資源描述：
《基于小波分析和GM-ARIMA模型的月度售電量預(yù)測.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第42卷第4期華北電力大學(xué)學(xué)報Vo1．42．No．42015年7月JournalofNoahChinaElectricPowerUniversityJu1．，2015doi：10．3969／j．ISSN．1007—2691．2015．04．17基：f：dx波分析和GM—ARIMA模型的月度售電量預(yù)測樊嬌，馮昊，牛東曉，王筱雨，劉福炎(1．華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京102206；2．國網(wǎng)浙江省電力公司經(jīng)濟(jì)技術(shù)研究院，浙江杭州310008)摘要：月度售電量直接反映電力企業(yè)的經(jīng)營效益，準(zhǔn)確的電量預(yù)測對于電力企業(yè)合理
2、安排購售電方案、確定融資缺口具有重要意義。鑒于各地區(qū)月度售電量時間序列不但有隨時間逐漸增長的趨勢，還受節(jié)假日、氣溫等因素的影響存在隨機(jī)項(xiàng)，為了提高電力企業(yè)月度售電量的預(yù)測精度，采用小波分析理論將月度售電量時間序列分解為近似序列和細(xì)節(jié)序列，并通過對分解后子序列的特征進(jìn)行分析，分別采用相匹配的GM(1，1)模型和ARIMA模型對子序列進(jìn)行預(yù)測，然后通過序列重構(gòu)得到月度售電量的預(yù)測值。經(jīng)實(shí)際算例驗(yàn)證，該組合預(yù)測方法的平均誤差率為3．7％，與神經(jīng)網(wǎng)絡(luò)等常用單一預(yù)測方法相比能明顯提高預(yù)測精度，具有較強(qiáng)的適應(yīng)能力。關(guān)鍵詞：小波
3、分析；分解序列；灰色模型；ARIMA中圖分類號：TM614文獻(xiàn)標(biāo)識碼：A文章編號：1007—2691(2015)04—0101—05MonthlyElectricitySalesForecastBasedonWaveletAnalysisandGM．ARIMAModelFANJiao，F(xiàn)ENGHao，NIUDongxiao，WANGXiaoyu，LIUFuyan(1．SchoolofEconomicsandManagement，NoahChinaElectricPowerUniversity，Beijing1022
4、06，China；2．EconomicResearchInstituteofZhejiangElectricPowerCompany，StateGrid，Hangzhou310008，China)Abstract：Monthlyelectricitysalescanreflectthebusinessprofitofpowerplantsdirectly．Thustheaccurateforecastofelectricitysalescanhelpthoseplantsmakereasonablearrangem
5、entoftheelectricitypurchasingschemeanddeter—minethefinancinggap．Thetimeseriesofmonthlyelectricitysalesnotonlytendstograduallyincreasewithtime，butalsocomesundertheinfluenceofthefactorsliketemperatureandholidays．InordertOimprovethepredictionaccuracyofthemonthlys
6、aleofpowerplants，thispaperemployedthetheoryofwaveletanalysistodecomposethetimeseriesofmonthlyelectricitysalesintoapproximationsequenceanddetailsequences．Afteranalyzingthecharacteristicsofde—compositionsequencesrespectively，matchingmethods——GM(1，1)andARIMAmodel
7、，wereemployedtopredictthedecomposedsubsequences．Thenthroughthereconstructionofsubsequences，thefinalpredictionofelectricitymonthlysaleswiththeaverageerrorrateof3．7％wereobtained．Finally．itwasverifiedbyexamplesthatthecombi—nationforecastingmethodcouldobviouslyimp
8、rovethepredictionaccuracy，withastrongabilitytoadapt．Keywords：waveletanalysis；decompositionsequence；greymodel；ARIMA建立與發(fā)展，電力企業(yè)運(yùn)營的經(jīng)濟(jì)性成為重要指0引言標(biāo)。對于電力企業(yè)而言，主要的現(xiàn)金流入來源于售電收入，在我國目前實(shí)行電價管制的情況下，
