县城电力需求ARIMA模型及预测.docxVIP

县城电力需求 ARIMA模型及预测 07 级工程造价 2 班 江旺 200712214063 摘要： 县城年度电能消耗数据虽有随机成分，但又非常明显的内在规律，类似的如用水量，城镇 人均消费等等。科学预测电力需求是一项重要的基础工作，用时间序列模型来进行分析，预测，较为 简易且有足够的精度。以 1996-2005 年度各月的全社会用电量作为时间序列，用求和自回归移动平 均（ ARIMA ）乘积模型建模，并且做出 1 年期的电能消耗预测 .将预测结果和 2006 年 1-12 月份的实 际用电量进行对比，结果比较不错，说明可以用 ARIMA 模型对县城电力需求做中期预测。 关键词： 时间序列； ARIMA 模型；预测； SAS Abstract: There are some random factors,as well as obvious intrinsic rules,in the counties years data of electricity consume. Forecasting counties electricity demand scientifically is an important basic tasks,and need an forecasting method with easier to use and having sufficient precision.For the purpose of pressing close to practice and easier to checkout,an ARIMA model of time series according to the 1996-2005 electricity consume in Shizhu is proposed.Forecast of one-years electricity demand is made using this model,and the forecasting results are contrasted with the actual electricity consume during 1-12 months of 2006.The Results show that the method can be applied to medium terms forecasting of counties electricity demand. Keywords: time series; ARIMA model; forecasting; SAS 科学预测县城电力负荷需求，是合理安排扩大发电能力计划的依据，也是有效实施电力需求侧管 理的重要手段。建立一个简单易行又有较高预测精度的模型是一项重要的基础性工作。 1968 年美国 威斯康星大学的鲍克斯和詹金斯提出了一套比较完善的时间序列和建模理论，获得了广泛的应用。时 1 / 7 间序列预测法的自变量是负荷自身的历史值，因变量是待预测的电力负荷。在本文中，尝试用求和和 自回归移动平均（ ARIMA ）乘积模型来建立石柱县电力负荷需求预测模型。 建模方法 由于各种不稳定因素的影响，一个地区的电能消耗表现出一个随机过程的特征。电能消耗的历史 数据是时间序列，因此可以利用历史数据用随机型时间序列预测技术来预测电力需求。在最一般的情 况下，时间序列既含有非季节性成分，又含有季节性成分，为了取得理想的预测结果，采用乘积模型 ARIMA （ p ，d ，q ）X（ P,D,Q ），数字表达式为【 1 】： p ( B ) p ( B s ) d D q ( B ) Q ( B s ) l t 其 s i x 中， xi 为时间序列； d 为非季节性差分算子； d 为差分阶数； sD 为季节性差分算子； s 为季节周期； D 为差分阶次。 p (B) 1 1B 2 B2 ... p B p 为非季节性自回归算子， p 为自回归阶数， 1 ， 2 ，?， p 为自回归参数， B 为后移算子。 p ( B s ) 11 B s 2 B 2 s ... p B ps 为季节性自回 归算子， P 为季节性自回归阶数， 1 ， 2 ，?， p 为季节性自回归参数。 q ( B) 1 1 B 2 B2 ... p Bq 为非季节性移动平均算子， q 为移动平均阶数， 1 ， 2 ，?， p 为 移动平均参数。 Q ( B s ) 1 1 B s 2 B 2 s ... Q B Qs 为季节性移动平均算子， Q 为移动平均阶数， 1 ， 2 ，?， Q 为移动平均参数。 2. 数 据 必要的数据是进行时间序列分析的首要环节。表 1 所示 1