基于ARMA-SVM 组合模型的售电用户用电量预测方法

2021-03-04 03:17:40曹敏巨健白泽洋刘骏涛
能源与环境 2021年1期
关键词:用户模型

曹敏 巨健 白泽洋 刘骏涛

(1 国网陕西省电力公司 陕西西安 710048 2 苏文电能科技股份有限公司 江苏常州 213000)

相关学者已经对用电量的预测进行了深入的研究, 取得了显著的成果。 文献[4]和文献[5]在传统的灰色预测模型的基础上,提出了改进的灰色模型电量预测方法;文献[6]和文献[7]将偏最小二乘回归分析方法用于中长期电力负荷预测;文献[8]和文献[9]将神经网络方法应用于电力预测当中。

除了上述方法外, 另外最具代表性的就是自回归移动平均(Auto-Regressive and Moving Average Model,ARMA)模型和支持向量机(Support Vector Machine,SVM)模型。 已经有许多研究将它们应用于电力预测当中[10-11]。ARMA 模型由自回归模型(AR)和移动平均模型(MA)组成,采用历史数据和白噪声序列进行预测, 是一种精确度较高的线性时间序列预测模型。SVM 模型是根据统计学理论提出的一种机器学习方法, 是一种性能优异的非线性分析模型。 用电量预测的不确定性主要是因为影响其预测结果的各种内在和外在因素较多, 只通过单一的线性或者非线性描述进行预测的结果精准度较低。 因此本文提出一种基于ARMA 和SVM 模型的用电量组合预测方法,对售电公司下用电企业的用电量进行预测,通过将预测结果与单一ARMA 和SVM 模型的预测结果进行比较,验证本文模型的有效性和可行性。

1 模型介绍

1.1 ARMA 模型

自回归移动平均模型的预测过程有模型定阶、参数估计、求解等步骤。 模型的数学表达式为:

式中:Lt为预测结果,i(1≤i≤p)和θj(1≤j≤q)为系数,p、q 分别为自回归部分模型和移动平均部分模型的阶数,αt是白噪声序列,Xt是历史数据序列。……

登录APP查看全文

猜你喜欢
用户模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
关注用户
商用汽车(2016年11期)2016-12-19 01:20:16
3D打印中的模型分割与打包
关注用户
商用汽车(2016年6期)2016-06-29 09:18:54
关注用户
商用汽车(2016年4期)2016-05-09 01:23:12
FLUKA几何模型到CAD几何模型转换方法初步研究
Camera360:拍出5亿用户
创业家(2015年10期)2015-02-27 07:55:08
100万用户
创业家(2015年10期)2015-02-27 07:54:39
如何获取一亿海外用户
创业家(2015年5期)2015-02-27 07:53:25