刘 侃 ，何家峰 ，蔡高琰

(1.广东工业大学 信息工程学院，广东 广州 510006；2.广东浩迪创新科技有限公司，广东 佛山 528200)

0 引言

电力能源是与人们日常生活息息相关的，然而由于电力能源的调度存在延时性，导致电力资源没有进行合理分配，电力浪费与短缺的两极化现象依然存在。 针对这些问题，发展改革委[1]在2016 年提出电力企业应总结2016 年电力生产运行情况，分析预测2017 年电力供需形势，提出政策建议，形成分析预测报告以达到合理调配电力资源，提高电力资源的利用率的目的。 国家在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》[2]中提出建设智慧能源系统，优化电力生产和输送通道布局，提升新能源消纳和存储能力，因此基于历史的用电量数据对未来的用电趋势进行预测是十分必要的。区域用电量预测是指通过该地区产生的历史用电数据时间序列，预测未来该地区的用电量，据相关研究表明，预测误差增加，将会提高电力预测的成本，因此提升用电量预测的精确度是十分必要的。

目前应用于电量预测的方法主要分为三类，第一类为时间序列分析方法，包括指数平滑法[3]、加权法[4]等，这类方法可以有效地处理线性数据，但是对于非线性数据的拟合效果不佳。 第二类为智能算法，智能算法可分为机器学习方法与深度学习方法，其中应用于预测的机器学习方法有支持向量机算法[5]、随机森林算法[6]、集成算法[7]；……