论文摘要
在目前的"新常态"经济模式下,居民电力消费量已经成为中国电力消费增长的主要驱动力。然而其预测精度容易受到社会、经济、环境等多种外部因素的影响,这样会导致预测难度的加大。因此,如何提取这些外部因素中有价值的信息,是预测居民电力消费量成功的关键。针对这个问题,提出了一种基于套索算法和高斯过程回归的中长期居民用电量概率预测模型。首先利用套索算法选取有用的影响因素,从而实现数据降维。其次将被选取的特征当作预测变量,建立了基于高斯过程回归的居民电力消费量概率预测模型。最后以中国居民电力消费量作为算例。结果表明,(1)套索算法可以识别出预测问题中重要的特征,从而能够有效地处理预测问题中的高维数据;(2)高斯过程回归模型可以提高预测精确度,为居民电力消费量的概率预测提供了一种可行思路。
论文目录
文章来源
类型: 期刊论文
作者: 王宏伟,黄元生,姜雨晴,刘诗剑
关键词: 套索算法,高斯过程回归,居民用电量预测,新常态,多维数据
来源: 华北电力大学学报(自然科学版) 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学经济与管理学院
基金: 河北省科技计划项目(12457206D-22),中央高校基本科研业务费专项资金资助项目(2018QN095)
分类号: TM715
页码: 27-35
总页数: 9
文件大小: 244K
下载量: 369
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)