《表1 售电量预测外部影响指标》
注:气候气象数据可通过网站查询该地的每天最高气温与最低气温数据,二者的平均数作为日平均温度,受异常值的影响,可利用每月中所有日平均温度的中位数代表月平均温度。
传统的预测方法是根据历史时间序列数据进行预测,因此需要收集各分类售电量以及总售电量的历史数据。智能预测方法需要基于众多自变量进行预测,因此需要收集外部宏观经济指标历史数据以及气候气象相关数据等。根据用户性质的不同,我们选择对大工业售电量、一般工商业售电量、农业生产售电量、居民生活售电量进行分类预测以及对总售电量预测,收集对应的售电量历史数据,相关外部指标可参考表1所列出的影响因素,同时,可参考各省各地市的地域特点,自由增减各影响指标。以某省总售电量预测为例,表2给出预测中选择的外部影响指标。
图表编号 | XD00209891300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.25 |
作者 | 任腾云 |
绘制单位 | 国网江苏省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |