基于用电影响因素回归的小区用电预测模型.pdf

基于用电影响因素回归的小区用电预测模型.pdf

ID:52481757

大小:287.53 KB

页数:5页

时间:2020-03-28

基于用电影响因素回归的小区用电预测模型.pdf_第1页
基于用电影响因素回归的小区用电预测模型.pdf_第2页
基于用电影响因素回归的小区用电预测模型.pdf_第3页
基于用电影响因素回归的小区用电预测模型.pdf_第4页
基于用电影响因素回归的小区用电预测模型.pdf_第5页
资源描述:

《基于用电影响因素回归的小区用电预测模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第1期东北电力大学学报Vo1.35.No.12015年2月JournalOfNortheastDianliUniversityFeb..2015文章编号:1005—2992(2015)01-0073—05基于用电影响因素回归的小区用电预测模型曲朝阳,张率,刘洪涛2,(1.东北电力大学信息工程学院,吉林吉林132012;2.2.吉林市热力集团有限公司,吉林吉林132001)摘要:根据小区用电数据特征,提出了一种基于用电影响因素回归的小区用电预测模型。居民用电量影响因素分为可预知因素和不可预

2、知因素,可预知因素利用pearson积矩相关系数计算所对应用电量的偏相关系数。并用0.618优选算法选取最优可预知因素。不可预知因素通过可预知因素偏相关系数分配权重,最后利用最小二乘支持向量机得到预测模型回归方程。以某小区日用电量进行实际预测为例,通过与其他模型的比较,验证该小区用电预测模型在小区用电预测的有效性。关键词:Pearson积矩相关系数;O.618优选算法;最小二乘支持向量机;小区日用电量中图分类号:TM715文献标识码:A随着全球常规能源的逐渐枯竭和环境的污染,世界各个国家能源结构

3、也在逐渐调整。微电网逐渐应用于居民的日常生活中⋯。目前,我国天津滨海新区,常州以及青岛等地区小区应用微网为小区发电,小区的多余电量可以通过并网卖给国家,从而节省能源的使用。但微网并网问题是目前存在的难题,微网接人电网后电网无功增加,所以需要根据电压波动情况来调节变压器分接头以适应变化。微网突然退出时,无功补偿迅速减少,使电网电压下降很大,给电网稳定运行带来威胁。并且微电网接入的电压等级为:200kW及以下微电网接人0.38kV电压等级电网;200kW以上微电网接入1OkV及以上电压等级电网。为了

4、保证微网并网时电网稳定运行,就要准确预测小区日用电量,从而得到得到小区的日剩余用电量,这样电网就可以对并网的接入容量和接入方式等问题提前做出部署。本文针对小区用电特征,以及对现有用电预测存在的用电影响因素选取的片面性、人为选取偏相关系数不合理性、预测模型精确度不足等问题,提出一种基于Pearson积矩相关系数的最小二乘支持向量机小区用电预测模型,此模型可准确的预测小区日用电量,从而为微网的开拓及发展提供有力的技术支持。1Pearson积矩相关系数小区用电受诸多因素影响,大致分为经济和社会因素、天

5、气因素。经济和社会因素包括居民人均收入、家用电器的数量,小区总户数等。天气因素包括日最高温度,日最低温度,湿度,风速等。本文利用Pearson积矩相关系数计算述因素所对应用电量的偏相关系数。皮尔逊(Pearson)积矩相关系数是二元定距变量相关分析的一种常用方法,用于度量两个变量间相关程度,它是一个介于1和一1之间的值,其中,1表示变量完全正相关,0表示无关,一1表示完全负相关。在自然科学领域中,该系数广泛用于度量两个变量之间的相关程度。收稿日期:2014-11-25基金项目:国家自然科学基金资

6、助项目(51277023)作者简介:曲朝阳(1964-),男,吉林省吉林市人,东北电力大学信息工程学院教授,博士,主要研究方向:电力信息化、计算机网络技术.74东北电力大学学报第35卷皮尔逊(Pearson)积矩相关系数对于两个包含其它项目的变量,且变量具有相同项目较少时,计算相关系数具有不稳定性。但针对小区用电数据及用电影响数据,数据关系紧密,所以皮尔逊(Pearson)积矩相关系数可准确的计算两者的偏相关系数。其表达式为:√一一(y—y’式中:r⋯为偏相关系数;为小区用电影响因素第个数值,为

7、小区用电影响因素的平均值;y为小区用电量的第i个数值,Y⋯为小区用电量的平均值,,,⋯,所对应的其他影响用电因素均相同;n为用电因素或小区用电量数值的数量。1.1小区用电预测影响因素分析小区用电主要受该小区住户收入水平,住户家电数量以及天气等因素影响,该类影响因素为可预知影响因素]。但影响小区用电的因素还包括一些不可预知因素,对于存在的不可预知因素即小区住户用电自身存在的一些习惯和规律,不可能一一列举出来。所以小区总用电量(E)包括可预知因素用电量(E)和不可预知因素产生的趋势用电(E),即E=

8、E1+E2,(2)E.利用支持向量机将小区用电影响因素作为输入样本,从原有空间映射到高维空间,在高维特征空间中构造第i个输入变量的最优回归函数,并用最小二乘回归得到E的非线性预测方程,即E()=∑OtiK(x,)+b,(3)E将小区历史用电数据作为输入样本,利用最小二乘支持向量机得到E:的非线性预测方程,即E:()∑K()+b,(4)可预知因素E,可近似用回归方程计算的E()代替,E可近似用回归方程计算的E:()代替,则():!±::::::±二!二二::::::(5)n1。2小区用电预测影响因

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。