高迪

摘 要：随着产业结构调整、国企深化改革等政策措施的逐步深入，我国经济进入新常态。2015年，我国经济下行压力持续加大，售电市场形势较为严峻，因此售电量预测具有重要意义。本文应用数据挖掘分析方法，充分收集内部、外部数据信息，挖掘分析影响售电量的主要因素。同时，在售电量相关性分析基础上，尝试应用时间序列和神经网络多种分析工具，构建预测模型，预测年度售电量情况，并综合评估各方法优劣。

关键词：电力；售电量；数据挖掘；预测

0 引言

随着产业结构调整、国企深化改革等政策措施的逐步深入，我国经济进入新常态。2015年，我国经济下行压力持续加大，售电市场形势较为严峻，因此售电量预测具有重要意义。

长期以来，诸多学者对月售电量预测的理论和方法做了大量研究，提出了多种各具特点的预测方法。其中，以基于神经网络模型和基于时间序列的回归模型的预测研究最为常见。

神经网络模型通过寻找电量与各影响因素（如经济、人口等）之间的非线性回归关系来进行分析预测，其优点是在不构建确定函数的情况下便可实现回归过程，具有一定的推广能力且预测精度较高。时间序列回归模型是根据电量过去的变化规律建模，预测未来变化的可能性及变化趋势，其优点是简单易行、便于掌握、样本需求量不大且预测精度较高。

本文应用数据挖掘分析方法，充分收集内部、外部数据信息，挖掘分析影响售电量的主要因素。……