考虑春节影响的售电量预测结果修正方法

doi:10.11959/j.issn.1000-0801.2019041

电信科学 ›› 2019, Vol. 35 ›› Issue (3): 127-134.doi: 10.11959/j.issn.1000-0801.2019041

考虑春节影响的售电量预测结果修正方法

刘建¹,赵加奎¹,陈雨泽¹,方学民²,刘玉玺¹,王树龙¹,陈雁¹,欧阳红¹

¹ 国网信息通信产业集团有限公司，北京 100085
² 国家电网有限公司，北京 100032

修回日期:2019-01-20 出版日期:2019-03-01 发布日期:2019-03-23
作者简介:刘建（1989- ），男，国网信息通信产业集团有限公司工程师，主要研究方向为电力营销大数据分析。|赵加奎（1979- ），男，博士，国网信息通信产业集团有限公司教授级高级工程师，主要研究方向为电力信息化及电力大数据分析。|陈雨泽（1988- ），男，国网信息通信产业集团有限公司工程师，主要研究方向为电力营销大数据分析。|方学民（1972- ），男，国家电网有限公司高级工程师，主要研究方向为电力信息化及电力大数据分析。|刘玉玺（1984- ），男，国网信息通信产业集团有限公司高级工程师，主要研究方向为电力信息化及电力大数据分析。|王树龙（1978- ），男，国网信息通信产业集团有限公司工程师，主要研究方向为电力营销信息化及大数据分析。|陈雁（1981- ），女，博士，国网信息通信产业集团有限公司高级工程师，主要研究方向为电力营销大数据分析、人工智能技术研究与应用。|欧阳红（1967- ），男，国网信息通信产业集团有限公司高级工程师，主要研究方向为电力信息化及电力大数据分析。

An adjustment method for electricity sales forecasting result considering the effects of spring festival

Jian LIU¹,Jiakui ZHAO¹,Yuze CHEN¹,Xuemin FANG²,Yuxi LIU¹,Shulong WANG¹,Yan CHEN¹,Hong OUYANG¹

¹ State Grid Information ＆Telecommunication Group Co.,Ltd.,Beijing 100085,China
² State Grid Corporation of China,Beijing 100032,China

Revised:2019-01-20 Online:2019-03-01 Published:2019-03-23

摘要/Abstract

摘要：

考虑春节对不同行业的影响，提出了一种考虑春节因素影响的月度售电量预测结果修正方法，首先利用历史春节日期距1—3月第一天的天数和历史各行业1—3月的售电量占第一季度售电量的占季比进行曲线拟合，然后利用预测年份春节日期距1—3月第一天的天数和拟合函数计算预测年份1—3月售电量占季比的预测值，最后利用各月占季比预测值对国家电网公司1—3月的售电量预测结果进行修正，得到春节因素修正后的售电量预测结果。实证研究结果表明，本文提出的售电量预测结果修正方法能够有效地降低第一季度售电量预测误差。

关键词: 售电量, 春节, 回归分析, 最小二乘法

Abstract:

The effects of Spring Festival on electricity sales of different trades were considered and an adjustment method for electricity sales forecasting result was proposed.Firstly,the month-quarter ratio of historical electricity sales in each trade of every month in the first quarter and the distance between Spring Festival and the first day of every month in the first quarter was used to create a functional relationship.Then,the distance between Spring Festival and the first day of every month in the first quarter of the target year was used as input and the predicted month-quarter ratio of electricity sales of each trade of every month in the first quarter of the target year was calculated according to the functional relationship.The adjusted electricity sales forecasting result can then be computed by using the predicted month-quarter ratio and the electricity sales forecasting of each trade of every month in the first quarter of the target year before adjustment.The adjustment result shows that the proposed method can effectively lower the error of electricity sales forecasting in the first quarter.

Key words: electricity sales, Spring Festival, regression analysis, least square

中图分类号:

TM715

刘建,赵加奎,陈雨泽,方学民,刘玉玺,王树龙,陈雁,欧阳红. 考虑春节影响的售电量预测结果修正方法[J]. 电信科学, 2019, 35(3): 127-134.

Jian LIU,Jiakui ZHAO,Yuze CHEN,Xuemin FANG,Yuxi LIU,Shulong WANG,Yan CHEN,Hong OUYANG. An adjustment method for electricity sales forecasting result considering the effects of spring festival[J]. Telecommunications Science, 2019, 35(3): 127-134.

图/表 8

图1

图2

图3

表1

表2

图4

图5

图6

参考文献 15

[1]	崔和瑞, 王娣 . 基于季节 ARIMA 模型的华北电网售电量预测研究[J]. 华东电力, 2009,37(1): 70-72.
	CUI H R , WANG D . Study of electricity sales forecasting for North China Power Grid based on seasonal ARIMA model[J]. East China Electric Power, 2009,37(1): 70-72.
[2]	吴杰, 宋国堂, 卢志刚 ,等. 基于偏最小二乘回归与比重法的月售电量预测[J]. 电力系统及其自动化学报, 2008,20(3): 66-69.
	WU J , SONG G T , LU Z G ,et al. Forecasting for monthly elec-tricity consumption using partial least-square regressive and proportion model[J]. Proceedings of the CSU-EPSA, 2008,20(3): 66-69.
[3]	樊娇, 冯昊, 牛东晓 ,等. 基于小波分析和GM-ARIMA模型的月度售电量预测[J]. 华北电力大学学报(自然科学版), 2015,42(4): 101-105.
	FAN J , FENG H , NIU D X ,et al. Monthly electricity sales forecast based on wavelet analysis and GM-ARIMA model[J]. Journal of North China Electric Power University, 2015,42(4): 101-105.
[4]	颜伟, 程超, 薛斌 ,等. 结合X12乘法模型和ARIMA模型的月售电量预测方法[J]. 电力系统及其自动化学报, 2016,28(5): 74-80.
	YAN W , CHENG C , XUE B ,et al. Forecasting for monthly electricity consumption using X12 multiplication method and ARIMA model[J]. Proceedings of the CSU-EPSA, 2016,28(5): 74-80.
[5]	TAYLOR J W . Triple seasonal methods for short-term electricity demand forecasting[J]. European Journal of Operational Research, 2010,204(1): 139-152.
[6]	OHTSUKA Y , OGA T , KAKAMU K . Forecasting electricity demand in Japan:a Bayesian spatial autoregressive ARMA approach[J]. Computational Statistics ＆ Data Analysis, 2010,54(11): 2721-2735.
[7]	RINGWOOD J V , BOFELLI D , MURRAY F T . Forecasting electricity demand on short,medium and long time scales using neural networks[J]. Journal of Intelligent and Robotic Systems, 2001,31(1-3): 129-147.
[8]	HIRANO O , KANKE M , OZAWA K . Electricity demand and price analysis in California using possibility regression model[J]. Journal of Advanced Computational Intelligence and Intelligent Informatics, 2003,7(2): 147-152.
[9]	MOTAMEDI A , ZAREIPOUR H , ROSEHART W D . Electricity price and demand forecasting in smart grids[J]. IEEE Transactions on Smart Grid, 2012,3(2): 664-674.
[10]	LIU S , TIAN L . The study of long-term electricity load forecasting based on improved grey prediction model[C]// 2013 International Conference on Machine Learning and Cybernetics,July 14-17,2013,Tianjin,China. Piscataway:IEEE Press, 2013: 653-656.
[11]	KALASHNIKOV V , KALASHNYKOVA N , PEREZ F J C ,et al. Liberalization of Mexican electricity market:various modeling approaches with numerical simulation results[C]// 2008 International Conference on Intelligent Systems Design and Applications,June 24-28,2008,Kaohsiung,China. Piscataway:IEEE Press, 2008: 72-76.
[12]	ZHAO J , TANG W S , FANG X M . A novel electricity sales forecasting method based on clustering regression and time series analysis[C]// 2015 International Conference on Artificial Intelligence and Software Engineering,January 10-12,2015,Lisbon,Portugal. New York:ACM Press, 2015.
[13]	ZHAO J , TANG W S , FANG X M ,et al. A novel accuracy adjustment approach for forecasted quantity of electricity sales based on abnormal influencing factors assessment[C]// 2015 8th International Symposium on Computational Intelligence and Design (ISCID),Dec 21-22,2015,Hangzhou,China. Piscataway:IEEE Press, 2015: 516-520.
[14]	孙婧捷 . 基于组合方法的月度售电量预测研究[D]. 大连：大连理工大学, 2014.
	SUN J J . Research on monthly electricity sales forecasting based on combination method[D]. Dalian:Dalian University of Technology, 2014.
[15]	潘小辉, 刘丽萍, 李扬 . 提高月度售电量预测精度的一种新方法[J]. 电力需求侧管理, 2013(3): 11-15.
	PAN X H , LIU L P , LI Y . A new method to promote the fore-casting accuracy of monthly electricity consumption[J]. Power Demand Side Management, 2013(3): 11-15.

年份春节日期	距1月首日天数	距2月首日天数	距3月首日天数
2010年 2月14日	-44	-13	15
2011年 2月3日	-33	-2	26
2012年 1月23日	-22	9	38
2013年 2月10 日	-40	-9	19
2014年 1月31日	-30	1	29
2015年 2月19日	-49	-18	10

年份	月份	占季比
2010年	1月	37.22%
	2月	32.32%
	3月	30.46%
2011年	1月	36.56%
	2月	31.48%
	3月	31.96%
2012年	1月	31.62%
	2月	33.52%
	3月	34.86%
2013年	1月	37.80%
	2月	30.86%
	3月	31.34%
2014年	1月	36.65%
	2月	30.82%
	3月	32.53%

考虑春节影响的售电量预测结果修正方法

An adjustment method for electricity sales forecasting result considering the effects of spring festival

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 15

相关文章 5

Metrics

推荐阅读 0

[1]	宋鹏峰,叶庆卫,陆志华,周宇. 基于拟合型弱分类器的AdaBoost算法[J]. 电信科学, 2019, 35(11): 27-35.
[2]	陈雨泽,李磊,方学民,刘建,赵加奎,刘玉玺,左松林. 基于回归分析的迎峰度夏用电量分析[J]. 电信科学, 2019, 35(11): 125-131.
[3]	杜续,冯景瑜,吕少卿,石薇. 基于随机森林回归分析的PM2.5浓度预测模型[J]. 电信科学, 2017, 33(7): 66-75.
[4]	杨路,何萍,王珊. UFMC系统中的载波频率同步技术[J]. 电信科学, 2016, 32(11): 50-55.
[5]	贾丹华,王润润,王鹏. 电信套餐资费预演中客户量的预测方法研究[J]. 电信科学, 2011, 27(8): 25-32.