基于弹性网络模型的月度用电量预测方法

摘要：

由于现有月度用电量预测所选影响因素较少,无法较为全面地反映与用电量强关联的因素,同时针对高维数据变量筛选和高精度预测等突出难题,文中提出了一种弹性网络用电量预测模型.为了考虑更为全面的影响因素,建立了用电量、气象、经济、交通4类,共340个变量的数据集.首先对8年96个点的高维变量数据进行弹性网络因子筛选,然后使用Granger因果关系分析找出了用电量数据与其它数据的关联关系,对一年范围内的全社会月度用电量使用弹性网络进行预测,预测结果的平均绝对百分误差为3.07％.为验证该模型的有效性,对比向量自回归(VAR)模型,反向传播(BP)模型和最小绝对值收缩和选择算子(Lasso)预测的效果,验证了文中所提方法预测精度较高.

关键词：弹性网络、最小绝对值收缩和选择算子、Granger因果关系、因子筛选、用电量预测

所属期刊栏目：39

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目“支持电力大数据分析的核心算法改进及其实用化技术”520940180016

在线出版日期：2020-09-23（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：166-172