浙江居民用电需求的影响因素研究及定量预测
发布时间:2021-09-04 05:53
随着我国居民用电占比的不断提升,居民用电智能采集系统与大数据平台的不断完善,针对居民用户的用电行为差异化及用电潜力分析的研究变得愈加重要与可行,基于大数据分析方法对我国居民用户用电行为特性分析以及借鉴国外发达国家经验综合判断未来我国居民用电增长潜力是尤为必要的。文章利用多元归回模型判断浙江居民用电量各影响因素的显著性,实证分析显示其中城镇化比率、常住人口数、人均可支配收入和电器普及率对居民用电量具有显著影响效应,是预测浙江居民用电量预测模型中重要解释变量。
【文章来源】:大众标准化. 2020,(15)
【文章页数】:2 页
【文章目录】:
1 影响因素分析
1.1 经济发展因素
1.2 人口因素
1.3 气温因素
1.4 城镇化发展因素
2 预测模型
3 变量的相关性分析
4 回归结果
5 结果与分析
【参考文献】:
期刊论文
[1]基于大数据分析的陕西省居民用电行为及影响因素研究[J]. 李永毅,石蓉,郎锐,王开艳,贾嵘. 电网与清洁能源. 2019(04)
[2]基于主成分回归的安徽省城镇居民用电量预测模型[J]. 潘玉荣,贾朝勇. 佛山科学技术学院学报(自然科学版). 2019(02)
[3]基于多元线性回归模型的居民用电量影响因素分析[J]. 张海珍,朱家明. 西昌学院学报(自然科学版). 2017(01)
[4]贵州省居民用电量影响因素分析[J]. 殷子皓. 贵州电力技术. 2017(03)
本文编号:3382692
【文章来源】:大众标准化. 2020,(15)
【文章页数】:2 页
【文章目录】:
1 影响因素分析
1.1 经济发展因素
1.2 人口因素
1.3 气温因素
1.4 城镇化发展因素
2 预测模型
3 变量的相关性分析
4 回归结果
5 结果与分析
【参考文献】:
期刊论文
[1]基于大数据分析的陕西省居民用电行为及影响因素研究[J]. 李永毅,石蓉,郎锐,王开艳,贾嵘. 电网与清洁能源. 2019(04)
[2]基于主成分回归的安徽省城镇居民用电量预测模型[J]. 潘玉荣,贾朝勇. 佛山科学技术学院学报(自然科学版). 2019(02)
[3]基于多元线性回归模型的居民用电量影响因素分析[J]. 张海珍,朱家明. 西昌学院学报(自然科学版). 2017(01)
[4]贵州省居民用电量影响因素分析[J]. 殷子皓. 贵州电力技术. 2017(03)
本文编号:3382692
本文链接:https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/3382692.html