基于稳定性的长期小时电力需求预测框架
统计方法学
2025-07-22 v1 应用统计
摘要
长期电力需求预测对于电网和运营规划，以及能源转型战略的分析与规划至关重要。然而，由于大多数现有方法聚焦于汇总预测，而需要准确预测众多变量才能进行自下而上的部门预测，因此实现高时间分辨率的准确长期负荷预测仍具有挑战性。本研究提出一种简约的方法，采用 t 检验验证负荷稳定性以及负荷与国内生产总值（GDP）的相关性，以生成长期小时负荷预测。将该方法应用于新加坡的电力需求，分析历经多年的历史数据（2004-2022），发现其相对小时负荷在统计上保持稳定，季节性指数整体相对偏差为 4.24%。利用这些稳定性发现，利用 GDP 作为预测器生成五年前的总年度预测，并利用小时季节性指数分数进行小时负荷预测。六年前预测的多项实验中，最大平均绝对百分比误差（MAPE）为 6.87%。该方法进一步应用于比利时（一个 OECD 国家）和保加利亚（一个非 OECD 国家），分别得到 6.81% 和 5.64% 的 MAPE。此外，稳定性结果被纳入基于指数平滑的短期预测模型，显示出与现有机器学习方法相当或更好的准确性。这一发现表明，简约的方法可以有效地产生长期、高分辨率的预测。
引用
@article{arxiv.2507.15001,
title = {A Stability-Driven Framework for Long-Term Hourly Electricity Demand Forecasting},
author = {Soumyadeep Dhar and Ayushkumar Parmar and Haifeng Qiu and Juan Ramon L. Senga and S. Viswanathan},
journal= {arXiv preprint arXiv:2507.15001},
year = {2025}
}