基于随机森林的短期电量负荷精准预测方法

为解决电能供给量增加,短期电量负荷情况难以预测,无法制定准确的电能分配策略的问题,本文采用基于随机森林的短期电量负荷精准预测方法,深入分析短期电量负荷预测影响因素(气象、时间、电价与随机干扰因素),选取适当的模型输入变量,包括历史电量负荷数据、温度数据与日类型等内容,使用随机森林算法构建短期电量负荷预测模型,并重复确定相似日的选取规则;采用粒子群优化算法寻找预测模型参数最佳值,将样本集输入至模型中,解决短期电量负荷预测误差较大的问题。得出结论:当输入变量数量达到一定值后,短期电量负荷预测时延稳定在0.55s左右,短期电量负荷预测误差接近为0,由此分析得出短期电量负荷精准预测方法应用性能较佳。

“网上国网”APP市场应用及营销推广策略的研究

当前我国经济发展面临着前所未有的挑战,特别是在新冠肺炎疫情冲击下,中小微企业生产经营困难凸显,对进一步提升“获得电力”服务水平提出新的需求。文章紧密结合某省公司关于“网上国网”APP运营推广要求,按照“APP市场推广实践经验研究、温州地区APP推广应用情况调查、APP营销推广问题分析、APP营销推广策略研究”四个模块,综合运用文献研究法、标杆对照法、问卷调查法、理论分析法进行研究,为公司管理决策及策略制定提供有力支撑。

基于混沌-LSSVM神经网络的用电量短期精准预测算法

针对用电量短期预测准确度较差,难以识别用电量高峰期的问题,本文提出基于混沌-LSSVM神经网络的用电量短期精准预测算法。通过确定延迟时间与嵌入维度重构用电量混沌时间序列相空间,辨识不确定性影响因素与用电时间序列之间的关联性,还原原始时间序列隐藏信息,避免信息及噪声冗余,获取精准用电量数据特征向量,将其输入到最小二乘支持向量机神经网络预测模型中,采用差分进化算法优化用电量预测模型参数,完成最优参数组合的用电量预测模型训练后,匹配检测数据集,实现短期用电量的精准预测。实验结果表明:延迟时间和嵌入维数均为8时,用电量时间序列相空间重构效果最佳,所提算法可实现用电量短期预测,预测MAPE、MAE指标值均为最低,可依据预测结果有效衡量当日用电情况。