【精彩论文】基于综合能源计量大数据的中长期用电量预测

观点凝练

摘要：用电量预测对智能电网的管理和安全有重要意义。传统方法一般基于历史用电数据本身，而“多表融合”的推广使得多表数据的分析更为便捷。针对用电量预测场景，利用集成智能表采集的水、电、气数据，将用水量与用气量作为特征，提出结合多表数据的中长期用电量预测模型：高斯过程回归（Gaussian process regression，GPR）与相关向量回归（relevance vector regression，RVR）。通过实验结果仿真，验证了所提模型的优势以及综合能源计量数据对用电量预测问题的重要价值。
结论：本文研究了高斯过程回归与相关向量回归2种典型的核方法在中长期用电量预测问题中的应用。相比传统的时间序列模型，核方法在预测用电量波动和计算效率方面具有一定优势，体现了“多表合一”计量设备对建立智慧能源系统的重要意义。

以平均绝对百分比误差来衡量，RVR模型的拟合效果更好，但不利于把握用电量变化的波动细节。GPR模型能更好地捕捉到真实数据中的波动，但数值精度不高。在实际工程应用中，需要根据具体需求选择这2种模型及其组合模型。

引文信息

王新刚, 朱彬若, 顾臻. 基于综合能源计量大数据的中长期用电量预测[J]. 中国电力, 2021, 54(10): 211-216.WANG Xingang, ZHU Binruo, GU Zhen. Mid-and-long term load forecasting based on integrated power consumption data[J]. Electric Power, 2021, 54(10): 211-216.

 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。