中国城乡居民生活用电月度需求预测

城乡居民生活用电量月度需求预测是全社会用电量需求预测基础,也是分布式电网发、输、配及智能电网调节等相关企业精细管理的必然要求。文章通过对各种影响因素和其月度数据的可获得性进行分析权衡,先用常规方法建立了四个不同类型的基本预测模型,然后引入粒子群优化算法建立了PSO预测模型,最后基于模型有效性"惯性"的思想建立了"跟踪最优(TO)"模型。

我国城镇居民生活用电月度需求预测研究

城镇居民生活用电量月度需求预测是全社会用电量需求预测的基础,也是分布式电网发、输、配及智能电网调节等相关企业精细管理的必然要求。本文通过对各种影响因素和其月度数据的可获得性进行分析权衡,先建立了三个分别基于自回归变量、ARIMA、宏观经济变量与移动平均变量的基本预测模型,在此基础上引入粒子群优化算法建立了第四个预测模型,最后,根据前四个模型有效性"惯性"的特点建立了"跟踪最优"模型。实证表明,可以使用工业增速作为收入的替代变量来解释城镇居民生活用电量月度需求,弥补统计数据的欠缺,而跟踪最优模型可以有效提高最终预测的精度和稳定性。

双碳及能源安全背景下中国电煤月度需求组合预测

双碳发展背景下,准确及时的电煤需求预测有利于国家制定电煤供需计划及能源安全供给。现有研究对电煤月度需求预测的较少,且精度欠佳,难以保证电煤月度需求感知的及时性和准确性。提出由回归加权融合反向传播神经网络、门控循环单元网络和长短期记忆网络的组合预测模型预测我国电煤月度需求。首先采用格兰杰因果检验从月度经济及能源生产因素中筛选显著影响电煤需求的变量。然后构建单一及组合模型进行预测,其中,组合模型权重由回归计算得到。结果表明,相较单一模型,组合预测模型在电煤需求预测中性能更好。