期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于Prophet模型的电量预测技术研究
被引量:
2
下载PDF
职称材料
导出
摘要
短期电量预测对电网的运营维护工作具有重要意义。传统的电量预测方法包括灰色预测模型、ARIMA、指数平滑等,这些方法通常是使用线性时序模型拟合电量数据。然而,电力的使用受外部多种环境因素的影响,含有多个成分,线性模型无法很好地表征电量数据的规律。为提高电量模型预测的准确性,基于Prophet模型进行电量预测,应用到同期线损系统采集的电量统计数据上得到精确的预测结果。对比实验表明,此模型相比于传统预测方法有一定性能优势,并且Prophet模型的成分分解使得用户的用电量变化可以具体解释。
作者
陆圣芝
金诚
卜广峰
姚奔
徐恒
机构地区
国家电网扬州供电公司
东南大学信息科学与工程学院
出处
《机电信息》
2020年第18期32-33,共2页
关键词
时间序列
非线性回归
电量预测
Prophet模型
分类号
F426.61 [经济管理—产业经济]
TM715 [电气工程—电力系统及自动化]
引文网络
相关文献
节点文献
二级参考文献
4
参考文献
1
共引文献
113
同被引文献
17
引证文献
2
二级引证文献
1
参考文献
1
1
陈卓,孙龙祥.
基于深度学习LSTM网络的短期电力负荷预测方法[J]
.电子技术(上海),2018,47(1):39-41.
被引量:114
二级参考文献
4
1
石海波.
PCA-SVM在电力负荷预测中的应用研究[J]
.计算机仿真,2010,27(10):279-282.
被引量:15
2
李晨熙.
基于ARIMA模型的短期电力负荷预测[J]
.吉林电力,2015,43(6):22-24.
被引量:18
3
郑凯文,杨超.
基于迭代决策树(GBDT)短期负荷预测研究[J]
.贵州电力技术,2017,20(2):82-84.
被引量:30
4
吴潇雨,和敬涵,张沛,胡骏.
基于灰色投影改进随机森林算法的电力系统短期负荷预测[J]
.电力系统自动化,2015,39(12):50-55.
被引量:183
共引文献
113
1
柴晋,乔加飞,孙灏,梁占伟,张千.
神经网络算法在脱硫系统优化中的应用进展[J]
.洁净煤技术,2021,27(S02):27-32.
被引量:3
2
谭增强,李元昊,牛拥军,杨杰,刘玺璞.
火电厂NO_(x)的均布优化及预测研究[J]
.环境工程,2023,41(S01):349-353.
被引量:2
3
黄元行,刘晓波,范津玮,熊焱,叶琦.
基于注意力机制和EMD-GRU模型的电力负荷预测[J]
.智能计算机与应用,2021,11(3):33-37.
被引量:4
4
李滨,陆明珍.
考虑实时气象耦合作用的地区电网短期负荷预测建模[J]
.电力系统自动化,2020(17):60-75.
被引量:48
5
陈英义,程倩倩,方晓敏,于辉辉,李道亮.
主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧[J]
.农业工程学报,2018,34(17):183-191.
被引量:68
6
陆继翔,张琪培,杨志宏,涂孟夫,陆进军,彭晖.
基于CNN-LSTM混合神经网络模型的短期负荷预测方法[J]
.电力系统自动化,2019,43(8):131-137.
被引量:351
7
杨国田,张涛,王英男,李新利,刘禾.
基于长短期记忆神经网络的火电厂NO_x排放预测模型[J]
.热力发电,2018,47(10):12-17.
被引量:43
8
陈渝,任正军.
融合EMD与LSTM神经网络的门诊量预测模型研究[J]
.软件导刊,2019,18(3):133-138.
被引量:9
9
廖文强,王江宇,陈焕新,丁新磊,尚鹏涛,魏文天,周镇新.
基于长短期记忆神经网络的暖通空调系统能耗预测[J]
.制冷技术,2019,39(1):45-50.
被引量:30
10
徐继红.
基于改进主成分分析法的城市需水量预测[J]
.水资源开发与管理,2019,5(3):23-25.
被引量:4
同被引文献
17
1
李培强,李欣然,陈辉华,唐外文,刘艳阳.
统计综合负荷模型的感应电动机和恒定阻抗比例研究[J]
.中国电力,2005,38(7):6-10.
被引量:9
2
陈龙,徐冰雁,谢光龙,唐丹红,顾慧春,熊以旺.
特高压开断对华中电网频率的影响及电网频率调整[J]
.水电能源科学,2012,30(8):143-145.
被引量:2
3
张如鹏,齐先军.
关于配电网供电负荷实时估计仿真[J]
.计算机仿真,2019,36(1):141-145.
被引量:3
4
郑晓雨,郑静媛,王彦博.
智能电网中实时负荷模型建立研究[J]
.电力与能源,2015,36(1):42-45.
被引量:5
5
李润泽,徐涛.
计及感应电动机参数的微电网暂态电压稳定性分析[J]
.电气技术,2018,19(1):24-28.
被引量:4
6
王斌.
基于时间序列ARIMA模型的电力负荷短期预测分析[J]
.石河子科技,2019,0(3):43-47.
被引量:13
7
闵旭,叶青,蔡高琰.
基于残差自回归方法的短期区域用电量预测[J]
.技术经济,2019,38(6):119-124.
被引量:9
8
郭松亮,闫鹏君,鄂浩坤.
基于ARIMA模型的北京市全社会用电量短期预测[J]
.北京信息科技大学学报(自然科学版),2020,35(5):93-96.
被引量:12
9
缪庆庆,林涛,张海静,韩小岗,樊相臣.
基于BP神经网络的家庭用电量预测与分析[J]
.现代建筑电气,2020,11(10):14-17.
被引量:5
10
王毅蕾,梁龙跃,蔡铉烨.
基于人工神经网络的贵州省用电量预测[J]
.生产力研究,2020(12):96-98.
被引量:6
引证文献
2
1
张湘驰,田玲,高建良,向行.
基于GAM的感应电动机比例预测方法研究[J]
.计算机仿真,2023,40(2):128-131.
被引量:1
2
谭曾盛,王志兵.
基于WPA-Prophet模型的区域用电量预测[J]
.现代信息科技,2024,8(6):132-135.
二级引证文献
1
1
毛国明,高峰,王悦州,黄云刚.
抓斗式卸船机智能电气控制系统设计[J]
.今日制造与升级,2023(9):137-139.
被引量:1
1
许爱东,郭延文,吴涛,王雪纯,蒋屹新,张宇南.
基于Bi-LSTM的家庭用电量预测[J]
.工业控制计算机,2020,33(4):8-10.
被引量:3
2
杨柳,杜斌.
基于业扩报装大数据的电量预测方法的介绍[J]
.智能城市,2019,5(24):52-53.
被引量:2
3
任进.
试论可视化技术在电力信息系统运维中的应用[J]
.电子乐园,2019(24):42-42.
4
郭莎莎.
视频会议系统的运维保障工作探索[J]
.无线互联科技,2020,17(2):128-129.
被引量:2
5
高艳.
夯实运维工作提升ERP系统的应用水平[J]
.信息周刊,2020,0(7):0087-0087.
6
饶莉.
首都师范大学统计学研究团队对COVID-19疫情进行预测预报[J]
.首都师范大学学报(自然科学版),2020,41(3).
7
谭泽荣,彭梅.
应用型本科高校多媒体管理与运维工作的研究[J]
.电脑知识与技术,2020,16(8):151-152.
被引量:1
8
刘建峰.
牢记使命 紧抓机遇 加快推进“双区驱动”战略下的国际金融中心建设——深圳市金融稳定发展研究院工作纪实[J]
.特区经济,2019(12).
9
赵会茹,赵一航,郭森.
基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测[J]
.中国电力,2020,53(6):48-55.
被引量:50
10
程小豹,刘峥,杨永强,赵卫芳,王勤生.
基于石墨烯在环保领域应用的探讨[J]
.环境与发展,2020,32(5):233-234.
被引量:2
机电信息
2020年 第18期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部