【正文】 ATLAB軟件繪制出了兩個(gè)地區(qū)全年的負(fù)荷持續(xù)性曲線圖（相關(guān)程序見附錄一），如圖2所示。圖 1 兩個(gè)地區(qū)各指標(biāo)對比圖根據(jù)統(tǒng)計(jì)學(xué)[1]中常用來描述數(shù)據(jù)特征，再結(jié)合本題所給數(shù)據(jù)特點(diǎn)，本文選取了數(shù)據(jù)的集中趨勢（均值、中位數(shù)）、數(shù)據(jù)分布離散程度（方差、離散系數(shù)）和數(shù)據(jù)的分布偏態(tài)與峰度（偏度系數(shù)、峰度系數(shù)）三個(gè)大方面中六個(gè)參數(shù)對兩個(gè)地區(qū)2014年1月1日2014年12月31日的全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率四個(gè)指標(biāo)數(shù)據(jù)進(jìn)行進(jìn)一步描述。二、符號說明序號符號含義1X、Y解釋變量、被解釋變量解釋變量的第一主成分3表示解釋變量矩陣X中第j個(gè)變量的第i個(gè)樣本值4表示被解釋變量矩陣Y中第i個(gè)樣本值5表示標(biāo)準(zhǔn)化后的數(shù)值， 6表示標(biāo)準(zhǔn)化后的數(shù)值7E0、F0標(biāo)準(zhǔn)化矩陣8表示y關(guān)于的回歸系數(shù)9表示原變量的與之間的相關(guān)系數(shù)10表示誤差對權(quán)值微分的雅克比矩陣167。8） 峰度系數(shù)：峰度是用來反映頻數(shù)分布曲線頂端尖峭或扁平程度的指標(biāo)。當(dāng)偏度系數(shù)大于0時(shí)，即重尾在右側(cè)時(shí)，該分布為右偏。4名詞解釋與符號說明一、名詞解釋1） 日最高負(fù)荷：典型日中記錄的負(fù)荷中，數(shù)值最大的一個(gè)；2） 日最低負(fù)荷：典型日中記錄的負(fù)荷中，數(shù)值最小的一個(gè)；3） 日峰谷差：日最高負(fù)荷與最低負(fù)荷之差；4） 日負(fù)荷率：日平均負(fù)荷與日最大負(fù)荷的比值；5） 年持續(xù)負(fù)荷曲線：按一年中系統(tǒng)負(fù)荷的數(shù)值大小及其持續(xù)小時(shí)數(shù)順序繪制的曲線；6） 離散系數(shù)：一組數(shù)據(jù)標(biāo)準(zhǔn)差與其均值的比，也稱為標(biāo)準(zhǔn)差系數(shù)，是測度數(shù)據(jù)離散程度的相對指標(biāo)；7） 偏度系數(shù)：是描述分布偏離對稱性程度的一個(gè)特征數(shù)。167。5） 對于問題五，要求綜合上述計(jì)算結(jié)果，比較兩地區(qū)負(fù)荷數(shù)據(jù)的優(yōu)劣。4） 對于問題四，要求利用2015年1月11日至17日的氣象因素?cái)?shù)據(jù)構(gòu)建計(jì)及氣象因素的負(fù)荷預(yù)測方法，同樣的對兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷再次進(jìn)行預(yù)測。相對于已知數(shù)據(jù)來說，預(yù)測屬于短期預(yù)測。2） 對于問題二，本文對日最高負(fù)荷、日最低負(fù)荷、日平均負(fù)荷與各氣象因素的關(guān)系進(jìn)行偏最小二乘多元回歸分析，在EVIEWS軟件中分別得出兩個(gè)地區(qū)6個(gè)線性回歸方程，并同時(shí)對線性回歸方程誤差進(jìn)行了分析。，你如何評價(jià)兩地區(qū)負(fù)荷規(guī)律性的優(yōu)劣？你還有什么證據(jù)可以佐證兩地區(qū)負(fù)荷整體規(guī)律性優(yōu)劣的判斷？167。，構(gòu)建預(yù)測方法，對兩個(gè)地區(qū) 2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測（間隔 15min），給出負(fù)荷預(yù)測結(jié)果（提交兩個(gè)地區(qū)96*7負(fù)荷預(yù)測結(jié)果數(shù)據(jù)，具體要求見附錄1）；在不知道實(shí)際負(fù)荷數(shù)據(jù)的條件下，你對預(yù)測結(jié)果的準(zhǔn)確度有何推斷，請說明理由。三、要解決的問題，統(tǒng)計(jì)各地區(qū)全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率指標(biāo)的分布情況，并繪制兩地區(qū)2014年全年的負(fù)荷持續(xù)曲線；結(jié)合上述結(jié)果，分析兩地區(qū)負(fù)荷變化的主要差異；初步預(yù)判哪個(gè)地區(qū)的負(fù)荷可以獲得更準(zhǔn)確的預(yù)測結(jié)果，說明你的理由。考慮氣象因素成為調(diào)度中心進(jìn)一步改進(jìn)負(fù)荷預(yù)測精度的主要手段之一。提高負(fù)荷預(yù)測精度，是保障電力系統(tǒng)優(yōu)化決策科學(xué)性的重要手段。關(guān)鍵詞：描述性統(tǒng)計(jì)，偏最小二乘回歸，時(shí)間序列乘積季節(jié)模型，LMBP167。對于問題五，綜合上述結(jié)果參數(shù)，并同時(shí)引用股票分析中的黃金分割線對兩個(gè)地區(qū)負(fù)荷數(shù)據(jù)規(guī)律優(yōu)劣進(jìn)行評價(jià)。由于模型中各個(gè)參數(shù)均通過了參數(shù)的顯著性檢驗(yàn)，殘差序列通過了殘差檢驗(yàn)為白噪聲序列，體現(xiàn)了模型對原序列的信息提取十分充分，所以在不知道實(shí)際負(fù)荷數(shù)據(jù)的情況下，有充分理由判斷預(yù)測結(jié)果的準(zhǔn)確度是較高的。對于問題二，本文根據(jù)2012年1月1日至2014年12月31日的數(shù)據(jù)，用偏最小二乘法，分別對日最高負(fù)荷、日最低負(fù)荷、日平均負(fù)荷與各氣象因素關(guān)系進(jìn)行回歸分析，得出6個(gè)多元線性回歸模型，同時(shí)得到各個(gè)回歸模型的離差平方和，以離差平方和的大小來反映回歸誤差的大?。皇褂煤唵蜗嚓P(guān)系數(shù)檢驗(yàn)法，通過各個(gè)氣象因素相互之間的相關(guān)系數(shù)矩陣，得出最高溫度、最低溫度、平均溫度這三個(gè)因素相關(guān)系數(shù)較高，存在多重共線性；再經(jīng)過變量的顯著性檢驗(yàn)，得出若要用氣象因素來提高負(fù)荷預(yù)測精度，優(yōu)先推薦平均溫度、降雨量、濕度這三個(gè)氣象因素的結(jié)論。精選資料（封面格式） 報(bào)名序號：1249論文題目：某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測姓 名班級有效聯(lián)系電話參賽隊(duì)員1陳富安全工程13155146667參賽隊(duì)員2謝海燕統(tǒng)計(jì)學(xué)18255178915參賽隊(duì)員3王浩統(tǒng)計(jì)學(xué)13505696065指導(dǎo)教師：唐玲參賽學(xué)校：安徽建筑大學(xué)南區(qū)證書郵寄地址、郵編、收件人：地址： 安徽合肥市經(jīng)開區(qū)紫云路292號安徽建筑大學(xué)南區(qū) 郵政編碼：230061收件人姓名： 陳富 聯(lián)系電話： 131155146667 報(bào)名序號：1249論文題目：某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測閱卷專家1閱卷專家2閱卷專家3論文等級可修改編輯某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測摘 要針對兩個(gè)地區(qū)歷史數(shù)據(jù)分析及未來數(shù)據(jù)相關(guān)預(yù)測，本文用統(tǒng)計(jì)學(xué)相關(guān)理論為基礎(chǔ)對兩個(gè)地區(qū)歷史數(shù)據(jù)進(jìn)行探索分析，深入并直觀的描述了數(shù)據(jù)的分布情況；同時(shí)利用時(shí)間序列乘積季節(jié)模型和LMBP神經(jīng)網(wǎng)絡(luò)模型分別對未來數(shù)據(jù)進(jìn)行預(yù)測并進(jìn)行相關(guān)誤差分析，分別得到不同預(yù)測方法下的預(yù)測結(jié)果。對于問題一，本文對兩個(gè)地區(qū)2014年1月1日—2014年12月31日的負(fù)荷數(shù)據(jù)進(jìn)行挖掘分析，選取描述數(shù)據(jù)集中趨勢的均值和中位數(shù)統(tǒng)計(jì)量、描述數(shù)據(jù)分布離散程度的方差和離散系數(shù)統(tǒng)計(jì)量以及描述數(shù)據(jù)分布偏態(tài)與峰度的偏度系數(shù)和峰度系數(shù)統(tǒng)計(jì)量來描述各地區(qū)全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率指標(biāo)的分布情況；繪制出了兩地區(qū)2014年全年負(fù)荷持續(xù)曲線；結(jié)合上述結(jié)果，分析出地區(qū)2負(fù)荷變化數(shù)據(jù)波動較平緩，初步預(yù)判地區(qū)2的負(fù)荷可以獲得更準(zhǔn)確的預(yù)測結(jié)果。對于問題三，考慮到歷史電力負(fù)荷數(shù)據(jù)具有明顯的周期性，建立時(shí)間序列乘積季節(jié)模型，對兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測，得出負(fù)荷預(yù)測結(jié)果見附件。對于問題四，考慮最日高溫度等5個(gè)天氣因素，利用包含5個(gè)輸入層，7個(gè)隱含層和一個(gè)輸出層的LMBP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在5個(gè)天氣因素影響下，再次對兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測，得出負(fù)荷預(yù)測結(jié)果見附件。得出地區(qū)2的數(shù)據(jù)規(guī)律性優(yōu)于地區(qū)1的結(jié)論。1 問題的提出一、背景知識短期負(fù)荷預(yù)測是電力系統(tǒng)運(yùn)行與分析的基礎(chǔ)，對機(jī)組組合、經(jīng)濟(jì)調(diào)度、安全校核等具有重要意義?，F(xiàn)代電力系統(tǒng)中，構(gòu)成電力負(fù)荷的用電器種類繁多，空調(diào)等受