基于改进Prophet模型的用电量预测研究

吴文培，宋亚林，魏上斐

(河南大学智能网络系统研究所，河南 开封 475000)

1 引言

用电量预测是智能用电研究的重要问题之一，为国家电力资源的合理分配、地方供电平衡、线路电量损耗计算提供了重要参考信息，对智能用电管理工作具有积极的指导意义。

用电量预测是典型的时间序列预测问题，分析时间序列目的是预测未来发展趋势。关于如何发掘用电量数据之间的规律，建立准确可靠的数学模型，一直是中外学者们研究的问题[1]。传统的预测方法如移动平均法，是对时间数列进行修匀处理[2]，加大移动平均法的期数(即加大n值)会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感[3]；移动平均时距项数N为奇数时，只需一次移动平均，移动平均值作为移动平均项数中间一期的趋势代表值；而当移动平均项数N为偶数时，移动平均值对应的是偶数项的中间位置，无法对正某一时期，需要再进行一次相临两项平均值的移动平均，才能使平均值对正某一时期[4]。随着人工智能的发展，各类机器学习算法与深度学习算法[5]涌现出来。如长短时记忆网络[6](Long Short Term Memory Network，LSTM)，能够成功解决原始循环神经网络(RNN)难以记住时间间隔较长的数据特征缺陷。RNN的梯度问题在LSTM及其变种里面得到了一定程度的解决[7]，可以处理100个量级的序列，但对于1000个量级[8]及更长的序列依然显得棘手。随机森林[9]能够提供有效的方法来平衡数据集误差，但在解决回归问题时，并不能给出一个连续的输出[10]。……