论文摘要
为通过电力发展和使用数据评估一个地区的经济发展水平,提出一种表征地区国内生产总值（GDP）发展趋势的类GDP值（E-GDP）的预测方法。该方法基于多源电力大数据和动态贝叶斯网络（DBN）机器学习,采用灰色关联分析法筛选出与GDP变化趋势关联度较大的关键电力数据。利用格兰杰因果分析确定与GDP变化具有因果关联关系的电力指标,并确定各电力指标间的因果关系。进一步运用所得出的因果关系建立DBN预测获得E-GDP。最后将所提方法应用于上海市E-GDP预测,算例结果表明所提方法可以准确地预测地区E-GDP值,同时还可预测得出GDP的概率分布情况。
论文目录
文章来源
类型: 期刊论文
作者: 田世明,龚桃荣,黄小庆,于文龙
关键词: 灰色关联分析,格兰杰因果分析,动态贝叶斯网络,机器学习,电力大数据
来源: 电力自动化设备 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 中国电力科学研究院有限公司需求侧多能互补优化与供需互动技术北京市重点实验室,湖南大学电气与信息工程学院
基金: 国家电网公司科技项目(520940180016)~~
分类号: TM73
DOI: 10.16081/j.epae.201911028
页码: 198-204
总页数: 7
文件大小: 1823K
下载量: 396