广州市用电量预测模型比较研究

发布时间：2021-02-06 08:06

　　采用灰色模型GM（1,1）等5种方法对2004—2018年广州市用电量作拟合检验并优选应用模型,结果表明:（1）拟合月度用电量时,气温预测法、灰色模型GM（1,1）、随机季节模型和组合预测法的平均相对误差分别为5.44%、3.47%、2.94%和2.45%;拟合年度用电量时,气温预测法、灰色模型GM（1,1）、随机季节模型、人均用电预测法和组合预测法平均相对误差分别为1.87%、2.22%、1.09%、2.36%和1.05%;从拟合精度角度看,灰色模型和随机季节模型较理想,气温预测法和人均用电量法均较差,组合预测法集成各模型优势,效果最佳。（2）运用组合预测法得出2019年、2020年和2021年广州市各月用电量分别平均同比增长3.65%、4.72%和4.65%,年用电量则分别同比增长5.12%、5.18%和5.12%,可用于广州市电网负荷管理。（3）提高预测精度要求更细的用电量和人口统计数据,需要各部门加强数据上报和沟通机制。 

【文章来源】：生态经济. 2020,36(08)北大核心

【文章页数】：6 页

【部分图文】：

四种模型的平均相对误差比较

表3 年度用电量拟合精度描述性统计 方法 极小值 极大值 均值 标准差 方差 气温预测法 0.06% 4.60% 1.87% 0.014 0.000 2 灰色预测法 0.00% 8.72% 2.22% 0.021 0.000 5 随机季节模型 0.17% 3.86% 1.09% 0.009 0.000 1 人均用电量法 0.30% 7.46% 2.36% 0.022 0.000 5 组合预测法 0.18% 3.31% 1.05% 0.008 0.000 12.2 预测方法应用

用电量的变化受社会、经济、政策和气象等因素的综合影响。段海来和千怀遂[2]研究表明,广州市城市电力消费主要受到气温、湿度、风速等气象因子的影响,其中气温为关键性因子。廉丽姝和张艳丽[3]研究表明月用电量特别是生活用电量与气温、降水、相对湿度等气象要素关系密切。沈勇等[4]研究得出城市电力消费受城镇化率、常住人口、人均可支配收入、GDP、工业产值、产业结构以及电力替代等多种因素影响。王伟和彭松[5]得出北京市电力能源消费和常住人口数据之间存在协整性关系。以上多为选取若干气象变量或社会经济变量对与某一地区月度或年度用电量的相关性进行检验或预测研究,而采用多模型组合、多时间尺度预测地区用电量的研究还较为少见。图2 2004—2018年广州市各月用电量均值和年均同比增长率

【参考文献】：
期刊论文
[1]北京电力能源消费与人口因素的协整性研究[J]. 王伟,彭松.  电力与能源. 2017(02)
[2]上海地区居民用电的影响因素和需求预测模型[J]. 沈勇,杨荥,俞国勤,刘隽,臧建彬,王亚伟.  华东电力. 2012(10)
[3]灰色理论及神经网络组合模型在水质预测中的应用[J]. 张海峰,卢云晓.  给水排水. 2010(S1)
[4]广州、香港、澳门月均温与月用电量关系初探[J]. 陈颖嘉,孙武,张惠娜,李涛,胡莉.  华南师范大学学报(自然科学版). 2010(01)
[5]广州市城市电力消费对气候变化的响应[J]. 段海来,千怀遂.  应用气象学报. 2009(01)
[6]气象条件对城市用电量的影响——以山东省曲阜市为例[J]. 廉丽姝,张艳丽.  能源研究与利用. 2003(01)

博士论文
[1]气候变化对制造业的经济影响研究[D]. 孙宁.南京信息工程大学 2011

硕士论文
[1]基于大数据平台应用的供电量分析及预测方法研究[D]. 王泽洋.华北电力大学 2017
[2]地区级电力负荷预测方法的研究[D]. 王建美.华北电力大学 2014



本文编号：3020438