基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为探究离群值对月度负荷预测效果的影响,建立计及离群值影响的季节性ARIMA月度负荷预测模型(regARIMA),选择1999-2017年北京、甘肃等5省(市)的实际月度负荷数据,对预测效果进行比较研究.结果表明,与普通ARIMA模型相比,考虑了离群值影响的regARIMA模型的3年样本内平均预测误差得到明显改善;应用regARIMA模型进行提前12期的样本外预测,预测精度获得不同程度的提升.
推荐文章
基于Beta样条曲线与GM模型组合的月度负荷预测
Beta样条曲线
GM模型
月度负荷预测
二重趋势
基于云模型的电力负荷预测
云模型
不确定性数据
负荷预测
基于LSTM模型的短期负荷预测
短期负荷预测
LSTM神经网络
工业用户
深度学习
基于RBF神经网络的电力系统月度负荷预测研究
RBF神经网络
电力系统
月度负荷预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于regARIMA模型的月度负荷预测效果研究
来源期刊 中国电力 学科 工学
关键词 月度负荷 负荷预测 离群值 regARIMA模型
年,卷(期) 2018,(5) 所属期刊栏目 技术经济
研究方向 页码范围 166-171
页数 6页 分类号 TM715
字数 4506字 语种 中文
DOI 10.11930/j.issn.1004-9649.201704041
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 龙勇 重庆大学经济与工商管理学院 171 2439 26.0 39.0
2 苏振宇 重庆大学经济与工商管理学院 8 90 5.0 8.0
6 赵丽艳 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (84)
参考文献  (11)
节点文献
引证文献  (9)
同被引文献  (49)
二级引证文献  (5)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(9)
  • 参考文献(2)
  • 二级参考文献(7)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(8)
  • 引证文献(4)
  • 二级引证文献(4)
2020(4)
  • 引证文献(3)
  • 二级引证文献(1)
研究主题发展历程
节点文献
月度负荷
负荷预测
离群值
regARIMA模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国电力
月刊
1004-9649
11-3265/TM
大16开
北京市昌平区北七家镇未来科技城北区国家电网公司办公区B315
2-427
1956
chi
出版文献量(篇)
7025
总下载数(次)
12
总被引数(次)
92972
论文1v1指导