基于Shapley组合模型及神经网络的电能表需求预测研究

摘要：

针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度.文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shapley法对三类预测模型进行组合建模,求取相应模型的权重,获取最优的生产调度方案.仿真实验结果表明,RBF神经网络模型预测精度要高于BP神经网络和Holt-Winters模型.相较于单一模型,Shapley法组合模型具有更好的效果和实用性,有助于国家电网公司建立高效、科学的生产调度计划.

关键词：Shapley组合模型;RBF神经网络;BP神经网络;Holt-Winters模型;电能表预测

所属期刊栏目：58

分类号：TM933

资助基金：国网河北省电力有限公司科技项目5204DY200002

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：187-193