Modeling and Forecasting Daily Electricity Load Curves: A Hybrid Approach
日用电负荷曲线的建模与预测：混合方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确建模负荷序列的趋势、季节性和跨日依赖，并以短期预测为目标。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
日用电负荷曲线的建模与预测：混合方法
- 研究问题
- 如何同时捕捉电力负荷的长期趋势、季节性及相邻日曲线之间的依赖，用于负荷曲线建模和短期预测？
- 方法与思路
- 作者用广义加性模型拟合周平均趋势与季节性，再进行曲线线性回归，以 Hilbert 空间奇异值分解实现降维。
- 材料陈述的贡献
- 摘要提出响应和解释变量均为曲线的回归方法，将其化为若干标量回归，并在法国负荷数据中比较多种模型。
- 阅读关注点
- 应核对两阶段模型如何衔接、奇异值分解的截断选择，以及预测窗口、样本划分和运营模型比较是否可比。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；不能推断刊本变化。摘要只说明开展预测比较，未报告误差或显著性，不能声称优于运营模型。
原文摘要
We propose a hybrid approach for the modeling and the short-term forecasting of electricity loads. Two building blocks of our approach are (1) modeling the overall trend and seasonality by fitting a generalized additive model to the weekly averages of the load and (2) modeling the dependence structure across consecutive daily loads via curve linear regression. For the latter, a new methodology is proposed for linear regression with both curve response and curve regressors. The key idea behind the proposed methodology is dimension reduction based on a singular value decomposition in a Hilbert space, which reduces the curve regression problem to several ordinary (i.e., scalar) linear regression problems. We illustrate the hybrid method using French electricity loads between 1996 and 2009, on which we also compare our method with other available models including the Électricité de France operational model. Supplementary materials for this article are available online.