权平均值来进行预测，按照时间节点的先后顺序赋予不同的权重，其中越靠近预测目标时间的历史数据被赋予权重越大。
本优选实施例所述的X13季节调整预测模型的输出分解为季节、趋势循环和不规则要素分解模型；相比于上述的季节解构模型，该预测模型扩展了贸易日和节假日影响的调节功能，增加了季节、趋势循环和不规则要素分解模型的选择功能；同时增加了季节调整结果稳定性诊断、X13季节调整模型选择以及预测功能；该方法能够对数据中的季节因数，周期因数等由原始数据中实现解耦，从而更加清晰的分析随周期性月度变化、随多年期经济周期变化，天气偶发事件影响的各因数对于用电量的影响。
在具体的应用中，计算综合预测值首先需要根据三种预测模型计算出的对应预测值的相对误差，相对误差小的方法赋予较大的权重，反之赋予较小的权重：先计算每个模型预测值相对误差的倒数，再求倒数之和，然后将每个模型预测值相对误差的倒数占倒数之和的比重作为权重；最后再根据权重计算得到平均的综合预测值，即最优的负荷预测结果，从而有助于电网经济发展与规划等部门具体分析电力消费的情况，为后续的电网建设与调度提出建议。
下面以某市2013年一月到2017年12月之间的分月统调全社会分月数据为例，对各方法的应用可能加以论证，月度用电量如图3所示，具体的：
通过季节解构模型计算结果如图4所示，绿色线为趋势循环要素，蓝色为季节要素，而红色线为不规则要素(残差)，可见在排除季节性循环和残值波动后，数据显示为一个较为平缓的增长态势，在2014年整体增长态势明显减慢；
通过指数平滑模型计算结果如图5所示，图示中显示了预测值与训练值的差异，蓝色为训练集，而橙色为预测数值，可以看到预测数据从数据走势，峰值出现时刻等各方面，均基本与训练集重合，显示了该算法较强的适应能力；
通过X13季节调整模型计算结果如图6所示，该方法能够对数据中的季节因数，周期因数等由原始数据中实现解耦，从而更加清晰的分析随周期性月度变化、随多年期经济周期变化，天气偶发事件影响的各因数对于用电量的影响；
根据本发明所述的负荷预测方法，该市2018年6-8月逐日最大负荷与9月1-5日预测曲线如图7所示，综合预测结果符合实际情况。
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做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 (6)

1.一种基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，包括以下步骤：
向若干个不同的预测模型中录入电网历史负荷数据，对电网中短期的负荷进行预测；
分别计算出每个预测模型预测值的相对误差；
根据相对误差计算各模型预测值的权重，得到电网中短期负荷的综合预测值。
2.根据权利要求1所述的基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，所述模型包括季节解构模型、指数平滑模型和X13季节调整模型。
3.根据权利要求2所述的基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，所述季节解构模型的预测具体通过以下方法实现：
将一个时间序列分解出线性趋势、季节变化、循环变化和不规则因素四种因素：
将这四种因素与原时间序列通过乘法模型或加法模型进行组合：
乘法模型：Yt＝TCt×St×It
加法模型：Yt＝TCt+St+It
其中，Yt为原序列，TCt为趋势循环序列，St为季节序列，It为不规则序列。
4.根据权利要求2所述的基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，所述指数平滑模型的预测是通过计算历史数据的加权平均值来进行预测，其中越靠近预测目标时间的历史数据被赋予权重越大。
5.根据权利要求2所述的基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，所述X13季节调整模型具体分解为季节、趋势循环和不规则要素三个模型进行预测。
6.根据权利要求1所述的基于数据挖掘处理框架的中短期负荷预测方法，其特征在于，所述各模型预测值的权重与其相对误差的倒数成正比。
CN202110384167.2A 2021-04-09 2021-04-09 一种基于数据挖掘处理框架的中短期负荷预测方法 Pending CN113516276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110384167.2A CN113516276A (zh) 2021-04-09 2021-04-09 一种基于数据挖掘处理框架的中短期负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110384167.2A CN113516276A (zh) 2021-04-09 2021-04-09 一种基于数据挖掘处理框架的中短期负荷预测方法

Publications (1)

Publication Number Publication Date
CN113516276A true CN113516276A (zh) 2021-10-19

Family

ID=78062486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110384167.2A Pending CN113516276A (zh) 2021-04-09 2021-04-09 一种基于数据挖掘处理框架的中短期负荷预测方法

Country Status (1)

Country Link
CN (1) CN113516276A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244897A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 短期電力負荷を予測する方法及び装置
CN106096774A (zh) * 2016-06-07 2016-11-09 国网山东省电力公司菏泽供电公司 一种基于网格法的大面积区域全社会用电量预测方法
CN107220851A (zh) * 2017-05-25 2017-09-29 北京中电普华信息技术有限公司 基于x13季节调整和因素回归的售电量预测方法及装置
CN110503471A (zh) * 2019-08-21 2019-11-26 广东电网有限责任公司 一种用户最大需量估计方法
CN112308337A (zh) * 2020-11-19 2021-02-02 国网北京市电力公司 电力系统概率性短期负荷的预测方法、预测装置与处理器
AU2020104000A4 (en) * 2020-12-10 2021-02-18 Guangxi University Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model
US20210097453A1 (en) * 2018-06-12 2021-04-01 Tsinghua University Method for quantile probabilistic short-term power load ensemble forecasting, electronic device and storage medium
CN112613670A (zh) * 2020-12-28 2021-04-06 苏州交能智慧科技有限公司 一种基于权重分配预测电力用户需量的装置及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244897A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 短期電力負荷を予測する方法及び装置
CN106096774A (zh) * 2016-06-07 2016-11-09 国网山东省电力公司菏泽供电公司 一种基于网格法的大面积区域全社会用电量预测方法
CN107220851A (zh) * 2017-05-25 2017-09-29 北京中电普华信息技术有限公司 基于x13季节调整和因素回归的售电量预测方法及装置
US20210097453A1 (en) * 2018-06-12 2021-04-01 Tsinghua University Method for quantile probabilistic short-term power load ensemble forecasting, electronic device and storage medium
CN110503471A (zh) * 2019-08-21 2019-11-26 广东电网有限责任公司 一种用户最大需量估计方法
CN112308337A (zh) * 2020-11-19 2021-02-02 国网北京市电力公司 电力系统概率性短期负荷的预测方法、预测装置与处理器
AU2020104000A4 (en) * 2020-12-10 2021-02-18 Guangxi University Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model
CN112613670A (zh) * 2020-12-28 2021-04-06 苏州交能智慧科技有限公司 一种基于权重分配预测电力用户需量的装置及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHU FAN ET AL: "Short-term load forecasting using comprehensive combination based on multimeteorological information", IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, vol. 45, no. 4, pages 1460 - 1466, XP011261618 *
国家发展改革委宏观经济研究院: "中国经济社会发展若干问题研究", vol. 1, 中国计划出版社, pages: 6 - 7 *
蒋增林;叶江明;陈昊;: "基于时间序列分析的负荷预测方法的比较研究", 南京工程学院学报(自然科学版), no. 02, pages 26 - 31 *
邓永生 等: "配电网规划中电力负荷预测方法研究综述", 电器与能效管理技术, no. 14, pages 1 - 7 *

Similar Documents

Publication Publication Date Title
Xia et al. Application of a new information priority accumulated grey model with time power to predict short-term wind turbine capacity
CN110474339B (zh) 一种基于深度发电负荷预测的电网无功控制方法
CN107194502B (zh) 一种居民用户电力负荷预测方法
CN110059891B (zh) 一种基于vmd-svm-wsa-gm组合模型的光伏电站输出功率预测方法
CN103745280A (zh) 用电量预测方法、装置及处理器
CN109325880A (zh) 一种基于Verhulst-SVM的中长期负荷预测方法
CN116845889B (zh) 一种基于层次化超图神经网络的电力负载预测方法
CN104573857A (zh) 一种基于智能算法优化组合的电网负荷率预测方法
CN110866658A (zh) 一种城市电网中长期负荷预测方法
Sui et al. Intelligent grey forecasting model based on periodic aggregation generating operator and its application in forecasting clean energy
CN105005623A (zh) 基于关键词检索指数相关性分析的用电需求预测方法
Feng et al. Peak operation optimization of cascade hydropower reservoirs and solar power plants considering output forecasting uncertainty
CN116720985B (zh) 一种建筑碳排放监测方法及系统
CN112288130B (zh) 一种基于两阶段多目标优化的新能源消纳计算方法
CN116626506B (zh) 一种变电站蓄电池状态特性预测方法及系统
CN105574325A (zh) 一种结合人口指标的中长期用电量预测方法
CN115660234B (zh) 一种基于混合测算方法的双碳预测优化模型
CN113516276A (zh) 一种基于数据挖掘处理框架的中短期负荷预测方法
Chen et al. Research on prediction methods of energy consumption data
CN116822717A (zh) 一种基于达峰情景的碳排放管理方法及系统
CN110659775A (zh) 一种基于lstm改进的电力短时负荷预测算法
CN114091782B (zh) 中长期电力负荷预测方法
CN116384622A (zh) 基于电力大数据的碳排放监测方法及装置
CN115619447A (zh) 一种月度售电量组合预测方法、设备和介质
Shen et al. An interval analysis scheme based on empirical error and MCMC to quantify uncertainty of wind speed

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

Application publication date: 20211019