基于Shapley组合模型及神经网络的电能表需求预测研究

• 作者: 李翀 申洪涛 刘建华 吴一敌 孙晓腾 张英
• 来源期刊: 电测与仪表
• 关键词: Shapley组合模型 RBF神经网络 BP神经网络 Holt-Winters模型 电能表预测
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 仪器仪表|Instrument & Meter
• 页码范围: 187-193
• 页数: 7页
• 分类号: TM933
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2021.09.028

摘要

针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度.文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shapley法对三类预测模型进行组合建模,求取相应模型的权重,获取最优的生产调度方案.仿真实验结果表明,RBF神经网络模型预测精度要高于BP神经网络和Holt-Winters模型.相较于单一模型,Shapley法组合模型具有更好的效果和实用性,有助于国家电网公司建立高效、科学的生产调度计划.