双重门限GARCH模型在短期负荷预测中的应用

"这篇论文是2011年发表在东南大学学报自然科学版上的科研成果，主题涉及短期负荷预测，主要使用了两重门限GARCH模型。该模型是针对负荷时间序列的非线性及波动性特点设计的，通过引入冲量门限的概念，以更精确地捕捉负荷变化的动态特性。论文还考虑了负荷时间序列的厚尾效应，扩展了模型以适应非高斯分布的情况，构建了两种基于厚尾假设的两重门限GARCH类预测模型。通过混合信息冲击曲面，研究了不同类型的冲击和冲量对负荷波动的影响。实证分析以南京地区的日用电量数据为基础，验证了所提模型的预测能力和实用性。研究表明，采用广义误差分布的两重门限GARCH模型在预测效果上表现良好。" 这篇论文的核心知识点包括： 1. **两重门限GARCH模型**：GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型是一种用于处理金融和经济数据波动性的统计模型，其特点是能够捕捉到数据波动的自回归和条件异方差性。在本文中，作者引入了“两重门限”的概念，即设置了两个不同的阈值来识别负荷时间序列中的异常波动，这有助于更细致地分析和预测负荷的变化。 2. **冲量门限**：这一概念是论文的一个创新点，它旨在区分不同类型的负荷变化，通过设定不同的门限，可以更好地识别和处理那些可能导致负荷大幅度变动的特殊事件或冲击。 3. **厚尾效应**：负荷时间序列的波动往往表现出厚尾分布的特征，这意味着极端值出现的概率比正态分布更高。考虑到这一点，作者将模型推广至非高斯分布的框架下，以更准确地描述和预测负荷序列的极端波动情况。 4. **混合信息冲击曲面**：这是一种分析工具，用于分析不同性质的冲击（如经济政策、天气等）和冲量如何影响负荷时间序列的波动性，帮助理解系统对各种外部因素的敏感性。 5. **短期负荷预测**：论文的最终目标是对电力系统的短期负荷进行预测，这对于电力调度、需求侧管理以及电网稳定运行至关重要。通过应用上述模型和方法，作者展示了如何有效地预测未来负荷，从而提高电力系统的运营效率和可靠性。 6. **实证分析与应用**：论文使用南京地区的日用电量数据进行实际预测，验证了模型的预测能力和在实际场景中的适用性。实证结果证明了两重门限GARCH模型，特别是服从广义误差分布的版本，对于负荷预测有较好的预测性能。 这篇论文的贡献在于提出了一种结合非线性、波动性和厚尾效应的负荷预测方法，对于电力系统管理和优化具有重要的理论和实践价值。