基于SVM的“弹性系数-投入产出”电力需求预测分析模型

被引:12
作者
董力通 [1 ,2 ]
谭显东 [3 ]
刘伟国 [4 ]
刘海波 [1 ,2 ]
机构
[1] 华北电力大学经济与管理学院
[2] 国网北京经济技术研究院
[3] 国网能源研究院
[4] 国家电网公司
关键词
电力需求; 弹性系数; 投入产出; 支持向量机;
D O I
暂无
中图分类号
F426.61 []; F224 [经济数学方法];
学科分类号
0701 ; 070104 ;
摘要
基于合理预测电力需求,是保证电网规划与产业发展合理性的重要依据,在我国优化产业结构、推进节能减排的环境下,电力中长期需求的变化面临更多不确定因素,考虑多个因素对电力经济发展弹性系数的影响,按照投入产出模型,运用支持向量机算法构建预测模型。以2000—2009年我国电力需求及GDP,产业结构的数据为样本,预测2010年的电力需求总量。通过与普通弹性系数回归预测、普通支持向量机预测方法对比,电力需求总量预测精度分别提高8.90%和3.98%。
引用
收藏
页码:2441 / 2444
页数:4
相关论文
共 12 条
[1]  
节能减排背景下电力需求预测方法的研究.[D].秦康平.上海交通大学.2010, 03
[2]   Factors affecting electricity demand in Athens, Greece and London, UK: A comparative assessment [J].
Psiloglou, B. E. ;
Giannakopoulos, C. ;
Majithia, S. ;
Petrakis, M. .
ENERGY, 2009, 34 (11) :1855-1863
[3]   Aggregate demand for electricity in South Africa: An analysis using the bounds testing approach to cointegration [J].
Amusa, Hammed ;
Amusa, Kafayat ;
Mabugu, Ramos .
ENERGY POLICY, 2009, 37 (10) :4167-4175
[4]   我国三次产业结构演进与宏观经济波动分析 [J].
李鑫 ;
朱龙飞 ;
邓淇中 .
湖南科技大学学报(社会科学版), 2012, 15 (03) :65-69
[5]   基于改进的并联灰色神经网络模型在电力需求预测中的应用 [J].
程鹏 ;
韦雅君 ;
李金颖 ;
甄成刚 .
广东电力, 2011, 24 (08) :13-16+20
[6]   影响上海电力需求的主要因素及电力需求预测 [J].
黄晨宏 .
电力需求侧管理, 2011, 13 (03) :72-76
[7]   基于SVM模型的山东省电力需求预测 [J].
从荣刚 ;
张燕琳 ;
赵亚楠 .
能源技术经济, 2011, 23 (03) :40-45
[8]   改进型GM(1,1)模型在电力需求预测中的应用 [J].
李明洋 ;
田利强 ;
张希亮 .
山西建筑, 2011, 37 (04) :126-127
[9]   不确定性中长期电力需求预测方法探讨 [J].
顾洁 ;
储琳琳 ;
施伟国 .
电力需求侧管理, 2010, 12 (03) :10-14
[10]   基于港口经济特点分析的电力需求预测 [J].
徐言 ;
陈丽萍 ;
周晖 ;
王玮 .
电力学报, 2009, 24 (03) :178-183