基于SARIMA-GRNN-SVM的短期商业电力负荷组合预测方法

• 作者: 张梁 徐晶 李娟 羡一鸣 葛磊蛟 迟福建
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 商业电力负荷 短期预测 季节自回归差分移动平均模型 广义回归神经网络 支持向量机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 85-91
• 页数: 7页
• 分类号: TM715
• 字数: 5226字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000353

摘要

针对短期商业电力负荷预测准确性与周期难以满足现有电力现货市场的问题,提出了一种基于SARIMA-GRNN-SVM(seasonal autoregressive integrated moving average-generalized regression neural network-support vectormachine)的商业电力负荷组合预测模型.首先,对商业电力负荷变化的周期规律与随机因素的复杂影响进行了分析;然后,结合以上分析,选用SARIMA和GRNN为单一预测模型对商业电力负荷进行预测,并利用SVM进行组合,实现日前商业电力负荷预测;最后,通过某商业综合体的电力负荷数据进行验证.所提组合预测模型较单一预测模型拥有更优的预测精度与鲁棒性,可以为短期商业电力负荷预测提供借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛磊蛟	天津大学电气自动化与信息工程学院	66	585	14.0	22.0
2	迟福建		26	112	5.0	9.0
3	徐晶	国网天津市电力公司经济技术研究院	10	15	2.0	3.0
4	李娟	国网天津市电力公司经济技术研究院	5	5	2.0	2.0
5	张梁	国网天津市电力公司经济技术研究院	1	1	1.0	1.0