資源描述：
《結合X12乘法模型和ARIMA模型的月售電量預測方法.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、第28卷第5期電力系統(tǒng)及其自動化學報Vol
2、28No．52016年5月ProceedingsoftheCSU—EPSAMav2016結合×12乘法模型和ARIMA模型的月售電量預測方法顏偉，程超，薛斌，李丹，陳飛，王順昌(1．輸配電裝備及系統(tǒng)安全與新技術國家重點實驗室(重慶大學)，重慶400030；2．國網(wǎng)重慶銅梁區(qū)供電有限責任公司，重慶402560)摘要：月售電量是具有趨勢性、季節(jié)性和隨機性的非平穩(wěn)負荷，直接預測難度較大。為解決該問題，結合X12乘法模型與差分自回歸移動平均(ARIMA)模型提出一種新的月售電量預
3、測方法。首先，用X12乘法模型將歷史月售電量分解為趨勢分量、季節(jié)周期分量和隨機分量，其中趨勢分量用ARIMA模型預測，季節(jié)周期分量和隨機分量分別用加權法和平均法預測；然后，用乘法模型將上述3個分量的預測值還原為最終的月售電量預測值。該方法可避免直接預測月售電量時不同分量問的相互干擾，提高預測精度；最后用重慶市銅梁區(qū)實際數(shù)據(jù)進行仿真分析。仿真結果表明，相對于ARIMA和季節(jié)ARIMA模型對月售電量序列直接建模預測的方法，所提方法具有更高的預測精度。關鍵詞：X12乘法模型；差分自回歸移動平均模型；月售電量預測；分解；還
4、原中圖分類號：TM714文獻標志碼：A文章編號：1003—8930(2016)05-0074-07DOI：10．3969~．issn．1003—8930．2016．05．012ForecastingforMonthlyElectricityConsumptionUsingX12MultiplicationMethodandARIMAModelYANWei，CHENGChao，XUEBin，LIDan。，CHENFei，WANGShunchang(1．StateKeyLaboratoryofPowerTransmis
5、sionEquipment&SystemSecurityandNewTechnology．ChongqingUniversityChongqing400030，China；2．TongliangPowerSupplyLimitedLiabilityCompany，Chongqing402560，China)Abstract：Itisdificulttoforecastthemonthlyelectricityconsumptiondirectlybecausethemonthlyelectricitycon—sum
6、ptioniSnon—stationaryload~／hichcontainsatrend．seasonalityandrandomness．Inordertosolvethisproblem．a(chǎn)newforecastingmethodofmonthlyelectricityconsumptionisproposedbasedonthemultiplicationmodelofX12methodandautoregressiveintegratedmovingaverage(ARIMA)mode1．Firstofa
7、ll，themultiplicationmodelofX[2methodisappliedtodecomposetheelectricityseriestotrendcomponent，seasonalcyclecomponentandrandomcomponent．ARI—MAmodelisusedtoforecastthetrendcomponent，weighringmethodandaveragemethodareusedtoforecastthesea—sonalcyclecomponentandrand
8、omcomponentrespectively．Then，themuhiplicationmodelofX12methodisappliedtofuseabovethreepredictivevaluesasthefinalpredictivevalueofthemonthlyelectricityconsumption．Thismethodcanavoidtheinterferenceofdifferentcomponentswhenitpredictsthemonthlyelectricityconsumpti
9、ondirectly，andthusimprovepredictionaccuracy．Finally，simulationanalysisismadewiththeactualdataofTongliangdistrictinChongq—ing．Theresultsshowthattheproposedmethodhashigherpredictiona
