基于改进X-12-ARIMA的电煤需求预测模型与实证研究

考虑中国春节、端午、中秋等移动假日效应,对美国人口普查局开发的X-12-ARIMA模型进行了改进和实证分析。结果表明,中国电煤消费量具有显著的季节性特征,每年11—12月为消费最高峰,7—8月为消费小高峰;基于改进X-12-ARIMA模型对2013年1、2和3月份的电煤需求预测精度分别为96.6%、95.1%和93.7%,具有较好的短期预测能力。

基于季节ARIMA模型的月度用电量置信区间预报模型

结合广东某地区用电量预测系统的开发工作,建立了基于季节ARIMA模型的月度用电量置信区间预报模型。该模型可方便求解出含一定置信度的预报结果范围,能体现出月用电量的真实值;时间序列方法的应用,避免了预测其他非用电量的困难。此外,还分析了数据统计中存在着的数据缺失问题及其处理方法。对地区电网月度用电量进行实际预测,取得了理想的结果。

改进随机森林算法在用电预测中的应用

全社会用电量对于电力企业的经营和管理具有重要作用。提高全社会用电量的预测精度,有利于合理调配电力资源,提前为“迎峰度夏”等特定用电场景作好供电准备。针对全社会用电预测难度较大的问题,提出利用K-means聚类对行业用电数据进行有效区分。根据不同类型行业的波动特点,采用季节性自回归整合滑动平均(SARIMA)和随机森林(RF)的混合模型预测出各类型行业的用电指数,以预测全社会用电量发展趋势,从而提高预测准确率。以某省2018年1月至2021年6月全社会及各行业月用电量数据作为样本数据,测算发现各行业用电波动有明显差异。研究结果显示:该模型能够对不同类型行业的用电特点进行修正,具有较好的稳定性;全社会用电量的预测结果准确,相对误差控制在2.0%以下。

基于季节ARIMA模型的华北电网售电量预测研究

研究现有电网售电情况，对售电量进行分析和预测，从而可以对有限的电力资源进行有效分配。介绍了自回归单整移动平均模型及季节AR IMA模型的基本原理，以华北电网2005年1月-2008年4月的月度售电量为基础，运用季节AR IMA模型进行分析，实证结果表明，该方法对售电量的短期预测有较高的预测精度。