1) load forecasting model
用电量预测模型
1.
By combining the probabilistic Latent Semantic Analysis (pLSA) that can cluster random data into respective aspects and content-based collaborative filtering, a novel load forecasting model based on normalized Gaussian probabilistic latent semantic analysis collaborative filtering is proposed in order to avoid see.
本文提出利用概率潜在语义分析使历史随机数据呈现出各种有规律的示象(aspect),结合对内容的协同过滤技术去建立用电量预测模型,从而利用统计学习的方法避开了对影响系统输出的隐含变元的寻找与刻画。
4) dynamic water consumption forecasting model
用水量动态预测模型
5) electricity demand forecasting
用电量预测
1.
Application of gray seasonal variation index model GSVI (1,1) in country electricity demand forecasting;
灰色季节变动指数模型GSVI(1,1)在农村用电量预测中的应用
2.
Research on electricity demand forecasting method based on improved grey GM model;
基于改进灰色GM模型的用电量预测方法研究
3.
Application of intelligent optimization grey model in middle-term electricity demand forecasting;
智能优化灰色模型在中期用电量预测中的应用
6) practical prediction model
实用预测模型
补充资料：电量预测
一段时间内电力系统的负荷消耗电能总量的预报。电量预测单位可分日、月、年等。
预测方法分两大类：宏观方法和按不同用途累计的微观方法。无论是短期还是长期的电量预测，方法基本相同。近期预测可以把个别用户的近期动向考虑进去；而长期预测需要把国民经济增长及负荷结构变动的长期趋势考虑进去，通常都采用宏观估算的方法。一般来说，预测不能只用一种方法，而往往需要用多种方法进行预测，最后采用被认为是可能出现概率最高的预测结果。
电量预测的宏观方法可以考虑用电量与国民生产总值(GNP)的关系构造预测模型。 用历史数据求出回归系数，按时间延伸求电量预测值。也可以考虑用时间序列构造预测模型求出预测值。电量预测的微观方法是按工业、农业、交通运输、商业及市政居民用电量分别进行估算，再进行累加。其中，工业用电还可进一步按行业分别估算,尤其是耗电量大的企业,应按单位产品的用电单耗进行估算；商业应按经济指标进行估算；市政居民用电要考虑人口增加的预测、个人实际消费支出、家用电器的普及率，以及对气象情况的预测等进行估算。输电线路的电量损耗和发电厂的厂用电量等因素也应予以考虑。
预测方法分两大类：宏观方法和按不同用途累计的微观方法。无论是短期还是长期的电量预测，方法基本相同。近期预测可以把个别用户的近期动向考虑进去；而长期预测需要把国民经济增长及负荷结构变动的长期趋势考虑进去，通常都采用宏观估算的方法。一般来说，预测不能只用一种方法，而往往需要用多种方法进行预测，最后采用被认为是可能出现概率最高的预测结果。
电量预测的宏观方法可以考虑用电量与国民生产总值(GNP)的关系构造预测模型。 用历史数据求出回归系数，按时间延伸求电量预测值。也可以考虑用时间序列构造预测模型求出预测值。电量预测的微观方法是按工业、农业、交通运输、商业及市政居民用电量分别进行估算，再进行累加。其中，工业用电还可进一步按行业分别估算,尤其是耗电量大的企业,应按单位产品的用电单耗进行估算；商业应按经济指标进行估算；市政居民用电要考虑人口增加的预测、个人实际消费支出、家用电器的普及率，以及对气象情况的预测等进行估算。输电线路的电量损耗和发电厂的厂用电量等因素也应予以考虑。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条