居民用电量需求分析与电价决策

考虑了几个主要经济因素对居民用电量的影响,并用历史数据拟合出用电量多元线性回归模型。偏最小二乘回归方法(PartialLeast-squaresregression,PLS)是新一代回归分析方法,是对多元线性回归方法的改进。采用偏最小二乘回归模型分析居民用电量需求情况,可为居民电价的决策提供参考。     

用电量的灰色-多元回归耦合模型预测

应用灰色关联分析方法,探讨了江苏省全社会用电需求量与其影响因素的关系,确定了影响用电需求量的主要因素(重工业用电量、地区生产总值、人均收入、固定资产投资总额和基本建设投资).建立了用电需求量与主要影响因素之间的多元线性回归预测模型,经过回归检验,确定了优化的多元线性回归预测模型.用灰色模型拟合该回归模型自变量的历史数据,并预测其未来发展趋势.应用优化回归模型对江苏省2004～2010年全社会用电量进行了预测.结果表明,到2010年,江苏省全社会用电量将达到3661.95亿kW·h,是2004年用电量实际值的2倍.     

基于多元线性回归理论的河南省用电量预测

研究了多元线性回归理论模型及其在区域经济中的应用,探讨了多元线性回归模型、未知参数的估计及其参数的检验问题。以河南国民生产总值、人口及全社会用电量的数据资料为例,介绍了多元线性回归算法在区域经济研究中的应用,并对2007—2015年区域用电量进行了预测。     

多元线性回归分析在用电量预测中的应用

从影响电力需求的某些因素出发，利用多元线性回归模型建立居民人均纯收入与人均生活用电量的回归方程，为科学地预测居民用电量提供参考依据。此方法可推广到工业用电、农业用电、以及商业用电等用电量的预测。     

多元线性回归方法在中国用电量预测中的应用研究

利用中国1987～2002年国内生产总值（GDP）和人口总数作为自变量,每年的用电总量作为因变量建立了多元线性回归模型。并根据中国GDP的增长率和人口自然增长率预测了2003～2020年的GDP和人口总数,并以建立的模型为基础预测了中国未来18年的用电量。     

基于偏最小二乘回归的年用电量预测研究

对年用电量的预测若采用一般最小二乘回归法建模，其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题，因而更具有先进性，其计算结果更为可靠，在实际系统中的可解释性也更强，且方法简单，计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression，PLS)应用于年用电量预测，并与基于最小二乘的多元线性回归模型预测成果进行对比，探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明：偏最小二乘回归法比一般最小二乘法优，具有较强的实用性。     

基于FWA-LSSVR智能算法的钢铁行业用电量预测研究

针对近年来宏观经济指标与钢铁行业用电量关联度下降的情况,提出了一种基于行业产品及原材料价格的用电量预测方法,并使用移动平均法和时差相关分析法进行数据消噪处理和价格影响滞后期测算,在此基础上,建立了烟花算法优化最小二乘支持向量回归机智能预测模型。利用该模型对某地区实际月度用电量进行预测,结果表明,与多元线性回归、BP神经网络等模型相比,所提出的方法具有更好的预测性能,更适用于钢铁行业用电量月度预测,可为准确预测钢铁行业用电量、合理把握电力需求波动及制定经济合理电力调配计划提供参考,为电源和电网的建设提供辅助决策支持。     

基于多元回归的京津唐电网用电量预测

分析京津唐电网的结构和用电负荷特性,考虑区域的特殊性,把地区GDP和当地常住人口总数作为影响社会用电量的主要因素,利用多元线性回归模型对京津唐地区社会用电量进行预测.按照国家政策分析机组现在和未来的关停情况,根据市场形势分析京津唐地区新增装机容量,得出全年机组利用小时数,为所在区域电厂和电网公司制定年度发电计划和经营预...     

基于RF变量选择与LSTM回归的长期用电量预测模型

由于当前长期用电量预测方法难以解决变量选择问题,造成用电量预测结果不准确,为此将随机森林（RF）算法变量选择与长短期记忆（LSTM）网络回归两者结合,设计基于RF变量选择与LSTM回归的长期用电量预测模型。采用RF方法对单一变量的重要性进行评估,获取各项影响因素与用电量之间的相关系数,然后选取其中取值较高的变量作为用电量预测的依据。结合RF变量选择结果,分析动力系统理论,采用收敛交叉映射方法研究用电量与工业发展水平、温度等因素之间的关系,基于各因素之间的关系结合LSTM回归方法,组建用电量预测模型,实现长期用电量预测。研究结果表明,与传统方法相比,所设计模型的用电量预测精度与预测效率较高,能够快速、准确地完成长期用电量预测,表明该模型的应用价值更高。     

ARIMA模型在城市年用电量预测中的应用

介绍了单整自回归移动平均模型（antoregressive integrated moving average model,ARIMA）及其建模思路,并结合Eviews软件将ARIMA模型应用于成都市年用电量的分析与预测。经检验此模型预测精度较高,拟合效果理想,体现了应用ARIMA模型进行用电量预测的可行性,可以为电力系统工作人员进行年用电量预测提供参考。