Total Electricity Consumption Forecasting Based on Temperature Composite Index and Mixed-Frequency Models

The total electricity consumption(TEC)can accurately reflect the operation of the national economy,and the forecasting of the TEC can help predict the economic development trend,as well as provide insights for the formulation of macro policies.Nowadays,high-frequency and massive multi-source data provide a new way to predict the TEC.In this paper,a"seasonal-cumulative temperature index"is constructed based on high-frequency temperature data,and a mixed-frequency prediction model based on multi-source big data(Mixed Data Sampling with Monthly Temperature and Daily Temperature index,MIDAS-MT-DT)is proposed.Experimental results show that the MIDAS-MT-DT model achieves higher prediction accuracy,and the"seasonal-cumulative temperature index"can improve prediction accuracy.

基于细化用户画像的居民冷暖用电数据预测方法

为提升电网运营数据应用价值与客户服务精益化管理水平,针对温度变化影响居民用电负荷问题,提出了一种基于细化用户画像+BP神经网络算法的居民冷暖用电数据预测方法。该方法首先利用时序分解对居民随温度变化的日用电量指标进行提取,并基于此细化居民用电行为画像类,随后基于细化类采用BP神经网络对居民冷暖电量进行预测。实验表明,该算法可提升居民冷暖用电量预测准确度,实现了对居民用电隐性动态特征的深度挖掘。

西安市1988—2007年城市生活用电量对气温变化的响应

根据西安市1959—2009年气温资料序列和1988—2007年生活用电量数据,应用数理统计方法分析了气温变化及生活用电量的变化趋势特征,运用气温用电量提取法及偏相关系数分析法探讨了城市生活用电量对气温变化的响应.结果表明:(1)西安市近50 a的气温变化同全球基本相一致,有变暖的趋势;(2)近20 a来西安市生活用电量急剧增长,其中城市生活用电量增幅较大,而乡村生活用电量增幅不大;(3)西安市气温用电量大致呈"双M"型正负波动变化,而气温作用绝对百分率则有下降的趋势;(4)城市居民生活用电量对气温变化最为敏感,城市气温变化生活用电量与1月均温呈负相关关系,偏相关系数为-0.588;与7月均温呈正相关关系,偏相关系数为0.363,即夏季变暖使气温变化生活用电量增加,冬季变暖使其减少.

气候冲击背景下温度变化如何影响家庭能源消费?——基于需求异质性视角

随着全球变暖和极端天气频率增加,气候冲击成为人类社会面临的严峻挑战。居民收入增长及家电设备普及使得家庭可以通过改变其能源消费行为来应对温度变化对舒适性造成的不利影响。基于现有文献,以温度作为气候冲击的衡量指标,采用城市面板数据,以制冷度日数和采暖度日数以及温度区间等指标评估了温度变化对中国家庭能源消费的影响。结果表明:(1)温度变化显著改变了家庭电力消费,全年制冷度日数和采暖度日数平均每增加1℃能使家庭电力消费分别增加20%和8.5%,但对其他能源消费的影响并不显著。(2)温度与家庭电力消费呈现非对称的U型关系,以温度区间18~24℃为基准,夏季温度升高造成的影响远大于冬季温度下降。这意味着全球气候变暖将对电力消费造成净的正向影响,从而形成闭环反馈。(3)电力消费对温度的响应程度随地区经济发展水平和南北差异而表现出明显的异质性。该结论为开展更加精确的家庭能源需求管理以及优化电力行业供电规划提供了新的启示。