基于果蝇优化算法增强 Holt-Winters 平滑方法的月度用电量预测
信号处理
2019-08-20 v1 神经与进化计算
系统与控制
系统与控制
摘要
用电量预测是智能电力系统的重要组成部分。作为中长期用电量预测问题之一的精确月度用电量预测,在电力系统的调度与管理中发挥着重要作用。尽管针对该问题已有诸多研究,但通常需大量样本数据集才能获得较高预测精度,而在仅有少量数据可用时预测性能变差。然而在实践中,我们大多面临样本数据不足的问题,如何基于有限样本数据精确预测月度用电量是一项具有挑战性的任务。Holt-Winters 指数平滑方法因对训练数据需求低且预测精度高,常用于预测周期性序列。本文在 Holt-Winters 指数平滑方法基础上,提出一种名为 FOA-MHW 的混合预测模型。其主要思想是采用果蝇优化算法为 Holt-Winters 指数平滑方法选取平滑参数。此外,使用中国某城市的用电量数据对所提模型的预测性能进行综合评估。结果表明,即便仅有少量训练数据可用,我们的模型也能显著提升月度用电量预测精度。
引用
@article{arxiv.1908.06836,
title = {Monthly electricity consumption forecasting by the fruit fly optimization algorithm enhanced Holt-Winters smoothing method},
author = {Weiheng Jiang and Xiaogang Wu and Yi Gong and Wanxin Yu and Xinhui Zhong},
journal= {arXiv preprint arXiv:1908.06836},
year = {2019}
}
备注
9 pages, 12 figures, submitted for possible publication