《表3 模型预测误差指标》
关于残差自回归的建模思想,Taylor等已经在英格兰、威尔士以及巴西里约的小时级用电数据集上验证一次残差自回归对于Holt-Winters模型和ARIMA模型的改进作用[14-16]。与之不同的是,本文模型在自回归的基础上使用残差自回归迭代的方法,更好地把握了短期用电量之间的强相关关系。在残差自回归迭代过程中,三次迭代时,残差自回归系数就接近于0,也说明了此方法的正确性和一般适用性。并且,本文在数据预处理中没有对周末和节假日等会引起用电量显著变化的数据点做任何处理,但基于残差自回归的时间序列模型仍然达到了可观的预测结果,充分说明了模型应对数据波动的能力。我国智能电表普及度还较低,可用于短期用电量研究的数据还较少,本文模型提高了小区域短期用电量预测准确性和稳定性,并在两组不同的数据集上表现平稳,期待未来在更多的数据集上得到检验。同时,用电数据反映了气候、生产生活习惯等地域特征和人口特征,如果能够匹配相关的特征数据,就能够帮助我们进一步理解用户用电行为,提高短期区域用电量预测准确度。
图表编号 | XD0067525500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 闵旭、叶青、蔡高琰 |
绘制单位 | 清华大学经济管理学院、清华大学经济管理学院、广东浩迪创新科技有限公司 |
更多格式 | 高清、无水印(增值服务) |