电能消费的预测在摩洛哥自回归综合移动平均方法

文摘

全国一次能源需求经历了近年来平均增长近5%,由电力消费的增长,每年平均增长了6%在2003年到2017年之间,由于农村电气化的几乎泛化和我们经济的活力,特别是主要作品的政策基础设施、工业、农业、旅游、和社会住房。事实上,预测对电能的需求仍然是一个有争议的问题在电网的发展和能源管理。ARIMA(1, 1, 1)模型应用于电能消耗的年度周期从1971年到2020年。相同的数据也被用来预测2021 - 2030年,以验证模型的充分性和提供信息的状态在未来能源需求在摩洛哥。主要结果表明电能消费的上升趋势在2030年底,用电量将在每年2039639.09 - -53589.00(小规模的范围。

1。介绍

能源的可持续发展是至关重要的任何国家,无论是社会、经济或环境。在过去的十年中,全球能源消耗成倍地增加。能源管理是至关重要的经济未来的繁荣和环境安全1]。能源消费预测是至关重要的能源规划、战略制定和推荐的能源政策2]。能源消费一直以来增加了由于人口快速增长,尤其是在第三世界国家和新兴国家,这种扩张预计将继续在不久的将来,世界人口从95亿年的75亿左右,增加到大约在未来30年(3]。这样的人口增长将产生一个戏剧性的对能源需求的影响,至少到2030年的两倍。常见的基于严格的统计预测方法的研究时间序列ARIMA模型。它用于提供不同的随机过程,如能源消耗、资源消耗,和价格。

本研究试图预测二氧化碳排放的演变在摩洛哥在未来二十年2021 - 2030。使用Box-Jenkins ARIMA方法提供的ARIMA预测包内的python函数软件,比较了基于最低标准来选择适当的ARIMA。

展开如下研究。部分2提供了最新技术的简要概述用于估计和预测能源需求的行为。部分3包括两个部分:第一部分回顾了方法和细节的预测方法,第二部分介绍了所选数据,总结了定量分析的结果。最后,部分4总结研究结果,并建议未来工作方向。

2。相关的工作

在过去的几年里,能源负载预测从研究人员获得了越来越多的关注。很多研究与时间序列预测模型使用数据集,如电力消费。在中国,Nyoni [4)旨在预测排放1960 - 2017年期间,利用ARIMA (Jenkins-Box)方法,研究了最佳的预测模型的选择从ARIMA排放。此外,ARIMA模型(1、2、1)不仅稳定,而且是最合适的模型来预测排放在中国在未来十年,该模型预计每年总在中国2024年排放。在相同的情况下,Aurna et al。5)进行了两个不同预测方法来预测电力消费在大学桶侯赛因Onn马来西亚(UTHM)。Farajian et al。6)发现ARIMA(1, 2)模型实现最佳性能预测农业在伊朗能源需求(6]。在泰国,Sutthichaimethee [7]分析了排放在2000 - 2015年期间使用最大方差法的方法,建立了最大方差法(2,1,2)和最大方差法(2,1,3)模型是最优模型的建模在泰国的排放。采用小说bioinspired框架,Sangeetha和Amudha8)预测排放在印度,他们的结果表明,该算法模型可以获得高度准确的估计相比,高钙模型。黑格et al。9)旨在部署集成自回归移动平均(ARIMA)方法适应40年计划直到2053年通过评估过去40年的数据从1973年到2013年。在这种评价,ARIMA(0、2、1)展示了更好的预测精度保留期间。卡马拉et al。10)检查预测性能住宅能源消耗数据来自美国SARIMA和安之间的方法。他们的结论是,神经网络模型已经稍稍优越SARIMA模型,这些模型和不定向。Pakrooh和Alipour11]预测能源消费的类型(石油产品和电力)在伊朗农业利用ARIMA和ARFIMA模型。结果表明,石油产品没有长期记忆,但电力长期记忆。结果显示模型的选择对于每一个能源,石油产品的消费趋势向下,预测年用电量预测年随着时间的推移会增加。Azeroual et al。12)使用时间序列的方法来估计长期风能和太阳能的能力在摩洛哥预计2030年左右,可以注入不创建交通的容量约束对公用电网和整个电力系统。Desbois [13)使用离散小波变换(DWT)的技术,集成的自回归移动平均(ARIMA)和人工神经网络(ANN)技术进行短期预测,在南非开普敦的城市。罗德里格斯et al。14)旨在模型和预测在伊朗能源需求的农业15]。Box-Jenkins方法应用于模型的农业消费四大能源,即汽油、煤油、柴油和电力,从1988年到2014年。相同的数据也提供了2015 - 2026年,以确保模型的充分性和提供信息的状态在未来能源需求在伊朗农业。主要结果表明下降趋势在四种能源的消费,除了电力预计将增加。Mitkov et al。16]预测消费能源的阿富汗伊斯兰共和国从2001年到2018年,使用线性模型ARIMA。结果表明,能源需求将继续增加在2024年年底。

3所示。材料和方法

预测需求既是一门科学,一门艺术。计量经济学预测方法,在能源需求预测的背景下,可以被描述为指定的科学和艺术,评估,测试和评估模型的经济过程,确定燃料需求(2]。大多数模型操作的常量分析的基础上,消费在一个国家或地区的层面上,没有区分城市和农村地区。上下文是工业化或新兴国家或一个城市文脉与现有能源获取(1),和模型都是基于现有的数据集对消费和其潜在的解释变量。因此分析是基于现有消费立即需要一个先天满意(17]。

在预测模型中,基于时间序列模型是最简单的。他们在观察由过去的趋势来预测未来。统计的模型不同的治疗应用。特别是,ARIMA(自回归综合移动平均)是一种最著名的能耗模型时间序列预测(1]。然而,对于分析是有效的,这些模型假设数据在一段几十年和在相同的解释变量。因此,他们不能在所有情况下,特别是在一些发展中国家(13- - - - - -30.]。

3.1。盒子和詹金斯的方法

盒子和詹金斯的方法(1976)是一个方法论的系统研究时间序列根据他们的特点来确定,在家庭的ARIMA模型,最适合代表现象研究[14]。ARIMA建模的唯一问题是数学困难,需要一个彻底的知识的方法。不容易建立ARIMA模型没有统计分析培训和知识的方法。ARIMA模型结合了三种类型的随机过程,每个指定的ARIMA(的贡献,d,问),是自回归过程的顺序AR (),d集成的过程中,我(的程度d),问移动平均线的顺序硕士(问)[15,17- - - - - -31日]。

在哪里μ的平均值序列{},l是延迟算子, , 是自回归系数的多项式, 的多项式的系数是移动平均线的订单吗问,是零平均的白噪声(16,18- - - - - -20.]。

3.1.1。识别

识别过程自回归和移动平均线可以解释时间序列的行为需要以来首次验证系列的平稳性的基本流程,是否自回归过程或移动平均线,几乎是静止的,因为限制他们的参数。进程是说弱平稳如果期望和方差是常数,如果其协方差只取决于时间间隔。一旦获得了系列的平稳性,下一步是分析的图像自相关函数(CAF)和偏自相关函数(DPF)为了确定参数模型(d,问)模型(16]。

3.1.2。诊断

在这个三部曲的最后阶段identification-estimate诊断盒和詹金斯,主要检查关注以下执行:(我)模型系数必须明显不同从0(学生测试应用传统)。如果一个系数没有显著不同于0,它应该考虑一个新的规范消除了AR模型MA或无效的顺序;(2)残留分析:如果残留遵循一个白噪声,不存在自相关的系列,必须同方差的残留物。(3)模型验证阶段是非常重要的,通常需要一个返回阶段识别。模型验证时,可以计算预测时间范围的几个时期,因为有限预测误差的方差与地平线迅速增加(14]。

3.2。的数据和分析结果

在这项研究中,我们使用数据从世界银行获得能源消费从1971年到2020年在摩洛哥在小规模项目,如图1(32]。可以指出,2000年以后,电力消费快速增长,反映了国家的民主发展。

图1表明,能源消耗在摩洛哥是一种先天的不稳定。相应的生成过程似乎并不满足期望的不变性条件,同样适用于方差,即。,能源消耗上升趋势,大部分分都不是集中在零。这意味着系列并不是静止不动的,因此,需要进行ADF(增强Dickey-Fuller)测试进一步调查。在他的价位是0.384570−ADF值,高于临界值的显著性水平为10%,5%,和1%,分别。因此,它不能拒绝零假设,存在单位根。事实上,能源消耗在摩洛哥是一个非平稳的时间序列。但ADF的值在第一个区别是−7.084098,低于临界值的显著性水平为10%,5%,和1%,分别。摩洛哥的能源消耗是固定在第一个差别。结果表明,它是集成在第一顺序,即。(1)。并给出了具体成果表1。

一个一阶微分操作将对能源消耗进行时间序列。图2显示分化的影响;不再区分系列似乎显示出趋势及其波动似乎不再随时间增加。它也可以指出的值系列似乎是随机分布在轴的原点。差异化系列因此似乎静止的零均值。为了证实这一假设,然而,有必要画出不同系列的相关图。

接下来的一步是复制的一系列能源消耗的过程;我们首先参考相关图的固定系列。数据3和4相关分析的结果。根据自相关系数和偏自相关系数,我们试图调整一个随机时间序列。

然后,我们判断模型的意义,所以我们使用标准的选择(日志可能性、AIC SC和认证机构)之间的不同的模型。我们保留模型的最小值根据准则AIC, SC,认证机构和日志可能性的最大值。

因此,表2表明ARIMA(1, 1, 1)模型没有恒定的构造。

系数是显著不同于0,从表3,关键的概率小于0.05。

残留的相关图表明,这是一个过程没有记忆,和残留的平方(拱测试)的相关图不显示任何一项明显不同于0,如图5。

因此,残差的方差齐性验证。因此,残差是一个白噪声过程如图6。从表4我们可以看到,Jarque-Bera统计(JB = 0.916)表明临界概率为0.632。因此,我们接受H0假设常态的剩余工资。验证了表示,能源消耗是一个ARIMA过程(1,1,1)没有常数。

对于一个好的模型的规范,测试其稳定性是很重要的,为此,人物7代表根(马和AR)的逆模型的特点。我们发现圆内的点,也就是说,特征根的比率都小于1。

从表3,提出了ARIMA模型预测电力需求在摩洛哥给出如下。

使用估计模型、能源消费在未来9年提供。结果在表5和图8表明,到2030年,每年的能源消费将继续成长和39639.09之间、妇女和53589名妇女。摩洛哥将面临能源消费的强劲扩张由于采用的策略应对消费的扩张需要多个程序的形式,旨在优化能源结构根据市场变化的现实影响这个市场上供应的条件。

这种不确定性在预测结果可以解释的某些特征可能继续在未来的几年里,位于进一步从需求方面。

3.2.1之上。人口集中

根据高委员会发表的一份报告计划(HCP),摩洛哥是不受全球需求的趋势是发展中国家由于人口压力。人口将继续增长,2030年达到3800万,与2980万年的2004人。居住面积,人口趋势将以快得多的增长在城市地区由于城市化发展和迁徙流动。城市人口预计将增加1.5倍,从1640万年到2440万年之间的2004年和2030年,这将使城市化率从55.1%降至64.3%。城市化的增长将产生新的城市发展需要消耗能量,同时保留空调等新技术的发展。

3.2.2。交通和工业的高需求

在工业方面,能源需求将大量支持计划“崛起”和应对当地需求,包括水泥、建筑材料、光延迟行业积累,努力提供的旅游和经济基础设施。

3.2.3。农村日益增长的需求

农村电气化的泛化导致机械化和非农活动的发展,这将导致能源需求增加。

3.2.4。不断增长的世界经济进一步增长的能源需求

全球国内生产总值(GDP)衡量世界经济的规模,到2040年预计将翻一番,非经合组织在亚洲占了近60%的增长,尤其是印度和中国。随着经济的增长,它们消耗更多的能量。,随着国家和他们的人口变得更加富裕,他们的生活方式提高他们使用更多的能量,不管它是电力行业,购买车辆,或做出更大的电子产品的使用。

本文中的模型是一个有用的和可持续的工具ONEE,摩洛哥的能量,和研究人员,他们想研究电力部门和生产可靠和准确的策略2030。这个模型可以每年更新新的宏观经济数据和有新更新的预测。

4所示。结论

在本文中,我们开发了一个模型ARIMA模型预测电力需求在摩洛哥通过Box-Jenkins时间序列的方法。历史需求数据被用来开发几个模型,和足够的选择根据四个性能标准:南方浸信会,AIC,标准误差和最大似然。结果,我们发现ARIMA(1, 1, 1)模型,减少了之前四个标准。结果证明该模型可用于建模和预测未来电力需求在摩洛哥。该模型的预测能力是推动我们这个研究项目在未来十年,和主要结果投影显示电力需求的上升趋势,预计增加从37741.24、妇女在2030年到2021年的46614.04、妇女。这个场景承诺增加近34.54%的国家的民主发展和加强电气化的国内部门,以及一个工业和农业发展。可再生能源中扮演重要角色的满意度增加能耗。牢记摩洛哥的政治形势,结果可以帮助计划的中期和长期发展电网和发电以及创建、开发、和找到适当的能量。

数据可用性

人均能源消费数据和平均人口用于支持本研究的发现来自世界银行。

附加分

人均能源消费数据和平均人口来自世界银行的收集。这两个变量之间的相乘后,每摩洛哥人口年度能源消耗。

的利益冲突

作者宣称没有利益冲突。

引用

1. l .毒打和a . a .撒母耳”能源模型预测评估的需求,”可再生能源和可持续能源的评论,16卷,不。2、1223 - 1240年,2012页。视图:出版商的网站|谷歌学术搜索
2. Meetamehra,“电力需求预测”,2009。
3. 2019年。(在线)。可用:https://www.un.org/fr/。
4. t . NyoniBox-Jenkins ARIMA方法预测在津巴布韦的外国直接投资净流入慕尼黑大学Library-Munich个人RePEc存档(MPRA),慕尼黑,德国,2019年。
5. n . f . Aurna t·m·鲁贝尔t·a·西迪基et al .,“时间序列分析电力能源消耗使用集成自回归移动平均模型和霍尔特冬天模型,”TELKOMNIKA(电信、计算机、电子和控制),19卷,不。3,2021。视图:出版商的网站|谷歌学术搜索
6. l . Farajian r . Moghaddasi, s . Hosseini“农业在伊朗能源需求建模:接近一个更可持续的情况,“能源报告4卷,第265 - 260页,2018年。视图:出版商的网站|谷歌学术搜索
7. p . Sutthichaimethee“最大方差法模型预测二氧化碳的排放在橡胶和石油工业部门能源消耗在泰国,“生态工程杂志,18卷,不。3、112 - 117年,2017页。视图:出版商的网站|谷歌学术搜索
8. A . Sangeetha和t . Amudha”,一种新颖的仿生框架有限公司₂印度发射预测,”Procedia计算机科学卷,125年,第375 - 367页,2018年。视图:出版商的网站|谷歌学术搜索
9. a . Ghoshray r·黑格y . d . Wang和a . p . Roskilly”预测发电能力在马来西亚:汽车回归集成移动平均方法,”能源Procedia卷,105年,第3478 - 3471页,2017年。视图:出版商的网站|谷歌学术搜索
10. a·卡马拉,w . Feixing和l .,“能源消耗使用季节性ARIMA与人工神经网络模型预测,“国际商业与管理杂志》上,11卷,不。5,231 - 243年,2016页。视图:出版商的网站|谷歌学术搜索
11. p . Pakrooh和m . Alipour”在伊朗农业能耗预测,”第二国际会议和第六届国家有机食品和传统农业会议上,Ardabili,伊朗,2019年8月。视图:谷歌学术搜索
12. m . Azeroual a . El Makrini h . El穆萨维,和h . El Markhi”可再生能源潜力,可用风能和太阳能的能力对2030年在摩洛哥,”工程科技博览》杂志上,11卷,不。1,第198 - 189页,2018。视图:出版商的网站|谷歌学术搜索
13. d . Desbois介绍这个盒子和詹金斯法:ARIMA与SPSS模型的使用,农业部,巴黎,法国,2017年。
14. f·罗德里格斯,c . Cardeira和j·m·f·Calado”每天和每小时的能源消耗和使用人工神经网络负荷预测方法:一个案例研究使用一组93户家庭在葡萄牙,”能源Procedia卷,62年,第229 - 220页,2014年。视图:出版商的网站|谷歌学术搜索
15. 答:蔡特和a . Lasfar”计算基本矩阵的新方法。”国际电气和计算机工程杂志》(IJECE),10卷,不。3,p。2357年,2020年。视图:出版商的网站|谷歌学术搜索
16. a . Mitkov n . Noorzad k Gabrovska-Evstatieva, n . Mihailov”预测能源消耗与ARIMA模型在阿富汗,”学报XVI-th国际会议上电机,驱动器和电力系统2019年埃尔玛,6 - 8卷,瓦尔纳,保加利亚,2019年6月。视图:出版商的网站|谷歌学术搜索
17. f . e . Racicot r系统结构,金融计量经济学条约魁北克大学出版社,魁北克,加拿大,2001。
18. r·M·杜布M k . o . Awodele o . Olayiwola和k . o . Akpeji短期负荷预测利用ARIMA、安和混合ANN-Dwt开普敦大学电机工程系,2016年南非,开普敦。
19. m·h·Dabat d Litvine, s .莫拉理解、评估和预测的能源需求:为发展中国家的挑战,经济学在这里网站富裕,蒙彼利埃,法国,2014年。
20. r .波旁Econometry, MalakoffDunod,巴黎,法国,2018年。
21. s . b . Taieb j·w·泰勒,r . j . Hyndman”等级的概率预测电力需求与智能电表数据,”美国统计协会杂志》上,2020年。视图:谷歌学术搜索
22. t·艾哈迈德·h·陈,“深度学习多尺度智能能源预测。”能源,第175卷,第98112页,2019年。视图:出版商的网站|谷歌学术搜索
23. w .江,吴x, y锣,w . Yu和x中,“Holt-Winters平滑增强果蝇优化算法预测每月用电量,”能源文章ID 116779卷,193年,2020年。视图:出版商的网站|谷歌学术搜索
24. n . Regoli”指数平滑法的优缺点,”2020年,https://connectusfund.org/5advantagesand-disadvantages-of-exponential-smoothing。视图:谷歌学术搜索
25. j·戴和s .陈”的应用ARIMA模型预测人口数据,”物理期刊:会议系列,卷1324,不。1,2019。视图:出版商的网站|谷歌学术搜索
26. c·h·k·w·Yu许,s m .杨“整合模型ARIMA和安电力负荷预测季节性和周期性特征的动力学状态”学报2019年IEEE 6日国际会议在能源智能系统(ESS),19到24页,基辅,乌克兰,2019年4月。视图:出版商的网站|谷歌学术搜索
27. 答:蔡特和a . Lasfar”检测的图像描述符和修改权重函数的估计基本矩阵使用健壮的方法,”工程和应用科学杂志》上,13卷,不。7,1835 - 1843年,2018页。视图:出版商的网站|谷歌学术搜索
28. 答:蔡特和a . Lasfar”新方法简单的表情识别系统的识别健壮的技术(筛选、PCA-SIFT ASIFT和冲浪),“TELKOMNIKA(电信计算电子和控制),18卷,不。2、695 - 704年,2020页。视图:出版商的网站|谷歌学术搜索
29. a .蔡特和a . Lasfar健壮的哈里斯探测器对应使用的修改和计算投影误差加权函数,“国际机器学习和计算机杂志》上,9卷,不。1,第66 - 62页,2019。视图:出版商的网站|谷歌学术搜索
30. 答:蔡特和a . Lasfar”比较健壮的方法提取描述符和面部匹配,”学报2019年国际会议上无线技术,嵌入式和智能系统(智慧)IEEE,页1 - 4,摩洛哥非斯,2019年4月。视图:出版商的网站|谷歌学术搜索
31. c . Bhattacharyya和g·r·Timilsina政策制定的能源需求模型:能源需求模型的比较研究,世界银行,华盛顿特区美国,2009年。
32. 世界银行,人均电力消费(千瓦时、世界银行集团、华盛顿特区2021年,美国,https://data.worldbank.org/indicator/EG.USE.ELEC.KH.PC。

版权

版权©2021 Jamii穆罕默德,穆罕默德Maaroufi。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。