×
玛丽，贝塞克；朱利安·福奎

基于平稳小波变换组合的短期电力负荷预测。 （英语） Zbl 1383.62339号

欧洲药典。物件。 264，第1期，149-164（2018）.
摘要：电力负荷的短期预测是电力系统管理和能源交易的一个重要问题。鉴于负荷数据的强烈季节性和波动性，需要特定的建模方法。在本文中，我们研究了结合平稳小波变换对法国半小时电力负荷进行一天预测的好处。首先，我们评估了使用小波变换将总负荷分解为几个子序列的优点。对每个分量分别进行预测并汇总，以获得最终预测。本文的一个创新是提出了几种方法来处理边界问题，这在电力负荷预测中尤其不利。其次，我们检验了组合预测相对于单个模型的好处。广泛的样本外评估表明，在多分辨率分析中需要仔细处理边界效应。包括小波预测在内的组合提供了最准确的预测。对于不同类型的时间（高峰、正常、非高峰）、一周中的不同日期和不同的预测期，该结果在关于温度预测误差的几个假设下是有效的。

引用于三文件

MSC公司：

第60页 统计学在工程和工业中的应用；控制图
91B84号 经济时间序列分析
91B74号 真实系统的经济模型（例如电力市场等）
65T60型 小波的数值方法

关键词：

预测；电力需求；季节性；小波变换；组合

软件：

wmtsa公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Bessec}和\textit{J.Fouquau}，欧洲期刊Oper。第264号决议，第1号，149--164（2018年；Zbl 1383.62339）
全文： 内政部

参考文献：

[1] 阿马拉尔，L.F。；卡斯特罗·苏扎（Castro Souza，R.）。；Stevenson，M.，短期负荷预测的平稳过渡周期自回归（STPAR）模型，国际预测杂志，24，603-615（2008）
[2] 安东尼亚迪斯，A。；布罗萨特，X。；库利亚里，J。；Poggi，J.M.，《函数值预测模型的预测区间：在负荷预测中的应用》，《国际预测杂志》，32，3，939-947（2016）
[3] 贝茨，J.M。；Granger，C.W.J.，《预测组合》，运筹学，20451-468（1969）
[4] Bessec，M。；Fouquau，J.，《欧洲电力消耗与温度之间的非线性联系：阈值面板法》，《能源经济学》，第30、5、2705-2721页（2008年）
[5] Bessec，M。；Fouquau，J。；Méritet，S.，使用具有双时间分段的时间序列模型预测电力现货价格，应用经济学，48，5，361-378（2016）
[6] Bordignon，S。；Bunn，D.W。；Lisi，F。；Nan，F.，《英国电价每日预测组合》，《能源经济》，35，88-103（2013）
[7] 坎塞洛，J.R。；Espasa，A。；Grafe，R.，为西班牙系统运营商提前一天到一周预测电力负荷，《国际预测杂志》，24588-602（2008）
[8] Cho，H。；古德，Y。；布罗萨特，X。；Yao，Q.，《日电力负荷曲线建模和预测：混合方法》，《美国统计协会杂志》，108，7-21（2013）·Zbl 1379.62091号
[9] 克拉克，T.E。；McCracken，M.W.，嵌套模型的等预测精度和包容性测试，计量经济学杂志，10585-110（2001）·Zbl 0980.62105号
[10] 克莱门茨，A.E。；Hurn，A.S。；Li，Z.，使用多方程时间序列方法预测日头电力负荷，《欧洲运筹学杂志》，251522-530（2016）·Zbl 1346.62159号
[11] Colonval，M。；Roumadni，A.，Dureée du jour en function de la date et de la latitude，《日常数学》（2010），椭圆
[12] Darbellay，G。；《预测短期电力需求：神经网络有更好的机会吗？》？，国际预测杂志，16，71-83（2000）
[13] Do，L.P.C.公司。；林，K.-H。；Molnar，P.，《电力消费建模：德国案例》，《经济建模》，55，92-101（2016）
[14] V·多尔多纳。；科普曼，S.J。；Ooms，M.，应用于小时电力负荷建模的周期时变回归中的动态因素，计算统计与数据分析，56，11，3134-3152（2012）·Zbl 1254.91652号
[15] V·多尔多纳。；科普曼，S.J。；Ooms，M。；甜品，A。；Collet，J.，《模拟法国国家电力负荷的小时周期状态空间模型》，《国际预测杂志》，24,4566-587（2008）
[16] Ghayekhlooa，M。；Menhaja，M.B。；Ghofranc，M.，《采用新数据预处理框架的混合短期负荷预测》，《电力系统研究》，119138-148（2015）
[17] Giacomini，R。；White，H.，《条件预测能力测试》，《计量经济学》，第74、6、1545-1578页（2006年）·Zbl 1187.91151号
[18] 古德，Y。；Nedellec，R。；Kong，N.，使用半参数加性模型进行本地中短期电力负荷预测，IEEE智能电网交易，5，1，440-446（2014）
[19] 格兰杰，C.W.J。；Terasvirta，T.，《非线性经济关系建模》（1993），牛津大学出版社：牛津大学出版社·Zbl 0893.90030号
[20] 哈恩，H。；Meyer-Nieberg，S。；Pickl，S.，《电力负荷预测方法：决策工具》，《欧洲运筹学杂志》，199,3902-907（2009）·兹比尔1176.90291
[21] Hansen，P.R。；伦德，A。；Nason，J.M.，模型置信集，《计量经济学》，79，2，453-497（2011）·Zbl 1210.62030
[22] Hong，T。；Fan，S.，《概率电力负荷预测：教程综述》，《国际预测杂志》，32114-938（2016）
[23] Kim，M.S.，预测日间电力需求的特殊日效应建模，《欧洲运筹学杂志》，230，170–180（2013）
[24] Lee，C.C。；Chiu，Y.B.，《电力需求弹性与温度：基于工具变量方法的面板平稳过渡回归的证据》，《能源经济学》，第33、5、896-902页（2011年）
[25] 马斯洛娃，I。；提克拉尔卡，A.M。；McKee，M.，为长期径流预测调整基于小波的多分辨率分析边界条件，水文过程，30，57-74（2016）
[26] Masters，T.，《C++中的实用神经网络配方》（1993），Morgan Kaufmann·Zbl 0818.68049号
[27] Meyer，Y.，《小波与算子》（1992），剑桥大学出版社·Zbl 0776.42019号
[28] Moral-Carcedo，J。；Vicéns-Otero，J.，《西班牙电力需求对温度变化的非线性响应建模》，《能源经济学》，27，477-494（2005）
[29] Newbold，P。；Granger，C.W.J.，预测单变量时间序列和预测组合的经验（讨论），皇家统计学会杂志A，137，131-164（1974）
[30] Nowotarski，J。；刘，B。；韦隆，R。；Hong，T.，《通过合并姐妹预测提高短期负荷预测准确性》，《能源》，98，40-49（2016）
[31] Percival，D.B。；Walden，A.T.，《时间序列分析的小波方法》（2000），剑桥大学出版社：剑桥大学出版社·Zbl 0963.62079号
[32] 拉纳，M。；Koprinska，I.，用先进的小波神经网络预测电力负荷，神经计算，182118-132（2016）
[33] 拉维夫，E。；Bouwman，K.E。；van Dijk，D.，《预测日前电价：利用小时电价》，《能源经济学》，50，227-239（2015）
[34] RTE（2012）。2012年的法国模糊。经济前景和透明度方向文件。；RTE（2012）。2012年的法国模糊。经济前景和透明度方向文件。
[35] RTE（2015）。Bilan prévisionnel de l’équilibre of re-demande d’éelectricéen France（法国电力需求平衡）。前瞻性和透明性经济方向文件。；RTE（2015）。Bilan prévisionnel de l’équilibre of re-demande d’éelectricéen France（法国电力需求平衡）。经济前景和透明度方向文件。
[36] Taylor，J.W.，《短期电力需求预测的三季法》，《欧洲运筹学杂志》，204139-152（2010）·兹比尔1178.91165
[37] Taylor，J.W.，使用指数加权方法进行短期负荷预测，IEEE电力系统交易，27458-464（2012）
[38] Weron，R.，《电力负荷和电价建模与预测》（2006年），John Wiley&Sons Ltd
[39] 杨勇，《组合预测程序：一些理论结果》，《计量经济学理论》，第20期，第176-222页（2004年）·Zbl 1046.62101号
[40] 余，P。；戈登伯格，A。；Bi，Z.，《利用小波和预测-校正边界处理进行时间序列预测》（2001年），卡内基梅隆大学自动学习和发现中心
[41] 张，G。；巴图沃，B.E。；胡敏英，《人工神经网络预测：最新进展》，《国际预测杂志》，1998年第14期，第1期，第35-62页
[42] Zivanovic，R.，基于局部回归的短期负荷预测，智能与机器人系统杂志，31115-127（2001）·Zbl 0985.62079号
[43] 邹，H。；杨勇，结合时间序列模型进行预测，国际预测杂志，20，69-84（2004）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。