成分分解方法预测月度电力负荷

被引：14

作者：

龙勇 ^{[1
]}

苏振宇 ^{[1
,2
]}

盖晓平 ^{[2
]}

机构：

[1] 重庆大学经济与工商管理学院

[2] 甘肃省电力公司培训中心

来源：

电力系统及其自动化学报 | 2017年 / 29卷 / 05期

关键词：

离群值; 月度负荷; 季节调整; 成分分解;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了提高月度负荷预测精度,提出了基于X-12-ARIMA季节调整模型的月度负荷预测方法。首先在季节调整前,消除原始负荷中离群值、工作日、闰年等效应的影响,然后对经季节调整后的趋势循环序列应用H-P滤波方法进行成分分解,再针对分解后得到的长期趋势、循环周期、季节因子、不规则成分序列的特点选择了适合的预测模型进行预测并得到最终结果。通过甘肃地区188个月的负荷数据进行检验,结果表明该预测方法是可靠有效的。

引用

收藏

页码：35 / 40

页数：6

相关论文

共 13 条

[1] 结合X12乘法模型和ARIMA模型的月售电量预测方法 [J].

颜伟 ;

程超 ;

薛斌 ;

李丹 ;

陈飞 ;

王顺昌 .

电力系统及其自动化学报, 2016, 28 (05) :74-80

[2] 基于EEMD-样本熵和Elman神经网络的短期电力负荷预测 [J].

陈艳平 ;

毛弋 ;

陈萍 ;

童伟 ;

袁建亮 .

电力系统及其自动化学报, 2016, 28 (03) :59-64

[3] 考虑经济因素时滞效应的月度负荷预测方法 [J].

郭鸿业 ;

陈启鑫 ;

夏清 ;

范海虹 .

电网技术, 2016, 40 (02) :514-520

[4] 基于改进X-12-ARIMA的电煤需求预测模型与实证研究 [J].

朱发根 .

中国电力, 2014, 47 (02) :140-145

[5] 基于Census X12-SARIMA模型的中长期负荷预测 [J].

乔占俊 .

电力系统及其自动化学报, 2014, 26 (01) :34-38

[6] 基于灰色关联度与LSSVM组合的月度负荷预测 [J].

刘文颖 ;

门德月 ;

梁纪峰 ;

王维洲 .

电网技术, 2012, 36 (08) :228-232

[7] 基于季节ARIMA模型的电力系统负荷短期预测 [J].

汤岩 ;

王福林 ;

王吉权 .

数学的实践与认识, 2012, 42 (10) :74-80

[8] 电力系统短期负荷预测方法综述 [J].

廖旎焕 ;

胡智宏 ;

马莹莹 ;

卢王允 .

电力系统保护与控制, 2011, 39 (01) :147-152

[9] 基于小波分析的月度负荷组合预测 [J].

姚李孝 ;

刘学琴 .

电网技术, 2007, (19) :65-68

[10] 电力系统负荷预测研究综述与发展方向的探讨 [J].

康重庆 ;

夏清 ;

张伯明 .

电力系统自动化, 2004, (17) :1-11