需要金幣： 1000 個金幣 |
資料包括：完整論文，開題報告，任務(wù)書 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：13565 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：電力系統(tǒng)的短期負(fù)荷是屬于突變事件，這必將影響到電力系統(tǒng)的穩(wěn)健性，因此，分析電力系統(tǒng)短期負(fù)荷是有意義的[1]。 首先，對電力數(shù)據(jù)進(jìn)行基礎(chǔ)分析并建立各個電力負(fù)荷量模型[2]。利用Excel軟件計算出2014年該地區(qū)各個負(fù)荷量的統(tǒng)計量結(jié)果。 處理大量負(fù)荷數(shù)據(jù)時，我們要對這些負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理。為了簡化樣本，我們主要對缺失值和異常值進(jìn)行處理。對缺失值分析是結(jié)合平均溫度的含義，我們算出平均系數(shù)。然后根據(jù)平均的值計算得該天的平均溫度。對于其他缺失數(shù)據(jù)，則直接采用附近4個值的中位數(shù)進(jìn)行補(bǔ)充。對于異常值，用這個閾值代替超過三倍標(biāo)準(zhǔn)差的負(fù)荷數(shù)據(jù)。 在討論天氣因素對負(fù)荷數(shù)據(jù)的影響時，本文采用多元線性回歸模型。首先，對各個負(fù)荷數(shù)據(jù)變量進(jìn)行回歸分析，得出所需的回歸模型。然后，我們用標(biāo)準(zhǔn)殘差圖是否是白噪聲來判斷模型是否有效，顯然，該模型是有效的。最后用逐步回歸法建立回歸分析模型，并分析可得最能影響負(fù)荷數(shù)據(jù)的天氣因素是平均溫度。 在預(yù)測電力系統(tǒng)短期負(fù)荷數(shù)據(jù)時，本文采用的是構(gòu)建預(yù)測模型，取每日0時刻的電力負(fù)荷量作為參照數(shù)據(jù)。觀察其時間序列圖，發(fā)現(xiàn)有季節(jié)性趨勢。本文直接取每年1月份的電力負(fù)荷量來消除季節(jié)成分的影響。計算出在0點的電力負(fù)荷量預(yù)測模型[3]。因此，獲得了電力系統(tǒng)未來七天的電力負(fù)荷預(yù)測[4]。而在對該模型進(jìn)行標(biāo)準(zhǔn)殘差分析的時候，發(fā)現(xiàn)有一定的周期因素影響，然后對模型進(jìn)一步改進(jìn)。 關(guān)鍵詞：多元回歸模型、電力負(fù)荷、模型
目錄 摘要 ABSTRACT 1. 緒 論-1 1.1 引言-1 1.2 數(shù)據(jù)概述-1 2.數(shù)據(jù)預(yù)處理-3 2.1 預(yù)處理的必要性-3 2.2 預(yù)處理步驟-3 2.3 預(yù)處理過程分析-3 2.4 本章小結(jié)-5 3. 多元線性回歸分析-5 3.1 多元線性回歸模型-5 3.2 建立模型-5 3.3 模型求解-7 3.4 多元線性回歸誤差的分析-9 3.5 逐步回歸模型-10 3.6 本章小結(jié)-10 4.預(yù)測模型-11 4.1 模型介紹-11 4.2 模型步驟-12 4.3 模型求解-13 4.4 模型檢驗-17 4.5 模型改進(jìn)-18 4.6 模型的殘差平方和檢驗-23 4.7 本章小結(jié)-23 參考文獻(xiàn)-24 致 謝-26 附 錄-27 |
