基于regARIMA模型的月度负荷预测效果研究

doi:10.11930/j.issn.1004-9649.201704041

中国电力 ›› 2018, Vol. 51 ›› Issue (5): 166-171.DOI: 10.11930/j.issn.1004-9649.201704041

基于regARIMA模型的月度负荷预测效果研究

苏振宇^1,2, 龙勇¹, 赵丽艳³

1. 重庆大学经济与工商管理学院, 重庆 400030;
2. 甘肃省电力公司培训中心, 甘肃兰州 730070;
3. 甘肃省电力科学研究院, 甘肃兰州 730070

收稿日期:2017-04-11 修回日期:2018-02-10 出版日期:2018-05-05 发布日期:2018-05-07
作者简介:苏振宇(1972-),男,河北承德人,博士研究生,高级讲师,从事电力技术经济管理、人力资源开发等研究,E-mail:513457198@qq.com
基金资助:
国家社会科学基金重点项目（14AZD130）。

Study on the Monthly Power Load Forecasting Performance Based on regARIMA Model

SU Zhenyu^1,2, LONG Yong¹, ZHAO Liyan³

1. School of Economics and Business Administration, Chongqing University, Chongqing 400030, China;
2. Gansu Electric Power Training Center, Lanzhou 730070, China;
3. Gansu Electric Power Research Institute, Lanzhou 730070, China

Received:2017-04-11 Revised:2018-02-10 Online:2018-05-05 Published:2018-05-07
Supported by:
This work is supported by National Social Science Fund(No.14AZD130).

摘要/Abstract

摘要： 为探究离群值对月度负荷预测效果的影响，建立计及离群值影响的季节性ARIMA月度负荷预测模型（regARIMA），选择1999—2017年北京、甘肃等5省（市）的实际月度负荷数据，对预测效果进行比较研究。结果表明，与普通ARIMA模型相比，考虑了离群值影响的regARIMA模型的3年样本内平均预测误差得到明显改善；应用regARIMA模型进行提前12期的样本外预测，预测精度获得不同程度的提升。

关键词: 月度负荷, 负荷预测, 离群值, regARIMA模型

Abstract: In order to explore the impact of outliers on the monthly power load forecasting performance, a seasonal ARIMA model considering the impact of outliers (regARIMA) is established. The actual monthly power load data series of 5 provinces recorded from January 1999 to December 2017 are used to verify the accuracy of power load forecasting. The empirical results show that the forecasting error of the regARIMA model considering the outliers impact is significantly reduced within samples for last 3 years. The forecasting accuracy of the regARIMA out of samples for 12 steps ahead is also improved to some extent.

Key words: monthly power load, power load forecasting, outliers, regARIMA model

中图分类号:

TM715

苏振宇, 龙勇, 赵丽艳. 基于regARIMA模型的月度负荷预测效果研究[J]. 中国电力, 2018, 51(5): 166-171.

SU Zhenyu, LONG Yong, ZHAO Liyan. Study on the Monthly Power Load Forecasting Performance Based on regARIMA Model[J]. Electric Power, 2018, 51(5): 166-171.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.201704041

https://www.electricpower.com.cn/CN/Y2018/V51/I5/166

参考文献

[1] ABOSEDRA S. Demand for electricity in lebanon[J]. International Business & Economics Research Journal, 2009, 8(1), 11-16.
[2] CRUZ A, MUÑOZ A, ZAMORA J L, et al. The effect of wind generation and weekday on Spanish electricity spot price forecasting[J]. Electric Power Systems Research, 2011, 81(10):1924-1935.
[3] GELPER S, FRIED R, CROUX C.Robust forecasting with exponential and Holt-Winters smoothing[J]. Journal of Forecasting, 2010, 29(3):285-300.
[4] TRATAR L F, STRMČNIK E. The comparison of Holt-Winters method and Multiple regression method:A case study[J]. Energy, 2016, (109):266-276.
[5] 安德洪,柳湘月,刘嘉焜,等. 基于季节ARIMA模型的电力负荷建模与预报[J]. 天津大学学报, 2004, 37(2):184-187.AN Dehong, LIU Xiangyue,LIU Jiakun, et al. Traffic modeling and predication using seasonal ARIMA models in power system[J]. Journal of Tianjin University, 2004, 37(2):184-187.
[6] 汤岩, 王福林, 王吉权. 基于季节ARIMA模型的电力系统负荷短期预测[J]. 数学的实践与认识, 2012, 42(10):74-80.TANG Yan, WANG Fulin, WANG Jiquan. Shot-term forecasting using ARIMA model in power system[J]. Mathematics in Practice and Theory, 2012, 42(10):74-80.
[7] WANG Jianzhou,ZHU Wenjin, ZHANG Wenyu, et al. A trend fixed on firstly and seasonal adjustment model combined with the ε-SVR for short-term forecasting of electricity demand[J]. Energy Policy, 2009, 37(11):4901-4909.
[8] CAO Guohua,WU Lijuan. Support vector regression with fruit fly optimization algorithm for seasonal electricity consumption forecasting[J]. Energy, 2016, 115:734-745.
[9] 袁铁江, 袁建党, 晁勤, 等. 电力系统中长期负荷预测综合模型研究[J]. 电力系统保护与控制, 201240(14):143-146.YUAN Tiejiang, YUAN Jiandang, CHAO Qin, et al. Study on the comprehensive model of mid-long term load forecasting[J]. Power System Protection and Control, 201240(14):143-146.
[10] 田增尧, 张明理, 赵瑞. 短期电力负荷预报中异常负荷数据的识别和修正[J]. 吉林电力, 2004(6):21-23.TIAN Zengyao, ZHANG Mingli, ZHAO Rui. Identification and manipulation of anomalous date of load sequence in short term ioad forecasting[J]. Jilin Electric Power, 2004(6):21-23.
[11] 毛李帆, 姚建刚, 金永顺, 等. 中长期负荷预测的异常数据辨识与缺失数据处理[J]. 电网技术, 2010, 34(7):148-153.MAO Lifan, YAO Jiangang, JIN Yongshun, et al. Abnormal data identification and missing data filling in medium and iong term load forecasting[J]. Power System Technology, 2010, 34(7):148-153.
[12] 郑志杰, 李磊, 赵兰明. 考虑数据不确定性的中长期电力负荷预测[J]. 电力系统保护与控制, 2011, 39(7):123-126.ZHENG Zhijie, LI Lei, ZHAO Lanming. Medium and long term load forecasting considering data uncertainty[J]. Power System Protection and Control, 2011, 39(7):123-126.
[13] United States. Census Bureau. X-12-ARIMA reference manual version 0.3[EB/OL]. (2011-02-28)[2016-01-01]. http://www.census.gov/srdwww/x12a/sapaper.html.

[1]	孙庆超, 李嘉靓, 江万里, 王若愚, 李植鹏, 胡亚荣, 朱健斌. 基于数据驱动时空网络的城市中长期电力负荷预测[J]. 中国电力, 2025, 58(3): 168-174.
[2]	王宇飞, 杜桐, 边伟国, 张钊, 刘慧婷, 杨丽君. 基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测[J]. 中国电力, 2024, 57(6): 121-130.
[3]	吴军英, 路欣, 刘宏, 张彬, 柴守亮, 刘蕴春, 王佳楠. 基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测[J]. 中国电力, 2024, 57(6): 131-140.
[4]	陈中飞, 赵越, 蔡秋娜, 张乔榆, 王泽林, 戴晓娟, 陈雨果. 基于净负荷预测误差统计的电力系统爬坡能力充裕度评估[J]. 中国电力, 2024, 57(5): 50-60.
[5]	刘航, 申皓, 杨勇, 纪陵, 余洋. 基于高阶马尔可夫链的纯电重卡集群负荷预测[J]. 中国电力, 2024, 57(5): 61-69.
[6]	李丹, 贺帅, 颜伟, 胡越, 方泽仁, 梁云嫣. 考虑动态时间锚点和典型特征约束的年日均负荷曲线预测[J]. 中国电力, 2024, 57(11): 36-47.
[7]	周颖, 白雪峰, 王阳, 邱敏, 孙冲, 武亚杰, 李彬. 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J]. 中国电力, 2024, 57(1): 9-17.
[8]	唐旭辰, 潮铸, 段秦尉, 苏炳洪, 陈卉灿. 基于分层测量数据的高压变电站概率负荷预测方法[J]. 中国电力, 2023, 56(8): 143-150.
[9]	贾巍, 黄裕春. 基于小样本数据差分扩容的微电网负荷预测方法[J]. 中国电力, 2023, 56(8): 151-156,165.
[10]	彭生江, 杨德州, 孙传帅, 袁铁江, 刘永成. 基于氢负荷需求的氢能系统容量规划[J]. 中国电力, 2023, 56(7): 13-20,32.
[11]	杨喜行, 黄纯, 申亚涛, 胡念恩, 万子恒. 基于损失功率匹配的配电线路故障定位方法[J]. 中国电力, 2022, 55(8): 113-120.
[12]	李文武, 石强, 李丹, 胡群勇, 唐芸, 梅锦超. 基于VMD和PSO-SVR的短期电力负荷多阶段优化预测[J]. 中国电力, 2022, 55(8): 171-177.
[13]	徐宇颂, 邹山花, 卢先领. 基于特征选择和组合模型的短期电力负荷预测[J]. 中国电力, 2022, 55(7): 121-127.
[14]	李丹, 张远航, 李黄强, 童华敏, 王凌云. 基于精准气象数据的地区电网短期负荷智能预测系统设计[J]. 中国电力, 2022, 55(7): 128-133.
[15]	郑豪丰, 杨国华, 康文军, 刘志远, 刘世涛, 伍弘, 张鸿皓. 基于多负荷特征和TCN-GRU神经网络的负荷预测[J]. 中国电力, 2022, 55(11): 142-148.

基于regARIMA模型的月度负荷预测效果研究

Study on the Monthly Power Load Forecasting Performance Based on regARIMA Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于regARIMA模型的月度负荷预测效果研究

Study on the Monthly Power Load Forecasting Performance Based on regARIMA Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics