【地方用電量的中期預測方法案例綜述2200字（論文）】

地方用電量的中期預測方法案例綜述目錄TOC\o"1-2"\h\u18073地方用電量的中期預測方法案例綜述 1150923.1數(shù)據(jù)收集與預處理 194193.2加法季節(jié)指數(shù)法預測結果 3289903.3ARIMA模型預測結果 545903.4改進的ARMIA模型預測結果 63.1數(shù)據(jù)收集與預處理收集的數(shù)據(jù)為2006-2020年間廣東省佛山市1月份到6月份的月用電量以及該市2006-2019年7-12月用電量，數(shù)據(jù)如表3-1和3-2所示：表3-1佛山市2006-2019年1-6月用電量單位：萬千瓦時年份月份12345620064620240236577186081865783.997861173200785809432396517979137851937610120087160055597858208076986632832532009589686063178826933268630294927201099970581001044331059561081091107222011103610690991138461134371152031186722012718799849712775711410912482812535720131147596201512694112530513454313662420149847189789144247146983150333154718201512961265432128580152331154976161150201613564784121156772156516165333173345201792297120927151218143421146257151749201814627889116145638160293186306176616201914431099434175482174452187071195424202011764085081149234175694202247203518表3-2佛山市2006-2019年7-12月用電量單位：萬千瓦時年份月份7891011122006733467801980952795367110386551200794469780638742988733851811087732008899799250786368773367473677943200910442910931710214397175993651055382010114597109200112921107812103905119536201112588413093412021111288911466911864720121338021361801235041249231211311224612013147802146450141024138478141702151792201417175816964015656515549514747215344120151754451806021629361568681615121631182016192035184959175129173450161000175102201716247217487516534515335014846116234020181900641959211781731722921682161783242019215591212018192321190862183276190218數(shù)據(jù)來源：電力內(nèi)部數(shù)據(jù)庫圖3-12006-2019年佛山市月度用電量從圖3.1可以看出，用電量最高值出現(xiàn)在7-8月，用電量低值出現(xiàn)在1-2月，說明雖然每個月的用電量都存在差異，但是還是跟溫度有關。由于收集的數(shù)據(jù)量較小，將數(shù)據(jù)分為兩類，將表2的數(shù)據(jù)作為算法和模型的輸入數(shù)據(jù)。表1用于驗證算法的有效性。3.2加法季節(jié)指數(shù)法預測結果季節(jié)性不僅指一年四季的變化，而且跟春節(jié)、勞動節(jié)、國慶節(jié)等重大事件相關聯(lián)。季節(jié)性指數(shù)定律是一種通過按時間和季節(jié)順序取季節(jié)性指數(shù)序列來預測研究對象未來狀態(tài)的方法。當涉及到時間序列和季節(jié)特征、長期條件和運動參數(shù)時，可以使用季節(jié)尺度分析算法來預測目標。公式3.1顯示了增量季節(jié)性指數(shù)方法的示例：…(3.1)其中，p為周期長度，當p為12的時候，代指的是月份，當p為4的時候，代指的是季度。代表長期趨勢項，代表趨勢增加量，代表和平滑值，與之對應的平滑系數(shù)分別是、和，它們的取值都在0到1之間。用加法季節(jié)指數(shù)平滑模型得到未來一期的預測值為：……………(3.2)經(jīng)過分析過后，得到的指標如表3-3所示：表3-3加法季節(jié)指數(shù)法擬合度指標加法季節(jié)指數(shù)法擬合度指標擬合統(tǒng)計平均值最小值最大值百分位數(shù):5百分位數(shù):10R-squared10.7750.7750.7750.7750.775R-squared20.9390.9390.9390.9390.939RMSE10072.40410072.40410072.40410072.40410072.404MAPE6.876.876.876.876.87MaxAPE55.23255.23255.23255.23255.232MAE7141.9857141.9857141.9857141.9857141.985MaxAE50977.86250977.86250977.86250977.86250977.862正態(tài)化BAC18.52718.52718.52718.52718.527squared1和R-squared2是很好的擬合指標，可用于評估曲線的擬合。從表中可以看出，R-squared2的值接近1，但R-square1的值只有0.775，這說明擬合效果一般。MAPE被定義為一個固定的百分比誤差，它表示預測結果與實際結果相比的平均測量值的百分比。它的數(shù)值為6.87代表平均偏差為6.87%，說明擬合效果也很一般。MaxAPE是指輸入數(shù)據(jù)中錯誤率的大小，用來衡量一個特定的值是否存在于序列中。圖3-2加法季節(jié)指數(shù)法擬合及預測結果從圖3.2可以看出，對波峰和波谷的預測不是很好。其中，2014年7月至2019年5月的峰值均呈現(xiàn)顯著差異，2013年7月至2019年5月的谷值均呈現(xiàn)顯著差異。從上圖可知，僅在2011年1月至2014年5月期間走勢接近真實值。2020年的新冠危機對用電量產(chǎn)生了重大影響，預測階段的細節(jié)在本章的總結中列出。3.3ARIMA模型預測結果讓SPSS軟件根據(jù)序列自己選取參數(shù)，得到的模型為ARIMA（0，1，1）（1，1，1），然后根據(jù)該模型對時間序列進行檢驗[9]，得到的擬合度指標如表3-4所示：表3-4ARIMA模型擬合度指標ARIMA模型擬合度指標擬合統(tǒng)計平均值最小值最大值百分位數(shù):5百分位數(shù):10R-squared10.6650.6650.6650.6650.665R-squared20.9050.9050.9050.9050.905RMSE11963.91911963.91911963.91911963.91911963.919MAPE8.2998.2998.2998.2998.299MaxAPE84.65684.65684.65684.65684.656MAE8361.9138361.9138361.9138361.9138361.913MaxAE52392.67152392.67152392.67152392.67152392.671正態(tài)化BAC18.87718.87718.87718.87718.877ARIMA模型參數(shù)確定后根據(jù)信息準則進行預測，由于BIC準則適用性更高，所以這里用BIC準則來預測，最后的預測結果如圖3-3所示：圖3-3ARIMA模型擬合及預測結果從結果可以明顯看出，和加法季節(jié)指數(shù)法一樣，對波峰和波谷的預測不是很好。和真實值曲線的走勢相差還是很大。從整體來看，擬合效果一般。2020年的新冠危機對用電量產(chǎn)生了重大影響，預測階段的細節(jié)在本章的總結中列出。3.4改進的ARMIA模型預測結果首先將數(shù)據(jù)導入SPSS，添加時間序列數(shù)據(jù)，然后得到季節(jié)數(shù)據(jù)，對三階段時間序列進行額外的季節(jié)分析，包括增長因子Q，季節(jié)因子X，隨機誤差S。必須處理每個分量序列，因為：隨機誤差S是使用每年同一月份的隨機誤差計算的。S采用算術平均法預測，參數(shù)n選擇為5，生長因子Q采用SPSS軟件的ARIMA模型預測，模型參數(shù)為ARIMA(0,1,1)(1,1,1）。輸入結果和預測結果應按照季節(jié)單位預測法的原則，按三部分序列計算，即在單位時間序列中加入三個分量。最后所得擬合和預測結果如圖3-4所示：圖3-4改進ARIMI模型擬合及預測結果從結果可以明顯看出，擬合的效果相比前面使用的方法有了相當?shù)奶岣?，說明了此改進方法的可取性。2020年的新冠危機對用電量產(chǎn)生了重大影響，預測階段的細節(jié)在本章的總結中列出。表3-5的內(nèi)容為佛山市2020年1至6月用電量的預測三種方法的對比，而表3-6的內(nèi)容為預測值誤差百分比不同方法的對比。如下所示：表3-5用電量真實值及預測結果時間真實值加法季節(jié)指數(shù)法ARIMA模型改進ARIMA模型2020年1月117640160729.6979123802.7161904.98952020年2月85081127878.052180168.5127018.092020年3月149234184198.7765185063.3186962.95152020年4月175694188553.2521198658.4191095.98862020年5月202247196177.5704199416199134.96972020年6月203518197731.3746214067.4200958.887表3-6用電量預測誤差百分比時間誤差百分比加法季節(jié)指數(shù)法ARIMA模型改進ARIMA模型2020年1月36.63%44.59%37.63%2020年2月50.30%39.39%49.29%2020年3月23.43%23.36%25.28%2020年4月7.32%9.06%8.77%2020年5月-3.00%4