基于遗传算法定阶的ARMA模型在用电量预测中的应用研究

摘要

电力系统的稳定运行对国民经济健康发展具有重要意义。对用电量的准确预测,可以为电力的合理分配和电网规划建设提供科学依据。用电量数据是一种时间序列,存在其内部的固有规律,同时也受到外界随机性因素影响。难以获得有效的预测精度。
　　 本文系统的分析了中短期用电量预测方法的不足,为了克服这些弊端,选择了具有计算原理简单、计算速度较快、外推性较好、预测精度较高等优势的ARMA模型来对中短期用电量预测进行应用研究。
　　 ARMA模型应用主要存在几个方面的研究工作。第一,全面分析了常用参数估计方法的优缺点,选择最小二乘法为ARMA模型进行参数估计;第二,在分析了常用定阶方法不足的基础上,选择了应用遗传算法为ARMA模型定阶以弥补其它方法的缺陷;第三,提出了自适应交叉算子和自适应变异算子,弥补了迭代初期波动较大的不足。
　　 依托东部某省电力公司提供的2005年1月-2008年12月的轻重工业用电量数据,对本文方法进行验证。通过预测结果比较,该定阶方法较其它定阶方法具有更好的预测精度和更高的灵活性。
　　 最后,通过分析轻重工业相对误差曲线图,分析出预测误差的来源,为我们下一步的研究工作指出新的方向。

目录

文摘

英文文摘

论文说明:图表目录

致谢

第一章 绪论

1.1 用电量预测研究目的和意义

1.2 用电量预测的特点和分类

1.2.1 用电量预测的特点

1.2.2 用电量预测的分类

1.3 国内外研究现状

1.3.1 常用的用电量预测方法现状

1.3.2 ARMA模型与几种方法的比较

1.4 本文研究的主要内容

第二章 ARMA模型的应用分析

2.1 ARMA模型数学描述

2.2 ARMA模型定阶方法

2.2.1 Box-Jenkins定阶方法

2.2.2 FPE准则方法

2.2.3 AIC准则定阶方法

2.2.4 BIC准则定阶方法

2.2.5 F检验定阶方法

2.2.6 定阶方法的比较与选择

2.3 ARMA模型参数估计

2.3.1 矩估计法

2.3.2 最小二乘估计法

2.3.3 极大似然估计法

2.2.4 参数估计方法选择

2.4 本章小结

第三章 基于遗传算法的ARMA模型的建模分析

3.1 遗传算法运算思路

3.2 选择编码方法

3.2.1 编码方法

3.2.2 编码方法选择

3.3 定义适应度函数

3.4 选择算子

3.5 自适应交叉算子设计

3.6 自适应变异算子设计

3.7 遗传算法的终止策略

3.8 遗传算法的初始参数

3.9 基于自适应遗传算法的ARMA模型的建模流程

3.10 本章小结

第四章 东部某省用电量预测与误差分析

4.1 东部某省用电量预测

4.1.1 数据样本选择

4.1.2 基于ARMA模型的用电量预测

4.2 用电量预测误差分析

4.2.1 常用的误差分析方法

4.2.2 用电量误差分析

4.3 本章小结

第五章 总结和展望

5.1 工作总结

5.2 研究展望

参考文献

个人简历