资料内容仅供参考,如有不当或者侵权,请联系本人改正或者删除。
模型有效性检验, 如同一元线性回归分析一样。 ( 3) 、 指数曲线
倒指数曲线函数的标准方程是:
y?aebx?a?0?
先将函数表示式两端取自然对数得到:
lny?lna?bx
再作变换, 令x’= x, y’=lny, 并记A=lna, 则倒指数函数曲线方程就变为直线方程
y'?A?bx'
利用观测值(xi,yi)能够计算出(x’i,y’i) (i=1,2,……,n).对于x’和y’就能够利用上文所介绍的方法计算出参数估计值A', b', 又有a'=eA', 因此能够得到:
模型有效性检验, 如同一元线性回归分析一样。 1.2 负荷预测的过程
电力负荷预测工作的关键在于收集大量的历史数据, 建立科学有效的预测数据模型, 采用有效的算法, 以历史数据为基础, 进行大量实验性研究, 总结经验, 不断修正模型和算法, 以真正反映负荷变化规律。其基本过程如下: ( 1) 调查和选择历史负荷数据资料 ( 2) 历史资料整理
11
资料内容仅供参考,如有不当或者侵权,请联系本人改正或者删除。
( 3) 负荷数据预处理 ( 4) 建立负荷预测模型 1.3 程序编制
利用Excel电子表格里面的库函数进行链接、 编写函数, 根据历史数据对该县规划年 — 的电量负荷进行预测
( 1) 利用函数库里面INTERCEPT、 SLOPE、 CORREL、 LN
等这些函数进行求解
( 2) 选择多个函数模型( 一元线性函数,双曲线,幂函数曲线,倒指数曲线) 与历史年的数据进行拟合
( 3) 把非线性模型转换为线性回归模型y=a+bx, 求出截距a、 斜率b、 相关系数ρ
( 4) 对多个模型的相关系数进行比较, 选择相关系数|ρ|最接近1的模型对规划年的电量、 负荷进行预测
( 5) 用最大利用小时数和电力弹性系数对预测结果进行校核 1.4 负荷及电量预测 1.4.1 选取分析模型
选择多个函数模型( 线性函数、 双曲线函数、 幂函数、 指数函数) 对负荷和电量进行预测。根据相关系数|ρ|大小【即电量(y1) 或负荷(y2) 与年份(x)之间的相关性强弱情况】, ① 当相关系数|ρ|趋近于0时, x对Y的影响变小, 线性关系减弱。特别的, 当相关系数
12
资料内容仅供参考,如有不当或者侵权,请联系本人改正或者删除。
|ρ|=0时, 称Y与x不相关; ② 当相关系数|ρ|趋近于1时, x对Y的影响也加大, 线性关系程度加强。特别的, 当相关系数|ρ|=1时,称Y 与x完全相关; ③ 当相关系数ρ大于0时, Y随x增加而增加, 称Y与x正相关; ④ 当相关系数ρ小于0时, Y随x减小而减小, 称Y与x负相关。在进行电量、 负荷预测时, 要选取相关系数|ρ|最接近1的模型进行预测。
给出的历史负荷中包括务川县镇南水泥厂及镇南无水氢氟酸厂。而这两者是大用户, 大用户的用电量和负荷没有定性的变化规律, 随机性很大。因此, 进行负荷预测, 只能对系统中的除大用户负荷进行预测, 这样就必须先扣除务川县镇南水泥厂及镇南无水氢氟酸厂这两个大用户的电量和负荷, 就能够得到除大用户负荷, 历史年当中的总负荷、 大用户负荷及除大用户负荷的电量、 负荷分布情况如下表所示。
表一: 历史各年负荷情况表
项目 电量( 亿kWh) 负荷( MW) 0.54 16.3 0.71 21.96 0.047987 1.3 0.6620 20.66 0.77 23.5 0.049071 1.785 0.7209 21.715 0.99 29.5 0.155089 3.5275 0.8349 25.9725 1.22 32.15 0.070446 1.55 1.1496 30.6 1.39 36.17 0.163446 3.6975 1.2266 32.4725 大用户电量( 亿kWh) 0.023994 大用户负荷( MW) 除大用户(亿kWh) 除大用户负荷( MW) 0.8 0.5160 15.5
对表一中的除大用户负荷的电量和负荷进行分析得最大负荷利用小时数在[3000,4000](h)之间, 都满足要求
表二: 自然负荷最大利用小时数 单位: 小时( h)
13
资料内容仅供参考,如有不当或者侵权,请联系本人改正或者删除。
项目 除大用户电量( 亿kwh) 除大用户负荷( MW) 最大利用小时数Tmax( h) 0.5160 15.5 3329.071 0.6620 20.66 3204.322 0.7209 21.715 3319.959 0.8349 25.9725 3214.596 1.1496 30.6 3756.712 1.2266 32.4725 3777.208 根据除大用户负荷的负荷和电量, 运用四种函数模型( 一元线性函数,双曲线函数,幂函数,指数函数) 进行拟合, 下面是各种模型方法进行比较( 已把非线性模型的转换为一元线性回归模型, 即下面只体现线性的估计参数a、 b和相关系数ρ) 汇总如表三所示:
表三:
参数 模型 项目 一元线性回归法 双曲线 幂函数曲线 指数曲线 电量y1 负荷y2 电量y1 负荷y2 电量y1 负荷y2 电量y1 负荷y2 0.1446 3.3983 889585 25719 351.71 289.96 0.1752 0.1444 b( 斜率) A=ln a或a( 截距) -293.35 -6797.6 -441.84 -12.768 -2674.9 -2201.9 -351.92 -286.78 相关系数ρ |ρ| 0. 0.98942352 0. 0. 0. 0. 0. 0. 0. 0.98942352 0. 0. 0. 0. 0. 0. 由表三的几种模型的比较, 选择相关系数|ρ|最接近1的模型: 线性模型和指数曲线模型, 分别对除大用户负荷在规划年 - 的负荷和电量预测。
1.4.2 运用曲线模型预测规划年的电量及负荷 用指数曲线对规划年 --- 的电量进行预测: 表四:
指数函数曲线y=aebx 参数 项目 电量y1 b 0.1752 A=lna -351.92 相关系数ρ a=eA 0. 0 14
资料内容仅供参考,如有不当或者侵权,请联系本人改正或者删除。
因为a=0, 因此不能用指数函数曲线的原函数求解, 而是要经过y1’=A+bx1’( 既是 lny1=A+b*x) 这个线性方程进行反算, 以求得规划年的预测电量y1=e(A+b*x) 。( 其中y1’=ln y1; x1’=x) 用上述方法对规划年 --- 的电量进行预测, 结果如下: 表五:
年份x x’ y1’=’ln y1 电量y1 0.4071 1.5024 0.5823 1.7901 0.7575 2.1329 0.9327 2.5413 1.1079 3.0279 用线性函数对规划年 - 的负荷进行预测 表六:
线性函数y2=a+b*x2 参数 项目 负荷y2 b 3.3983 a -6797.6 相关系数ρ 0.989424 用线性函数对规划年 -- 的负荷进行预测的结果: 表七:
年份x 负荷y2(mw) 36.3813 39.7796 43.1779 46.5762 49.9745 用指数函数和线性函数对自然负荷在规划年 --- 的电量和负荷预测:
表八: 除大用户负荷在规划年 -- 的电量和负荷预测情况
年份x 电量y1(亿kwh) 负荷y2(mw) 1.5024 36.3813 1.7901 39.7796 2.1329 43.1779 2.5413 46.5762 3.0279 49.9745 综合考虑已建和在建的大用户的电量和负荷, 根据电力规划课程设计任务书中各个大用户和新建大用户的负荷和电量, 能够预测出大用户在规划年 --- 的电量和负荷, 如下表所示:
15
电力规划课程设计正文模板
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)