基于小样本数据和深度残差网络的月度供电量预测研究

针对传统预测模型在样本不足的情形下,无法实现高精度月度供电量预测的问题,提出了一种基于改进的生成对抗网络数据增强方法,能够将大粒度的月度统计信息,同分布分解为按天统计的供电量信息,实现了数据增强与样本集的有效扩充。基于该样本集,运用深度残差网络构建用于月度供电量预测的深层模型。算例分析标明,所提出的方法能够在原有同类型预测方法的基础上,有效提升预测精度。

一元线性回归模型在水电自供区年供电量预测中的应用

山西水电自供区分布在山西省的九县区,地域分散,经济结构较为单一,但电力发展前景巨大。准确的电量预测不仅可以经济合理地安排电网内部电量需求,编制电网建设及发展规划,而且对保证供区正常的生产、生活用电,提高供区内部经济效益和社会效益也具有非常重要的意义。采用一元线性回归分析法对水电自供区2009年度供电量进行了预测,并对其适用性进行了简单的分析。表4个。

Matlab仿真预测春节月份供电量研究

供电量的月度预测对电力公司相关部门具有重要意义,1、2月份因包含春节而具有各历史年供电量差别较大的特点,导致使用常规月度供电量预测方法对其预测将产生较大误差。针对这一问题,推荐采用移位修正法,给出了预测思路及计算步骤,并以某地区为例,借助Mat-lab仿真软件分别采用常规方法及移位修正法对该地区1、2月份网供电量进行预测。结果显示,移位修正法比常规方法具有更好的预测精度,证明了该方法的有效性,所采用的方法对1、2月份供电量预测具有实用价值。