基于Census X12-SARIMA模型的中长期负荷预测

被引：10

作者：

乔占俊

机构：

[1] 华北科技学院机电工程学院

来源：

电力系统及其自动化学报 | 2014年 / 26卷 / 01期

关键词：

负荷预测; 区域负荷; 时间序列; 季节调整; 模型;

D O I：

暂无

中图分类号：

TM715.1 [];

学科分类号：

080802 ;

摘要：

中长期区域负荷时间序列具有明显的循环性和季节周期性等非平稳特点,预测难度较大。尝试应用SARIMA模型处理具有季节周期性的非平稳负荷时间序列,同时应用Census X12季节调整方法将呈明显趋势循环性、季节周期性的区域负荷时间序列分解成具有实际经济含义的趋势循环要素、季节要素、不规则要素并进行中长期区域负荷的分析与预测。通过在苏州地区115个月的负荷实证检验,结果表明Census X12-SARIMA季节调整模型及方法在中长期区域负荷的预测中有效。

引用

收藏

页码：34 / 38

页数：5

相关论文

共 15 条

[1] 我国水果市场价格波动规律研究 [J].

王川 ;

赵俊晔 ;

李辉尚 .

中国食物与营养, 2012, 18 (08) :39-44

[2] 中国季度GDP的季节调整:结构时间序列方法 [J].

王群勇 .

统计研究, 2011, 28 (05) :78-83

[3] IAFSA-RBF神经网络在短期负荷预测中的应用 [J].

李如琦 ;

褚金胜 ;

谢林峰 ;

王宗耀 .

电力系统及其自动化学报, 2011, 23 (02) :142-146

[4] 基于偏最小二乘支持向量机的短期电力负荷预测方法研究 [J].

吉训生 .

电力系统保护与控制, 2010, 38 (23) :55-59

[5] 周、月负荷预测的GS-ANN综合模型 [J].

王启明 ;

方静 ;

王子琦 ;

周鹏 ;

李同 ;

鞠平 .

中国电力, 2009, 42 (09) :44-48

[6] 基于灰色生成的卡尔曼滤波短期负荷预测 [J].

孟思齐 ;

杨洪耕 .

电力系统及其自动化学报, 2008, 20 (06) :78-82

[7] 基于支持向量机的中长期电力负荷组合预测 [J].

肖先勇 ;

葛嘉 ;

何德胜 .

电力系统及其自动化学报, 2008, (01) :84-88

[8] 基于数据挖掘的SVM短期负荷预测方法研究 [J].

牛东晓 ;

谷志红 ;

邢棉 ;

王会青 .

中国电机工程学报, 2006, (18) :6-12

[9] 基于串联灰色神经网络的电力负荷预测方法 [J].

张大海 ;

毕研秋 ;

毕研霞 ;

毕研梅 ;

牛兆水 ;

洛鲁宁 .

系统工程理论与实践, 2004, (12) :128-132

[10] 基于季节ARIMA模型的电力负荷建模与预报 [J].

安德洪 ;

柳湘月 ;

刘嘉焜 ;

许树荆 .

天津大学学报, 2004, (02) :184-187