论文部分内容阅读
售电量预测影响因素诸多,预测难度大,根据当地数据特点灵活选用适合的算法进行预测以提高准确率,对电网规划等具有重要的指导意义。经过多种算法选型及实际应用,提出两种模型分月预测,7-9月为“迎峰度夏”期,12-2月为“迎峰度冬”期,受到较大外部影响因素的干扰,适用ARIMA模型,可结合影响因素灵活选择高中低3种预测方案;其他平稳月份Holt-Winters法表现良好。