基于dea 优化的偏最小二乘回归在谐波责任分离中的应用

《基于dea 优化的偏最小二乘回归在谐波责任分离中的应用 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于DEA优化的偏最小二乘回归在谐波责任分离中的应用张虹贾铮东北电力大学132000【文章】在分析了偏最小二乘计算回归的方法原理基础上，提出了偏最小二乘计算回归的改进算法，即采用数据包络分析法（DEA）对数据进行分析处理，除去少数不相关信息数据，从而使得回归结果精度更高。【关键词】电能质量；谐波责任；谐波阻抗；DEA；偏最小二乘回归0引言谐波责任不明确是当前谐波管理问题的主要原因，如何定量评估谐波污染责任对治理和改善电X电能质量具有重要意义。目前，国内外研究谐波污染责任划分的文献一般通过求解系统等值谐波阻抗为出发点的。谐波阻抗求解主要是“干预式”和“非干预式”这两大类，“干预式”法主要包

2、括注入法、开关法和负荷投切法等。“干预式”法是指在电力系统正常运行情况下注入间谐波电流或者某次谐波电流，然后通过测量相关的变化量得到谐波阻抗，该方法对系统的正常运行会有一定的影响。“非干预式”这类方法主要有波动量法、ARGIN:11pt0cm0pt;mso-layout-grid-align:none"class=MsoNormal>1DEA理论数据包络分析方法（DEA，DateEnvelopmentAnalysis）是由Charnes等在1978年提出的，主要是通过保持决策单元的输入值或者输入值不变，然后对效果进行评价。DEA方法由于其良好的评价性得到了广泛应用，但在回归方面相应的研究

3、还是比较少的。下面就具体介绍DEA的模型。首先设定n个决策单元DMU1，DMU2，…，DMUn，那么每个DMU就有m种输入和s种输出，DMUj的输入和输出值分别为，，。设DMUj0的输入、输出为，这里设为，评价DMUj0相对有效性的公式中，分别对应为m种输入和s种输出的权系数。利用Charnes和Cooper关于分式规划的Charnes-Cooper变换：在上述条件变换下，可以得到，那么分式规划等价于线性规划，并且它们的最优值相等：定义如果线性规划的最优值，并且线性规划的最优解、满足，那么就称DMU为DEA有效。2DEA优化的偏最小二乘回归建模如果因变量和自变量有着如下表示的线性关系：(

4、1)式（1）中，是该模型的系数。该模型系数的求解方法如下：首先通过采集个样本点，构成因变量和自变量，然后通过偏最小二乘方法进行回归计算得到该线性模型的系数。记为因变量的标准化矩阵，有；其中：为的均值，为的标准差。记为自变量的标准化矩阵。为的第一个主成分，，为的第一个轴，它是一个单位向量，即。为的第一个主成分，，为的第一个轴，它是一个单位向量，即=1。如果令、能分别代表与中数据变异信息，根据主成分分析原理，应该有如下关系：另一方面，由于回归建模的需要，又要求对和有最大解释能力，由典型相关分析思路，和的相关度应达到最大值，即。综合起来偏最小二乘回归的目标函数是要求和的协方差最大，即(2)但是

5、这两个约束条件的数学含义是不一样的，所以得到的成分是不一样的。理想情况下由于和都比较大，所以最大或者较大。但是在一般的情况下，虽然的值比较小,但是由于的值很大从而使得很大，在这种情况下那么所选择的成分会出现一定的偏差，不能直接使用偏最小二乘回归，会影响回归结果的。主要是因为自变量中含有与因变量无相关的信息，这些不相关信息会破坏提出的成分,使得被提取的成分成具有大方差但是却是小相关系数，所以选取的成分虽然有着较大的协方差，但是对因变量却缺少解释能力,最后导致回归结果不够精确。3结束语为了解决这个问题，最好在回归之前消除自变量含有的不相关信息，就是在进行偏最小二乘回归之前，对数据进行预处理，

6、得到自变量矩阵中不存在大量包含无关信息的新的矩阵数据，从而提高了偏最小二乘回归的结果的精度。【