19种不同的电力消费预测方法在土耳其五个不同家庭的比较与实践
摘要：家庭用电量预测的准确性对于做出更加经济高效和节能的决策至关重要。为了设计准确、合适和高效的预测模型，必须分析时间序列的特征。时间序列数据的来源是土耳其首都的电能提供商Online Enerjisa System，消费者可以获得他们最近两年的电力消耗数据；在我们的研究中，该时期为2014年5月至2016年5月。我们使用了各种技术来分析数据，包括经典的分解模型、带有居中移动平均方法的标准类型模型、回归方程、指数平滑模型和ARIMA模型。在我们的研究中，我们比较了19种不同的方法，所有这些方法都至少具有多样化的方法论方面，并通过考虑MAPE、MAD和MSD的最小值来确定最佳的预测模型。首先，我们以2014年5月至2016年5月的时间段为基础，找到了最佳预测模型预测了2016年6月的值。在找到最佳预测模型和2016年6月的拟合值之后，进行了验证过程；我们比较了2016年6月的实际值和预测值，以了解它们是否匹配。然后，我们为接下来的3个月（2016年6月至9月）为每个家庭分别进行了电力消耗预测。
作者：T. O. Benli
论文ID：1607.05660
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2016-07-20