基于ARIMA-TARCH-BP神经网络模型的中长期负荷预测方法OA北大核心CSTPCD
Mid-Long Term Load Forecasting Based on ARIMA-TARCH-BP Neural Network Model
中长期负荷预测是电力系统规划运行的重要基础.针对经济转型阶段多样化负荷呈现的强波动性致其预测精度难以保障的问题,利用电力负荷历史统计数据建立ARIMA-TARCH模型,对负荷时间序列的非平稳性、自相关性和非对称波动特性进行分析,并结合BP神经网络理论对负荷拟合残差值进行修正,进而对目标规划年的负荷进行预测.最后,以我国某地区的实际电网负荷为算例,预测未来五年的负荷变化趋势,验证所提预测方法的可行性和有效性.
雷铮;田书欣;闫大威;魏联滨;王魁;柳璐
国网天津市电力公司经济技术研究院,天津300171上海电力大学电气工程学院,上海200090国网天津市电力公司经济技术研究院,天津300171国网天津市电力公司,天津300371国网天津市电力公司经济技术研究院,天津300171电力传输与功率变换控制教育部重点实验室,上海交通大学电气工程系,上海200240
信息技术与安全科学
负荷预测经济转型ARIMA-TARCH模型波动性BP神经网络
《电子器件》 2020 (1)
175-179,5
国家电网公司科技项目( KJ18-1-30)
评论