简介:摘 要:根据建筑业2015年1季度到2018年4季度总产值数据做出时间序列图,初步判断总体趋势为上升,另外还有明显的季节性趋势特点,选用两种常用的季节性趋势预测方法(自适应过滤法、ARIMA模型)。根据MAD、MSE、MFE、MAPE四个误差分析指标以及建筑业2019年实际总产值综合分析预测精准度、各自优缺点及适用条件。
简介:摘要更加准确的电力负荷预测可以为电网的安全稳定运行、实时进行电网负荷的调度提供了重要依据。特别是在经济方面,精确的电力负荷预测可以优化发、用电电网调度计划,合理调度和分配资源,从而起到使社会效益、经济效益最大化的作用。然而随着中国经济的飞速发展,对电力的需求不断增长,电力负荷本身受诸多因素以及政策影响比如日期、天气、气候、市场等其他因素,这些因素更大大加大了准确进行电力负荷预测的困难性。一直以来,人们一直都致力于提高电力负荷预测的准确性,人工神经网络算法具有泛化、学习能力强等优点,现在该算法已在电力负荷预测领域中得到了广泛应用,并且取得了良好的效果。近年来,人工神经网络领域取得重大突破,涌现出一个新的深度学习研究领域。
简介:摘要:随着信息技术的不断成熟与发展,为各行各业的发展都带来了众多的便利,与此同时,各行各业都在不断的进行在信息化建设,电力企业也不例外,也在积极的进行着智能电网的建设,以推动电力系统运行质量的不断提升,这是时代发展的必然要求。在电力系统的运行过程当中,每天都会产生大量的电力数据。在这样的发展背景之下,我们进入了电力大数据时代,这对电力负荷的预算也提出了更高的要求与标准。电力负荷的预算准确性与时效性不仅与电力系统运行的稳定与可靠有着直接的关系,而且直接关系着社会的正常用电。因此有效保障电力负荷短期预测的准确性与时效性至关重要。基于此,本文在概述电力大数据的特点,以及分析电力大数据下的短期电力负荷预测必要性的基础上对电力大数据下的短期电力负荷预测进行了深入的研究,以供参阅