基于Transformer算法的园区综合能源需求预测

准确的综合能源需求预测是区域综合能源系统调度和能效评估的基础。在综合能源需求预测方面,影响因素众多、设计参数复杂、计算效率较低,且在长序列预测上仍有较大优化空间,因此提出了一种基于Transformer算法的园区综合能源需求预测方法。建立了园区冷热电负荷影响因素的筛选模型,为数据预处理后筛选适当的影响因素提供基础;建立了基于欧氏距离的综合相似度的相似日选取方法,为综合能源的预测奠定了基础;建立了基于Transformer算法的冷热电负荷预测模型,以实现园区综合能源需求预测;以中国东部某园区为对象进行算例分析,预测园区综合能源需求。结果表明,所提预测方法能有效提高预测精度,具有较高的准确度和实用性。

协整分析在交通能源需求预测中的应用

本文采用恩格尔—格兰杰(Engle-G ranger)误差修正模型,考察了交通能源需求(LTE)、旅客周转量(LPK)、汽车保有量(LCAR)等宏观经济变量之间的均衡关系,对交通能源需求量建立了格兰杰误差修正模型,经检验该模型具有良好的预测、分析效果。

基于改进模糊支持向量回归模型的机场能源需求预测

针对离群点在机场能源数据的预测和分析中存在干扰等问题,建立了一种基于改进模糊支持向量回归(FSVR)的机场能源需求预测模型。首先,采用模糊统计法对测试样本集、系统参数和模型输出进行分析,推导出符合其数据分布的基本隶属函数形式;其次,结合例证法、专家经验法对隶属函数进行"再学习",逐步修改和完善正态隶属函数a、b参数值,半梯形隶属函数边界参数值及三角隶属函数p、d参数值,以此消除或减少不利数据挖掘的离群点,同时保留有效关键点;最后,结合支持向量回归(SVR)算法,建立预测模型,并验证了该模型的可行性。实验结果表明,与反向传播(BP)神经网络方法相比,FSVR方法的预测准确率提高了2.66%,对离群点的识别率提高了3.72%。

湖北省能源需求预测研究

能源是社会发展的重要物质基础，又是影响人类赖以生存的自然环境和生态的重要因素。自2002年以来，我国能源供求矛盾明显加剧，煤电油全面告急。能源供需紧张状况也在湖北省社会经济中的各个领域出现，其紧张程度是近几年来未曾有过的。随着湖北省社会经济的发展和全省工业化进程的不断深入，全社会对能源的需求将越来越大，而省内资源又相对不足，这使湖北将长期面临能源供给危机，能源供给安全问题又一次提上了人们的议事日程。因此，利用科学合理的能源需求量模型，对未来数年的能源需求做出准确的预测，对制定合理的经济发展战略和能源安全战略等有着重要的借鉴意义。

基于多源信息融合的能源需求预测模型研究综述

文章以能源需求预测模型技术提升和预测误差不断改善为线索,从信息源的角度出发,梳理了国内外能源需求预测的相关理论与模型特征。能源需求预测模型经历了单一模型、多源模型组合和智能信息融合三个发展阶段,文章对模型发展阶段的特点和存在问题进行评述,对未来非线性、变权重技术以及多源信息融合模型在能源需求预测方面的应用做出进一步展望。

解析全球能源需求预测结果及相关模型体系

全球能源需求中长期预测是国际能源战略研究的基础,预测结果的准确性直接关系到能源规划和能源政策的成败。本文通过系统对比分析国际能源署(简称IEA)和美国能源部(简称EIA)以往全球能源需求预测结果,指出两机构对全球各主要区域能源需求的预测与实际普遍存在较大偏差。对IEA和EIA所使用的预测模型体系的进一步分析表明,基本预测单元设定的不合理和基本预测方法存在的明显缺陷,是导致IEA和EIA区域能源需求预测结果出现较大偏差的主要原因。为从根本上解决上述问题,本文提出依据各国经济和社会发展状况划分基本预测单元,采用以人均能源需求预测与终端能源需求预测相结合的预测方法,构建全新的能源需求预测模型体系。

基于VAR模型的云南省能源需求预测

分析了云南省经济发展过程中能源消费发展趋势,对其1978—2010年能源消费和经济增长进行了深入分析,利用VAR模型对云南省2020年的能源需求进行了预测,得到云南省2020年能源需求总量为23 476.24万t标准煤,同时预测云南省2020年GDP为18 185.29万元,不能完成国家制定的2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%的目标,根据预测结果,提出了云南省关于能源发展的对策建议。

三种能源需求预测方法的比较分析——以四川省为例

灰色系统理论、消费弹性系数法、单位GDP能耗预测法是三种比较有价值的能源需求预测方法。在分别利用三种预测方法对四川省未来能源需求进行预测的基础上,对三种方法进行了比较分析。在实际预测中,综合运用这三种预测方法可以对未来能源需求作出更加精确的估计。

趋势外推与ARMA组合的能源需求预测模型

能源需求预测是制定能源规划的重要组成部分。鉴于能源需求系统的复杂性和非线性特征,文章结合我国能源需求的历史数据,首先用趋势外推预测建立了单项预测模型,并对趋势外推预测的优缺点进行了分析;然后运用趋势外推与ARMA组合模型对趋势外推模型中的非趋势分量即残差序列进行分析,得到趋势外推与ARMA组合模型的预测结果;最后通过比较得出趋势外推与ARMA组合模型的预测结果不仅准确性高、而且稳定性好这一结论。这对于我国能源需求预测有着重要的理论意义和现实意义。

新常态下江西省能源形势和能源需求预测

为了促进江西省生态建设与经济协调发展,开展新常态下能源形势分析和能源需求预测。从江西省能源供需现状出发,分析能源供需存在的突出问题及新常态下江西省社会发展对能源需求的影响。利用单位GDP能耗法对江西省"十三五"能源需求量进行了预测,并由此提出解决对策。为了可持续发展的需要,一是必须保障能源供应安全;二是提高天然气消费比重;三是加大对清洁能源的科研开发,有序发展清洁能源。

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.

组合模型在能源需求预测中的应用

简述不同的能源需求预测方法的特点。结合某省区能源需求的历史数据,运用趋势外推法建立单项预测模型,并对趋势外推预测的优缺点进行分析;运用ARMA模型对趋势外推模型中的残差序列进行分析,得到趋势外推模型中非趋势分量的预测结果;测算出某省区“十一五”期间的能源需求总量,并得出这一组合模型的预测结果准确性高、稳定性好的结论。

广东省能源需求预测及供需分析

能源是社会发展的重要物质基础,又是影响人类赖以生存的自然环境和生态的重要因素,因此,能源问题成为了可持续发展中的重点问题。广东省要在2010年实现经济上赶上亚洲“四小龙”的目标。

基于灰色技术区域能源需求预测模型分析

能源是保障和促进经济增长与社会发展的重要物质基础。文章结合灰色系统法、弹性系数法与单位GDP能耗法对四川省能源消费需求进行预测,其结论是四川省在"十一五"期末单位GDP能耗比"十五"期末降低20%是可以实现的,但能源供求缺口有越来越大的趋势,为了解决能源短缺,一是调整产业结构,强力推行节能降耗,二是加大四川省优势资源水电、天然气与新能源的开发。

基于粒子群优化算法的能源需求预测

鉴于能源系统是一个复杂的非线性系统,故本文引入解决非线性及高维模式问题具有较高精度的粒子群优化算法(PSO),以各影响因素标准化值作为输入变量,建立了基于PSO的线性和指数两种形式的能源需求预测模型.对我国2000-2011年能源需求量进行模拟与仿真,得到两模型预测精度分别为0.824%和0.568%,证明指数预测模型具有较高的精确度.并利用PSO指数模型对我国2015年能源需求量进行预测,得出在未来几年能源需求量将以平均每年7.48%左右的速度增长.

全面建设小康社会能源需求预测中的几个问题

全面建设小康社会 ,对能源将提出更大的需求 ,分析了我国目前预测能源需求的方法 。

基于CSO优化深度信念网络的园区能源需求预测方法

针对目前能源需求预测影响因素繁多、构建模型复杂、预测精度不足的问题,提出了一种改进关联分析和纵横交叉优化深度信念网络的多能互补系统能源需求预测方法。首先,分析了园区多能互补系统冷热电能源需求的影响因素,并采用互信息和误差最小的方法对其进行确定。其次,基于传统灰色关联分析的不足,建立了距离相似度和趋势相似度的综合相似度的相似日选取方法。囿于深度信念网络初始权重的随机化,采用纵横交叉优化深度信念网络对园区冷热电负荷进行预测。以园区为仿真计算实例,分析冷热电负荷变化对能源需求预测的影响,验证了所提预测方法有效地提高了预测精度,具有较高的准确性和实用性。

基于多源信息融合的我国能源需求预测理论框架

已有预测模型所捕捉我国能源需求变动趋势的信息有限。文章从信息源的角度出发,提出将影响能源需求的信息源分为同源信息和异源信息,并给出了信息源的选择原则。针对不同的信息源类型,提出了不同的融合预测框架。在此基础上,提出了基于多源信息融合的我国能源需求预测理论框架。

上海能源形势和能源需求预测分析

总结了10年来上海能源发展对国民经济发展的支撑及能源结构、能源污染物排放、能源利用效率等方面的能源基本情况,分析了中国能源供需格局的变化、上海能源发展面临的制约因素、上海工业能源用能行业集中等方面面临的能源挑战,并采用中长期能源选择规划模型与相关用能领域的预测模型相结合的方法预测了上海2015年和2020年上海工业、建筑、交通领域的用能需求。