科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决长期电力负荷预测精度不足及模型适用性不强等问题，考虑将区域经济发展、社会发展等多项宏观指标与区域用电负荷的时间序列数据进行因素耦合。利用BP神经网络与差分整合移动平均自回归方法(ARIMA)整合改进预测模型，提高年度负荷预测模型的趋势预测能力。采用函数型非参数方法预测月度负荷数据中周期性负荷数据，将年度负荷预测与月度负荷预测相结合以提高模型整体预测精度。最后通过灰色预测等模型数据比对及MAPE误差分析方法验证，考虑数据周期性与趋势性组合的模型方法预测精度显著提升，适用于区域电力负荷的长期性预测。
- 出版日期2022
- 单位华北电力大学
