《表2 相关数据的说明：基于套索算法和高斯过程回归的中长期居民用电量概率预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于套索算法和高斯过程回归的中长期居民用电量概率预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过研究对比文献[4，9，10]，本文选取历史负荷和外部影响因素作为输入数据来对我国居民用电量进行预测。设Yt=（yt-1，yt-2，…，yt-c）表示滞后c项的居民用电历史负荷，其中c表示将要预测的用电序列Y的最大滞后相位。外部影响因素序列表示为X=（Xt1，Xt2，…，Xtm），其中m表示为外部影响因素个数。第d个影响因素Xtd满足条件Xtd=（xtd-1，xtd-2，…，xtd-q）。在这种情况下，m被设置为13。此外，c和q都等于3，即共有42个自变量，如表1、表2所示。采用LASSO回归法对居民用电量影响因素进行筛选，共选出11个特征影响因素，分别为居民用电历史负荷第1个滞后周期，GDP第3个滞后周期，第二产业贡献率第1个滞后周期，CPI第1个滞后周期，全社会固定资产投资第1、2、3个滞后周期、中国地表年平均气温距第1、3个滞后周期、空调数量第1、2个滞后周期，其在表1中为加粗部分。从LASSO的输出情况可以看出，中国居民用电量与历史用电量、GDP、第二产业贡献率、CPI、全社会固定资产投资总额、中国地表温度、空调数量密切相关。