论文摘要
针对链式电网短期用电量既具有波动性,又具有非线性特征,导致用电量预测精度低的问题,进行了基于多维特征分析的链式电网短期用电量预测研究。结合组织映射电网与实际环境,借助多维特征分析方法从非平稳随机序列中提取趋势变量和周期变量。通过计算用户多维特征评价结果,能够构建用户多维度用电特征集合,依据该集合分类多维用电特征集,分别为电模式特征和辅助用户特征,通过这些特征能够获取时间序列关键性信息,构建多维特征分析下用电量预测模型,获取整体数据流转情况,完成链式电网短期用电量预测。通过实验研究结果可知,该方法预测效果较好,相比于以往方法能显著提高预测精准度。
论文目录
文章来源
类型: 期刊论文
作者: 张雨薇,王庆杰,李江涛,李文军
关键词: 多维特征分析,链式电网,短期用电量
来源: 电网与清洁能源 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网冀北电力有限公司秦皇岛供电公司,国家电网有限公司
基金: 国网冀北电力公司2018年智慧能源“互联网+”服务平台二期实施服务(SGAHHF00XTXX1800661)~~
分类号: TM715
页码: 37-42
总页数: 6
文件大小: 2456K
下载量: 57
相关论文文献
- [1].国家能源局发布10月份全社会用电量[J]. 中国能源 2019(11)
- [2].基于温度梯度变化的月度统调用电量预测研究[J]. 河南科技 2020(01)
- [3].国家能源局发布6月全社会用电量[J]. 设备监理 2019(07)
- [4].国家能源局：3月份全社会用电量同比下降4.2%[J]. 电力勘测设计 2020(04)
- [5].国家能源局发布2019年全社会用电量[J]. 中国能源 2020(02)
- [6].多个先行指标继续回升 中国经济恢复步伐加快[J]. 经济导刊 2020(04)
- [7].国家能源局发布5月份全社会用电量[J]. 电力勘测设计 2020(06)
- [8].6月份全社会用电量同比增长6.1%[J]. 中国环境监察 2020(07)
- [9].6月份全社会用电量同比增长6.1%[J]. 天津经济 2020(07)
- [10].前8月，全社会用电量年内首现正增长[J]. 中国环境监察 2020(09)
- [11].国家能源局发布7月份全社会用电量[J]. 中国能源 2020(08)
- [12].国家能源局发布2月份全社会用电量[J]. 设备监理 2020(03)
- [13].国家能源局发布2月份全社会用电量[J]. 农村电气化 2019(04)
- [14].我国过去十年用电量低速增长的启示[J]. 中国电力企业管理 2019(13)
- [15].国家能源局发布4月份全社会用电量[J]. 中国能源 2019(05)
- [16].国家能源局发布6月份全社会用电量[J]. 中国能源 2019(07)
- [17].国家能源局发布8月份全社会用电量[J]. 中国能源 2019(09)
- [18].国家能源局发布8月份全社会用电量[J]. 农村电气化 2019(10)
- [19].2017年全社会用电量同比增长6.6%[J]. 中国能源 2018(02)
- [20].6月份全社会用电量同比增长8.0%[J]. 中国能源 2018(07)
- [21].气候舒适度对珠海市社会用电量的影响[J]. 广东气象 2018(04)
- [22].喜看电量“四级跳”[J]. 河南电力 2018(10)
- [23].8月浙江省全社会用电量同比增长5.4%[J]. 宁波节能 2018(05)
- [24].9月份全社会用电量同比增长8%[J]. 农村电气化 2018(11)
- [25].基于组合模型的制造业用电量预测[J]. 管理观察 2017(09)
- [26].气温因素对北京市全社会月用电量影响的分析[J]. 现代工业经济和信息化 2017(03)
- [27].国家能源局发布2017年2月份全社会用电量[J]. 电力安全技术 2017(04)
- [28].数字[J]. 中国电力企业管理 2016(25)
- [29].数字[J]. 中国电力企业管理 2016(28)
- [30].基于多元线性回归模型的居民用电量影响因素分析[J]. 西昌学院学报(自然科学版) 2017(01)