本文關(guān)鍵詞：基于時間序列法和回歸分析法的改進月售電量預(yù)測方法研究

  更多相關(guān)文章： 月售電量預(yù)測 差分自回歸移動平均模型 X12乘法模型 溫度 隨機變動 春節(jié)分布

【摘要】：準確的月售電量預(yù)測對電力公司的業(yè)績考核、控制利潤平衡以及電力營銷工作等都有著極其重要的作用。目前,國內(nèi)外常用的月售電量預(yù)測方法為時間序列法和回歸分析法,這兩種方法發(fā)展相對成熟、應(yīng)用簡單且在許多情況下都取得了較好的預(yù)測效果。然而,現(xiàn)有相關(guān)研究仍然存在一些影響預(yù)測精度的缺陷。本文針對現(xiàn)有研究存在的各項問題分別展開了改進研究,主要研究成果如下:(1)提出了結(jié)合ARIMA模型與X12乘法模型的月售電量預(yù)測改進方法。時間序列ARIMA模型或季節(jié)ARIMA模型直接對月售電量進行預(yù)測時,月售電量內(nèi)含的趨勢分量、季節(jié)周期分量以及隨機分量會相互干擾,從而影響預(yù)測精度。針對該問題,本文提出了結(jié)合ARIMA模型與X12乘法模型的月售電量預(yù)測改進方法。首先,用X12乘法模型將歷史月售電量分解為趨勢分量、季節(jié)周期分量和隨機分量;其中趨勢分量用ARIMA模型預(yù)測,季節(jié)周期分量和隨機分量分別用加權(quán)法和平均法預(yù)測;最后,用X12乘法模型將上述三個分量的預(yù)測值還原為最終預(yù)測值。用重慶市銅梁區(qū)實際數(shù)據(jù)仿真分析,驗證了所提改進方法的有效性。(2)分析了月售電量的主要影響因素。以重慶市銅梁區(qū)為例,針對該地區(qū)的實際數(shù)據(jù)進行了月售電量主要影響因素分析,重點分析了經(jīng)濟、溫度、節(jié)假日天數(shù)、月份以及業(yè)擴容量與月售電量之間的關(guān)系。(3)提出了考慮舒適溫度區(qū)間、突變量以及春節(jié)分布的三種改進措施�，F(xiàn)有月售電量預(yù)測回歸模型存在三點問題:考慮溫度影響時忽略了在一定舒適溫度區(qū)間內(nèi)不存在采暖措施與制冷措施的事實;由于隨機變動不易量化而忽略了它對月售電量的影響;未考慮春節(jié)分布對月售電量的影響。上述三點問題都將在一定程度上影響預(yù)測精度。針對上述三點問題,本文對應(yīng)提出三種改進措施:分別選擇低溫閾值溫度與高溫閾值溫度,僅當(dāng)實際溫度高于高溫閾值溫度或低于低溫閾值溫度時才產(chǎn)生采暖措施或制冷措施;提出用“隨機變動級別”將隨機變動量化的方法,并將其量化值作為月售電量影響因素納入回歸模型;提出考慮春節(jié)分布影響的改進方法——將歷史月售電量序列轉(zhuǎn)換為春節(jié)全部分布在2月的新序列并利用新序列參與建模與預(yù)測,最后將預(yù)測值按預(yù)測當(dāng)期的實際春節(jié)分布逆轉(zhuǎn)換為最終預(yù)測值。用重慶市銅梁區(qū)實際數(shù)據(jù)仿真分析,驗證了上述三種改進措施的有效性。(4)探索了考慮業(yè)擴容量的月售電量預(yù)測方法。以重慶市銅梁區(qū)為例,針對該地區(qū)的實際數(shù)據(jù)初步探索了考慮業(yè)擴容量的月售電量預(yù)測方法。
【關(guān)鍵詞】：月售電量預(yù)測 差分自回歸移動平均模型 X12乘法模型 溫度 隨機變動 春節(jié)分布
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F426.61;F224
【目錄】：

• 中文摘要3-4
• 英文摘要4-9
• 1 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.3 本文的主要工作13-15
• 2 時間序列法及回歸分析法理論介紹15-23
• 2.1 引言15
• 2.2 時間序列法15-18
• 2.2.1 時間序列的基本概念15
• 2.2.2 時間序列的分類15-17
• 2.2.3 時間序列ARIMA模型17-18
• 2.3 回歸分析法18-21
• 2.3.1 回歸分析概述18
• 2.3.2 一元線性回歸模型18-20
• 2.3.3 多元線性回歸模型20
• 2.3.4 含虛擬變量的回歸模型20-21
• 2.4 小結(jié)21-23
• 3 結(jié)合ARIMA模型和X12乘法模型的月售電量預(yù)測方法23-35
• 3.1 引言23-24
• 3.2 基于X12季節(jié)調(diào)整乘法模型的月售電量分解24
• 3.3 月售電量各分量的預(yù)測24-27
• 3.3.1 基于ARIMA模型的月售電量趨勢分量預(yù)測24-25
• 3.3.2 月售電量季節(jié)周期分量預(yù)測25-26
• 3.3.3 月售電量隨機分量預(yù)測26
• 3.3.4 結(jié)合X12和ARIMA的月售電量預(yù)測算法步驟26-27
• 3.4 結(jié)合Eviews軟件實現(xiàn)月售電量預(yù)測方法27-30
• 3.4.1 月售電量分解27
• 3.4.2 月售電量趨勢分量預(yù)測27-30
• 3.4.3 月售電量季節(jié)周期分量和隨機分量的預(yù)測30
• 3.4.4 月售電量預(yù)測值還原30
• 3.5 結(jié)合ARIMA模型和X12乘法模型的月售電量預(yù)測方法的仿真分析30-33
• 3.5.1 數(shù)據(jù)描述30-32
• 3.5.2 月售電量預(yù)測及結(jié)果分析32-33
• 3.6 小結(jié)33-35
• 4 月售電量主要影響因素分析35-47
• 4.1 引言35
• 4.2 月售電量影響因素分析的相關(guān)理論介紹35-36
• 4.2.1 數(shù)據(jù)標準化35
• 4.2.2 移動平均法35-36
• 4.2.3 相關(guān)系數(shù)法36
• 4.3 月售電量主要影響因素分析36-46
• 4.3.1 售電量與經(jīng)濟發(fā)展關(guān)系分析36-38
• 4.3.2 售電量與溫度關(guān)系分析38-40
• 4.3.3 售電量與節(jié)假日天數(shù)關(guān)系分析40-42
• 4.3.4 售電量與月份關(guān)系分析42
• 4.3.5 售電量與業(yè)擴容量關(guān)系分析42-46
• 4.4 小結(jié)46-47
• 5 考慮舒適溫度區(qū)間?突變量及春節(jié)分布的月售電量預(yù)測模型47-59
• 5.1 引言47
• 5.2 常規(guī)月售電量預(yù)測線性回歸模型47-49
• 5.3 考慮舒適溫度區(qū)間和突變量的月售電量預(yù)測線性回歸模型49-50
• 5.3.1 考慮舒適溫度區(qū)間的取暖系數(shù)和制冷系數(shù)49
• 5.3.2 隨機變動級別49-50
• 5.3.3 考慮舒適溫度區(qū)間和突變量的月售電量預(yù)測模型50
• 5.4 考慮舒適溫度區(qū)間和突變量的月售電量預(yù)測步驟50-52
• 5.5 考慮舒適溫度區(qū)間和突變量的月售電量預(yù)測模型的仿真分析52-54
• 5.5.1 數(shù)據(jù)描述52
• 5.5.2 月售電量預(yù)測及結(jié)果分析52-54
• 5.6 考慮春節(jié)分布的月售電量預(yù)測線性回歸模型54-56
• 5.6.1 問題簡介54
• 5.6.2 考慮春節(jié)分布的月售電量預(yù)測模型54-56
• 5.7 考慮春節(jié)分布的月售電量預(yù)測步驟56
• 5.8 考慮春節(jié)分布的月售電量預(yù)測模型的仿真分析56-58
• 5.8.1 數(shù)據(jù)描述56
• 5.8.2 月售電量預(yù)測及結(jié)果分析56-58
• 5.9 小結(jié)58-59
• 6 考慮業(yè)擴容量的月售電量預(yù)測方法探索59-67
• 6.1 引言59
• 6.2 相關(guān)理論介紹59-61
• 6.2.1 S型生長曲線59
• 6.2.2 主成分分析方法59-61
• 6.3 考慮業(yè)擴容量的月售電量預(yù)測方法61-65
• 6.3.1 考慮業(yè)擴容量的月售電量預(yù)測思路61-62
• 6.3.2 考慮業(yè)擴容量的月售電量預(yù)測方法初探62-65
• 6.4 小結(jié)65-67
• 7 總結(jié)與展望67-69
• 7.1 總結(jié)67-68
• 7.2 展望68-69
• 致謝69-71
• 參考文獻71-75
• 附錄75
• A.作者在攻讀碩士學(xué)位期間發(fā)表的論文75
• B.作者在攻讀碩士學(xué)位期間發(fā)表的專利75
• C.作者在攻讀碩士學(xué)位期間參與的科研項目75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 魯寶春;趙深;田盈;楊楊;李寶國;陳曉英;孫麗穎;;優(yōu)化系數(shù)的NGM(1,1,k)模型在中長期電量預(yù)測中的應(yīng)用[J];電力系統(tǒng)保護與控制;2015年12期

2 張婷;;CPI的SARIMA模型與X-12季節(jié)調(diào)整模型對比預(yù)測分析[J];經(jīng)濟問題;2014年12期

3 王珂;王天秀;;基于二次聚類的電力負荷異常數(shù)據(jù)辨識[J];電氣技術(shù);2014年11期

4 孫偉;常虹;趙巧芝;;基于量子和聲優(yōu)化的改進DMSFE組合模型及在中長期電量預(yù)測中的應(yīng)用[J];電力系統(tǒng)保護與控制;2014年21期

5 吳雪花;;應(yīng)用于月度用電量預(yù)測的小波分析法[J];江蘇電機工程;2014年02期

6 王奕萱;;基于統(tǒng)計特征量和支持向量機的短期售電量預(yù)測研究[J];華北電力技術(shù);2013年12期

7 葛斐;李周;楊欣;榮秀婷;李凱;石雪梅;;基于業(yè)擴報裝的全社會電量預(yù)測方法研究[J];安徽電氣工程職業(yè)技術(shù)學(xué)院學(xué)報;2013年04期

8 鄭雅楠;單葆國;顧宇桂;劉偉;李庚銀;;改進的電量灰色預(yù)測方法實證對比研究[J];中國電力;2013年06期

9 曾鳴;李定林;孫曉菲;薛松;;貴州省2015～2020年用電量預(yù)測及其比較[J];水電能源科學(xué);2013年04期

10 邵臻;王曉佳;高飛;劉輝舟;楊露;;基于懲罰最小二乘估計的長期用電量半?yún)?shù)預(yù)測模型[J];統(tǒng)計與決策;2012年24期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 夏麗;基于ARIMA模型及回歸分析的區(qū)域用電量預(yù)測方法研究[D];南京理工大學(xué);2013年

2 趙美麗;電力營銷決策支持系統(tǒng)中的電量預(yù)測分析與研究[D];河北工業(yè)大學(xué);2007年

，

本文編號：623938