基于小波分析和GM-ARIMA模型的月度售电量预测.pdf

基于小波分析和GM-ARIMA模型的月度售电量预测.pdf

ID:52479508

大小:312.86 KB

页数:5页

时间:2020-03-28

基于小波分析和GM-ARIMA模型的月度售电量预测.pdf_第1页
基于小波分析和GM-ARIMA模型的月度售电量预测.pdf_第2页
基于小波分析和GM-ARIMA模型的月度售电量预测.pdf_第3页
基于小波分析和GM-ARIMA模型的月度售电量预测.pdf_第4页
基于小波分析和GM-ARIMA模型的月度售电量预测.pdf_第5页
资源描述:

《基于小波分析和GM-ARIMA模型的月度售电量预测.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第42卷第4期华北电力大学学报Vo1.42.No.42015年7月JournalofNoahChinaElectricPowerUniversityJu1.,2015doi:10.3969/j.ISSN.1007—2691.2015.04.17基:f:dx波分析和GM—ARIMA模型的月度售电量预测樊娇,冯昊,牛东晓,王筱雨,刘福炎(1.华北电力大学经济与管理学院,北京102206;2.国网浙江省电力公司经济技术研究院,浙江杭州310008)摘要:月度售电量直接反映电力企业的经营效益,准确的电量预测对于电力企业合理

2、安排购售电方案、确定融资缺口具有重要意义。鉴于各地区月度售电量时间序列不但有随时间逐渐增长的趋势,还受节假日、气温等因素的影响存在随机项,为了提高电力企业月度售电量的预测精度,采用小波分析理论将月度售电量时间序列分解为近似序列和细节序列,并通过对分解后子序列的特征进行分析,分别采用相匹配的GM(1,1)模型和ARIMA模型对子序列进行预测,然后通过序列重构得到月度售电量的预测值。经实际算例验证,该组合预测方法的平均误差率为3.7%,与神经网络等常用单一预测方法相比能明显提高预测精度,具有较强的适应能力。关键词:小波

3、分析;分解序列;灰色模型;ARIMA中图分类号:TM614文献标识码:A文章编号:1007—2691(2015)04—0101—05MonthlyElectricitySalesForecastBasedonWaveletAnalysisandGM.ARIMAModelFANJiao,FENGHao,NIUDongxiao,WANGXiaoyu,LIUFuyan(1.SchoolofEconomicsandManagement,NoahChinaElectricPowerUniversity,Beijing1022

4、06,China;2.EconomicResearchInstituteofZhejiangElectricPowerCompany,StateGrid,Hangzhou310008,China)Abstract:Monthlyelectricitysalescanreflectthebusinessprofitofpowerplantsdirectly.Thustheaccurateforecastofelectricitysalescanhelpthoseplantsmakereasonablearrangem

5、entoftheelectricitypurchasingschemeanddeter—minethefinancinggap.Thetimeseriesofmonthlyelectricitysalesnotonlytendstograduallyincreasewithtime,butalsocomesundertheinfluenceofthefactorsliketemperatureandholidays.InordertOimprovethepredictionaccuracyofthemonthlys

6、aleofpowerplants,thispaperemployedthetheoryofwaveletanalysistodecomposethetimeseriesofmonthlyelectricitysalesintoapproximationsequenceanddetailsequences.Afteranalyzingthecharacteristicsofde—compositionsequencesrespectively,matchingmethods——GM(1,1)andARIMAmodel

7、,wereemployedtopredictthedecomposedsubsequences.Thenthroughthereconstructionofsubsequences,thefinalpredictionofelectricitymonthlysaleswiththeaverageerrorrateof3.7%wereobtained.Finally.itwasverifiedbyexamplesthatthecombi—nationforecastingmethodcouldobviouslyimp

8、rovethepredictionaccuracy,withastrongabilitytoadapt.Keywords:waveletanalysis;decompositionsequence;greymodel;ARIMA建立与发展,电力企业运营的经济性成为重要指0引言标。对于电力企业而言,主要的现金流入来源于售电收入,在我国目前实行电价管制的情况下,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。