基于时序分析的神经网络短期负荷预测模型研究

• 作者: 卢建昌 王柳
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: ARMA-ANN模型 短期负荷预测 时间序列
• 年，卷（期）: 2005,（7）
• 所属期刊栏目: 电力系统
• 页码范围: 11-14
• 页数: 4页
• 分类号: TM732
• 字数: 3144字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9649.2005.07.003

摘要

在负荷预测中,历史负荷数据产生的复杂性和许多不确定因素影响的随机性,使观测到的数据既包含线性部分,又包含许多非线性部分,因此所建立的预测模型就必须综合考虑这2方面的因素.目前常用的预测技术很少能综合考虑这两方面的因素,预测精度达不到要求.本文提出了一种时序分析和神经网络结合的预测方法.由于时序模型中不同阶数的自回归移动平均适合线性预测,可利用自回归移动平均模型(ARMA)处理历史负荷数据中的线性部分;而神经网络模型适合非线性预测,可利用人工神经网络(ANN)模型处理历史负荷数据的非线性部分.这样所建立的模型有机地结合了历史负荷中的线性因素和非线性因素,利用不同模型的优势来处理数据的不同部分,使得预测结果更为准确.实证证明,ARMA-ANN组合预测能提高负荷预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢建昌	华北电力大学经济管理系	33	278	9.0	16.0
2	王柳		1	32	1.0	1.0