【精彩论文】基于DE-GWO-SVR的中长期电力需求预测

观点凝练

摘要：电力需求预测是电力系统科学规划与运行的重要前提。根据相关性分析，从经济发展水平、城镇化水平、工业化水平、人口数量、产业结构、居民消费水平、电价和用电基数8个方面筛选出电力需求关键影响因素。利用差分进化（differential evolution，DE）和灰狼优化（grey wolf optimization，GWO）算法对支持向量回归模型（support vector regression，SVR）的参数进行优化，建立差分进化-灰狼优化-支持向量回归电力需求预测模型。选取北京市电力需求历史数据进行实证分析，比较不同模型的预测结果，验证组合优化模型的有效性及其预测的准确率，并对北京市2021—2025年电力需求进行预测。
结论：本文采用相关性分析，从经济发展水平、城镇化水平、工业化水平、人口数量、产业结构、居民消费水平、电价和用电基数8个方面筛选出电力需求关键影响因素。为进一步提高中长期电力需求预测精度，引入DE-GWO优化算法，对SVR模型的惩罚因子和径向基核函数参数进行迭代优化，有效提高了预测精度。通过对ARIMA、LSSVR、ABC-SVR、GWO-SVR、DE-GWO-SVR等多种预测方法进行比较分析，证明了DE-GWO-SVR的预测效果最好，且多次预测结果较为稳定。最后，采用DE-GWO-SVR模型对北京市中长期的电力需求进行预测。本文为实现用电供需平衡、电力系统科学规划提供一定的借鉴意义。

引文信息

张运厚, 李婉莹, 董福贵. 基于DE-GWO-SVR的中长期电力需求预测[J]. 中国电力, 2021, 54(9): 83-88.ZHANG Yunhou, LI Wanying, DONG Fugui. Medium and long-term power demand forecasting based on de-gwo-svr[J]. Electric Power, 2021, 54(9): 83-88.

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。