基于业务特征的智能电能表需求预测模型研究

彭楚宁; 杜新纲; 李天阳; 储鹏飞

彭楚宁,杜新纲,李天阳,储鹏飞.基于业务特征的智能电能表需求预测模型研究[J].电测与仪表,2019,56(3):139-143.
Peng Chuning,Du Xingang,Li Tianyang,Chu Pengfei.Study of a Demand Prediction Model of Smart Electric Energy Meter Based on Service Feature[J].Electrical Measurement & Instrumentation,2019,56(3):139-143.

基于业务特征的智能电能表需求预测模型研究

Study of a Demand Prediction Model of Smart Electric Energy Meter Based on Service Feature

DOI：

中文关键词: 智能电能表需求预测业务特征平稳性检验 ARIMA LSTM 组合模型

英文关键词:smart electric energy meter, demand prediction, service feature, stationarity test, ARIMA, LSTM, combined model

基金项目:

作者中文名	作者英文名	单位
彭楚宁	Peng Chuning	国家电网有限公司
杜新纲	Du Xingang	国家电网有限公司
李天阳	Li Tianyang	南瑞集团有限公司
储鹏飞	Chu Pengfei	南瑞集团有限公司

摘要点击次数: 1918

中文摘要:

针对目前国家电网公司下辖省（市）公司对电能表需求缺乏有效预测手段、易造成电能表配送和仓储成本增加的现状，提出了一种基于业务特征的电能表需求预测模型。该模型首先对电能表需求按安装类型进行分类，然后基于平稳性检验区分影响各安装类型电能表需求的主要影响因素，进而自适应地使用ARIMA时间序列模型或LSTM神经网络模型对电能表需求进行分析预测。实践验证表明，相较于现有方法，该模型具有更高的准确性。

英文摘要:

Currently, provincial grid companies lack effective methods of predicting the demand of electric energy meters, which may increase the storage and dispatching cost. To solve this problem, this paper proposes a demand prediction model of electric energy meter base on service feature. This model classifies electric energy meters by installation types, then use stationarity test to determine the type of main factors that influence the electric energy meter demand of each installation type, thus adaptively select between ARIMA or LSTM model to analyze and predict the demand. The result of case analysis shows that this model can predict with higher accuracy than existing models.

查看全文查看/发表评论下载PDF阅读器

关闭