资源描述：
《偏最小二乘回归分析在短期负荷预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、河北工程大学硕士学位论文偏最小二乘回归分析在短期负荷预测中的应用姓名：钟光科申请学位级别：硕士专业：水利水电工程指导教师：丁光彬2011-04摘要摘要电力系统短期负荷预测对系统运行的稳定性和经济性，对系统的控制、优化都有着重要的意义，同时也是电网规划的前提。现有的短期负荷预测方法有传统预测法和现代预测法，短期负荷预测的趋势在于对现有方法的改造升级，以及对几种模型预测结果的优化合成和加权平均。本文从统计和数学理论出发，介绍一种新的方法，即偏最小二乘回归算法对电力系统进行短期负荷预测。偏最小二乘回归分析是一种近些年来新
2、兴的多元统计数据分析方法，可以这样认为，它是多元线性回归分析，主成分分析，典型相关分析的组合体，它可以方便的实现数据准备和预处理，同时在自变量数目少和自变量之间有很强的多重相关性的条件下，实现灵活建模，同时，它还可以对输入值提取成分，而提取出来的部分具有线性无关的优良特性。在提取主成分的时候，不仅考虑自变量的信息，也考虑因变量的信息，使提取的主成分能同时反映自变量和因变量的信息，在回归和预测方面能达到很好的效果。由于偏最小二乘法在建模的同时实现了数据的简化，因此可以在二维平面上对多维数据的特性进行观察，这使得偏最小二
3、乘回归分析的图形功能十分强大，有利于工程人员的分析应用。影响短期负荷水平有着许多外在因素，除历史负荷数据外，天气因素，比如气温，风速，降雨量，都将对负荷水平产生重要的影响。本论文中，把所有这些因素的取值叫作特征量，并建立特征量与因变量之间的回归方程，然后对短期负荷作出预测。实例验证偏最小二乘回归分析可以完成高精度的负荷预测，结果可靠。一般电力负荷有2个高峰：早、晚，还有一个日最小负荷数值。本文用“给出的多个天气因子”，结合“日出时刻”和“日落时刻”，回归出“日最大负荷值”、“日最小负荷值”，以及它们出现的时刻，然后用
4、这些因子，回归出“日平均负荷值”。一共5个结果，可以通过这些因子预测出来。通过偏最小二乘回归“自动筛选出重要因子、并合成新的因子”的最终计算，可以发现，各种因子对负荷的影响是不一样的，偏最小二乘回归分析给出了分析特征量与负荷的关系及建立一个合理的预测模型的方法。关键词：负荷预测；成分提取；偏最小二乘回归分析；多元线性回归IAbstractAbstractShorttermloadforecasting,whichisaprerequisitefornetworkplanning,.hasanimportantsign
5、ificanceforsystemstability,economyandthesystem'scontrolandoptimization.Existingshort-termloadforecastingmethodshavetraditionalforecastingmethodsandmodernforecastingmethods,thetrendofshort-termloadforecastingistheupgradingofexistingmethods,optimizingandweighting
6、averageofseveralsynthesis’spredictedresults.Inthispaper,anewapproachcalledpartialleastsquaresregressionalgorithm,whichbasesstatisticalandmathematicaltheory,willfinishpowersystemshorttermloadforecasting.Partialleastsquaresregressionanalysisisakindofmultivariates
7、tatisticaldataanalysismethods,whichisanovelinrecentyears,itcanbeconsideredthatitisthecombinationofmultiplelinearregressionanalysis,principalcomponentanalysis,andcanonicalcorrelationanalysis,itcanfacilitatelyrealizedatapreparationandpretreatment,whilethenumberof
8、independentvariablesissmallandtheindependentvariableshaveastrongmultiplecorrelation,itcanaisofinishflexiblemodel,itextractstheinputvalues,andtheextractedparthavethefinefeatu
