分位数回归方法在盛夏日用电量预测中的应用

被引:12
作者
穆海振
机构
[1] 上海市气候中心
关键词
日用电量; 分位数回归预测; 负荷预测;
D O I
暂无
中图分类号
F224 [经济数学方法];
学科分类号
020104 [西方经济学];
摘要
利用南方某市2010—2012年盛夏期间日用电量和日气温、降水、相对湿度等数据,探索了分位数回归方法在日用电量预测中的应用。均一化处理后得到的日用电量系数序列剔除了经济社会发展和双休日等因素影响,相关分析表明其变化与前日用电量和当日最高气温变化的关系最为密切;将前日用电量和当日最高气温作为预报因子建立分位数回归方程,独立样本检验结果表明预测效果良好;与常用的均值回归等方法相比,分位数回归方法能够给出预测值的条件概率分布情况,可为电力调度和风险管理提供更多参考信息,具有较好的应用前景。
引用
收藏
页码:24 / 27
页数:4
相关论文
共 21 条
[1]
Goodness of fit and related inference processes for quantile regression [J].
Koenker, R ;
Machado, JAF .
JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 1999, 94 (448) :1296-1310
[2]
基于神经网络分位数回归的多期CVaR风险测度 [J].
许启发 ;
徐金菊 ;
蒋翠侠 .
数理统计与管理, 2017, 36 (04) :715-730
[3]
城镇与农村流动人口的收入差异——基于2015年全国流动人口动态监测数据的分位数回归分析 [J].
于潇 ;
孙悦 .
人口研究, 2017, 41 (01) :84-97
[4]
基于回归分析和虚拟变量的短期用电量预测管理模型 [J].
李凯 ;
赵滨滨 ;
曹占峰 ;
刘展展 ;
曹云峰 .
电气应用, 2017, 36 (02) :59-65
[5]
基于随机森林算法的用电负荷预测研究 [J].
李婉华 ;
陈宏 ;
郭昆 ;
郭松荣 ;
韩嘉民 ;
陈羽中 .
计算机工程与应用 , 2016, (23) :236-243
[6]
基于SVM的大工业用电量预测 [J].
吴毅良 .
机电信息, 2016, (33) :161-163
[7]
基于支持向量-分位数回归的短期负荷预测及风险分析 [J].
牟宏 ;
王春义 ;
顾洁 ;
薛承荣 ;
薛万磊 ;
路宽 .
电力科学与技术学报, 2016, 31 (03) :51-56
[8]
基于改进型SVR的电网短期负荷预测 [J].
钱志 .
中国电力, 2016, 49 (08) :54-58
[9]
上海市全社会月用电量预测模型 [J].
穆海振 ;
孙兰东 ;
侯依玲 .
中国电力, 2016, (06) :146-150
[10]
基于k-means聚类和BP神经网络组合模型的用电负荷预测 [J].
黄磊 ;
陈浩 ;
衣乔木 ;
陶亚龙 .
电力与能源, 2016, 37 (01) :56-60