1. 毕业设计（论文）的内容和要求
广州市是我国的一线城市，经济和电力工业发展迅速，社会用电量快速增加，形势严峻，需要进行合理的电网规划。
用电量预测是电网建设的基础，预测的准确与否，关系到工厂生产，居民使用，社会稳定。
电能的生产和使用是同步进行的，即产即用，因此发电量需与当时负荷水平一致，这就需要进行用电量的精确预测。
2. 参考文献
[1]Yuanyuan Wang,Jianzhou Wang,Ge Zhao,Yao Dong. Application of residual modification approach in seasonal ARIMA for electricity demand forecasting: A case study of China[J]. Energy Policy,2012,48.[2]毛兴.X-12-ARIMA方法在阶梯型时间序列中的确定性分析[J].科技创业月刊,2011,24(18):129-131.[3]贺凤羊,刘建平.X-12-ARIMA中调整类似春节效应的模型研究及应用[J].数量经济技术经济研究,2013,30(06):119-134.[4]张强,王毅,李鼎睿,朱文俊.基于X-12-ARIMA季节分解与年度电量校正的月度电量预测[J].电力建设,2017,38(01):76-83.[5]龙勇,苏振宇,盖晓平.成分分解方法预测月度电力负荷[J].电力系统及其自动化学报,2017,29(05):35-40.[6]吴熳红,杨继旺.几种电力负荷预测方法及其比较[J].广东电力,2004(01):17-21.[7]康重庆,夏清,张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化,2004(17):1-11.[8]王文圣,丁晶,赵玉龙,张晓明.基于偏最小二乘回归的年用电量预测研究[J].中国电机工程学报,2003(10):17-21.[9]李艳梅,孙薇.多元线性回归分析在用电量预测中的应用[J].华北电力技术,2003(11):40-41.[10]夏丽. 基于ARIMA模型及回归分析的区域用电量预测方法研究[D].南京理工大学,2013.[11]朱发根.基于改进X-12-ARIMA的电煤需求预测模型与实证研究[J].中国电力,2014,47(02):140-145.[12]王彦博. 基于时间序列分解法和回归分析法的月用电量综合预测方法[D].沈阳工程学院,2019.[13]毛玉凤. 基于时间序列分析的电力需求预测及季节调整模型的研究[D].北京工业大学,2013.[14]郭鸿业,陈启鑫,夏清,范海虹.考虑经济因素时滞效应的月度负荷预测方法[J].电网技术,2016,40(02):514-520.[15]颜伟,程超,薛斌,李丹,陈飞,王顺昌.结合X12乘法模型和ARIMA模型的月售电量预测方法[J].电力系统及其自动化学报,2016,28(05):74-80.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
