十九种用电量预测方法的比较

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A Comparison of Nineteen Various Electricity Consumption Forecasting
  Approaches and Practicing to Five Different Households in Turkey》
---
作者：
T. O. Benli
---
最新提交年份：
2016
---
英文摘要：
  The accuracy of the household electricity consumption forecast is vital in taking better cost effective and energy efficient decisions. In order to design accurate, proper and efficient forecasting model, characteristics of the series have to been analyzed. The source of time series data comes from Online Enerjisa System, the system of electrical energy provider in capital of Turkey, which consumers can reach their latest two year period electricity consumptions; in our study the period was May 2014 to May 2016. Various techniques had been applied in order to analyze the data; classical decomposition models; standard typed and also with the centering moving average method, regression equations, exponential smoothing models and ARIMA models. In our study, nine teen different approaches; all of these have at least diversified aspects of methodology, had been compared and the best model for forecasting were decided by considering the smallest values of MAPE, MAD and MSD. As a first step we took the time period May 2014 to May 2016 and found predicted value for June 2016 with the best forecasting model. After finding the best forecasting model and fitted value for June 2016, than validating process had been taken place; we made comparisons to see how well the real value of June 2016 and forecasted value for that specific period matched. Afterwards we made electrical consumption forecast for the following 3 months; June-September 2016 for each of five households individually.
---
中文摘要：
家庭用电量预测的准确性对于做出更具成本效益和能效的决策至关重要。为了设计准确、合理、高效的预测模型，必须分析序列的特征。时间序列数据来源于在线Enerjisa系统，该系统是土耳其首都电能供应商的系统，用户可以通过该系统获得最近两年的用电量；在我们的研究中，时间是2014年5月至2016年5月。为了分析数据，应用了各种技术；经典分解模型；标准型，也有中心移动平均法、回归方程、指数平滑模型和ARIMA模型。在我们的研究中，九种青少年不同的方法；所有这些方法至少都有不同的方法，经过比较，并通过考虑MAPE、MAD和MSD的最小值来确定最佳预测模型。作为第一步，我们在2014年5月至2016年5月期间，利用最佳预测模型找到了2016年6月的预测值。在找到2016年6月的最佳预测模型和拟合值后，进行了验证过程；我们进行了比较，以了解2016年6月的实际价值与该特定时期的预测价值的匹配程度。之后，我们对未来3个月的用电量进行了预测；2016年6月至9月，五户家庭各一户。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> A_Comparison_of_Nineteen_Various_Electricity_Consumption_Forecasting_Approaches_.pdf (606.74 KB)

2022-5-25 11:01:20 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：预测方法 用电量 Quantitative Econophysics Applications

关键词：预测模型用电量季节性周期19种不同用电量预测方法的比较和土耳其五户不同家庭的实践，土耳其家庭用电量预测的准确性对于做出更具成本效益和能效的决策至关重要。为了设计准确、合理、高效的预测模型，必须分析序列的特征。时间序列数据来源于在线Enerjisa系统，该系统是土耳其首都电力能源供应商的系统，用户可以通过该系统获得最近两年的用电量；在我们的研究中，时间是2014年5月至2016年5月。为了分析数据，应用了各种技术；经典分解模型；标准型，也有中心移动平均法、回归方程、指数平滑模型和ARIMA模型。在我们的研究中，九种青少年不同的方法；所有这些都至少具有方法学的多样性，已经进行了比较，并通过考虑MAPE、MAD和MSD的最小值来确定最佳预测模型。作为第一步，我们在2014年5月至2016年5月期间，使用bestforecasting模型找到了2016年6月的预测值。

在找到2016年6月的最佳预测模型和拟合值后，进行了验证过程；我们进行了比较，以了解2016年6月的实际价值与该特定时期的预测价值的匹配程度。之后，我们对未来3个月的用电量进行了预测；2016年6月至9月，五个住户各自。(c)20161。简介世界人口的增长和生活水平的提高导致了用电量的快速增长。连续规划能源投资和能力决策有助于克服可持续性问题。土耳其当地能源数量有限，必须进口65%的一次能源才能满足需求。预计土耳其的电能消耗将继续以每年约8%的速度快速增长[2]。为了减少对外依赖并做出节能决策，土耳其的决策者和决策者显然需要研究人员开发和执行的有效预测工具和方法。我们可以说，在商业环境中，预测是一种非常重要的规划工具。院士和研究人员在开发预测工具和模型方面付出了大量努力。分析历史数据并应用统计知识，以便将预测值与过去的数据联系起来，并反映时间序列的特征，这一点非常重要。由数据组成的时间序列是在一段时间内连续收集的。将要分析的数据可以是每日、每周、每月或每年的格式。选择将在模型中使用的适当周期格式对模型的准确性起着重要作用。

对于节能问题，我们将提供未来3个月的电力消耗预测，以揭示潜在的消耗、成本和节约。住宅用电量的预测对于做出节能决策非常重要。在土耳其，市场按照日前定价系统进行结构，我们看到一天中有三个不同的时段；即白天、高峰和夜晚。在一天内对每个时段的用电量进行单独分析更为有效。这种方法将帮助我们更好地理解时间序列的特征，并以更准确的方式将该特征反映到我们的预测模型中。温度变化、人们的日常生活活动、电价和人们的购买能力、周末或国定假日、家庭人口都会对用电产生影响，在分析用电特征时，必须考虑这些因素。用电量预测的分类可以基于三个不同的时间范围：短期（主要是提前一天）、中期（六个月到一年）和长期（一年及以上）。已经开发了几种不同的预测方法和模型，尤其是短期预测方法和模型。在当今的电力行业中，短期用电量预测变得非常重要。开发准确、快速、可靠的短期预测方法对电力公司及其客户都很重要[6]。

对于短期预测，可以使用平稳和非平稳时间序列模型[7]。自回归综合移动平均（ARIMA）用于预测短期和长期[8]。ARIMA模型是过去三十年时间序列预测中常用的线性模型[9]。统计预测的各种方法有：；回归分析、经典分解方法、Box和Jenkins以及指数平滑技术。指数平滑技术可能是电力消耗预测中最常用的方法。该模型的简单性、计算效率和高精度落后于指数平滑方法的普及。Holt-Winters指数平滑法是指数平滑法的一种，由于其鲁棒性和精确性，它是预测时间序列的常用方法之一[10]。所有这些不同的技术都有不同的特点和不同的方法来预测时间序列数据，并给出不同的精度。误差测量用于确定预测模型的准确性。执行预测模型时的技术因素会影响模型的精度和误差测量。

预测间隔、预测周期、时间序列的特征和大小会影响各种技术的误差测量。在这项预测五个不同家庭单色、白天、峰值和夜间用电量的研究中，我们对九种不同的方法感兴趣；它们通过其他方面获得了不同的方面，比如不同的季节性特征；12和4，不同类型的模型，采用经典分解技术；使用加法和乘法模型，并基于不同的技术；标准经典分解模型、带中心移动平均法的经典分解模型、回归方程、单指数、双指数和三指数（Holt-Winters模型）平滑模型，最后是ARIMAmodel。通过考虑MAPE、MAD和MSD的最小值，选择最合适的预测方法和最佳时段选择。本文其余部分的结构如下。第2节为文献综述。第3节描述了我们的方法学和我们使用的方法的形式。第四节给出了我们模型的结果、实验评估，还给出了验证过程的结果以及我们的最佳预测模型的三个月平均拟合值。在第5节中，讨论部分讨论了我们的推论，第6节给出了对未来工作和结论的意见。2、文献综述为了提高能耗预测的准确性，研究人员进行了大量的研究，提出了各种模型和方法。例如，Saaband的同事【11】用两种不同的方法研究了月度电能消耗的预测方法；ARIMA和AR（1）在黎巴嫩。

在[12]中，朱、郭和冯使用Darima和BVAR预测方法预测了1980年至2009年中国的家庭能耗。Ediger和Akar【13】采用SARIMA（季节性ARIMA）方法预测2005年至2020年土耳其未来的燃料能源需求。对于用电量预测，D.Srinivasan、C.S.Chang、A.C.Liew【14】提出了线性回归模型。在能源消耗预测方面，BiancoV、Manca O、Nardini S【15】应用了灰色预测模型。对伊朗、Zhou P、Ang BW、Poh KL的电力市场进行短期消费预测。提出了一种改进的奇异谱分析方法。Kumar和Jain【16】预测了印度常规能源使用的消耗量，执行了灰色马尔可夫模型、滚动机制灰色模型和奇异谱分析模型。Syariza和Norhafiza（2005）为了预测Perlis的用电量，比较了各种预测方法。然而，众所周知，Box-Jenkins方法是最流行的预测方法之一，在他们的研究中，他们发现Box-Jenkins方法并不适合使用，他们还指出回归模型更适合他们的问题。后来，另一项研究曝光，泰勒（2008）的研究表明，指数平滑法更可靠，更适合于短期预测。3、方法学3。1本研究中的模型采用了不同的十九种方法来预测土耳其安卡拉的家庭用电量。