龙勇，苏振宇，，盖晓平

（1.重庆大学经济与工商管理学院，重庆400030；2.甘肃省电力公司培训中心，兰州730070）

成分分解方法预测月度电力负荷

龙勇1，苏振宇1，2，盖晓平2

（1.重庆大学经济与工商管理学院，重庆400030；2.甘肃省电力公司培训中心，兰州730070）

为了提高月度负荷预测精度，提出了基于X-12-ARIMA季节调整模型的月度负荷预测方法。首先在季节调整前，消除原始负荷中离群值、工作日、闰年等效应的影响，然后对经季节调整后的趋势循环序列应用H-P滤波方法进行成分分解，再针对分解后得到的长期趋势、循环周期、季节因子、不规则成分序列的特点选择了适合的预测模型进行预测并得到最终结果。通过甘肃地区188个月的负荷数据进行检验，结果表明该预测方法是可靠有效的。

离群值；月度负荷；季节调整；成分分解

对于具有明显季节波动的月度、季度等负荷预测的主要方法有Holt-Winters加法（乘法）季节模型[1-3]、ARIMA（auto regressive integrated moving aver⁃age）季节模型[4-5]等。在季节性的中期负荷预测理论和方法研究方面，文献[6]针对季节性时间序列具有增长性和波动性的二重趋势性，提出了季节性预测的组合灰色神经网络模型，对季节负荷预测方法进行了探索；文献[7]利用小波分析方法对月度负荷预测进行了研究；文献[8]用最小二乘支持向量机构建了月度负荷预测模型。近年来，部分学者将季节调整的方法应用于电力行业并取得较好效果。文献[9]建立了基于季节调整的月度负荷预测模型；文献[10]改进了季节调整方法并用于电煤的月度需求预测；……