基于SARIMA模型的月售电量短期预测方法

吕 星宇, 聂 佳焰, 刘 雷
国网四川省电力公司天府新区供电公司

摘要


随着电力市场不断发展，需要把握市场规律，精准分析辖区内用电量，从而保障社会经济稳定与发展。因
此，售电量预测显得尤为重要。本文通过研究分析2020年至2025年上半年某地月度售电量数据，建立了SARIMA模
型，对某地区2025年8至10月月售电量进行预测，通过与实际值对比，该设计方法搭建的模型平均误差5%以下，具
有较高的预测准确性。

关键词


SARIMA模型；月售电量；预测

全文:

PDF


参考


[1]薛丽.白银市售电量预测模型研究[D].兰州：兰

州理工大学，2020.

[2]向柯霓，敬兴东，欧阳霁星等.提升中短期售电

量预测准确率的方法与应用[J].大众用电，2025，40（09）：

17-18.

[3]基于经验模态分解和ARIMA模型的电力大客户

群体月度售电量预测方法.

[4]许然，杨黎娜，钟强.基于SARIMA-ARCH的电

量预测模型[J].电脑与电信，2024，（05）：88-91. DOI：

10.15966/j.cnki.dnydx.2024.05.017.

[5]Zhao D, Zhang R. A new hybrid model

SARIMAETS-SVR for seasonal influenza incidence

prediction in mainland China[J]. J Infect Dev Ctries, 2023,

17(11): 1581-1590.

[6]张 鲁 玉 孙 亮 马 兰 等.SARIMA模 型 和HoltWinters模型在我国丙肝月报告发病人数预测中的应用比

较[J].现代预防医学，2020，47（21）：3855-3858.

[7]管河山，王谦.Box-Pierce Q检验的改进方法[J].

统计与决策，2017，（17）：28-32. DOI：10.13546/j.cnki.

tjyjc.2017.17.006.

[8]张兴伟，单周平，刘立洪，等.基于贝叶斯决策

的电池模型参数辨识方法[J].湖南电力，2024，44（04）：

20-26.


Refbacks

  • 当前没有refback。