基于多源信息的短期负荷混合预测模型应用研究

针对单一负荷预测模型在实时预测中的局限性,建立了以ARIMA(自回归移动平均)模型和人工神经网络模型为基础的混合预测模型。除历史负荷数据信息以外,引入气象数据、用户特征、日期信息等多源信息,探究各类特征值选择对预测结果的影响。某市工业用户的实际应用效果表明,综合ARIMA模型对时间序列趋势的拟合能力和人工神经网络对多源信息的捕捉能力后,建立的混合预测模型具有较好的预测效果。