基于组合模型的电能表需求预测模型研究

• 作者: 索思远 谢振刚 王潇炜 白志霞
• 来源期刊: 电力大数据
• 关键词: 电能表 供电公司 需求数量 预测准确度 组合模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 大数据专题|Big Data Special Reports
• 页码范围: 10-18
• 页数: 9页
• 分类号: TM92
• 语种: 中文

摘要

目前,供电公司对电能表年度采购需求数量和季(月)度用表需求数量的预测,普遍存在准确度不高的现象,容易导致出现结构性缺表或过剩问题.针对上述情况,本文提出利用极限梯度提升、随机森林和长短期记忆网络等经典的预测模型对电能表月度需求数量分别进行建模,再运用线性回归方法和误差倒数法将三种模型进行组合的需求预测方式.该方法不但突出了模型各自的优势,还实现了模型间的互补.利用清洗修正后的历史用表数量数据,通过提取数据特征,对组合模型不断进行训练,进一步优化了组合模型的参数和组合方式,验证了提升模型预测准确度的可能性.最后,经过与历史电能表实际需求数量的比较,证明组合模型可以有效提升电能表需求数量的预测准确度.