基于空间自回归模型中长期负荷特性分析及预测1022.docVIP

基于空间自回归模型的中长期负荷特性分析及预测摘要 - 本文利用空间自回归模型，对电力需求和国内生产总值之间的空间特征进行了分析。建立了将电力需求之间的空间特征考虑在内的预测组合模型。结果显示了电力需求和国内生产总值之间有明显的空间相互依存性，并且两者之间在空间的相互依赖性很强。预测结果表明，本文中建立的预测组合模型的误差很小。另外，本文提出的组合模型因其适应性较强，是一种有效的预测方法。关键词——电力需求；；空间自回归模型；言在电力市场，做好特性分析与，特别是中长期负荷，直接关系到电网的经济利益 针对时间相关的电力需求及其影响因素的研究空间依赖变量的 (1) 其中是）对因变量的观测向量，的包含的解释变量的设计矩阵，参数向量，标量的空间自回归参数，标量的空间自回归干扰参数，和独立同分布的误差项的向量。和的N- N邻里矩阵，占的空间数据之间的空间关系.从通用模型（1）可以获得特殊的模式强加限制。案例1：和产生一阶空间自回归模型如（2）所示。 (2) 该模型试图解释变化的线性组合作为相邻或邻近单位没有其他解释变量。案例2：，产生一个混合回归空间自回归模型如（3）所示。这种模式是类似的滞后因变量时间序列模型。在这里，我们有额外的解释变量矩阵X解释在Y的变化，对空间的观测样本。 (3) 案例3： 让导致空间自相关回归模型 (4) 案例4：一个相关的模型被称为空间德宾模型（5）所示，其中因变量，以及一个空间滞后的解释变量矩阵X“空间滞后”被添加到传统的最小二乘模型。 （5） B.空间自回归模型参数估计 让1 模型(1)可以写成: （5） 假设是一个正常的干扰方面的向量，函数表现为： (7) 从，， 可以预计参数最大的模型(7)。C .莫兰指数 这些统计数字也是一般统计的特殊情况。的统计 从 这是常见的做法来解释三、组合模型与空间相关的负荷预测假设预测模型应用于一个问题,组合预测模型可以表现为: （9） 其中fi是模型的预测值。 假定Y是真正的值，绝对误差可以写成相结合的模式： （10） 如何选择是组合模型的关键，组合模型的目的是尽量减少误差的绝对值，所以它可以改变一个优化模型： （11） 区域电力需求与国内生产总值 地区生产总值历史数据 BP神经网络 优化重量 Yōuhuà zhòngliàng 字典 名词 史料 图1组合模型框架 灰色模型的优势倾向于处理数据。内部模式的电力系统负荷可以采用灰色模型。自然网络可以用于解决非线性映射，可被视为一个输入的网络预测的自然因素对电力系统的负荷的影响。在本文中，组合模型图1所示对比与传统的组合模型，空间相关性可以考虑在该组合模型采用空间自回归模型。利用统计年鉴数据和空间结构，在中国30个省采用空间自回归模型计算需求与国内生产总值 模型 常量 β ρ λ 回归模型 208.45 （0.001） 0.082 （0.008） 0.4571 剩余空间 自回归模型 236.21 （0.00） 0.061 （0.00） 0.6224 （0.00） 0.9112 混合空间自 回归模型 176.32 （0.00） 0.053 （0.001） 0.4681 （0.00） 0.8252 表1，P值（显示检验统计量）小于0.5，因此，回归模型和空间自回归模型的估计参数很重要的。空间自回归模型的复相关系数大于回归模型。多个相关系数的值表明，在中国30个省的国内生产总值之间的空间相关性是很紧密的。 与此同时莫兰散点图示在电力需求和国内生产总值之间差异在图2中收集的数据点不仅在第一和第三象限象限显示了线是斜呈正相关电力需求与国内生产总值具有很强的空间。（莫 图2 国内生产总之和莫兰功率需求散点图 B.电力需求预测研究 表2预测数据 年份 2001 2002 2003 2004 2005 电力需求（千瓦时） 295.08 306.27 338.7 371.8 378.22 利用空间自回归模型表明电力需求不但影响的地区生产总值而且邻近地区的国内生产总值表3预测结果本文采用空间自回归模型分析了电力需求和国内生产总值之间的空间相关性。此外，采用空间自回归模型，灰色模型和BP神