夏季短期电力负荷 ARIMA - SVR 组合预测模型王喜平王雅琪Heilongjiang Electric Power Journal
ARIMA(自回归积分滑动平均模型)是一种经典的时间序列预测模型,广泛应用于金融市场的预测中。ARIMA模型基于对时间序列的自回归(AR)和滑动平均(MA)部分的建模,通过时间序列的差分来处理非平稳性,从而达到对未来趋势的预测。 2.2 SVR模型 支持向量回归(Support Vector Regression,SVR)是基于支持向量机(Support Vector Machi...
为了提高潮汐预测的准确性,本文将基于调和分析和ARIMA-SVR的组合潮汐预测模型进行研究和探讨。 我们知道潮汐的变化是具有一定的规律性的,通常可以用调和分析来描述。调和分析是对周期性信号的一种处理方法,可以分析出信号的周期性变化规律,并据此进行预测。在潮汐预测中,可以通过对潮汐观测数据进行调和分析,得到潮汐的...
针对夏季电力负荷因波动性,非线性等特点和易受气温,日类型等因素影响,用单一模型难对其做出精确预测的问题,基于自回归积分滑动平均模型(ARIMA)和支持向量回归机模型(SVR)的优点,构建了ARIMA-SVR组合预测模型.通过ARIMA预测模型进行线性拟合,然后根据粒子群算法(PSO)优化参数的SVR预测模型对ARIMA模型的残差预测值进行修正...
摘要:为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的...
利用光伏电站气象站实际监测历史数据,建立基于自回归滑动平均( autoregressive integrated moving av-erage, ARIMA) 模型和支持向量回归(support vector regression, SVR) 的光伏电站超短期功预测模型来实现光伏电站超短期功率的实时跟踪和预测,为此,先用预测日实测数据进行辐照强度和气温ARIMA时间序列的单步预测;其次,辐照...
针对潮汐预测的需求,调和分析和ARIMA-SVR模型被广泛应用于潮汐预测中。调和分析是一种用来描述周期性或规律性时间序列变化的方法。ARIMA-SVR模型则结合了自回归积分移动平均模型(ARIMA)和支持向量回归模型(SVR),能够更准确地捕捉潮汐数据的特点。 本文将介绍基于调和分析和ARIMA-SVR的组合潮汐预测模型,包括模型原理、建模...
为了提高潮汐预测的准确性,我们提出了一种基于调和分析和ARIMA-SVR的组合潮汐预测模型。 调和分析是一种基于频率分析的方法,它可以从时间序列中提取潮汐的周期性变化。这种方法可以很好地捕捉潮汐的周期性规律,但是对于非周期性的因素就无能为力了。而ARIMA-SVR模型则可以很好地拟合非周期性的潮汐变化,是一种统计时间...
摘要:为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的...
1.一种基于ARIMA和相空间重构SVR的母线净负荷预测方法,其特征在于,具体包括以下几个步骤:步骤一,确定ARIMA模型的(p,q,d)参数,建立ARIMA模型;步骤二,基于CC法对ARIMA(p,q,d)模型残差序列进行相空间重构;步骤三,基于重构后的残差矩阵利用SVR建立净负荷非线性部分预测模型;步骤四,获得净负荷预测最终结果。 2.根据...