原文服务方: 能源研究与管理       
摘要:
研究了利用时间序列基本分析方法-ARIMA模型分析法,对汽车工厂每月用电量进行数据分析、处理、拟合、检验及预测.以2015年1月至2018年9月用电计量数据作为分析样本,使用Eviews 10软件对该时间序列进行回归建模.通过对比不同模型,最终选择ARIMA(1,1,1)(1,1,1)12模型;通过用电量预测方程,预测2018年10、11月的用电量分别为19 816 784、21 868 199 kW·h,与实际值进行对比验证,预测误差分别为3.82%和2.94%,结果显示该拟合模型对汽车工厂每月用电量具有良好的预测效果,满足直购电申报量的误差在5%以内的要求.
推荐文章
ARIMA模型在城市年用电量预测中的应用
ARIMA
用电量预测
偏相关函数
自相关函数
基于神经网络的工厂用电状态识别方法
人工智能
神经网络
智能电表
电网数据
用电状态
电力市场用电量需求分析预测模型研究
预测
用电量需求
驱动因素
信用度评价
大数据平台
长洲水电厂综合厂用电量分析与优化控制
综合厂用电
优化控制
长洲水电厂
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ARIMA模型对汽车工厂用电量分析与预测
来源期刊 能源研究与管理 学科
关键词 时间序列 ARIMA模型 汽车工厂 用电量 Eviews 10
年,卷(期) 2019,(2) 所属期刊栏目 节能技术
研究方向 页码范围 92-96
页数 5页 分类号 TK01+1|O29
字数 语种 中文
DOI 10.16056/j.1005-7676.2019.02.024
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 赵军 1 1 1.0 1.0
2 王征 1 1 1.0 1.0
3 马小花 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (24)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
时间序列
ARIMA模型
汽车工厂
用电量
Eviews 10
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
能源研究与管理
季刊
1005-7676
36-1310/TK
大16开
1984-01-01
chi
出版文献量(篇)
2116
总下载数(次)
0
总被引数(次)
4926
论文1v1指导