我想预测日间电力负荷。我的数据是 11 个月的电力负荷，每隔 30 分钟采样一次。我还从气象站获得了特定于天气的数据（温度、相对湿度、风向、风速、阳光）。由此，我想预测一天结束之前的电力负荷。
我可以运行我的算法直到今天的 10:00，之后它应该以 30 分钟的间隔给出负载预测。因此，它应该在 10:30、11:00、11:30 等告诉负载，直到 24:00。
我的第一次尝试是在 R中创建一个线性模型。
BP.TS <- ts(Buying.power, frequency = 48)
a <- data.frame(
Time, BP.TS, Weekday, Pressure, Temperature, RelHumidity, AvgWindSpeed, AvgWindDirection, MaxWindSpeed, MaxWindDirection, SunLightTime,
m, Buying.2dayago, AfterHolidayAndBPYesterday8, MovingAvgLast7DaysMidnightTemp
)
a <- a[(6*48+1):nrow(a),]
start = 9716
steps.ahead = 21
par(mfrow=c(5,2))
for (i in 1:10) {
train <- a[1:(start+(i-1)*48),]
test <- a[((i-1)*48+start+1):((i-1)*48+start+steps.ahead),]
summary(reg <- lm(log(BP.TS)~., data=train, na.action=NULL))
pred <- exp(predict(reg, test))
plot(test$BP.TS, type="o")
lines(pred, col=2)
cat("MAE", mean(abs(test$BP.TS - pred)), "\n")
}
这不是很成功。现在我尝试使用 ARIMA 对数据进行建模。我使用了预测包中的 auto.arima() 。这些是我得到的结果：
> auto.arima(BP.TS)
Series: BP.TS
ARIMA(2,0,1)(1,1,2)[48]
Call: auto.arima(x = BP.TS)
Coefficients:
ar1 ar2 ma1 sar1 sma1 sma2
1.1816 -0.2627 -0.554 0.4381 -1.2415 0.3051
s.e. 0.0356 0.0286 0.033 0.0952 0.0982 0.0863
sigma^2 estimated as 256118: log likelihood = -118939.7
AIC = 237893.5 AICc = 237893.5 BIC = 237947
现在，如果我尝试类似：
reg = arima(train$BP.TS, order=c(2,0,1), xreg=cbind(
train$Time,
train$Weekday,
train$Pressure,
train$Temperature,
train$RelHumidity,
train$AvgWindSpeed,
train$AvgWindDirection,
train$MaxWindSpeed,
train$MaxWindDirection,
train$SunLightTime,
train$Buying.2dayago,
train$MovingAvgLastNDaysLoad,
train$X1, train$X2, train$X3, train$X4, train$X5, train$X6, train$X7, train$X8, train$X9,
train$X11, train$X12, train$X13, train$X14, train$X15, train$X16, train$X17, train$X18,
train$MovingAvgLast7DaysMidnightTemp
))
p <- predict(reg, n.ahead=21, newxreg=cbind(
test$Time,
test$Weekday,
test$Pressure,
test$Temperature,
test$RelHumidity,
test$AvgWindSpeed,
test$AvgWindDirection,
test$MaxWindSpeed,
test$MaxWindDirection,
test$SunLightTime,
test$Buying.2dayago,
test$MovingAvgLastNDaysLoad,
test$X1, test$X2, test$X3, test$X4, test$X5, test$X6, test$X7, test$X8, test$X9,
test$X11, test$X12, test$X13, test$X14, test$X15, test$X16, test$X17, test$X18,
test$MovingAvgLast7DaysMidnightTemp
))
plot(test$BP.TS, type="o", ylim=c(6300,8300))
par(new=T)
plot(p$pred, col=2, ylim=c(6300,8300))
cat("MAE", mean(p$se), "\n")
我得到更糟糕的结果。为什么？我的想法用完了，所以请帮忙。如果我需要提供其他信息，请询问。
