来源:《中国高新区》2018年第14期  作者:费熹;
选择字号

基于时间序列线性数学模型的电力系统短期负荷预测

收藏本文  分享

本文收集了某地一年来的电力系统负荷数据,采用采用回归分析法与时间序列分析法等方法,对影响电力负荷的主要因素进行判断,接着运用预测模型对的电力负荷数据进行预测,并对得到的结果进行了分析。首先,本文讨论在用气象因素来提高负荷预测精度时的优先推荐因素。运用回归分析法对日最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行分析,并且求出了回归误差。根据主成分回归分析法发现,在诸多因素中,日最高温度作为提高负荷预测精度的主要因素,通过因子分析发现Kaiser-Meyer-Olkin度量为0.838,Bartlett的球形度检验显著性为0,说明拟合效果较好。根据公因子方差发现,日最高温度得提取成分为0.73。因此,将日最高温度作为优先推荐的因素。接着,本文选择某地区的已知电力负荷数据为例,利用时间序列建立预测模型,讨论了在不知实际负荷数据情况时对电力系统负荷的预测方法,并对此地接下来一周的电力负荷数据作出预测,对结果的准确度进行分析,并在以上结论的基础上,增加考虑加权温湿指数这个因素,对预测结果进行补充。最后,本文通将最初的预测结果与考虑气象因素后得到的预测结果进行了对比,得出考虑气象因素时的预(本文共计2页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>