基于多种预测技术的“十一五”电力需求预测及其比较研究

基于多种预测技术的“十一五”电力需求预测及其比较研究

论文摘要

我国曾经历过的大规模电力需求扩张过程告诉我们,对于快速增长的中国经济来说,要避免未来电力短缺就有必要对我国电力需求预测技术进行系统研究。如果不能认识和把握电力需求的变化,就无法进行电源建设和电网布局,也就使得电力工业无法应对市场的变化。本论文首先分析了影响电力需求的因素,并将影响因素划分为三类,然后依次建立线性回归预测模型、协整理论预测电力需求、自适应动态机制灰色预测模型,对2006~2015年的电力需求进行了预测,特别对“十一五”期间电力需求进行详细研究。在以上研究的基础上,对比目前相关研究成果,建立了电力需求预测体系,并划分了不同预测技术的适用范围。对“十一五”期间电力需求的研究表明:随着现代化水平提高,我国国民经济和社会发展步入一个新阶段,消费结构升级带动产业结构升级,工业化和城镇化步伐加快,这些都会引起表现在灰色系统模型系数水平和样本容量的变化,因此本论文突破传统固定系数水平和样本容量的灰色系统模型,建立了自适应动态机制灰色预测模型。线性回归模型由于GDP增长速度的不确定以及GDP时间序列本身的非平稳,不适用于长期电力需求预测。研究表明在需要进行区间预测的情况下,使用线性回归模型与修正误差模型组合可以满足电力需求中、短期预测;使用协整模型与自适应动态机制灰色预测模型组合可以满足长期预测。我国电力需求将继续快速增长,并且影响电力需求的因素越来越复杂化,突发公共事件等以前未被重视的影响因素也开始突现其影响力。我国电力工业也进入一轮快速建设期,在建设力度加大、需求增加的情况下要特别注意避免重蹈第十个五年计划中始于电力资源过剩而终于电力资源短缺的覆辙。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 论文的研究背景及意义
  • 1.2 电力需求预测概述
  • 1.3 国内外电力需求预测研究发展现状
  • 1.4 电力需求预测方法概述
  • 1.4.1 经验预测技术
  • 1.4.2 经典预测技术
  • 1.4.3 现代预测技术
  • 1.5 论文创新
  • 1.6 论文的主要内容
  • 2 电力市场整体情况分析
  • 2.1 引言
  • 2.2 电源建设情况
  • 2.3 电网建设情况
  • 2.4 发电、输电、用电结构分析
  • 3 电力需求影响因素分析
  • 3.1 引言
  • 3.2 直接量化型因素
  • 3.2.1 工业情况分析
  • 3.2.2 农业情况分析
  • 3.2.3 第三产业情况分析
  • 3.2.4 人口及人民生活水平情况分析
  • 3.3 间接量化型因素
  • 3.3.1 国家政策与中国现代化进程分析
  • 3.4 不可量化型因素
  • 3.4.1 突发公共事件情况分析
  • 4 基于线性回归模型的电力需求预测
  • 4.1 引言
  • 4.2 线性回归的适用条件
  • 4.3 基于一元线性回归模型预测电力需求
  • 4.3.1 构建一元线性回归模型
  • 4.3.2 基于一元线性回归模型的电力需求预测
  • 4.3.3 模型预测值与现实值误差比较
  • 4.3.4 模型预测电力需求
  • 4.4 基于多元线性回归模型预测电力需求
  • 4.4.1 电力需求预测的多元线性回归模型
  • 4.4.2 产生共线性的原因分析
  • 4.4.3 剔除变量法修正共线性问题
  • 4.4.4 模型预测值与现实值误差比较
  • 4.4.5 模型预测电力需求
  • 5 基于协整分析的电力需求预测
  • 5.1 引言
  • 5.2 协整分析的背景
  • 5.3 单整
  • 5.4 Dickey-Fuller 检验与Augmented Dickey-Fuller 检验
  • 5.5 协整检验
  • 5.6 误差修正模型(ECM)
  • 5.7 协整理论预测电力需求
  • 5.8 模型预测值与现实值误差比较
  • 5.9 模型预测
  • 6 基于鲁棒设计的灰色预测模型与电力需求预测
  • 6.1 引言
  • 6.2 灰色系统理论介绍
  • 6.3 灰色预测模型建模原理
  • 6.4 灰色预测模型建模过程
  • 6.5 鲁棒设计介绍
  • 6.6 试验设计
  • 6.7 确定模型系数水平及样本容量
  • 6.8 动态机制设计
  • 6.9 电力需求量与综合现代化水平指数相关性研究
  • 6.10 预测用基础数据改造
  • 6.11 全国电力需求十年预测
  • 6.11.1 模型预测值与现实数据误差比较
  • 6.11.2 模型拟合检验
  • 6.11.3 模型预测
  • 7 三种预测模型及其比较分析
  • 7.1 引言
  • 7.2 预测技术比较分析及预测体系
  • 7.3 本论文使用预测技术与现有相关研究成果的比较评价
  • 7.3.1 方法思路比较
  • 7.3.2 预测结果比较分析
  • 8 结论
  • 致谢
  • 参考文献
  • 附录
  • A. 作者在攻读学位期间发表的论文目录
  • B. 作者在攻读学位期间取得的科研成果目录
  • 相关论文文献

    • [1].电力需求预测指标法在地区负荷预测的应用[J]. 自动化应用 2016(12)
    • [2].基于改进极限学习机的电力需求预测研究[J]. 计算机与数字工程 2019(04)
    • [3].电力需求预测的实用方法研究[J]. 科技资讯 2016(21)
    • [4].中国的电力何时饱和[J]. 大众用电 2015(09)
    • [5].区域性电力需求预测分析[J]. 广东科技 2008(20)
    • [6].北京市长期电力需求预测研究[J]. 价值工程 2019(23)
    • [7].电力需求预测管理系统研究[J]. 云南电力技术 2013(01)
    • [8].基于灰色模型对上海市电力需求预测分析研究[J]. 上海节能 2020(03)
    • [9].电力需求预测与经济发展的相关性[J]. 广西大学学报(哲学社会科学版) 2010(S1)
    • [10].基于单位指标法的辽宁省“煤改电”工程电力需求预测及对电网影响[J]. 沈阳工程学院学报(自然科学版) 2020(01)
    • [11].基于支持向量回归的年电力需求预测方法[J]. 自动化技术与应用 2008(06)
    • [12].地区经济因素与电力需求预测方法探析[J]. 科技风 2013(05)
    • [13].清华水电站直供电片区电力需求预测及其启示[J]. 中国水能及电气化 2013(10)
    • [14].怎样搞好电力需求预测[J]. 大众用电 2016(03)
    • [15].基于多种数学模型的电力需求预测系统[J]. 电子世界 2013(07)
    • [16].中国城市化进程中的电力需求预测[J]. 经济研究 2009(01)
    • [17].山东省电力需求预测及分析[J]. 煤炭经济研究 2016(10)
    • [18].基于二次指数平滑模型的中国社会电力需求预测分析[J]. 价值工程 2015(36)
    • [19].基于数据挖掘的电力需求预测探究[J]. 电子测试 2015(01)
    • [20].基于经济与气象维度影响因素的省级电网年度电力需求预测方法[J]. 电力需求侧管理 2020(02)
    • [21].基于RBF模型的电力需求预测方法优化[J]. 现代经济信息 2017(12)
    • [22].不确定性中长期电力需求预测方法探讨[J]. 电力需求侧管理 2010(03)
    • [23].基于粒子群优化算法(PSO)的电力需求预测分析[J]. 科技与企业 2012(19)
    • [24].影响上海电力需求的主要因素及电力需求预测[J]. 电力需求侧管理 2011(03)
    • [25].基于SVM模型的山东省电力需求预测[J]. 能源技术经济 2011(03)
    • [26].具有电力需求预测更新的智能电网实时定价机制[J]. 电力系统自动化 2018(12)
    • [27].浅谈几种电力需求量的预测方法[J]. 科技广场 2012(06)
    • [28].LSTM的单变量短期家庭电力需求预测[J]. 中国计量大学学报 2018(02)
    • [29].“煤改电”工程实施前后农网负荷特性分析[J]. 电气技术 2017(04)
    • [30].基于连续小波分析的多尺度电力需求预测[J]. 电网与清洁能源 2017(06)

    标签:;  ;  ;  ;  ;  

    基于多种预测技术的“十一五”电力需求预测及其比较研究
    下载Doc文档

    猜你喜欢