電力他負(fù)荷預(yù)測(cè)課程設(shè)計(jì)-資料下載頁
2025-01-13 13:46本頁面
【正文】 以上通過采用回歸分析以及灰度分析發(fā)現(xiàn)預(yù)測(cè)值與實(shí)際值之間均存在不同程度上的誤差，不可避免的畢實(shí)際值大出一些，但精確度都較高。 回歸預(yù)測(cè)相對(duì)準(zhǔn)度較之灰度預(yù)測(cè)精度較好。但是誤差還較大。 回歸分析是采用數(shù)學(xué)模型來進(jìn)行預(yù)測(cè)，而模型里只考慮了工業(yè)產(chǎn)值和農(nóng)業(yè)產(chǎn)值等少數(shù)的影響用電總量的因素，還有很多因素被略去了。對(duì) 于錯(cuò)綜復(fù)雜的電力負(fù)荷預(yù)測(cè)來說，這種模型只是經(jīng)過了簡(jiǎn)單化的負(fù)荷狀況的反應(yīng)，與實(shí)際負(fù)荷之間存在差異，因此會(huì)產(chǎn)生誤差。可以在建模的過程當(dāng)中多考慮可能影響到的因素從而使模型更精確。 回歸現(xiàn)行分析是基于數(shù)理統(tǒng)計(jì)的，對(duì)數(shù)據(jù)量有要求，越大的數(shù)據(jù)量將會(huì)預(yù)測(cè)更準(zhǔn)確，上例中產(chǎn)生誤差的一部分原因應(yīng)該來自數(shù)據(jù)量太少，因此，在進(jìn)行回歸分析時(shí)，最好能得到大量的數(shù)據(jù)。 通過以上數(shù)據(jù)，回歸預(yù)測(cè)的相對(duì)誤差都為正值，誤差范圍較之灰度分析也相對(duì)小，精度也較之比較好，經(jīng)過增大數(shù)據(jù)量應(yīng)該可以達(dá)到進(jìn)一步改進(jìn)。 灰度分析。從上表數(shù)據(jù)可看出，灰色 分析的相對(duì)誤差與精度都較差，有正值也有負(fù)值，跨度較大，這正是灰度分析的缺陷所在 ，灰度分析一是不適合離散度大的數(shù)，二是不適合電力系統(tǒng)長(zhǎng)期的預(yù)測(cè)， 對(duì)越是長(zhǎng)遠(yuǎn)的數(shù)據(jù)的預(yù)測(cè)，精確度就越小，從上表的正負(fù)誤差度可以看出。 對(duì)這樣的情況，可以做以下改變：改變?cè)紨?shù)據(jù)的差異，使用盡量造成指數(shù)增長(zhǎng)變化的序列，而且應(yīng)使數(shù)據(jù)變化緩慢一些。還可以改進(jìn)模型，利用現(xiàn)有的一 些比較先進(jìn)的理論方法對(duì)摸型進(jìn)行改進(jìn)，如模型群建模法 等。 三、 課程設(shè)計(jì)總結(jié) 通過這次的課程設(shè)計(jì)，對(duì)電力負(fù)荷預(yù)測(cè)有了更近一步的了解，使用 Matlab 也更熟練，本次利用回 歸分析和灰度分析對(duì)同一組數(shù)據(jù)進(jìn)行對(duì)比預(yù)測(cè)，比較了兩種方法各系的優(yōu)缺點(diǎn)，明白了不同的預(yù)測(cè)方法尤其各自的優(yōu)勢(shì)，應(yīng)根據(jù)具體情況加以選擇，當(dāng)遇到預(yù)測(cè)精度不高是，應(yīng) 進(jìn)行相應(yīng)的改進(jìn)，以進(jìn)行更精確的預(yù)測(cè)。同時(shí)，在遇到問題、誤差時(shí)，應(yīng)積極思考，發(fā)揮主觀能動(dòng)性，找尋改進(jìn)方法。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1