基于机器学习的电力大客户群体月度售电量预测研究

• 作者: 任腾云
• 来源期刊: 电网与清洁能源
• 学科: 经济
• 关键词: 售电量预测 机器学习 时间序列分析
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 智能电网
• 页码范围: 1-5,13
• 页数: 6页
• 分类号: F224
• 字数: 3098字
• 语种: 中文

摘要

精确的售电量预测对于电力公司合理安排供电计划、科学优化电力资源配置、提高用电管理效率、节约能源降低消耗等方面具有积极作用,电力公司也一直致力于研究售电量、售电收入的变化规律.随着预测技术的不断发展,关于售电量预测的理论以及方法已有很多,但每一种单一预测模型只能从某一方面刻画数据序列的规律,都只能反映序列的部分信息,因此文中提出了一种综合时间序列分析方法以及多种机器学习算法的电力大客户群体月度售电量预测方法,最大程度地利用现有信息,并对某省总售电量的实例进行检验,结果显示,组合预测模型的误差小于多数单一预测模型的误差,有利于提高预测模型的精度,并且预测较为稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任腾云		5	5	1.0	1.0